Veri kalitesi, bir kaydın kullanılacağı iş için doğru, eksiksiz, tekil, geçerli ve güncel olmasıdır; en yaygın ve pahalı sorun, aynı müşteri, tedarikçi ya da ürünün birden fazla kez kayıtlı olmasıdır. Mükerrer kayıtlar vergi numarası gibi güçlü anahtarlar ve unvan-adres benzerliğiyle bulunur, iş birimiyle birleştirilir; kayıt kuralları, sorumlular ve düzenli ölçümle tekrarı önlenir.
Kısaca
- Veri kalitesi beş ölçülebilir boyutla izlenir: tekillik, doluluk, geçerlilik, tutarlılık ve güncellik.
- Mükerrer kayıtlar önce vergi numarası, T.C. kimlik numarası ya da barkod gibi güçlü anahtarlarla, ardından unvan ve adres benzerliğiyle bulunur.
- Otomatik eşleştirme yalnızca aday listesi üretir; birleştirme kararını kaydı kullanan iş birimi verir, yinelenen kart silinmez, pasife alınır.
- Thomas C. Redman'ın MIT Sloan Management Review'daki 2017 tahminine göre kötü veri, çoğu şirkete gelirinin %15-25'ine mal oluyor.
- Kalıcı çözüm kaynakta önlemedir: zorunlu alanlar, "benzer kayıt var" uyarısı, her veri alanı için bir sahip ve aylık kalite ölçümü.
Mükerrer kayıt nedir, nasıl oluşur?
Mükerrer kayıt, aynı müşteri, tedarikçi, ürün ya da çalışanın bir veya birden fazla sistemde birden çok kez kayıtlı olmasıdır. Cari listede "ABC Otomotiv San. ve Tic. Ltd. Şti.", "ABC OTOMOTİV LTD" ve "Abc Otomotiv Sanayi" aynı firmadır. Biri satışın açtığı kayıttır, biri muhasebenin, üçüncüsü de e-ticaret entegrasyonunun otomatik oluşturduğu. Hiçbiri tek başına "hatalı" değildir; sorun, üçünün aynı anda var olmasıdır.
Tipik nedenler şunlardır:
- Arama yapmadan kayıt açmak. Kullanıcı mevcut kaydı bulamayınca yenisini açar; Türkçe karakter, kısaltma ya da boşluk farkı aramayı boşa çıkarır.
- Birden fazla giriş kapısı. CRM, ERP (kurumsal kaynak planlama), e-ticaret sitesi ve pazaryeri entegrasyonu aynı müşteriyi ayrı ayrı oluşturur.
- Zorunlu alan eksikliği. Vergi numarası ya da T.C. kimlik numarası zorunlu değilse, tekilliği sağlayacak anahtar da yoktur.
- Sistem geçişleri ve birleşmeler. Eski sistemden aktarılan veri, yeni sistemdeki kayıtlarla eşleştirilmeden yüklenir.
- Sahipsiz veri. Cari kartın doğruluğundan kimin sorumlu olduğu belli değilse, herkes düzeltmeyi bir başkasından bekler.
Aynı sorun ürün kartında da yaşanır: bir ürünün depoda bir kodu, satışta başka kodu, e-ticarette üçüncü bir adı vardır. Personel verisinde ise aynı kişinin farklı yazılmış adı, bordro ile geçiş ve puantaj sistemi arasındaki eşleşmeyi bozar.
Kötü veri kalitesinin maliyeti nedir?
Mükerrer ve hatalı kaydın maliyeti tek bir kalemde görünmez; bölünerek her departmana dağılır:
Veri kalitesi uzmanı Thomas C. Redman, kötü verinin çoğu şirkete maliyetini gelirin %15-25'i olarak tahmin ediyor; aynı değerlendirmeye göre bu maliyetin üçte ikisi belirlenip kalıcı olarak ortadan kaldırılabilir. (MIT Sloan Management Review, "Seizing Opportunity in Data Quality", 2017)
Redman'ın rakamı bir uzman tahminidir; ama günlük karşılığı her şirkete tanıdık gelir: fatura yanlış cariye kesilir, bir firmanın gerçek riski üç karta bölündüğü için kredi limiti aşılır, stok iki kez sayılır, kampanya aynı kişiye üç kez gider, "aktif müşteri" sayısı pazarlamada bir, finansta başka çıkar. Pazarlama tarafında aynı kişinin farklı kanallardaki kayıtlarını tek profilde birleştiren yapı müşteri veri platformudur (CDP).
