tolga boroglu.

Günler Süren Dashboard’lar Tarih mi Oluyor? Claude ve Veri Analistliğinin Geleceği

•6 min read•Turkish•Tolga Boroğlu
#data-visualization#ai#data#claude#data-analysis

Doğrudan veri ambarlarına bağlanıp canlı SQL sorguları üreten yeni nesil BI yaklaşımı, neleri çözecek ve nerede yetersiz kalacak?

Eski düzen ve yeni düzen Eski düzen vs yeni düzen

Veri dünyasında çalışan herkesin çok iyi bildiği bir gerçek vardır: Zamanımızın önemli bir kısmı derin analizler yapmaktan ziyade, iş birimlerinden gelen “Geçen haftanın rakamlarını bir önceki ayla kıyaslayan hızlı bir rapor hazırlar mısın?” tarzı anlık (ad-hoc) talepleri karşılamakla geçer.

Anthropic’in yeni duyurduğu Claude Dashboards özelliği, tam olarak bu alışkanlığı kökten değiştirecek bir adımla geldi. Eskiden LLM’lere bir CSV dosyası yükleyip statik, tek kullanımlık grafikler için kullanılırdı. Ancak yeni duyurulan yapı, sohbet ekranının yanındaki bir görselleştirme aracı olmaktan çıkıp doğrudan veri ambarlarına bağlanan canlı bir İş Zekası (BI) katmanına dönüşmüş durumda.

Bu yeni özelliğin pratikte nasıl çalıştığını, güvenlik boyutunu ve sınırlarını görmek için sistemi kurcaladım. Gelin, karşılaştığım teknik detayları, veri güvenliği risklerini ve mimari sonuçları bir veri profesyoneli gözüyle birlikte inceleyelim.

Sadece Grafik Oluşturmuyor: Veri Ambarı Üzerinde Canlı Orkestrasyon

Claude Dashboards’u klasik “Chat” araçlarından ayıran en temel fark, Google Cloud BigQuery, Snowflake, Databricks ve Redshift gibi modern veri ambarlarına doğrudan bağlanabilmesi.

Arka planda çalışan mekanizmayı incelediğimizde çok kritik bir mimari detay göze çarpıyor: Push-Down Compute (Hesaplamayı Veri Ambarına İtme).

Sistemi BigQuery gibi bir veri ambarına bağladığınızda, Claude veriyi kendi hafızasına çekip basitçe resmetmiyor. Eğer gerekli yetkileri verirseniz doğrudan veri ambarınızın içinde yeni tablolar oluşturabiliyor, ham verideki boş kolonları temizliyor ve metin formatındaki karmaşık alanları sayısal ortalaması alınabilir kolonlara dönüştürecek ETL işlemlerini bizzat veri ambarı üzerinde SQL çalıştırarak yapıyor.

Üstelik yöneticilerin ve veri ekiplerinin yapay zeka çıktılarında en çok korktuğu “Kara Kutu” (Black-Box) sorununu da şeffaflıkla çözmüşler:

  • Dashboard üzerindeki herhangi bir KPI kartına veya grafiğe tıkladığınızda, Sources paneli altında o sayıyı üreten canlı SQL sorgusunu ve yapılan veri dönüşümünü satır satır görebiliyorsunuz.
  • İhtiyaç duyduğunuzda bu SQL sorgusunu doğrudan panel üzerinden manuel olarak düzenleyip kaydedebiliyorsunuz.
  • Üst kısımdaki yenileme (Refresh) butonuyla veri ambarındaki canlı veriyi anında tekrar sorgulatarak güncel rakamları çekebiliyorsunuz.

“One-Shot” Klonlama: Bir Ekran Görüntüsünden Canlı Dashboard’a

Yazının başında sorduğumuz “Grafik oluşturma devri kapandı mı?” sorusunun en somut cevabı, farklı BI araçları arasındaki geçiş (migration) ve hızlı prototipleme senaryolarında ortaya çıkıyor.

