Sonuç Bulunamadı

Aramanız hiçbir sonuçla eşleşmedi

Veri Yönetimi Nedir?

Veri yönetimi, verileri güvenli, verimli ve uygun maliyetli bir şekilde toplama, saklama ve kullanma uygulamasıdır. Veri yönetiminin amacı, kuruluşa sunulacak avantajı en üst seviyeye çıkaran karar ve önlemleri alabilmeleri için kullanıcılara, kuruluşlara ve bağlantılı şeylere politika ve düzenleme sınırları dahilindeki verilerin kullanımını optimize etmelerine yardımcı olmaktır. Kuruluşlar değer yaratmak için giderek daha fazla maddi olmayan varlıklara yöneldiklerinden, güçlü bir veri yönetimi stratejisi her zamankinden daha önemli hale gelmektedir.

Veri Sermayesi, İşletme Sermayesidir

Günümüzün dijital ekonomisinde veriler, dijital ürün ve hizmetlerde ekonomik bir üretim faktörü olan bir tür sermayedir. Bir otomobil üreticisi, gerekli finansal sermayeden yoksun olduğunda yeni bir model üretemediği gibi yerleşik algoritmaları besleyecek verilerden yoksun olduğunda da otomobilleri kendi kendini yönetir hale getiremez. Veriler için bu yeni rol, bilişimin geleceği için olduğu kadar rekabetçi stratejiler için de bazı sonuçlar doğurur.

Verilerin bu merkezi ve önemli rolü göz önünde bulundurulduğunda her kuruluş için büyüklük veya türden bağımsız olarak güçlü yönetim uygulamaları ve sağlam bir yönetim sistemi gereklidir.

Dijital Sermayenin Yükselişi hakkında daha fazla bilgi edinin (PDF)

Bir kuruluştaki dijital verileri yönetmek; çok çeşitli görev, politika, prosedür ve uygulamaları içerir. Veri yönetimi, aşağıdakilerin nasıl yapılacağı gibi faktörleri de içine alan geniş kapsamlı bir iştir:

  • Çeşitli bir veri katmanı genelinde verileri oluşturmak, güncelleştirmek ve verilere erişmek
  • Verileri birden fazla bulut ortamında ve şirket içinde depolamak
  • Yüksek kullanılabilirlik ve olağanüstü durum kurtarma olanağı sağlamak
  • Verileri artan çeşitlilikte uygulama yazılımlarında, analitiklerde ve algoritmalarda kullanmak
  • Veri gizliliği ve güvenliğini sağlamak
  • Verileri saklama planları ve uyumluluk gereklilikleri uyarınca arşivlemek ve imha etmek

Resmi bir veri yönetimi stratejisi; kullanıcı ve yöneticilerin faaliyetlerini, veri yönetimi teknolojilerinin özelliklerini, düzenleme gerekliliklerinin taleplerini ve kuruluşun verilerinden değer elde etme gereksinimlerini ele alır.

Günümüzde Veri Yönetim Sistemleri

Günümüzde kuruluşlar, çeşitli ancak birleşik bir veri katmanını yönetmenin etkin bir yolunu sağlayan bir veri yönetimi çözümüne ihtiyaç duymaktadır. Veri yönetim platformları üzerine inşa edilen veri yönetim sistemleri; veritabanlarını, veri göllerini ve ambarlarını, büyük veri yönetim sistemlerini, veri analitiklerini ve daha fazlasını içerebilir.

Tüm bu bileşenler; bir kuruluşun uygulama yazılımları için ihtiyaç duyduğu veri yönetim özelliklerinin yanı sıra bu uygulama yazılımları tarafından oluşturulan verilerin kullanıldığı analitik ve algoritmaları sağlamak için bir “veri yardımcı programı” olarak birlikte çalışır. Mevcut araçlar veritabanı yöneticilerinin (DBA'lar) geleneksel yönetim görevlerinin çoğunu otomatikleştirmelerine yardımcı olmasına rağmen, çoğu veritabanı dağıtımının büyüklüğü ve karmaşıklığı nedeniyle genellikle hala manuel müdahale gereklidir. Manuel müdahale her gerektiğinde hata ihtimali artar. Manuel veri yönetimi ihtiyacını azaltmak, yeni bir veri yönetimi teknolojisi olan kendi kendini yöneten veritabanının temel amacıdır.

