Yapay Zekâ İçin Veri Hazırlığı

Kurumsal yapay zekâ girişimlerinde en çok zaman alan adım model kurmak değil, veriyi kullanılabilir hâle getirmektir.

Bu adım küçümsendiğinde proje takvimi baştan yanlış kurulur ve altıncı ayda tıkanır.

Hangi uygulama ne kadar veri ister?

İlk satır önemli bir mesaj verir: veri hazır olmadan da başlayabileceğiniz uygulamalar vardır. Veri hazırlığı sürerken bunlarla değer üretin.

Adım 1: Veri envanteri

Neyin nerede olduğunu bilmeden hazırlık yapılmaz:

• Hangi sistemlerde hangi veri var?
• Hacim ne kadar?
• Ne kadar geçmişe gidiyor?
• Güncellik durumu nasıl?
• Kim sahip?
• Kimler erişebiliyor?
• Hassasiyet seviyesi nedir?

Bu envanter, hem yapay zekâ hazırlığının hem veri yönetişiminin temelidir.

Adım 2: Kalite değerlendirmesi

Zayıf noktaları tespit edin ve hangi uygulamanın hangi kalite seviyesini gerektirdiğini belirleyin. Her veriyi mükemmelleştirmeye çalışmak gereksizdir.

Adım 3: Temizlik

• Mükerrer kayıtları birleştirin.
• Biçim standardı uygulayın.
• Eksik kritik alanları tamamlayın.
• Ölü ve test kayıtlarını ayıklayın.
• Serbest metin alanlarını mümkünse kategorilere çevirin.
• Aykırı değerleri inceleyin.

Temizliği tek seferlik bir proje değil, sürekli bir disiplin olarak kurun; aksi hâlde birkaç ay içinde eski hâline döner.

Adım 4: Doküman düzeni

Şirket dokümanlarıyla çalışacaksanız:

• Dokümanları tek yerde toplayın.
• Güncel sürümü net işaretleyin.
• Eski sürümleri ayıklayın.
• Metin içeren biçimde tutun (taranmış görüntü değil).
• Başlık ve etiket verin.
• Sahibini tanımlayın.
• Güncelleme sorumluluğu atayın.

Üçüncü madde kritiktir: eski ve yeni prosedür bir aradaysa sistem hangisinin geçerli olduğunu bilemez ve yanlış bilgi verir.

Adım 5: Sınıflandırma

Hangi verinin nerede kullanılabileceğini belirlemek için sınıflandırma gerekir:

Adım 6: Erişim ve entegrasyon

• Veriye programatik erişim mümkün mü? (API, dışa aktarım)
• Yetkilendirme nasıl yönetilecek?
• Güncellik nasıl sağlanacak?
• Hangi veri nereye akacak?

Veri var ama erişilemiyorsa, yok sayılır.

Küçük başlamak

Tüm kurumsal veriyi hazırlamayı beklemeyin. Uygulama bazlı hazırlık yapın:

1. Hedef uygulamayı seçin.
2. Yalnız o uygulamanın ihtiyaç duyduğu veriyi hazırlayın.
3. Değeri gösterin.
4. Sonraki uygulamaya geçin.

Bu yaklaşım, "önce tüm veriyi düzeltelim" tuzağından kurtarır — ki o proje genelde hiç bitmez.

Sık yapılan hatalar

• Veri hazırlığını proje planına koymamak
• Tüm veriyi birden düzeltmeye çalışmak
• Temizliği tek seferlik iş sanmak
• Doküman sürüm karmaşasını çözmemek
• Sınıflandırma yapmadan kullanıma açmak
• Veri sahipliğini tanımlamamak

Ölçüm

• Envantere alınan veri kaynağı sayısı
• Kalite göstergeleri (doluluk, mükerrer oranı)
• Sınıflandırılmış veri oranı
• Erişilebilir hâle getirilen kaynak sayısı
• Doküman güncellik oranı

Özet

Veri hazırlığı, kurumsal yapay zekânın en uzun adımıdır ve proje planına ayrı bir iş kolu olarak konmalıdır. Envanterle başlayın, kaliteyi ölçün, temizliği sürekli disipline dönüştürün ve dokümanlarda sürüm karmaşasını giderin. Tüm veriyi beklemeyin: uygulama bazlı hazırlanın ve veri gerektirmeyen kullanımlarla değer üretmeye hemen başlayın.