Mükerrer kayıt sorununun ölçeği, şirketlerin ne kadar veriyi sistemlerde tuttuğuyla büyüyor. TÜİK'e göre 2025'te 10 ve daha fazla çalışanı olan girişimlerin %28,3'ü ERP, %12,0'ı CRM kullandı (TÜİK Girişimlerde Bilişim Teknolojileri Kullanım Araştırması 2025). Bu şirketlerde cari ve ürün verisi çoğu zaman birden fazla sistemde tutulur; eşleştirme kuralı yoksa mükerrer kayıt kaçınılmaz.
Veri bütünlüğü yalnızca yanlış girişle bozulmaz. TÜİK'e göre girişimlerin %5,6'sı 2025'te kötü amaçlı yazılım veya yetkisiz erişim nedeniyle veri kaybı ya da bozulması bildirdi (TÜİK Girişimlerde Bilişim Teknolojileri Kullanım Araştırması 2026). Kimin hangi kaydı ne zaman değiştirdiğinin izlenmediği bir yapıda, bozulmayı fark etmek de geri almak da zorlaşır. Geri alabilmenin ön koşulu olan yedekleme düzenini fidye yazılımı ve 3-2-1 yedekleme yazısında anlattık.
Kötü verinin bir başka maliyeti, yeni yatırımların boşa gitmesidir. Yeni bir ERP'ye temizlenmemiş veriyle geçmek eski sorunu yeni sisteme taşır; ERP projelerinin neden başarısız olduğunu anlattığımız yazıda veri göçünün ilk sıralarda yer alması bu yüzden.
Raporlama da kötü veriden doğrudan etkilenir. Aylık raporda satışın ve finansın müşteri sayısı ya da ciro rakamı çelişiyorsa, kaynağı çoğu zaman aynı firmanın üç ayrı kartıdır. Mükerrer veriyle kurulan bir BI paneli hatalı sonucu yalnızca daha hızlı ve daha şık gösterir; bu yüzden Excel raporlamadan BI'a geçişte veri temizliği ilk adımlardan biridir.
Veri kalitesi nasıl ölçülür? Beş temel boyut
Veri kalitesini "iyi" ya da "kötü" diye değil, ölçülebilir boyutlarla ele almak gerekir. Aşağıdaki tablo, her boyutun sorduğu soruyu ve cari kartta nasıl ölçüleceğini gösterir:
| Boyut | Soru | Cari kartta örnek ölçüm |
|---|---|---|
| Tekillik | Aynı varlık bir kez mi kayıtlı? | Aynı vergi numarasına sahip kart sayısı |
| Doluluk | Zorunlu alanlar dolu mu? | Vergi numarası, e-posta ya da adresi boş kart oranı |
| Geçerlilik | Değer kurala uyuyor mu? | Hane sayısı hatalı vergi numarası, geçersiz IBAN biçimi |
| Tutarlılık | Sistemler aynı şeyi mi söylüyor? | ERP ve CRM'de unvanı ya da adresi farklı olan müşteri |
| Güncellik | Kayıt hâlâ doğru mu? | Son iki yılda hareket görmemiş ama aktif görünen kart |
Veri kalitesi ölçümleri bir kez yapılıp bırakılmaz; aylık olarak izlenir ve her alanın bir sorumlusu olur. Sorumluların, tanımların ve karar sürecinin nasıl kurulacağını veri yönetişimi nedir rehberinde anlattık.
Mükerrer kayıtlar nasıl temizlenir? 7 adımda veri temizliği
Mükerrer kayıt temizliği, ölçümle başlayıp kaynakta önlemeyle biten bir süreçtir. Aşağıdaki yedi adım cari kart için yazılmıştır; ürün ve personel kartında da aynı sıra işler:
- Kapsamı seçin. Önce işe en çok zarar veren veri alanıyla başlayın; çoğu şirkette bu cari karttır, ardından ürün kartı gelir.
