---
title: "Veri Kalitesi Nedir? 6 Boyut ve Ölçüm Yöntemleri"
description: "Veri kalitesi, verinin kullanıldığı işe ne kadar uygun olduğudur: doğruluk, eksiksizlik, tutarlılık, zamanlılık, geçerlilik ve benzersizlik. Nasıl ölçülür?"
url: https://proxynet.io/tr/blog/what-is-data-quality
date: 2026-11-18
author: "Acar Diveroli"
category: "Kullanım Alanları, Web Scraping"
lang: tr
---

# Veri Kalitesi Nedir? 6 Boyut ve Ölçüm Yöntemleri

Fiyatları izleyen bir gösterge paneli, bir rakibin 300 üründe fiyatları bir gecede düşürdüğünü gösteriyor ve satış direktörü pazartesiye kadar bir karşılık bekliyor. Cuma günü bir analist ham satırları açıyor. "İndirimlerin" üçte biri, raporun sterlin diye okuduğu bir sütuna yazılmış euro fiyatları; çünkü veri toplama işi başka bir ülkedeki bir sunucudan çalışmış. Kırk satırda da ürün adı yerine bir doğrulama sayfasının başlığı duruyor. İşlerin hepsi başarıyla tamamlanmış görünüyor, ama veri, hangi karar için toplandıysa o kararı taşıyacak durumda değil. Veri kalitesi tam olarak bu boşlukla ilgilidir.

Bu yazıda veri kalitesinin ne anlama geldiğini, onu tarif etmek için kullanılan altı boyutu, bu boyutların ölçütlere ve otomatik kontrollere nasıl dönüştürüleceğini, kalitenin veri temizleme, veri yönetişimi ve veri bütünlüğünden farkını, web verisinin hiçbir hata vermeden nasıl bozulduğunu ve veri kalitesinden kimin sorumlu olduğunu anlatıyoruz.

> **Not: Kısa cevap**
>
> Veri kalitesi, verinin kullanıldığı işe ne ölçüde uygun olduğudur. Ekiplerin çoğu onu altı boyutla değerlendirir: doğruluk (veri gerçeği yansıtır), eksiksizlik (gereken değerler yerindedir), tutarlılık (değerler birbiriyle çelişmez), zamanlılık (veri gerektiği anda günceldir), geçerlilik (değerler beklenen biçime ve aralığa uyar) ve benzersizlik (her gerçek nesne bir kez geçer). Ölçmek için önemli alanları seçer, her boyut için test edilebilir bir kural yazar, her yeni veri partisini bu kurallarla puanlar ve bir puan, üzerinde anlaşmaya varılan eşiğin altına düştüğünde harekete geçersiniz. Düşük kalite nadiren bir hata mesajı olarak görünür; çoğu zaman yanlış bir karar olarak ortaya çıkar.

## Veri kalitesi nedir?

Veri kalitesi, bir veri setinin belirli bir amaca ne kadar iyi hizmet ettiğidir; bu yüzden aynı veri bir iş için yeterince iyi, başka bir iş için yetersiz olabilir. Birleşik Krallık hükümetinin [Veri Kalitesi Çerçevesi](https://www.gov.uk/government/publications/the-government-data-quality-framework/the-government-data-quality-framework) bunu "amaca uygunluk" (fitness for purpose) olarak tanımlar ve tek bir soruya indirger: Bu veri, onu kullanmak istediğim iş için yeterince iyi mi?

Her gün bir kez toplanan, rakip fiyatlarını gösteren bir tablo düşünün. Fiyat düzeylerini özetleyen aylık bir rapor için bu tablo, birkaç gün birkaç ürün eksik kalsa bile iş görür. Bir saat içinde tepki veren otomatik bir fiyatlama kuralı için ise aynı tablo yetersiz kalır: bir günlük fiyat bayatlamıştır ve tek bir yanlış değer kendi fiyatınızı da değiştirir. Kalite hiçbir zaman yalnızca verinin bir özelliği değildir; verinin belirli bir kullanıma göre ölçülmesidir.

