Master data management ile self service BI entegrasyonu, iş kullanıcılarına kendi raporlarını hazırlama özgürlüğü verirken herkesin aynı müşteri, ürün ve şube tanımıyla çalışmasını sağlamanın yoludur. Kısaca: ana veriyi tek bir yönetilen kaynaktan üretir, bu kaynağı BI aracının semantik katmanına ortak boyutlar olarak bağlarsınız. Böylece analist hızlı çalışır, ama “hangi rakam doğru” tartışması toplantı masasına gelmez.
Master Data Management ve Self Service BI Neden Birlikte Ele Alınmalı?
Self service BI, rapor üretimini BT ekibinin kuyruğundan çıkarır. Bu güçlü bir kazanımdır; ancak ana veri yönetilmiyorsa her departman kendi müşteri listesini, kendi ürün hiyerarşisini ve kendi bölge eşleşmesini kurar. Sonuçta aynı soruya farklı cevaplar veren onlarca dashboard ortaya çıkar.
Master data management (MDM) bu sorunu kaynağında çözer. Müşteri, ürün, tedarikçi, şube ve organizasyon gibi kritik varlıklar için tek bir “altın kayıt” üretir. MDM'nin temel kavramlarını MDM nedir rehberimizde ayrıntılı olarak ele aldık. Bu yazıda odak, bu altın kaydın self servis analitiğe nasıl taşınacağıdır.
Entegrasyon olmadan ortaya çıkan 3 tipik sorun
- Tanım çatışması: Satış ekibi için “aktif müşteri” son dönemde işlem yapan müşteridir; risk ekibi için açık ürünü olan müşteridir. İki rapor aynı başlıkla farklı sayı gösterir.
- Hiyerarşi kayması: Bir şube başka bölgeye bağlandığında bazı raporlar güncellenir, bazıları eski yapıda kalır.
- Kopya kayıtlar: Aynı müşteri farklı kanallardan farklı yazımlarla girildiğinde müşteri sayısı şişer, müşteri bazlı kârlılık analizleri yanıltıcı olur.
Entegrasyon Mimarisi: Altın Kayıttan Dashboard'a
Sağlıklı bir yapıda veri dört katmandan geçer. Her katmanın sahibi ve kuralı bellidir.
- Kaynak sistemler: Çekirdek bankacılık, ERP, CRM ve kanal uygulamaları ham kayıtları üretir.
- MDM merkezi: Eşleştirme, birleştirme ve doğrulama kuralları çalışır; her varlık için altın kayıt ve kaynak eşleme tablosu oluşur.
- Veri ambarı ve ortak boyutlar: Altın kayıtlar, tüm veri martlarının paylaştığı ortak (conformed) boyutlar olarak yayınlanır. Bu kavramın klasik tanımı için Kimball boyutsal modelleme tekniklerine bakabilirsiniz.
- Semantik katman ve self servis BI: İş kullanıcısı yalnızca onaylı boyutları ve sertifikalı ölçüleri görür; kendi analizini bu zemin üzerinde kurar.
Entegrasyon modelleri karşılaştırması
| Model | Nasıl çalışır? | Ne zaman uygun? |
|---|---|---|
| Kayıt (registry) | Kaynaklarda veri kalır; MDM yalnızca eşleme ve kimlik tutar. | Kaynak sistemlere dokunmanın zor olduğu, hızlı başlangıç gereken projeler. |
| Birleştirme (consolidation) | Altın kayıt merkezde üretilir, analitik tarafa yayınlanır. | Önceliğin raporlama tutarlılığı olduğu self servis BI projeleri. |
| Bir arada yaşama (coexistence) | Merkez ve kaynaklar karşılıklı senkronize olur. | Operasyonel sistemlerin de temiz veriye ihtiyaç duyduğu kurumlar. |
| Merkezi (centralized) | Ana veri yalnızca MDM'de oluşturulur ve dağıtılır. | Güçlü veri sahipliği ve olgun yönetişim süreçleri olan yapılar. |
Self service BI odaklı bir ilk faz için birleştirme modeli çoğu zaman en dengeli başlangıçtır. Kaynak sistemleri değiştirmeden raporlama tarafında tek doğru tanımı kurar; ileride bir arada yaşama modeline geçişi de engellemez.
