Self servis BI, iş birimlerinin BT ekibine talep açmadan, yönetilen ve güvenilir veri üzerinde kendi raporlarını hazırlamasını sağlayan analitik yaklaşımdır. Kurumsal ölçekte çalışması için tek başına bir araç yetmez. Ortak veri modeli, semantik katman, yetki yönetimi ve veri kalitesi kuralları birlikte kurulmalıdır.
Bu yazıda büyük kurumlar için self servis BI mimarisinin katmanlarını, yönetişim kurallarını ve uygulama adımlarını anlatıyoruz. Amaç, hızlı raporlamayı güvenlikten ödün vermeden sağlamaktır.
Self servis BI nedir ve neden kurumsal mimari gerekir?
Self servis BI, analiz üretimini merkezi bir ekipten iş birimlerine yayar. Finans, risk, satış veya operasyon ekipleri kendi sorularının cevabını doğrudan veriden alır. Ancak kontrolsüz bir yayılım, aynı metriğin farklı raporlarda farklı sonuç vermesine yol açar. Bu yüzden kurumsal yapıda önce mimari, sonra araç gelir.
Klasik raporlama modelinin sınırları
Geleneksel modelde her rapor talebi BT kuyruğuna girer. Bu yapı birkaç sorun doğurur:
- Küçük bir alan değişikliği bile haftalar sürebilir.
- BT ekibi iş mantığını tam bilmediği için tekrar düzeltme turları yaşanır.
- İş birimleri beklemek yerine Excel dosyaları üretir ve veri dağılır.
- Aynı gösterge için birden fazla "doğru" sayı ortaya çıkar.
Doğru kurulmuş bir self servis analitik yapısı bu döngüyü kırar. BT ekibi rapor üreticisi olmaktan çıkar, veri platformunun sahibi olur.
Self servis BI mimarisinin temel katmanları
Ölçeklenebilir bir mimari dört katmandan oluşur. Her katmanın sorumluluğu ayrı tutulur.
| Katman | Görevi | Sorumlu |
|---|---|---|
| Veri kaynakları ve entegrasyon | ERP, çekirdek sistemler, dosya ve akış verisini toplar | Veri mühendisliği |
| Veri ambarı / lakehouse | Temizlenmiş, modellenmiş ve tarihçeli veriyi saklar | Veri mühendisliği |
| Semantik katman | Metrik ve boyut tanımlarını tek yerde toplar | BT ve iş birimi birlikte |
| Raporlama ve keşif | Dashboard ve ad hoc analiz sunar | İş birimi kullanıcıları |
Veri kaynakları ve entegrasyon
İlk katman, kurumdaki dağınık kaynakları bir araya getirir. SAP, Logo, Netsis gibi sistemler ve Kafka üzerinden akan olay verisi aynı platforma bağlanır. Burada toplu (batch) ve akış (streaming) yüklemeleri ayrı planlanır. Gerçek zamanlı ihtiyacı olmayan raporlar için günlük yükleme çoğu zaman yeterlidir. Her kaynak için bir veri sahibi ve yenilenme sıklığı yazılı olarak belirlenir.
Veri ambarı veya lakehouse
İkinci katman, analiz için hazır veriyi tutar. Yıldız şema gibi boyutsal modeller sorguları basitleştirir ve performansı artırır. Model seçimi için Snowflake ve Star Schema karşılaştırmamıza göz atabilirsiniz. Veri kalitesi kuralları da bu katmanda uygulanır. Hatalı veri raporlara ulaşmadan yakalanmalıdır. Konunun temelleri için veri yönetimi hizmet sayfamıza bakabilirsiniz.
Semantik katman
Semantik katman, self servis BI'ın en kritik parçasıdır. "Net gelir", "aktif müşteri" veya "vadesi geçmiş bakiye" gibi tanımlar burada bir kez yazılır. Kullanıcılar bu tanımları sürükleyip bırakarak kullanır. Böylece iki ekip aynı göstergeye baktığında aynı sayıyı görür. Tanım değiştiğinde tek noktadan güncelleme yapılır ve tüm raporlar otomatik olarak yeni değeri yansıtır.
Raporlama ve keşif araçları
Son katman kullanıcının gördüğü yüzdür. Power BI, Tableau veya benzeri araçlar kullanılabilir. Mimari araçtan bağımsız kurulursa ileride araç değiştirmek maliyetli olmaz. Microsoft'un Power BI kılavuz dokümanları, yönetilen self servis kurulumları için ayrıntılı rehberlik sunar. Kurumsal iş zekası projelerinde araç seçimi mimariden sonra yapılır.