## Veri kalitesinin 6 boyutu nedir?

En sık kullanılan altı boyut doğruluk, eksiksizlik, tutarlılık, zamanlılık, geçerlilik ve benzersizliktir. Bu boyutları veri yönetimi derneği DAMA UK tanımlamıştır; Birleşik Krallık hükümeti de onları [altı boyutu anlatan kısa bir yazıda](https://www.gov.uk/government/news/meet-the-data-quality-dimensions) önerir:

- **Doğruluk (accuracy):** Veri gerçeği yansıtır. 19,99 olarak kaydedilen bir ürün, mağazanın sayfasında gerçekten 19,99'dur.
- **Eksiksizlik (completeness):** İşin ihtiyaç duyduğu her değer yerindedir. Para birimi olmayan bir fiyat eksiktir.
- **Tutarlılık (consistency):** Değerler, aynı kayıt içinde de veri setleri arasında da birbiriyle çelişmez. Stok adedi 40 görünen bir ürünün yanında "stokta yok" yazması bir tutarsızlıktır.
- **Zamanlılık (timeliness):** Veri, ihtiyaç duyulduğu anda günceldir. Dünkü fiyat haftalık bir rapor için yeterlidir, aynı gün çalışan bir fiyat uyarısı için ise geç kalmıştır.
- **Geçerlilik (validity):** Değerler beklenen biçime, türe ve aralığa uyar. -3 gibi bir fiyat ya da "EURO" diye yazılmış bir para birimi kodu geçersizdir.
- **Benzersizlik (uniqueness):** Gerçek dünyadaki her nesne bir kez geçer. İki farklı adresten toplanan bir ürün, her ortalamada iki kez sayılır.

Boyutlar kısmen örtüşür, ama biri diğerinin yerini tutmaz. Bir değer geçerli olup yine de yanlış olabilir: "EUR" geçerli bir para birimi kodudur, ama mağaza sterlinle satış yaptıysa yanlıştır. Bu yüzden amacınızın dayandığı boyutları seçer ve birlikte kontrol edersiniz; Birleşik Krallık rehberi de listeyi değişmez bir kural olarak değil, bir başlangıç noktası olarak sunar.

| Boyut | Cevapladığı soru | Örnek kontrol | Tipik ölçüt |
|---|---|---|---|
| Doğruluk | Gerçeği yansıtıyor mu? | Bir örneklemi kaynakla karşılaştırmak | Örneklemde doğru oranı |
| Eksiksizlik | Gereken her şey var mı? | Fiyat ve para birimi boş değil | Dolu satır oranı |
| Tutarlılık | Değerler uyuşuyor mu? | Stokta yoksa stok adedi 0 | Uyuşan satır oranı |
| Zamanlılık | Yeterince yeni mi? | Son 24 saatte toplanmış | Toplamadan bu yana geçen saat |
| Geçerlilik | Biçim doğru mu? | Fiyat 0'dan büyük, para birimi bilinen | Geçerli değer oranı |
| Benzersizlik | Her şey bir kez mi geçiyor? | Ürün başına günde bir satır | Yinelenen kayıt oranı |

## Veri kalitesi nasıl ölçülür?

Veri kalitesi, ilgili her boyutu bilgisayarın kontrol edebileceği bir kurala çevirip bu kuralları veride çalıştırarak ve kuralları geçen kayıtların payını izleyerek ölçülür. Çoğu kurulum altı adımda özetlenebilir:

1. **Kritik alanları seçin.** Verinin beslediği kararları ve bu kararların dayandığı alanları listeleyin. Fiyat takibinde bunlar ürün kimliği, fiyat, para birimi, stok durumu ve toplama zamanıdır.
1. **Kuralları yazın.** "İyi" verinin ne demek olduğunu test edilebilir biçimde yazın: "fiyat sıfırdan büyük bir sayıdır", "son 24 saat içinde toplanmıştır".
1. **Veriyi profilleyin.** Verinin gerçekte ne içerdiğine bakın: boş değerler, farklı değerlerin sayısı, en küçük ve en büyük değer, yaygın biçimler. Profilleme çoğu zaman kimsenin yazmayı düşünmediği kuralları ortaya çıkarır; 0,01 gibi bir yer tutucu fiyat bunun tipik örneğidir.
1. **Her boyutu puanlayın.** Kuralları çalıştırın ve sonuçları alan başına oranlara çevirin.
1. **Eşikleri belirleyin.** Kabul edilebilir puanlar üzerinde veriyi kullananlarla anlaşın; örneğin fiyat alanında eksiksizlik %99'un üstünde olsun. Her eşiğe bir eylem bağlayın: uyarı vermek, partiyi bekletmek ya da durdurmak.
1. **İzleyin ve uyarın.** Aynı kontrolleri her yeni partide çalıştırın, puanları zaman içinde saklayın ve bir puan eşiğin dışına çıktığında ya da iki çalışma arasında birden sıçradığında ilgili kişiyi uyarın.

Ölçütler basit oranlardır. 10.000 ürün satırlık kurgusal bir katalogda fiyatı dolu 9.700 satır %97 eksiksizlik demektir; listede zaten bulunan bir ürünü tekrarlayan 150 satır da %1,5 yinelenen kayıt oranı verir. Geçerlilik, biçim ve aralık kurallarından geçen değerlerin payıdır; veri yaşı (freshness lag) ise her kaydın toplanmasından bu yana geçen süredir. Doğruluk, kaynağıyla elle karşılaştırılan bir örneklemde doğru çıkan değerlerin payıdır ve hiçbir kuralın tam olarak test edemediği tek boyuttur.

Bazı ekipler bunların hepsini tek bir veri kalitesi puanında birleştirir; bu puan çoğu zaman geçen kontrollerin oranıdır. Gösterge panelinde işe yarar ama ayrıntıyı gizler: %98'lik bir genel puan, fiyat alanının bir pazardaki bütün satırlarda başarısız olduğunu örtebilir.

## Veri kalitesi kontrolleri pratikte nasıl görünür?

Veri kalitesi kontrolleri, verinin bir sisteme girdiği, değiştiği ya da sistemden çıktığı noktalarda çalışan küçük otomatik testlerdir; her biri ya geçer, ya uyarı verir ya da partiyi durdurur. Yaygın türleri şunlardır:

- **Şema ve tür kontrolleri:** Beklenen sütunlar vardır ve her biri doğru türde değer taşır.
- **Biçim ve aralık kontrolleri:** Tarihler okunabilir, para birimi kodları bilinen bir listeden gelir, fiyatlar makul bir aralıkta kalır.
- **Referans kontrolleri:** Başka bir yeri gösteren değer hedefini bulur; örneğin her fiyat satırındaki ürün kimliği ürün tablosunda vardır.
- **Alanlar arası kontroller:** Aynı kayıttaki alanlar birbiriyle uyuşur; örneğin indirimli fiyat normal fiyattan yüksek değildir.
- **Hacim ve güncellik kontrolleri:** Parti her zamanki satır sayısına yakındır ve zamanında gelmiştir. 20.000 yerine 200 satır döndüren bir çalışma, bu 200 satırın hepsi hatasız olsa bile bir sorundur.
- **Anomali uyarıları:** Bir istatistik yakın geçmişinden çok uzaklaşır; örneğin bir kategorinin ortalama fiyatı bir gecede yarıya iner.

Katı kontrolleri verinin girdiği noktada çalıştırın; böylece hatalı satırlar karantinaya alınır, yani yüklenmek ya da silinmek yerine incelenmek üzere bir kenara ayrılır. Anomali kontrollerini ise her partiden sonra çalıştırın. Ardından sorunu kaynağında çözün; Birleşik Krallık çerçevesi de geçici düzeltmeler yerine kök neden analizini önerir.