Veri yönetimi platformu, bir kuruluşta büyük miktarda verileri toplamak ve analiz etmek için temel bir sistemdir. Ticari veri platformları, genellikle veritabanı satıcısı veya üçüncü taraf satıcılar tarafından geliştirilen yönetim yazılım araçlarını içerir. Bu veri yönetimi çözümleri, BT ekiplerinin ve DBA'ların aşağıdakiler gibi tipik görevleri gerçekleştirmesine yardımcı olur:

  • Veritabanı sistemindeki veya ana altyapıdaki hataları tespit etmek, bildirmek, tanımlamak ve çözmek
  • Veritabanı belleği ve depolama kaynaklarını tahsis etmek
  • Veritabanı tasarımında değişiklikler yapmak
  • Daha hızlı uygulama yazılımı performansı için veritabanı sorgularına verilen yanıtları optimize etmek

Gittikçe daha popüler hale gelen bulut veri platformları, işletmelerin hızlı ve düşük maliyetli bir şekilde aşağı veya yukarı yönde ölçeklenmesini sağlar. Bazıları, kuruluşların daha da fazla tasarruf etmesini sağlayan bir hizmet olarak mevcuttur.

Bulut ortamına dayanan kendi kendini yöneten veritabanında veritabanı yedekleme, güvenlik ve performans ayarlama işlemlerini yönetme gibi DBA'lar tarafından gerçekleştirilen birçok veri yönetimi görevini otomatikleştirmek için yapay zeka (AI) ve makine öğrenimi kullanılmaktadır.

Otonom veritabanı da denen kendi kendini yöneten veritabanı, veri yönetimi için aşağıdakiler de dahil olmak üzere önemli avantajlar sunmaktadır:

  • Daha az karmaşıklık
  • Daha düşük insan hatası ihtimali
  • Daha yüksek veritabanı güvenilirliği ve güvenliği
    • Daha fazla operasyonel verimlilik
  • Daha düşük maliyetler

Gittikçe daha popüler hale gelen bulut veri platformları, işletmelerin hızlı ve düşük maliyetli bir şekilde aşağı veya yukarı yönde ölçeklenmesini sağlar. Bazıları, kuruluşların daha da fazla tasarruf etmesini sağlayan bir hizmet olarak mevcuttur.


Büyük Veri Yönetim Sistemleri

Bazı açılardan büyük veriler, kulağa çok ve pek çok veri gibi gelen verileri ifade eder. Ancak büyük veriler, geleneksel verilere göre daha çeşitli biçimlerde gelir ve yüksek hızda toplanır. Her gün veya her dakika Facebook gibi bir sosyal medya kaynağından gelen verilerin tümünü düşünün. Bu verilerin miktarı, çeşitliliği ve hızı, verileri işletmeler için bu kadar değerli kılan şeydir, ancak bunlar, yönetimi de çok karmaşık hale getirir.

Video kameralar, sosyal medya, ses kayıtları ve Internet of Things (Nesnelerin İnterneti; IoT) cihazları kadar farklı kaynaklardan çok daha fazla veri toplandıkça büyük veri yönetim sistemleri ortaya çıkmıştır. Bu sistemler, üç genel alanda uzmanlaşmıştır.

  • Büyük veri entegrasyonu, toplu verilerden veri akışına kadar farklı veri türlerine neden olmakta ve bu verileri tüketebileceği şekilde dönüştürmektedir.
  • Büyük veri yönetimi, verileri bir veri gölünde veya veri ambarında, genellikle nesne depolamayı kullanarak verimli, güvenli ve güvenilir bir şekilde depolar ve işler.
  • Büyük veri analizi, analitikle ilgili yeni içgörüleri ortaya çıkarır ve modeller oluşturmak için makine öğreniminden ve yapay zeka görselleştirmesinden yararlanır.

Şirketler; ürün geliştirme, önleyici bakım, müşteri deneyimi, güvenlik, operasyonel verimlilik ve daha pek çok şeyi iyileştirmek ve hızlandırmak için büyük verilerden faydalanmaktadır. Büyük veriler büyüdükçe fırsatlar da artmaktadır.

 

Veri Yönetiminin Zorlukları

Veri Yönetim İlkeleri ve Veri Gizliliği

Avrupa Birliği tarafından çıkarılan ve Mayıs 2018'de uygulamaya konan Genel Veri Koruma Yönetmeliği (GDPR), kişisel verilerin yönetimi ve işlenmesi için yedi temel ilkeyi içermektedir. Bu ilkeler arasında yasallık, adalet ve şeffaflık; amaç sınırlaması, doğruluk, depolama sınırlaması, bütünlük ve gizlilik ile daha fazlası bulunmaktadır.