Adım Adım Uygulama Planı
1. Kritik varlıkları ve kullanıcı sorularını seçin
Her ana veriyi aynı anda ele almak projeyi yavaşlatır. En çok rapor üreten ve en çok tartışma yaratan 1 ya da 2 varlıkla başlayın; bankacılıkta bu genellikle müşteri ve şube/organizasyon olur. İş birimlerinin en sık sorduğu soruları listeleyin ve bu soruların hangi alanlara dayandığını işaretleyin.
2. Ortak tanımları yazılı hale getirin
“Aktif müşteri”, “yeni müşteri”, “segment” gibi kavramları iş sözlüğüne yazın. Her tanımın bir sahibi olsun. Tanımı değiştirme yetkisi kimdeyse, değişiklik de onun onayıyla yayınlanır.
3. Eşleştirme ve kalite kurallarını kurun
Kimlik numarası, vergi numarası, telefon ve adres gibi alanlarla eşleştirme kuralları tanımlayın. Kesin eşleşmeler otomatik birleşsin, şüpheli eşleşmeler veri sorumlusunun onay kuyruğuna düşsün. Kalite skorunu izlemek için veri yönetimi sürecinin parçası olan ölçüm ve uyarı mekanizmalarını baştan planlayın.
4. Ortak boyutları semantik katmana bağlayın
Altın kayıtları BI aracında sertifikalı veri kümesi olarak yayınlayın. Kullanıcıların kendi Excel listeleriyle müşteri boyutunu yeniden kurmasına gerek kalmasın. Kendi verisini eklemek isteyen kullanıcı, bunu ortak anahtar üzerinden ilişkilendirsin.
5. Yetkilendirme ve KVKK kurallarını uygulayın
Self servis erişim, kişisel verilere sınırsız erişim anlamına gelmez. Satır ve kolon bazlı güvenlik, maskeleme ve rol tabanlı erişim kurallarını semantik katmanda tanımlayın. Böylece analist toplu analiz yapabilir, ama yetkisi olmadığı kimlik bilgilerini göremez.
6. Kullanımı ölçün ve geri bildirim döngüsü kurun
Hangi sertifikalı veri kümelerinin kullanıldığını, hangi raporların hâlâ kendi listeleriyle çalıştığını izleyin. Kullanıcıların gördüğü veri hatalarını tek tıkla bildirebileceği bir kanal açın; bu bildirimler doğrudan veri sorumlusuna ulaşsın.
Sık Karşılaşılan Engeller ve Çözümleri
Master data management ve self service BI projeleri teknik olmaktan çok organizasyonel nedenlerle yavaşlar. Aşağıdaki engeller hemen her kurumda bir biçimde karşımıza çıkar.
- “Bizim tanımımız farklı” itirazı: Departmanlar kendi tanımlarını bırakmak istemeyebilir. Çözüm, tek tanım dayatmak yerine farklı ihtiyaçları ayrı ve adlandırılmış ölçüler olarak semantik katmanda yaşatmaktır. Örneğin “satış açısından aktif müşteri” ile “risk açısından aktif müşteri” iki ayrı, belgelenmiş ölçü olabilir.
- Veri sorumlusu bulunamaması: Ana verinin sahibi belirsizse onay kuyrukları birikir. Her varlık için iş biriminden bir sahip ve BT tarafından bir teknik sorumlu atanmalıdır.
- Geçmiş verinin temizlenmesi: Yıllar içinde biriken kopya kayıtları tek seferde temizlemek gerçekçi değildir. Önce yeni girişleri kurallarla korumak, geçmiş kayıtları ise öncelik sırasıyla dalgalar halinde ele almak daha sürdürülebilirdir.
- Gölge raporların devam etmesi: Kullanıcılar eski listelerle hazırlanan raporları kullanmaya devam edebilir. Sertifikalı veri kümelerini görünür biçimde işaretlemek ve eski kaynakları planlı bir takvimle kapatmak bu geçişi hızlandırır.
Başarıyı nasıl ölçersiniz?