## Veri kalitesinin veri temizleme, yönetişim ve bütünlükten farkı nedir?

Veri kalitesi, verinin kullanıma uygun olup olmadığını ölçer; veri temizleme onu iyileştirmenin yollarından biridir, veri yönetişimi onu çevreleyen kurallar ve roller bütünüdür, veri bütünlüğü ise verinin yetkisiz biçimde değiştirilmemiş ya da kaybolmamış olması demektir. Bu terimler sık sık birbirine karıştırılır:

| Terim | Nedir? | Cevapladığı soru |
|---|---|---|
| Veri kalitesi | Verinin bir kullanıma uygunluğu | Bu karar için ona güvenebilir miyiz? |
| Veri temizleme | Eldeki değerleri onarmak | Yanlış olanı nasıl düzeltiriz? |
| Veri doğrulama | Girişte ya da kullanımdan önce kural kontrolü | Bu kayıt kurallara uyuyor mu? |
| Veri yönetişimi | Politikalar, roller ve sahiplik | Kim, hangi kurala göre karar verir? |
| Veri bütünlüğü | Yetkisiz değişikliğe karşı koruma | Veri hâlâ saklandığı gibi mi? |
| Veri zenginleştirme | Eksik alanları başka kaynaklardan eklemek | Başka neyi bilmemiz gerekiyor? |

Temizleme onarım adımıdır: boşlukları kırpmak, metin olarak gelen fiyatları sayıya çevirmek, yinelenen kayıtları birleştirmek. Kaliteyi yükseltir ama tanımlamaz; kalite kontrolü olmadan yapılan temizlik, düzenli görünen ama hâlâ yanlış olan bir veri üretebilir. Test edilmiş eksiksiz bir betiği [Kazınan Veri Pandas ile Nasıl Temizlenir?](/tr/blog/clean-scraped-data-with-pandas) yazısında bulabilirsiniz.

Bütünlük kavramı güvenlik alanından gelir. NIST veri bütünlüğünü, verinin oluşturulduğu, iletildiği ya da saklandığı andan beri [yetkisiz biçimde değiştirilmemiş olması](https://csrc.nist.gov/glossary/term/data_integrity) olarak tanımlar. Bir veritabanı, baştan beri yanlış olan bir fiyatı saklarken bütünlüğünü eksiksiz koruyabilir.

Zenginleştirme eksiksizliği artırır, ama bir kayıt yanlış kaynakla eşleştirildiğinde doğruluğu düşürebilir; eşleşme ve doluluk oranlarının nasıl ölçüleceğini [Veri Zenginleştirme Nedir?](/tr/blog/what-is-data-enrichment) yazısında anlattık. İzleme araçlarının kullandığı veri gözlemlenebilirliği (data observability) terimi ise birçok iş hattında güncelliğin, hacmin ve şemanın sürekli izlenmesi anlamına gelir.

## Web verisi hata vermeden nasıl bozulur?

Web verisi sessizce bozulur, çünkü bir veri kazıma aracı (scraper) insanlar için hazırlanmış sayfaları okur ve sayfa değiştiğinde ya da beklenen sayfa gelmediğinde iş yine de bir şey döndürür. Sorunların çoğu beş durumdan kaynaklanır:

- **Sayfa düzeni değişir, bir alan boşalır.** Site sayfasının bir bölümünü yeniden düzenler, veriyi alan seçici (selector) hiçbir şey bulamaz ve fiyat sütunu boş değerlerle dolarken iş başarılı görünür. Her çalışmada alan başına eksiksizliği izleyin: iki çalışma arasında %99'dan %0'a düşen bir alan bir piyasa hareketi değil, bozulmuş bir seçicidir.
- **Bir engelleme ya da doğrulama sayfası veri diye kaydedilir.** Site ürün sayfası yerine "erişim reddedildi" ya da doğrulama sayfası döndürür, bazen normal bir durum koduyla; ayrıştırıcı da bu sayfanın başlığını ürün adı sanır. Yalnızca gerçek sayfada bulunan bir işaret arayın (örneğin ürün kimliği) ve geri kalan her şeyi başarısız bir istek sayın. Daha sonra daha düşük bir hızla yeniden deneyin; site reddetmeyi sürdürürse resmî bir veri akışı (feed) ya da API arayın.
- **Fiyat yanlış ülkeden gelir.** Birçok mağaza fiyatı, para birimini ve stoğu ziyaretçinin konumuna göre gösterir; tek bir ülkeden çalışan bir iş, her pazar için o ülkenin sürümünü toplar. Her fiyatın yanında para birimi kodunu saklayın ve bunu satırın anlattığı pazarla karşılaştırın; fiyatların neden ülkeye göre değiştiğini [Fiyatlar Neden Ülkeye Göre Değişir?](/tr/blog/geo-pricing-by-country) yazısında anlattık.
- **Önbellekteki bir kopya değişikliği gizler.** Sizin ya da sizinle site arasındaki bir önbellek dünkü fiyatı sunmayı sürdürebilir. Her sayfanın çekildiği zamanı saklayın ve olağandan çok daha uzun süre değişmeyen fiyatları işaretleyin.
- **Aynı ürün iki farklı URL'de görünür.** Kategori yolları ve izleme parametreleri tek bir sayfa için birden fazla adres üretir. Ürün kimliği ya da GTIN (barkodun altındaki numara) gibi sabit bir anahtarla tekilleştirin ve sayfanın `rel="canonical"` bağlantısını okuyun; RFC 6596 bu bağlantıyı, bir sitenin yinelenen sayfalar arasında tercih ettiği adresi belirtme yolu olarak tanımlar.

Bu sorunlardan ikisi isteğin nereden geldiğine bağlıdır. [Residential Proxy](https://proxynet.io/tr/residential-proxy), ülke ve şehir bazlı hedeflemeyle bir fiyat ya da stok kontrolünün, ölçtüğünüz pazardaki yerel bir ziyaretçi gibi çalışmasını sağlar. Sticky oturum, çok sayfalı bir kontrol boyunca aynı IP adresini korur (residential ve mobil proxy'lerimizde 1 ile 60 dakika arası); böylece ürün sayfası ve sepet mağazanın aynı sürümünü görür. Proxy veriyi doğru hâle getirmez: her kayıt yine aynı kontrollerden geçer, sitenin kullanım koşulları ve istek sınırları da geçerliliğini korur.

Veri toplamayı kendisi yürütmek istemeyen ekipler için [Web Scraping API](/tr/data-scraping) yönetilen sayfa çıkarma hizmeti sunar; bu hizmete satış ekibimiz üzerinden ulaşabilirsiniz.

## Veri kalitesinden kim sorumludur?

Sorumluluk ortaktır, ama her veri setinin "yeterince iyi"nin ne demek olduğuna karar veren, adı belli bir sahibi ve kaliteyi o düzeyde tutan bir data steward'ı olmalıdır:

- **Veri seti sahibi (data owner):** Fiyatlandırma müdürü gibi bir iş birimi yöneticisidir. Veri setinin hesabını verir, eşiklerini belirler ve eşikler tutturulamadığında ne olacağına karar verir.
- **Data steward (veri bakım sorumlusu):** Veri setiyle günlük olarak ilgilenir; kuralları günceller, karantinadaki kayıtları inceler ve sorunların izini nedenine kadar sürer.
- **Veri üreticileri:** Veriyi oluşturan ya da toplayan ekipler ve sistemlerdir. Sorunların çoğu en düşük maliyetle burada çözülür.
- **Veri tüketicileri:** Veriyi kullanan analistler, veri bilimciler ve uygulamalardır. Sorunları çoğu zaman ilk onlar fark eder; bildirmeleri için kolay bir yol gerekir.

Bir veri kalitesi analisti ya da mühendisi kontrolleri ve gösterge panellerini kurabilir, ama veri seti sahibinin yerini tutamaz: eşiklerini tutturamayan bir raporu durdurabilecek biri yoksa eşikler öneri olarak kalır.