Yönetişim: Özgürlük ile kontrol arasındaki denge
Self servis, "herkes her veriye ulaşır" demek değildir. Yönetişim, kullanıcıya güvenli bir alan tanımlar. İyi bir model üç ilkeye dayanır: erişim kontrolü, izlenebilirlik ve veri sahipliği.
Rol ve yetki modeli
Yetkiler rol bazlı tanımlanır. Satır düzeyi güvenlik ile bir bölge müdürü yalnızca kendi bölgesinin verisini görür. Kişisel veriler maskelenir. Kişisel verilerin işlenmesinde Kişisel Verileri Koruma Kurumu düzenlemelerine uyum, bankacılık ve sigorta gibi sektörlerde zorunludur. Yetki matrisi her yeni veri seti için gözden geçirilmelidir.
Veri kökeni ve güven
Kullanıcı bir rakamın nereden geldiğini görebilmelidir. Veri kökeni (lineage), kaynaktan rapora kadar olan yolu gösterir. Bir kaynak sistem değiştiğinde hangi raporların etkileneceği önceden bilinir. Bu konuyu veri kökeni ve data trust rehberimizde ayrıntılı ele aldık. Ayrıca onaylı (certified) veri setleri ile deneme amaçlı setler birbirinden net ayrılmalıdır.
Örnek senaryo: Bankada risk raporlaması
Aşağıdaki örnek, bankacılık projelerinde sık gördüğümüz bir durumu özetleyen varsayımsal bir senaryodur. Risk birimi, kredi portföyündeki gecikme oranlarını her hafta görmek istiyor. Eski modelde ekip, BT'den her seferinde yeni bir rapor ister. Rapor gelene kadar veri eskir.
Self servis modelde ise şu yapı kurulur:
- Çekirdek bankacılık verisi gece yüklemesiyle ambara alınır.
- "Gecikme oranı" ve "takipteki alacak" metrikleri semantik katmanda bir kez tanımlanır.
- Risk analistleri onaylı veri setini kullanarak kendi kırılımlarını oluşturur.
- Müşteri kimlik bilgileri maskelenir, şube bazlı satır güvenliği uygulanır.
- Veri kökeni sayesinde denetim ekibi her rakamın kaynağını izler.
Sonuçta analist yeni bir kırılım için BT'yi beklemez. BT ekibi ise yeni veri kaynağı ve kalite kuralları gibi platform işlerine odaklanır. Benzer projelerdeki çalışmalarımız için referanslarımıza bakabilirsiniz.
Self servis BI araç seçim kriterleri
Araç seçerken yalnızca arayüze bakmak yanıltıcıdır. Aşağıdaki kriterleri bir değerlendirme listesi olarak kullanın:
- Entegrasyon: Mevcut veri ambarı, SAP ve diğer kaynaklarla sorunsuz bağlanıyor mu?
- Güvenlik: Satır düzeyi güvenlik, maskeleme ve denetim kaydı sunuyor mu?
- Yönetilebilirlik: Onaylı veri seti, sürüm ve yayın süreçlerini destekliyor mu?
- Ölçeklenebilirlik: Kullanıcı ve veri hacmi arttığında performans korunuyor mu?
- Lisans maliyeti: Okuyucu ve üretici kullanıcı ayrımı bütçeye nasıl yansıyor?
- Yetkinlik: Ekibin mevcut bilgisi aracın öğrenme eğrisiyle uyumlu mu?
Teknoloji bağımsız bir yaklaşım, bu kriterlere göre tarafsız bir karşılaştırma yapmayı sağlar.
Self servis BI kurulum adımları
Büyük bir dönüşümü tek seferde yapmak risklidir. Aşağıdaki sıra, pilot odaklı ve ölçülebilir ilerlemeyi sağlar.
- İş alanını seçin. Raporlama yükü yüksek ve veri kaynağı net bir alanla başlayın. Örneğin risk veya satış performansı.
- Metrikleri tanımlayın. İş birimi ve BT birlikte en önemli metrikleri yazılı hale getirir.
- Veri modelini kurun. Kaynakları ambara alın, kalite kurallarını ekleyin ve boyutsal modeli çıkarın.