- Mevcut durumu ölçün. Tekillik, doluluk ve geçerlilik için başlangıç değerlerini çıkarın. Ölçmeden başlanan temizlik, ilerlemeyi de gösteremez.
- Eşleştirme kurallarını belirleyin. Güçlü anahtar (vergi numarası, T.C. kimlik numarası, barkod) aynıysa kayıtlar büyük olasılıkla aynıdır. Anahtar yoksa unvan, adres ve telefon benzerliği kullanılır: büyük-küçük harf, Türkçe karakter, "Ltd. Şti." gibi ekler ve boşluklar normalize edildikten sonra karşılaştırılır.
- Adayları iş birimiyle doğrulayın. Otomatik eşleşme yalnızca aday listesi üretir. Birleştirme kararı, kaydı kullanan satış, muhasebe ya da satın alma ekibiyle birlikte verilir; açık bakiyesi, açık siparişi olan kartlar özellikle dikkat ister.
- "Ana kaydı" seçip birleştirin. Hangi kartın yaşayacağına, diğerlerindeki hareketlerin nasıl taşınacağına karar verin. Silmek yerine pasife alıp yeni karta yönlendirmek, geçmiş faturaların izini korur. Bu kararı tek seferlik temizlikten sürekli bir sürece dönüştürmek ana veri yönetiminin (MDM) konusudur.
- Girişi kaynağında düzeltin. Kayıt açarken zorunlu alanlar, vergi numarası doğrulaması, "benzer kayıt var" uyarısı ve tek bir kayıt açma yetkisi tanımlayın. Entegrasyonlar yeni kart açmadan önce mevcut kaydı aramalıdır. Tedarikçi kartındaki IBAN gibi kritik alanlar ise ikinci bir onay olmadan değişmemelidir; e-postayla gelen sahte "hesabımız değişti" talepleri tam da bu kapıyı hedefler (IBAN değişikliği maili dolandırıcılığı).
- Sahip atayın ve izleyin. Her veri alanına bir sahip ve bir sorumlu belirleyin; kalite ölçümleri belirlenen seviyenin altına düştüğünde sorumluya uyarı gitsin.
Türkçe veride eşleştirme tuzakları
Türkçe unvan ve adreslerde otomatik eşleştirme, üç yerde sık yanılır:
- Karakter farkları. "İ/I", "ı/i", "Ş/S" ve "Ğ/G" farkları, aynı unvanı sistemin gözünde iki ayrı firmaya çevirir. Karşılaştırmadan önce tüm metin tek biçime indirgenmelidir.
- Şirket türü ekleri. "Ltd. Şti.", "Limited Şirketi", "A.Ş.", "San. ve Tic." gibi ekler kaldırılmadan yapılan benzerlik hesabı yanıltıcı sonuç verir.
- Şube ve şahıs ayrımı. Aynı vergi numarasına sahip iki kart her zaman mükerrer değildir; farklı teslimat adresli şubeler bilinçli olarak ayrı tutuluyor olabilir. Şahıs firmalarında ise T.C. kimlik numarası kişisel veri olduğundan, eşleştirmede kullanılırken erişimi sınırlanmalıdır.
Veri sözlüğü: tanımlar da kalite sorunudur
Bazı "tutarsızlıklar" aslında tanım farkıdır. Pazarlama "son 12 ayda sipariş veren" müşteriyi aktif sayarken finans "açık bakiyesi olan" müşteriyi sayıyorsa, iki rakam da doğru ama karşılaştırılamaz. "Aktif müşteri", "net satış", "stoktaki ürün" gibi terimlerin yazılı tanımını içeren bir veri sözlüğü, bu tartışmayı kalıcı olarak bitirir.
Veri sözlüğündeki tanımlar yönetici panelindeki göstergelerin de temelidir; panelde tanım sözlüğünün nasıl kullanıldığını yönetici paneli kurulum rehberimizde anlattık. İş terimlerinin iş sözlüğünde, tablo ve alanların teknik tanımlarının ise veri sözlüğünde nasıl tutulacağını veri kataloğu ve veri sözlüğü yazısında ayırdık.
