İçeriğe geç
parazade
Yapay Zeka

Veri Kalitesi Nedir?

İngilizce: Data Quality

Yayın: · Son güncelleme:

Veri Kalitesi Nedir? Kısaca

Veri kalitesi, bir veri setinin kullanılacağı amaca ne kadar uygun olduğunu ifade eder; doğruluk, eksiksizlik, tutarlılık, güncellik, geçerlilik ve benzersizlik gibi boyutlarla ölçülür.

Veri Kalitesi nedir?
İçindekiler
  1. Veri kalitesi nedir?
  2. Yapay zekâya etkisi
  3. Nasıl iyileştirilir?

Veri kalitesi, elindeki verinin bir karar, rapor ya da model için ne kadar güvenilir ve kullanışlı olduğunu anlatır. Yapay zekâda sık kullanılan "çöp girerse çöp çıkar" (garbage in, garbage out) ifadesi bu kavramı özetler: En gelişmiş model bile kötü veriyle kötü sonuç üretir.

Veri kalitesi nedir?

Veri kalitesi genellikle şu boyutlarla değerlendirilir:

Boyut Soru Örnek sorun
Doğruluk Veri gerçeği yansıtıyor mu? Yanlış yazılmış doğum tarihi
Eksiksizlik Gerekli alanlar dolu mu? Boş bırakılmış şehir bilgisi
Tutarlılık Sistemler arasında aynı mı? Bir yerde "İstanbul", diğerinde "Ist."
Güncellik Veri yeterince yeni mi? Eski adres bilgisi
Geçerlilik Kurallara ve biçime uyuyor mu? Harf içeren telefon numarası
Benzersizlik Kayıt tekrar ediyor mu? Aynı müşterinin iki kaydı

Yapay zekâya etkisi

Etiketleri hatalı, tekrarlı ya da tek taraflı bir eğitim seti, modelin yanlış örüntüler öğrenmesine yol açar. Örneğin tekrarlanan kayıtlar, modelin bazı örnekleri ezberlemesine neden olabilir. Bu yüzden veri temizleme ve veri tekilleştirme model eğitiminden önce yapılan temel adımlardır.

Nasıl iyileştirilir?

  • Veri girişinde zorunlu alan ve biçim kontrolleri kullan.
  • Kalite ölçütlerini sayısal olarak tanımla (ör. eksik değer oranı) ve düzenli izle.
  • Sorunları kaynağında düzelt; yalnızca raporda düzeltmek sorunu tekrarlatır.
  • Her veri alanı için sorumlu belirle.

Veri kalitesi tek seferlik bir temizlik değil, sürekli izlenmesi gereken bir süreçtir.

Sıkça Sorulan Sorular

Veri kalitesi nasıl ölçülür?

Her boyut için ölçülebilir kurallar tanımlanır; örneğin eksik değer oranı, tekrar eden kayıt sayısı ya da biçim hatası yüzdesi. Bu ölçütler zaman içinde izlenerek kalite eğilimi takip edilir.

Daha fazla veri, düşük kaliteyi telafi eder mi?

Genellikle etmez. Sistematik hatalar veri büyüdükçe de korunur. Çoğu durumda daha az ama temiz veri, çok ama kirli veriden daha iyi sonuç verir.

İlgili terimler

Veri Temizleme(Data Cleaning)Veri temizleme, bir veri setindeki hatalı, eksik, tekrarlı, tutarsız ya da biçimi bozuk kayıtları tespit edip düzeltme veya ayıklama işlemidir. Analiz ve makine öğrenmesi sonuçlarının güvenilir olması için temel ön koşullardan biridir.Veri Yönetişimi(Data Governance)Veri yönetişimi (data governance), bir kurumdaki verilerin nasıl toplanacağını, kimin sorumlu olacağını, kimin erişebileceğini ve hangi kalite ile güvenlik kurallarına uyulacağını belirleyen politika, rol ve süreçler bütünüdür.Veri Ön İşleme(Data Preprocessing)Veri ön işleme, ham veriyi analiz ya da makine öğrenmesi modeline verilmeden önce temizleme, dönüştürme, kodlama ve ölçekleme gibi adımlarla kullanılabilir hâle getirme sürecidir. Modelin başarısını doğrudan etkileyen temel aşamalardan biridir.Veri Tekilleştirme(Data Deduplication)Veri tekilleştirme, bir veri kümesindeki birebir aynı veya çok benzer tekrar kayıtların tespit edilip ayıklanmasıdır; depolama alanından tasarruf sağlar, analizleri doğru kılar ve yapay zekâ modellerinin ezberleme eğilimini azaltır.Eğitim Seti(Training Set)Eğitim seti (training set), bir veri setinin makine öğrenmesi modelinin parametrelerini ayarlamak, yani örüntüleri öğrenmek için kullanılan bölümüdür. Modelin başarısı ise eğitimde görmediği doğrulama ve test verileriyle ölçülür.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.