- Semantik katmanı yayınlayın. Onaylı veri setlerini tek bir katalogda toplayın.
- Kullanıcıları eğitin. Kısa atölyelerle ekip liderlerini yetkinleştirin. Her birimden bir "veri şampiyonu" belirleyin.
- Yetki ve izlemeyi açın. Kullanım ve performans metriklerini takip edin.
- Yayılımı planlayın. Pilottan çıkan dersleri sonraki birimlere uygulayın.
Self servis BI'da değişim yönetimi
Teknik kurulum işin yarısıdır. Diğer yarısı alışkanlıkları değiştirmektir. Kullanıcılar yıllardır Excel ve hazır raporlarla çalışmıştır. Yeni modele geçişte şu uygulamalar işe yarar:
- Üst yönetim, toplantılarda yalnızca onaylı dashboard'ları kullanır.
- Veri şampiyonları, kendi birimlerinde ilk destek noktası olur.
- Kısa video ve örnek rapor kütüphanesi, eğitimi sürekli kılar.
- Eski raporlar belirli bir tarihte kapatılır, böylece iki sistem uzun süre yan yana yaşamaz.
Bu adımlar, aracın gerçekten kullanılmasını sağlar. Kullanılmayan bir platform, ne kadar iyi kurulursa kurulsun değer üretmez.
Sık yapılan hatalar
- Önce aracı almak. Veri modeli olmadan araç, sadece daha güzel görünen kaos üretir.
- Eğitimi atlamak. Kullanıcılar aracı bilse bile veriyi doğru yorumlamayı öğrenmelidir.
- Sahipsiz veri setleri. Her veri setinin adı belli bir sahibi olmalıdır.
- Performansı göz ardı etmek. Yavaş dashboard kullanıcıyı Excel'e geri döndürür.
- Yönetişimi sona bırakmak. Sonradan eklenen kontroller çoğu zaman kullanıcı direnci yaratır.
Başarı nasıl ölçülür?
Başarıyı tahmine değil, izlenen göstergelere dayandırın. Önerdiğimiz ölçütler şunlardır:
- BT'ye açılan rapor talebi sayısındaki değişim.
- Bir raporun talepten yayına geçiş süresi.
- Onaylı veri setlerini kullanan kullanıcı oranı.
- Aynı metrik için tutarsız rapor sayısı.
- Aylık aktif kullanıcı sayısı.
Bu göstergeleri kurulumdan önce ölçerek başlangıç değerini kaydedin. Böylece iyileşmeyi kendi verinizle kanıtlayabilirsiniz.
Sonuç
Kurumsal self servis BI, bir araç satın almaktan çok bir mimari ve çalışma modeli kararıdır. Güçlü bir veri katmanı, tek tanımlı metrikler ve net yetki kuralları olduğunda iş birimleri hızlanır, BT ekibi stratejik işlere odaklanır. BIART Bilişim, teknoloji bağımsız yaklaşımıyla mevcut altyapınıza uygun bir mimari tasarlar ve KVKK uyumunu sürece baştan dahil eder.
Projeniz için birlikte çalışalım. İletişime Geçin.
Sık sorulan sorular
Self servis BI nedir?
İş birimi kullanıcılarının BT ekibinden talep beklemeden, yönetilen ve güvenilir veri setleri üzerinde kendi raporlarını ve analizlerini hazırlamasını sağlayan yaklaşımdır.
Self servis BI, BT ekibine olan ihtiyacı ortadan kaldırır mı?
Hayır. BT ekibinin rolü değişir. Rapor üretmek yerine veri altyapısını, semantik katmanı, güvenliği ve yönetişimi yönetir.
Hangi araç seçilmeli: Power BI mi Tableau mu?
Doğru araç mevcut altyapıya, lisans modeline ve kullanıcı yetkinliğine bağlıdır. Mimari katmanlar araçtan bağımsız kurulursa araç değiştirmek kolaylaşır.
Self servis BI veri güvenliğini riske atar mı?
Satır düzeyi güvenlik, rol bazlı yetki ve veri maskeleme doğru kurulursa risk kontrol altında kalır. KVKK kapsamındaki veriler için ek denetim gerekir.
Kurulum ne kadar sürer?
Süre veri kaynaklarının sayısına ve veri kalitesine bağlıdır. Genellikle tek bir iş alanında pilot ile başlanır, sonra diğer birimlere yayılır.