GDPR ile California Tüketici Gizlilik Yasası (CCPA) gibi düzenlemeleri takip eden diğer yasalar, veri yönetiminin çehresini değiştirmektedir. Bu gereklilikler, bireylere kişisel veriler ve bu verilerin kullanım şekli konusunda kontrol sağlayan standart veri koruma yasalarını sağlamaktadır. Gerçekte ise kuruluşlar, veri yakalama konusunda bilgilendirilmiş rıza alamadıklarında, veri kullanımı veya bölgesini iyi bir şekilde kontrol edemediklerinde ya da veri silme veya taşınabilirlik gereksinimlerine uymadıklarında tüketiciler, gerçek yasal mercilerle birlikte veri paydaşlarına dönüşmektedir.

GDPR ve veri yönetimi hakkında daha fazla bilgi edinin

Günümüzde veri yönetimindeki zorlukların çoğu, işlerin daha hızlı ilerlemesinden ve verilerin daha yaygın hale gelmesinden kaynaklanmaktadır. Kuruluşlara sunulan verilerin sürekli genişleyen çeşitliliği, hızı ve hacmi, kuruluşları tempoya ayak uydurmak için daha etkili yönetim araçları aramaya sevk etmektedir. Kuruluşların karşılaştıkları en büyük zorluklardan bazıları şunlardır:

  • Hangi verilere sahip olduklarını bilmezler. Sensörler, akıllı cihazlar, sosyal medya mecraları ve video kameralar gibi giderek artan kaynak sayısı ve çeşitliliğinden veri toplanıp saklanmaktadır. Ancak kuruluş hangi verilere sahip olduğunu, bu verilerin nerede olduğunu ve bu verileri nasıl kullanacağını bilmezse bu verilerin hiçbiri yararlı olmaz.
  • Veri katmanı genişledikçe performans seviyelerini korumaları gerekir. Kuruluşlar her zaman daha fazla veri toplar, depolar ve kullanır. Bu genişleyen katman genelinde en yüksek yanıt sürelerini korumak için kuruluşlar, performansı etkilemeden veritabanının yanıtladığı soru türlerini sürekli olarak izlemek ve sorgular değiştikçe dizinleri değiştirmek zorundadır.
  • Sürekli olarak değişen uyumluluk gerekliliklerine uymaları gerekir. Karmaşık ve birden fazla yargı bölgesine ait olan uyum düzenlemeleri, sürekli olarak değişmektedir. Kuruluşların verilerini kolayca gözden geçirebilmeleri ve yeni veya tadil edilmiş gereklilikler kapsamında kalan her şeyi tanımlayabilmeleri gerekir. Özellikle, kimlik tespiti için kullanılan bilgiler (PII) giderek daha sıkı hale gelen küresel gizlilik düzenlemelerine uygunluk bakımından saptanmalı, izlenmeli ve takip edilmelidir.
  • Kuruluşlar, verileri yeni kullanım alanlarına sokmak için değiştirmekten emin değildir. Verilerin toplanması ve tanımlanması, kuruluşların bu verileri işlemek için ihtiyaç duydukları değeri sağlamamaktadır. Verileri kuruluşların analiz için ihtiyaç duydukları hale getirmek için çok fazla zaman ve emek harcanırsa bu analiz gerçekleşmez. Sonuç olarak, bu verilerin potansiyel değeri kaybolur.
  • Kuruluşların veri depolamadaki değişikliklere ayak uydurmaları gerekir. Yeni veri yönetimi dünyasında kuruluşlar, veri ambarları ve verileri tek bir havuzda, herhangi bir biçimde depolayan yapılandırılmamış veri gölleri de dahil olmak üzere birden fazla sistemde veri depolar. Bir kuruluşun veri bilimcilerinin, verileri çok hızlı ve kolay bir şekilde orijinal biçiminden çok çeşitli analizler için ihtiyaç duydukları şekle, biçime veya modele dönüştürecek bir yola ihtiyaçları vardır.

Veri Yönetiminde En İyi Uygulamalar

Veri yönetimi zorluklarının ele alınması, kapsamlı ve iyi düşünülmüş bir dizi en iyi uygulama gerektirir. Her ne kadar bazı en iyi uygulamalar, sürece dahil olan verilerin türüne ve sektöre bağlı olarak değişiklik gösterse de aşağıdaki en iyi uygulamalar, kuruluşların günümüzde karşı karşıya kaldıkları önemli veri yönetimi zorluklarını ele almaktadır:

Veri Bilimi Ortamının Değeri

Veri bilimi, verilerden değer elde etmek üzere bilimsel yöntem, süreç, algoritma ve sistemleri kullanan, disiplinler arası bir alandır. Veri uzmanları; web, akıllı telefonlar, müşteriler, sensörler ve diğer kaynaklardan toplanan verileri analiz etmek üzere istatistik, bilgisayar bilimi ve iş bilgisi de dahil olmak üzere bir dizi beceriyi bir araya getirir.