Normal şartlarda eski bir raporlama sisteminden veya Power BI, Tableau, Metabase gibi bir araçtan başka bir ortama geçiş yapmak; veri modelini anlamak, metrikleri yeniden yazmak ve görsel tasarımı oturtmak derken günler sürer. Yeni nesil yaklaşımda ise elinizdeki mevcut bir dashboard’un sadece ekran görüntüsünü alıp Claude’a vererek “Aynı renkler, metrikler ve görsellerle bana bunun birebir aynısını oluştur” diyebiliyorsunuz.

Sistemin burada izlediği adımlar oldukça etkileyici:

  1. Görüntüyü analiz edip oradaki görsel bileşenleri, renk paletini ve sayfa düzenini (layout) tek seferde (one-shot) çözümlüyor.
  2. Arka planda bağlı olduğu veri ambarına gidip görseldeki metriklerin birebir aynısını üretecek gruplama (GROUP BY), filtreleme ve yuvarlama (ROUND) sorgularını baştan yazıyor.
  3. Saniyeler içinde tüm metrikleri orijinal raporla birebir aynı sonuçları verecek şekilde canlı bir dashboard olarak ekrana basıyor.

Özetle; sıfırdan sürükle-bırak yöntemiyle kutucuk hizalama, renk kodu tutturma ve basit özet grafikler oluşturma işi artık tek bir ekran görüntüsü yüklemeye kadar inmiş durumda.

Madalyonun Diğer Yüzü: Güvenlik, KVKK ve Doğru Mimari Yaklaşım

Bir yapay zeka aracını doğrudan şirketin kalbi olan BigQuery veya Snowflake’e bağlamak kulağa harika gelse de, işin Veri Güvenliği (Data Security) ve Veri Yönetişimi (Data Governance) boyutuna geçtiğimizde kırmızı çizgilerimiz devreye giriyor.

Claude’a ana veritabanınızın anahtarını doğrudan teslim etmek kurumsal dünyada büyük bir risk. Peki bu entegrasyon nasıl yapılmalı ve nelere dikkat edilmeli?

1. Kişisel Verilerin (PII) İzolasyonu ve Maskeleme

Finans, sigortacılık, sağlık veya e-ticaret gibi sektörlerde müşteri tabloları; T.C. kimlik numarası, isim, telefon, açık adres veya hesap detayları gibi Kişisel Verileri (PII) barındırır. KVKK ve GDPR regülasyonları gereği bu ham tabloların üçüncü parti bir LLM konnektörüne doğrudan açılması ciddi bir güvenlik ihlalidir. Claude’un bağlanacağı katmanda kesinlikle kişi bazlı hassas veriler yer almamalı; gerekiyorsa bu alanlar veri hattında (pipeline) maskelenerek (hashing/anonymization) aktarılmalıdır.

2. Ham Veri (Raw Data) Değil, Önceden Hesaplanmış Özet Tablolar (Data Marts)

Claude’u milyonlarca satırlık ham işlem (transaction) tablolarına bağlamak iki büyük soruna yol açar:

  • Halüsinasyon ve Yanlış Hesaplama Riski: Yapay zeka, şirketinizin spesifik iş kurallarını (örneğin; iptal edilen siparişlerin cirodan nasıl düşüldüğünü veya aktif müşteri tanımınızı) bilemez. Ham veriden kendi başına hesaplama yapmaya kalktığında yanlış sonuç üretme ihtimali çok yüksektir.
  • Bulut Maliyeti (FinOps) Patlaması: Dashboard üzerindeki her “Yenile” butonuna basıldığında Claude’un terabaytlarca ham veriye SELECT sorgusu atması, ay sonunda devasa bir bulut faturasıyla karşılaşmanıza neden olur.

