Çoğu işletmede veri eksik değildir; dağınıktır. Satış CRM'de, stok ERP'de, üretim makinelerin ekranında, bütçe ise bir Excel dosyasında durur ve yönetim toplantısından önce birisi bu parçaları elle birleştirir. Türkiye'de bu açık hâlâ büyük: TÜİK Girişimlerde Bilişim Teknolojileri Kullanım Araştırması 2025 sonuçlarına göre 10 ve daha fazla çalışanı olan girişimlerin yalnızca %6,5'i iş zekası (BI) yazılımı kullanıyor. Verinin kalitesi de en az varlığı kadar önemli: veri kalitesi uzmanı Thomas C. Redman, MIT Sloan Management Review makalesinde kötü verinin çoğu şirkete maliyetini gelirin %15–25'i olarak tahmin ediyor.
Bu sayfa, veri ve analitik üzerine yazdığımız rehberleri başlangıçtan karara uzanan bir okuma yolu olarak topluyor. Başlangıç noktası Excel raporlamadan BI'a geçiş yazısıdır; tabloların ne zaman yetmediğini ve geçişin nasıl planlanacağını anlatır. Ardından neyi ölçeceğinize karar vermek için KPI nasıl belirlenir yazısını, bu göstergeleri tek ekranda toplayan paneli kurmak için de yönetici paneli (BI dashboard) nasıl kurulur rehberini okuyun. Panel hangi ekip için kuruluyorsa gösterge setini oradan ayrıntılandırın: satış için satış dashboard metrikleri, finans için nakit akış raporu otomasyonu, müşteri tarafı için NPS nasıl ölçülür ve müşteri kaybı (churn) analizi. Araç kararına geldiğinizde BI aracı seçim kriterleri karşılaştırmayı kolaylaştırır.
Derinleşme aşamasında altyapı öne çıkar. Birden çok kaynaktaki veriyi tek yerde toplamak için veri ambarı ve ETL süreci, raporların güvenilir olması için ise veri kalitesi ve mükerrer kayıt temizliği yazıları temel başvuru kaynaklarıdır. Mekânsal veriyle çalışan kurumlar için belediye CBS rehberi kent bilgi sisteminin nasıl kurulacağını, tarım ve arazi projeleri için drone ile NDVI analizi ise bitki sağlığı haritasının nasıl çıkarılıp okunacağını anlatır.
Altyapı kararları netleştikçe ayrıntı sorularına geçin. Dönüşümün nerede yapılacağını ETL mi ELT mi yazısı, ham ve yapılandırılmamış verinin nerede duracağını veri gölü nedir rehberi, bütçeyi hangi kalemlerin belirlediğini ise veri ambarı maliyet kalemleri anlatır. Makine ve sensör verisi toplayan tesisler için zaman serisi veritabanı ayrı bir depolama kararıdır; bu veriyle arızanın ve fire artışının nedenini bulmayı üretim verisiyle kök neden analizi yazısında anlattık.
Rakamların kime ait olduğunu, nasıl tanımlandığını ve kimin erişebileceğini belirlemek için veri yönetişimi nedir rehberiyle başlayın. Müşteri ve ürün kodlarını sistemler arasında tek kayda bağlamak için ana veri yönetimi (MDM), iş sözlüğünü ve teknik tanımları herkesin bulabileceği yerde tutmak için veri kataloğu ve veri sözlüğü, kullanıcıların kendi raporlarını kurallı biçimde üretmesi için self-servis raporlama yazılarını okuyun; pazarlama tarafında müşteri kayıtlarını tek profilde birleştiren yapı ise müşteri veri platformudur (CDP). Hangi göstergenin anlık, hangisinin dönemsel izlenmesi gerektiğini ise gerçek zamanlı raporlama yazısı anlatır. Saha ve arazi verisiyle çalışanlar için rota optimizasyonu dağıtım ve servis ekiplerinin planlamasını, drone ile rekolte tahmini hasat öncesi verim öngörüsünü, drone ile hacim hesabı ise şantiye ve ocaklarda stok hacminin ölçülmesini ele alır. Su idareleri için su şebekesi CBS envanteri boru, vana ve abone katmanının nasıl kurulacağını, geniş tarım arazileri için uydu görüntüsüyle tarım analizi ise sezon boyu izlemenin drone uçuşlarıyla nasıl tamamlanacağını anlatır.
Uygulama tarafında veri ve analitik çözümlerimiz, BI dashboard, veri ambarı ve veri yönetişimi ve kalite sayfalarımıza göz atabilirsiniz. Başlamadan önce yönetim toplantısında en çok tartışılan üç sayıyı yazın ve her birinin hangi sistemden, kim tarafından, ne sıklıkla üretildiğini not edin. Bu kısa liste, hangi yazıdan başlamanız gerektiğini ve ilk panelin kapsamını büyük ölçüde belirleyecektir.
Veriyi kullanan diğer rehberler
- Üretim ve operasyon: OEE nasıl hesaplanır, yapay zeka ile talep tahmini, anomali tespiti.
- Satış ve veri kaynakları: CRM ve satış hunisi, API entegrasyonu, Excel ile iş takibinin sınırları.
- Saha verisi: toprak nem sensörü ile hassas tarım.