## Düşük veri kalitesinin maliyeti nedir?

Düşük veri kalitesi, yanlış kararlar ve tekrarlanan işler yüzünden para kaybettirir; kişisel verilerin ya da yapay zekâ sistemlerinin işin içinde olduğu yerlerde hukuki risk de doğurur. Bilmeye değer rakam sizin kendi rakamınızdır: raporları düzeltmeye harcanan saatler, yanlış adreslere gönderilen kampanyalar, hatalı girdilerle belirlenen fiyatlar. Yinelenen ya da yanlış etiketlenmiş kayıtlarla eğitilen bir model de bu hataları öğrenir.

Kişisel verilerde doğruluk aynı zamanda hukuki bir yükümlülüktür. AB'nin Genel Veri Koruma Tüzüğü (GDPR), kişisel verilerin [doğru ve gerektiğinde güncel olmasını](https://eur-lex.europa.eu/eli/reg/2016/679/oj/eng), yanlış verilerin de gecikmeden silinmesini ya da düzeltilmesini ister (madde 5/1-d). 6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) da 4. maddesinde, kişisel verilerin işlenmesinde uyulacak ilkeler arasında "doğru ve gerektiğinde güncel olma" ilkesini sayar. AB Yapay Zekâ Tüzüğü (AI Act) ise yüksek riskli yapay zekâ sistemlerinin sağlayıcılarından ilgili, yeterince temsil edici ve amaçlanan kullanım açısından mümkün olduğunca hatasız ve eksiksiz eğitim, doğrulama ve test verisi kullanmalarını ister (madde 10).

## Veri kalitesi en çok nerede önemlidir?

- **Fiyatlandırma ve e-ticaret:** Otomatik fiyatlamayı besleyen rakip fiyatları, stok bilgileri ve kampanyalar.
- **Pazar araştırması:** Pazar büyüklüğü tahminlerinin dayandığı anket cevapları, panel verileri ve herkese açık web verisi.
- **Makine öğrenmesi:** Yinelenen kayıtların ve yanlış etiketlerin doğrudan modele girdiği eğitim ve test verisi.
- **Finans ve raporlama:** Yönetim raporlarına ve resmî bildirimlere giren rakamlar.
- **CRM ve pazarlama:** Segmentasyon ve müşteri iletişimi için kullanılan müşteri ve hesap kayıtları.
- **Operasyon:** Teslimatları yönlendiren adresler, ürün ölçüleri ve stok düzeyleri.

## Sık yapılan hatalar

- **Yalnızca biçimi kontrol etmek.** Geçerli veri de yanlış olabilir; bir örneklemi kaynakla karşılaştırın.
- **Tek bir genel puan raporlamak.** %98'lik bir ortalama, bir pazarda tamamen başarısız olan bir alanı gizleyebilir.
- **Eylemi olmayan eşikler koymak.** Sınırı aşan ama hiçbir şeyi değiştirmeyen bir puan süsten ibarettir.
- **Sorunu raporda yamamak.** Veri toplama işi yerine raporu düzeltmek, gelecek hafta aynı düzeltmeyi yeniden yapmak demektir.
- **Başarılı bir çalışmayı iyi veri sanmak.** Satır döndürmek, doğru satırları döndürmekle aynı şey değildir.
- **Kayıt başına toplama zamanı tutmamak.** Bu bilgi olmadan zamanlılık hiç ölçülemez.
- **Hatalı satırları sessizce silmek.** Onları karantinaya alıp sayın; yoksa kalitenin iyileşip iyileşmediğini göremezsiniz.

## Karar rehberi

| İhtiyaç | Öneri |
|---|---|
| Sıfırdan başlamak | 5-10 kritik alan seçin; önce eksiksizlik, geçerlilik ve benzersizliği kontrol edin |
| Kimsenin güvenmediği bir rapor | Veriyi profilleyin; bir örneklemi kaynakla karşılaştırın |
| Hata vermeden bozulan kazınmış veri | Her çalışmada alan başına eksiksizlik ve satır sayısı kontrolü |
| Birkaç pazarda fiyat ya da stok | Her pazarın verisini o pazardan toplayın; satır başına para birimi ve konum saklayın |
| Ortalamaları şişiren yinelenen kayıtlar | URL'ye göre değil, sabit bir ürün anahtarına göre tekilleştirin |
| Veri setinde kişisel veri | GDPR, KVKK ya da yerel mevzuata göre bir doğruluk ve düzeltme süreci |
| Bir model için eğitim verisi | Tekilleştirin, etiketleri bir örneklemde kontrol edin, kaynakları kaydedin |
| Çok sayıda veri seti ve ekip | Her veri seti için bir sahip ve bir data steward belirleyin; eşikleri yayımlayın |

