"Veriye dayalı karar alıyoruz" cümlesi artık neredeyse her kurumun standart söyleminin parçası. Ama bu söylem, çoğu kurumun gerçekliğini tam yansıtmıyor. Veri kalitesi düşük, tanımlar tutarsız, sahiplik belirsiz, farklı sistemlerden farklı rakamlar geliyor — ve kararlar yine de "veri bazlı" olarak alınıyor. Bu çelişki, veri yönetişiminin yokluğuna ya da işlevsizliğine işaret ediyor.
Yapay zeka uygulamalarının kurumsal operasyona girmesiyle bu sorun katlanarak büyüyor: Kalitesiz veri üzerine kurulu yapay zeka modeli, otomasyona kavuşturulmuş ve ölçeklendirilmiş hata üretiyor. Veri yönetişimi, dijital ve yapay zeka dönüşümünün göz ardı edilemeyecek önkoşuluna dönüştü.
Veri Yönetişimi Nedir, Ne Değildir?
Veri yönetişimi bir BT projesi değil; verinin tanımlanması, sahipliği, kalitesi ve kullanımına ilişkin karar alma yetkisi ve sorumluluğunu belirleyen organizasyonel çerçevedir. DAMA International'ın DMBOK (Data Management Body of Knowledge) standart referansı, veri yönetiminin 11 bilgi alanını kapsamlı biçimde tanımlıyor.
Veri yönetişiminin üç temel sorusu:
1. Hangi veri, kurumun kritik karar ve süreçleri için güvenilir kaynak (single source of truth)?
2. Bu verinin doğruluğu, tamlığı ve güncelliğinden kim sorumlu?
3. Verinin yaşam döngüsü boyunca (oluşturma, saklama, kullanım, imha) uyum nasıl sağlanıyor?
Veri Sahipliği: En Çok Kaçılan Konu
Veri sahipliği (data ownership), belirli bir veri alanı veya veri setinin kalitesinden, tanımından ve uyumundan hesap verebilecek iş birimini ya da bireyi tanımlar. Bu, IT'nin değil iş biriminin sorumluluğu — IT altyapıyı sağlar, iş birimi verinin anlamını ve kalitesini sahiplenir.
Pratik uygulama katmanları:
— Veri Sahibi (Data Owner): Üst düzey yönetici. Strateji ve politika kararları.
— Veri Temsilcisi (Data Steward): Operasyonel seviyede veri tanımı, kalite kuralları, sorun çözümü.
— Veri Kullanıcısı: Veriyi karar süreçlerinde kullanan; kalite sorunlarını bildirme sorumluluğuyla.
AB Yapay Zeka Yasası ve Veri Yönetişimi
2024'te yürürlüğe giren AB Yapay Zeka Yasası (EU AI Act), yüksek riskli YZ sistemleri için veri kalitesi ve yönetişim gerekliliklerini doğrudan düzenliyor. Yüksek riskli kategoriler: İK kararları, kredi değerlendirmesi, güvenlik sistemleri, eğitim.
ISO 42001 (Yapay Zeka Yönetim Sistemi), yapay zeka sistemlerinin sorumlu ve güvenilir biçimde yönetilmesi için yönetim sistemi çerçevesini sağlıyor. Hem AB AI Act uyumu hem kurumsal YZ güvencesi için referans standart olarak öne çıkıyor.
Türkiye'deki kurumlar için pratik yansıma: AB'ye ihracat yapan, AB şirketleriyle çalışan ya da AB pazarında YZ tabanlı ürün veya hizmet sunan firmalar, değer zinciri genelinde AI Act gerekliliklerini karşılamak durumunda.
Veri Yönetişimi Olgunluğu: Nereden Başlanmalı?
Veri yönetişimi olgunluk değerlendirmesi, başlangıç noktasını belirlemek için kritik. Stanford Data Governance Maturity Model veya IBM Data Governance Council Maturity Model, beş seviyede değerlendirme sağlıyor.
Başlangıç için minimum uygulanabilir çerçeve:
1. Kritik veri alanlarının belirlenmesi (5-10 alan: müşteri, ürün, finans, tedarikçi)
2. Her alan için sahiplik belirleme ve veri sözlüğü hazırlama
3. Kritik raporlar için "altın kaynak" tanımlama
4. Veri kalitesi izleme mekanizması (basit kontrol kuralları)
5. Sorun bildirimi ve çözüm döngüsü
Bu minimum çerçeve, büyük ve karmaşık veri yönetişimi programı yerine hızla değer üretmeye başlamanın yolu.
Veri yönetişimi çerçeve tasarımı, veri olgunluk değerlendirmesi ve ISO 42001 yapay zeka yönetim sistemi danışmanlığı için hizmetlerimizden yararlanabilirsiniz.