Temiz veri, yapay zeka projelerinin de ön koşuludur. Gartner, üretken yapay zeka projelerinin en az %30'unun kötü veri kalitesi, yetersiz risk kontrolleri, artan maliyetler veya belirsiz iş değeri nedeniyle 2025 sonuna kadar kavram kanıtlama aşamasından sonra terk edileceğini öngörmüştü (Gartner basın bülteni, Temmuz 2024). Model eğitimi için örneklerin nasıl tutarlı işaretleneceğini veri etiketleme nedir yazımızda, kayıt doğruluğunun şube siparişlerine etkisini ise mağaza stok optimizasyonu rehberimizde anlattık.
Mükerrer ana veri, dış paydaşlara veri gönderen süreçlerde daha pahalıya patlar. Otomotivde EDI ile giden sevk bildirimi, tekstilde ise dijital ürün pasaportu bunun iki güncel örneğidir.
Digital Bridge veri kalitesi çalışmasını nasıl yürütür?
Veri yönetişimi ve veri kalitesi çalışmalarımızda amacımız size yeni bir yazılım satmak değil; mevcut sistemlerinizdeki veriyi güvenilir hale getirmek:
- Veri envanteri ve akış haritası. Hangi verinin hangi sistemde üretildiğini, nereye kopyalandığını ve hangi raporu beslediğini haritalıyoruz; resmî sistemlerin dışında tutulan Excel listeleri de görünür hale geliyor.
- Temizlik ve birleştirme. Yazım farklılıklarını, eksik alanları ve tekrar eden kayıtları buluyor; birleştirme kararını iş biriminizle birlikte veriyoruz. Unvan, adres ve vergi numarası alanları tek biçime getiriliyor.
- Kaynakta önleme. ERP ve CRM sistemlerinizde kayıt açma kurallarını, zorunlu alanları ve onay akışını birlikte tasarlıyoruz; entegrasyonların mevcut kaydı aramadan yeni kart açmasını engelliyoruz.
- Sürekli ölçüm. Doluluk, tekillik, geçerlilik ve tutarlılık düzenli ölçülüp raporlanıyor; bir alanın kalitesi belirlenen seviyenin altına düştüğünde sorumlusuna uyarı gidiyor. Birden çok sistemin verisi bir veri ambarında toplanıyorsa, hatalı kayıtlar yükleme anında yakalanıp rapora girmeden ayrılıyor; mimariyi veri ambarı ve ETL yazımızda anlattık.
- Kişisel veri envanteri. Hangi sistemde hangi kişisel verinin, ne amaçla ve ne kadar süre tutulduğunu çıkarıyoruz; mükerrer kayıtlar aynı zamanda gereksiz kişisel veri kopyası demektir. Uyum sürecinin tamamı için KVKK uyum danışmanlığı hizmetimizle ilerliyoruz.
Mükerrerlik yalnızca veritabanı kayıtlarında değil, belgelerde de olur: "teklif_son", "teklif_son2" gibi kopyalar hangisinin geçerli olduğunu belirsizleştirir. Smart360 ailesindeki SmartFiles'ta aynı klasöre aynı adla yüklenen dosya üzerine yazılmaz, yeni sürüm olarak saklanır; önceki sürümler indirilebilir ya da geri yüklenebilir.
Temizlenmiş veriyle kurulan BI dashboard ise, toplantılarda rakamın doğruluğu yerine kararın tartışılmasını sağlıyor. Hazır paket satmıyoruz; ihtiyaç analizinin ardından kapsamı, aşamaları ve bedeli içeren yazılı bir teklif hazırlıyoruz. Veri ambarı, KPI ve CBS gibi komşu başlıklar için Veri ve Analitik rehberimizin tamamına göz atabilirsiniz.
Veri kalitesi için bugün yapabileceğiniz ilk kontrol
Mükerrer kayıt sorununu ölçmek için bugün yapabileceğiniz basit bir kontrol var: ERP'nizden cari listeyi alın ve vergi numarasına göre sıralayın. Aynı vergi numarasına sahip kaç kart olduğunu ve kaç kartta vergi numarasının boş olduğunu sayın. Bu iki rakam, sorunun büyüklüğünü ve temizliğe nereden başlanacağını gösterir. Bizimle iletişime geçin; sonuçları birlikte değerlendirip ilk veri alanı için bir temizlik ve önleme planı çıkaralım.