Müşteri listesinde aynı kişinin üç ayrı kaydı, eksik telefon numaraları, "Balıkesir", "BALIKESİR" ve "Balikesir" diye üç farklı yazılmış şehir. Kirli veri çoğu işletmede böyle başlar; fark edildiğinde raporlar, kampanya listeleri ve teklifler çoktan yanlış çıkmaya başlamıştır.
Kirli veri nereden geliyor?
- Aynı bilginin birden fazla yerde tutulması: Excel, muhasebe programı, telefon rehberi.
- Serbest metin alanları: herkes tarihi, telefonu ve adresi kendi bildiği gibi yazar.
- Zorunlu olmayan alanlar: boş bırakılan e-posta ve vergi numaraları.
- Güncellenmeyen kayıtlar: taşınan müşteri, değişen yetkili.
Kirli verinin işe etkisi
Yanlış adrese giden kargo, iki kez aranan müşteri, gerçeği yansıtmayan satış raporu. Bunların her biri tek başına küçük görünür; toplandığında hem zaman hem güven kaybıdır. Otomasyon ve yapay zeka araçları da veriyi olduğu gibi kullanır: kirli veriyle kurulan bir sistem hatayı daha hızlı çoğaltır.
Temizlik adımları
1. Bugünkü durumu çıkarın
Hangi tabloda hangi alan eksik, hangi alanda kaç farklı yazım var? Basit bir sayım bile nereden başlamanız gerektiğini gösterir.
2. Yazım kurallarını belirleyin
Tarih, telefon, adres ve kategori adları için tek bir biçim seçin ve ekiple paylaşın. Mümkünse formlarda bu biçimi zorunlu kılın: telefon alanına harf, tarih alanına serbest metin girilemesin.
3. Tekrarlanan kayıtları birleştirin
Aynı müşterinin farklı yazılmış kayıtlarını bulun. Benzer isimleri yakalayan eşleştirme araçları işi hızlandırır; hangi kaydın esas alınacağını ise önceden kurala bağlayın.
4. Eksik bilgileri tamamlayın
Telefon, e-posta, vergi numarası gibi kritik alanlar için eksik listesini çıkarın ve müşteriyle temas ettiğiniz ilk fırsatta tamamlayın.
5. Kontrolü rutin hale getirin
Tek seferlik temizlik birkaç ay sonra bozulur. Ayda bir yapılan kısa bir kontrol ve form kuralları, verinin tekrar kirlenmesini önler.
Teknik ekip için not
Python'un pandas kütüphanesi eksik değer bulma, tekrar eden kayıtları ayıklama, veri tipi dönüştürme ve düzenli ifadeyle metin temizleme işlerini birkaç satırda yapar. Çok büyük veri setlerinde Dask ya da PySpark gibi dağıtık araçlar tercih edilir.
Kısaca
Temiz veri, raporun, kampanyanın ve otomasyonun dayandığı zemindir. Önce kuralları koyun, sonra temizleyin, sonra kontrolü rutin hale getirin. Veriniz bir ERP ya da CRM'e taşınacaksa temizliği taşımadan önce yapmak en ucuz yoldur; bu konuda kurumsal yazılım sayfamıza bakabilirsiniz.