Doğru Mimari Nasıl Olmalı? Yapay zekayı doğrudan mutfağa (Ham Veriye) sokmak yerine, ona sadece servis tabağını (Mart Katmanını) sunmalıyız. dbt veya benzeri araçlarla veriyi önceden temizleyip, iş kurallarına göre hesaplanmış, anonimleştirilmiş ve özetlenmiş (aggregated) tablolar oluşturmalıyız. Claude sadece bu güvenli ve önceden hesaplanmış özet tablolara bağlanmalı.

3. Sadece “Okuma” (Read-Only) Yetkisi ve İzole Ortam

Claude’a veri ambarı üzerinde yazma yetkisi verdiğinizde, görselleştirmeyi kolaylaştırmak için kendi inisiyatifiyle projenizde yeni tablolar yaratıp veriyi bölebiliyor. Kurumsal bir veri ambarında yapay zekanın Production ortamında kafasına göre tablo oluşturması mimari bir kaos yaratır. Bu nedenle bağlantılar mutlaka sadece belirli şemaları görebilen, sadece okuma (Read-Only) yetkisine sahip kısıtlı bir servis hesabı (Service Account) üzerinden yapılmalıdır.

Neden Henüz Power BI, Tableau ve Metabase’in Yerini Alamaz? (Teknik Sınırlar)

Güvenlik ve mimari kısıtların yanı sıra, aracın kurumsal ölçekte geleneksel BI araçlarının yerini hemen alamayacağını gösteren önemli eksiklikleri de var:

  • Versiyon Kontrolü (Git) Eksikliği: Bir veri ürünü geliştirirken yaptığımız değişiklikleri geri alabilmek hayati önem taşır. Şu anki yapıda sadece arka plandaki SQL sorgularının geçmişi tutuluyor; ancak görsel tasarımı değiştirdiğinizde yeni tasarım eskisinin üzerine yazıyor (overwrite) ve arayüzde doğrudan bir “Geri Al” (Revert) butonu bulunmuyor. Versiyon takibi yapmak istediğinizde kodları dışarı aktarıp kendi lokal Git/GitHub ortamınıza manuel taşımanız gerekiyor.
  • Paylaşım Bariyeri: Hazırladığınız canlı dashboard’u bir ekip arkadaşınızla paylaşmak istediğimde, karşı tarafın da rakamları görebilmesi için aynı BigQuery tablosuna erişim yetkisi ve kendi Claude konnektörü olması şart. Dış paydaşlara veya müşterilere hızlıca rapor sunmak için hâlâ Amplitude, Grafana, Hex, Mixpanel (veya yakında entegre olacak Tableau ve Looker) gibi üçüncü parti araçlara export almak zorundasınız.
  • Yenilenme ve Tutarlılık (Reproducibility): Küçük ve temiz veri setlerinde yapay zeka harikalar yaratabilir. Ancak yüzlerce tablonun ve karmaşık iş kurallarının olduğu bir ortamda, her metriğin her departmanda tutarlı ve yeniden üretilebilir (reproducible) sonuçlar vermesi için hâlâ güçlü bir BI yönetişimine ihtiyaç var.

Veri Analistleri İçin Yeni Çağ: Nereye Evriliyoruz?

Claude Dashboards gibi araçların yükselişi bize çok net bir mesaj veriyor: Ön yüz (Görselleştirme / BI) katmanı hızla metalaşıyor ve otomatikleşiyor.

Eğer bir veri analisti olarak tek katma değeriniz veritabanından SELECT sorgusu çekip bunu ekranda güzel görünen grafiklere dönüştürmekse, bu alanın dönüşüme girdiğini kabul etmek gerekiyor. Ancak madalyonun diğer yüzünde, veri profesyonelleri için çok daha değerli bir alan açılıyor:

Kullandığımız araçlar ne kadar gelişirse gelişsin, arka plandaki mühendislik doğru kurgulanmadığı sürece yapay zekâ tek başına mucizeler yaratamaz.

Çünkü teknolojiyi güçlü kılan yalnızca araçlar değil, o araçları doğru kullanmamızı sağlayan bilgi ve mühendislik yaklaşımıdır.