## Sıkça sorulan sorular

### Veri kalitesinin 6 boyutu nelerdir?

DAMA UK tarafından tanımlanan altı boyut doğruluk, eksiksizlik, tutarlılık, zamanlılık, geçerlilik ve benzersizliktir. Sırasıyla verinin gerçeği yansıtıp yansıtmadığını, eksiksiz olup olmadığını, kendi içinde uyuşup uyuşmadığını, güncel olup olmadığını, beklenen biçime ve aralığa uyup uymadığını ve her şeyi yalnızca bir kez listeleyip listelemediğini sorarlar.

### Veri kalitesi ile veri bütünlüğü arasındaki fark nedir?

Veri kalitesi, verinin bir kullanım için uygun olup olmadığını sorar: Doğru, eksiksiz, güncel ve tutarlı mı? Veri bütünlüğü ise verinin yetkisiz ya da kazara bir değişikliğe veya kayba uğramadan saklandığı gibi kalıp kalmadığını sorar. İlk kaydedildiğinde yanlış olan bir kayıt, bütünlüğünü eksiksiz korurken yine de yanlış olabilir.

### Veri kalitesi nasıl ölçülür?

Önemli alanları seçin, ilgili her boyut için test edilebilir bir kural yazın ve kurallardan geçen kayıtların payını hesaplayın: eksiksizlik yüzdesi, geçerlilik yüzdesi, yinelenen kayıt oranı, veri yaşı ve elle kontrol edilen bir örneklemdeki doğruluk. Her ölçüt için bir eşik belirleyin ve puanları her yeni partide izleyin.

### Veri kalitesinden kim sorumludur?

Genellikle bir iş birimi yöneticisi olan veri seti sahibi, veri setinin hesabını verir ve eşiklerini belirler; data steward ise kuralları günceller ve sorunların izini nedenine kadar sürer. Veriyi üreten ekipler sorunları kaynağında çözer, veriyi kullananlar da yanlış görünen şeyleri bildirir.

### Veri kalitesi ile veri temizleme arasındaki fark nedir?

Veri kalitesi ölçüdür; veri temizleme onu iyileştirmenin yollarından biridir. Kalite kontrolleri hangi değerlerin eksik, geçersiz, yinelenmiş ya da eskimiş olduğunu gösterir, temizleme de onları onarır. Kontrol olmadan yapılan temizlik, düzenli görünen ama hâlâ yanlış olan veri üretebilir.

### Veri kalitesi ne sıklıkla kontrol edilmeli?

Veri kalitesini her yeni veri geldiğinde, her seferinde aynı kurallarla ve otomatik olarak kontrol edin. Kullanım amacı değiştiğinde ya da yeni bir kaynak eklendiğinde kuralları ve eşikleri gözden geçirin; doğruluk için elle kontrol edilen bir örneklemi de ayda bir gibi sabit bir takvimle yeniden inceleyin.

## Özet

Veri kalitesi, verinin kendi başına taşıdığı bir özellik değil, bir amaca uygunluktur. Onu altı boyutla tarif edin, kullanımınızın dayandığı boyutları kurallara çevirin, her partiyi puanlayın ve bir puan eşiğin dışına çıktığında harekete geçin. Web verisinde hata vermeden ortaya çıkan sorunları da kontrol edin, her veri seti için bir sahip belirleyin ve her pazarın verisini o pazardan toplayın; [fiyat takibi](/tr/price-monitoring) sayfamız her fiyat kontrolü türünü ihtiyaç duyduğu proxy türüyle eşleştirir.
