"İstanbul", "istanbul", "İST" ve "Istanbul" aynı şehirdir; ama bir rapor için dört farklı şehir. Aynı müşterinin üç farklı kaydı, telefon numarası yerine yazılmış "aranacak" notu, 1900 yılında doğmuş görünen müşteriler... Kirli veri, en iyi analiz aracını bile yanıltır. Veri işlerinde zamanın büyük kısmının temizlemeye gittiği sık dile getirilen bir gerçektir.
Kirli verinin türleri
| Sorun | Örnek | Etkisi |
|---|---|---|
| Mükerrer kayıt | Aynı müşteri üç kez | Müşteri sayısı şişer, iletişim tekrarlanır |
| Tutarsız yazım | "A.Ş.", "AŞ", "Anonim Şirketi" | Gruplama bozulur |
| Eksik değer | Boş şehir veya e-posta | Segmentasyon yapılamaz |
| Hatalı format | "05.10.26", "2026-10-05", "5 Ekim" | Tarih hesapları bozulur |
| Geçersiz değer | Negatif stok, gelecekteki doğum tarihi | Raporlar yanıltıcı olur |
| Eskimiş veri | Kapanmış şirket, değişmiş adres | Boşa giden iletişim maliyeti |
Temizleme adımları
- Profil çıkarın. Her alan için boş, benzersiz, en sık ve aykırı değerlere bakın. Sorunun boyutu ortaya çıkar.
- Standartlaştırın. Büyük-küçük harf, boşluklar, telefon formatı (+90 5xx...), tarih biçimi. Türkçe karakterlere dikkat: bkz. karakter kodlama.
- Mükerrerleri birleştirin. Vergi numarası, telefon veya e-posta gibi güvenilir anahtarlarla eşleştirin; yalnızca isim benzerliğine güvenmeyin.
- Eksikleri ele alın. Tamamlanabilecekleri tamamlayın; tamamlanamayanları işaretleyin, uydurmayın.
- Aykırı değerleri inceleyin. Hata mı, gerçek bir istisna mı? Silmeden önce sorun.
- Belgeleyin. Hangi kuralla neyin değiştirildiğini yazın; aynı temizlik ileride tekrar yapılabilsin.
Temizlemeden önce mutlaka orijinal verinin bir kopyasını saklayın.
Asıl çözüm: Kirliliği kaynağında önlemek
Temizlik tekrar tekrar yapılan bir iş olmamalıdır. Veri giriş noktalarında:
- Serbest metin yerine seçim listeleri (şehir, ürün grubu)
- Biçim kontrolü (telefon, e-posta, vergi numarası doğrulaması)
- Kayıt sırasında benzer kayıt uyarısı ("Bu telefonla kayıtlı bir müşteri var")
- Zorunlu alanların gerçekten gerekli olanlarla sınırlı tutulması (aksi halde "xxx" girilir)
- Tablolar arası ilişkilerin veritabanı düzeyinde korunması (normalizasyon)
Bu kontroller Excel'de sınırlı, özel bir yazılımda ise doğal olarak uygulanabilir. Bkz. Excel'den özel yazılıma geçiş. Form tasarımının veri kalitesine etkisi için: form tasarımı.
KVKK boyutu
Veri temizliği aynı zamanda gereksiz ve eskimiş kişisel verilerin elden çıkarılması için de bir fırsattır. Amacı sona eren verilerin saklanması KVKK açısından risktir. Bkz. saklama ve imha politikası.
Sık sorulan sorular
Veri temizliği için hangi araçlar kullanılır?
Küçük veri setlerinde Excel ve Power Query yeterlidir. Büyük ve tekrarlayan işlerde SQL veya Python ile yazılmış betikler daha güvenilirdir.
Mükerrer müşteriler nasıl birleştirilir?
Önce eşleşme kuralı belirlenir, sonra ana kayıt seçilir ve diğer kayıtlara bağlı siparişler ana kayda taşınır. Bu işlem yazılım içinde kontrollü bir birleştirme ekranıyla yapılmalıdır.
Sonuç
Analiz ancak beslendiği veri kadar iyidir. Temizliği bir kerelik proje değil, giriş noktasında başlayan sürekli bir disiplin olarak görmek, raporlarınıza duyulan güveni kalıcı hale getirir.