Ölçüt seçerken teknik göstergeleri iş göstergeleriyle birlikte izleyin. Altın kayda bağlanan kaynak kayıtların oranı, onay kuyruğunda bekleyen şüpheli eşleşmeler ve sertifikalı veri kümelerinin kullanım sıklığı teknik tarafı gösterir. İş tarafında ise aynı KPI için farklı rakam gösteren rapor sayısının azalması ve rapor talebi için BT'ye açılan iş kayıtlarının düşmesi asıl kazanımı ortaya koyar.
Proje Başlangıcı İçin Kontrol Listesi
- Kapsamdaki ana veri varlıkları ve sahipleri belli mi?
- İş sözlüğünde en az temel kavramların onaylı tanımları var mı?
- Eşleştirme kuralları ve manuel onay akışı tasarlandı mı?
- Ortak boyutlar tüm veri martlarında aynı anahtarla kullanılıyor mu?
- KVKK kapsamındaki alanlar için maskeleme ve erişim kuralları hazır mı?
- Kullanıcılar için “sertifikalı veri” işareti ve kısa bir kullanım rehberi var mı?
BIART Bilişim'in Bakışı
Kurumsal projelerdeki deneyimimiz şunu gösteriyor: self servis BI'ın başarısını aracın yetenekleri değil, altındaki ana verinin güvenilirliği belirler. Kullanıcı ilk hafta tutarsız bir sayı gördüğünde güvenini kaybeder ve eski Excel alışkanlığına döner. Bu yüzden önce dar kapsamlı ama güvenilir bir altın kayıt kurmayı, ardından kapsamı adım adım genişletmeyi öneriyoruz.
Teknoloji bağımsız yaklaşımımızla mevcut altyapınızı koruyarak MDM ve self servis analitik katmanlarını birlikte tasarlıyoruz. SAP, Logo, Netsis gibi kaynaklardan gelen verinin tek bir tanıma bağlanması, regülasyon raporlamasından günlük satış analizine kadar her kullanıcıya aynı zemini sağlar.
Ana veri ve self servis BI yol haritanızı birlikte netleştirmek isterseniz projeniz için birlikte çalışalım. İletişime geçin.
Sık sorulan sorular
Master data management self service BI için neden gereklidir?
Self service BI kullanıcılarına kendi raporlarını hazırlama imkânı verir. Ana veri yönetilmezse her departman kendi müşteri ve ürün tanımını kurar ve aynı soruya farklı cevaplar çıkar. MDM tek bir altın kayıt üreterek tüm raporların aynı tanıma dayanmasını sağlar.
MDM projesine hangi veri varlığıyla başlanmalı?
En çok rapor üreten ve en çok tartışma yaratan varlıkla başlamak en verimli yoldur. Bankacılık ve sigortacılıkta bu genellikle müşteri ile şube ya da organizasyon yapısıdır; üretimde ürün ve tedarikçi öne çıkar.
Self servis BI kullanıcıları kişisel verilere erişebilir mi?
Yalnızca yetkileri ölçüsünde. Satır ve kolon bazlı güvenlik, maskeleme ve rol tabanlı erişim semantik katmanda tanımlanır. Böylece kullanıcı toplu analiz yapabilir ama yetkisi olmadığı kimlik bilgilerini göremez; bu KVKK uyumu için de gereklidir.
Hangi MDM entegrasyon modeli self servis BI için uygundur?
İlk faz için birleştirme (consolidation) modeli çoğu zaman en dengeli seçenektir. Altın kayıt merkezde üretilir ve analitik tarafa yayınlanır; kaynak sistemlerde değişiklik gerekmez. Operasyonel sistemler de temiz veriye ihtiyaç duyduğunda bir arada yaşama modeline geçilebilir.
Mevcut BI aracımızı değiştirmemiz gerekir mi?
Genellikle hayır. MDM ve ortak boyutlar araçtan bağımsız kurulur; altın kayıtlar mevcut BI aracının semantik katmanına sertifikalı veri kümesi olarak bağlanır. Teknoloji bağımsız bir mimari, araç değişikliğini zorunlu kılmaz.