Bir veri bilimi ortamı, bir kuruluşun hangi verilere sahip olduğunu bilmesine yardımcı olabilir ve daha sonra bu verileri kullanılabilir hale getirebilir. Bu ortam, veri bilimcilerinin verileri bulmak için kullanılan modelleri otomatik olarak oluşturmalarını, test etmelerini ve değerlendirmelerini sağlar ve daha sonra bu verileri kuruluş için kullanışlı ve değerli hale getirir. Veri bilimcileri, merkezileştirilmiş bir platform sayesinde bir sürüm kontrol sistemi ile senkronize edilmiş tüm çalışmalarıyla birlikte en sevdikleri açık kaynak araçlarını kullanarak iş birliğine dayalı bir ortamda çalışabilirler.

Veri bilimi hakkında daha fazla bilgi edinin Veri bilimi platformuyla nasıl daha büyük bir etki oluşturulabileceğini öğrenin
  • Verilerinizi tanımlamak için bir keşif katmanı oluşturun. Kuruluşunuzun veri katmanının en üstünde bulunan keşif katmanı, analistlerin ve veri bilimcilerinin verilerinizi kullanışlı hale getirecek veri kümelerini aramasına ve incelemesine olanak tanır.
  • Verilerinizi verimli bir şekilde yeniden düzenlemek için bir veri bilimi ortamı geliştirin. Veri bilimi ortamı, mümkün olduğunca daha fazla veri dönüşüm işini otomatikleştirerek veri modellerinin oluşturulmasını ve değerlendirilmesini kolaylaştırır. Verilerin manuel olarak dönüştürülmesine duyulan ihtiyacı ortadan kaldıran bir dizi araç, yeni modellerin varsayımını ve testini hızlandırabilir.
  • Genişleyen veri katmanınızda performans seviyelerini korumak için kendi kendini yöneten teknolojiyi kullanın. Kendi kendini yöneten veri özelliklerinde veritabanı sorgularını sürekli olarak izlemek ve sorgular değiştikçe dizinleri optimize etmek için yapay zeka ve makine öğrenimi kullanılır. Bu durum, veritabanının hızlı yanıt sürelerini korumasını sağlar ve DBA'lar ile veri bilimcilerini zaman alan manuel görevlerden kurtarır.
  • Uyumluluk gerekliliklerine ayak uydurmak için veri keşfi özelliğini kullanın. Yeni araçlarda verileri incelemek ve birden fazla bölgenin düzenlemelerine uyumluluk bakımından tespit edilmesi, izlenmesi ve takip edilmesi gereken bağlantı zincirlerini tanımlamak için veri keşfi özelliği kullanılır. Uyum talepleri küresel olarak arttıkça bu özellik, risk ve güvenlik görevlileri için giderek daha önemli hale gelecektir.
  • Çok ve çeşitli veri depolama biçimlerini yönetmek için ortak bir sorgu katmanı kullanın. Yeni teknolojiler, veri yönetim havuzlarının birlikte çalışmasını sağlayarak aralarındaki farkların ortadan kalkmasını sağlar. Birçok veri depolama türünü kapsayan ortak bir sorgu katmanı; veri bilimcilerinin, analistlerin ve uygulama yazılımlarının nerede depolandığını bilmeden ve bunları manuel olarak kullanılabilir bir biçime dönüştürmeye gerek kalmadan verilere erişmelerini sağlar.

Veri Yönetiminin Gelişimi

Verilerin işletme sermayesi olarak yeni rolüyle birlikte kuruluşlar, dijital işletmeye alma işlemlerinin ve engelleyici unsurların zaten bildikleri şeyi keşfetmektedir: Veriler; trendleri belirlemek, karar vermek ve rakiplerden önce harekete geçmek için değerli bir varlıktır. Verilerin değer zincirindeki yeni konumu, kuruluşların aktif olarak bu yeni sermayeden değer elde etmek için daha iyi yollar aramasına öncülük etmektedir.

DBA'ların şirket bünyesindeki veri yönetim sorumlulukları da gelişerek nispeten daha önemsiz görevlerin sayısını azaltmaktadır; böylece DBA'lar daha stratejik konulara odaklanabilmekte ve veri modelleme ile veri güvenliği gibi önemli girişimleri içeren bulut ortamlarında kritik veri yönetim desteği sağlayabilmektedir.