tolga boroglu.

“Sayılar Yalan Söylemez” Yalanı: Doğru Veriyle Yanlış Karar Almak

•4 min read•Turkish•Tolga Boroğlu
#data-analyst#data-visualization#data#data-analysis#data-science

Sayılar yalan söylemez

Bir veri analisti olarak mesaimizin çoğunu karmaşık SQL sorguları yazarak, PySpark ile büyük verileri işleyerek ve Metabase, Power BI gibi araçlarda dashboard’lar tasarlayarak geçiriyoruz. Ancak bu, buzdağının sadece görünen kısmı. Arka planda asıl işimiz; iş ihtiyaçlarını anlamak, veriyi anlamlandırmak ve operasyondaki karar vericilerin rotasını doğru çizmelerini sağlamaktır. Bizler sadece veri çekmeyiz; verideki anormallikleri ve eksiklikleri tespit edip, bunu şirketin stratejik bir hamlesine dönüştürecek içgörüyü sunarız.

Günümüz dünyasında yapay zeka araçlarının (LLM’ler) hayatımıza girmesiyle birlikte kod yazmak saniyeler sürüyor. Ancak bu hız, çok sinsi bir riski de beraberinde getiriyor: Sessiz hatalar.

Yapay Zeka ve “Sözde” Kusursuz Kodlar

Sadece bir prompt yazıp, üretilen SQL veya Python kodunu test ederek ilerlemek artık yeterli değil. Kodun hata vermeden (error-free) çalışması, sonucun “doğru” olduğu anlamına gelmez. Görünmeyen, mantıksal hataları keşfetmek çok daha zordur.

İyi planlanmadan, veri mimarisinin ruhu anlaşılmadan yazılan her kodun görünmeyen faturası zamandır. Örneğin; AI tarafından dümdüz yazılmış, modüler olmayan, karmaşık alt sorgularla (subquery) dolu bir koda yeni bir iş kuralı (business rule) eklemek istediğinizde, o kodun iskeleti çöker. Kodu sil baştan yazmak zorunda kalırsınız. CTE (Common Table Expressions) kullanılmadan veya mantıksal kurgusu sağlanmadan yazılan her query, eninde sonunda karar vericileri yanlış yönlendirmeye mahkumdur.

Teknik Hataların Yönetim Kurulundaki Kelebek Etkisi

Bir veri analistinin yaptığı ufak bir teknik hatanın, masadaki yöneticilere nasıl milyonlarca liralık yanlış kararlar aldırabileceğine teknik bir örnekle bakalım:

Diyelim ki şirketin büyüme stratejisi için müşteri yenileme (retention) oranlarını ve toplam geliri analiz ediyorsunuz. Ana müşteri tablonuzu, işlemler (veya hasar/maliyet) tablosuyla birleştirmeniz gerekiyor. Yazdığınız veya AI’a yazdırdığınız sorguda bir LEFT JOIN işlemi yaparken, 1'e N (one-to-many) ilişkisini gözden kaçırdınız.

  • Ne oldu? Sorgu hiçbir hata vermeden çalıştı.
  • Arka planda ne yaşandı? İşlem tablosundaki birden fazla kayıt yüzünden müşteri tablosundaki gelir verisi çoklandı (satırlar duplike oldu).
  • Dashboard’a ne yansıdı? Toplam gelir ve aktif müşteri değeri, gerçekte olduğundan %30 daha yüksek göründü.
  • Sonuç: Yönetim, bu şişirilmiş metriklere bakarak “İşler harika gidiyor, yeni müşteri kazanımına (acquisition) devasa bir bütçe ayırabiliriz” kararı aldı. Oysa gerçekte mevcut müşteriler kaybediliyordu ve bütçenin elde tutmaya (retention) ayrılması gerekiyordu.

İşte “Sayılar yalan söylemez” sözünün çöktüğü yer burasıdır. Sayılar yalan söylemez, ancak yanlış kurgulanmış bir veri modeli veya dikkatsizce yazılmış bir sorgu, en büyük yalanı söyler.

Dashboard İllüzyonu: Fazla Veri, Sıfır Odak

Teknik altyapıyı kusursuz kursanız bile, işin sunum (görselleştirme) kısmında yapılan hatalar yöneticileri manipüle edebilir veya paniğe sürükleyebilir.

  1. Görsel Kirlilik: Bir dashboard’a 25 farklı KPI, rengarenk pasta grafikler ve devasa tablolar koymak başarı değildir. Bu, karar vericinin ana ihtiyacının dışına çıkmasına ve odak kaybı yaşamasına sebep olur. “Her şeyi gösteren bir dashboard, aslında hiçbir şey söylemiyordur.”
  2. Yanlış Grafik Seçimi: Zaman içindeki bir trendi çubuk grafikle (bar chart) göstermek veya korelasyonu olmayan iki metriği aynı eksende (dual-axis) vererek sahte bir ilişki varmış algısı yaratmak, yönetimin panikleyip yanlış operasyonel kararlar almasına yol açar.

Sonuç Olarak

Veri analistinin gerçek değeri, karmaşık algoritmalar yazmasında değil, veri ile iş birimleri arasındaki o tehlikeli köprüyü güvenle kurmasındadır. Bizler, masaya gelen talepleri (“Şu metrikleri çıkar”) olduğu gibi uygulayan operatörler değiliz. İşin “Neden?” kısmını sorgulayan, teknik altyapıyı gelecekteki değişikliklere dayanıklı (scalable) inşa eden ve verinin anlatması gereken hikayeyi en yalın, en dürüst haliyle sunan stratejik ortaklarız.

Yapay zeka bize hızı verdi, ancak doğru kararı aldırmak hala bizim analitik düşünme yeteneğimize ve veriye duyduğumuz şüpheciliğe bağlı.