Veri Temelleri

İş Analistinin rolü, “ne yapmalıyız?” sorusuna cevap vermektir. Veri, bu cevabın bilimsel kanıtıdır.

Hissiyat vs. Kanıt: Paydaşların “Bence X özelliğini yapmalıyız” demesi hissiyattır. Veri analisti (veya veri okuryazarı İş Analisti) ise “Mevcut kullanıcıların %75’i X davranışını sergiliyor, bu nedenle X özelliğini yapmalıyız” diyerek önerisini bilimsel temele oturtur.
Güvenilirlik: Verilerle konuşmak, gereksinim toplama sürecinde paydaş ve geliştirici ekipler nezdinde güvenilirliğinizi artırır. Geliştirici, yazacağı kodun arkasındaki somut faydayı görür.
Önceliklendirme: Sınırlı kaynaklarımızı (zaman ve bütçe) hangi gereksinime ayıracağımızı, hangi hikayenin en yüksek iş değerine sahip olduğunu veri üzerinden belirleriz (Örn: En çok hata veren ekranın düzeltilmesine öncelik vermek).

Kavram	Tanım	İş Analisti İçin Önemi
Veri (Data)	Ham gerçekler, sayılar veya metinler. Tek başlarına anlam ifade etmezler. (Örn: “25”, “MüşteriID”, “Ankara”)	Veri Kaynağı: Hangi ham veriye ulaşılabileceğini ve bu verinin ne kadar güvenilir olduğunu belirleme.
Bilgi (Information)	İşlenmiş, organize edilmiş veya yapılandırılmış veri. Belirli bir bağlamda anlam kazanır. (Örn: “25 yaşındaki MüşteriID 101, Ankara’da yaşıyor.”)	Raporlama: Ham veriyi, karar almayı destekleyen anlamlı bir çıktıya dönüştürme görevi.
Bilgi (Knowledge)	Bilgiden öğrenilen, uygulanan deneyim. Desenleri ve ilişkileri anlama. (Örn: “Ankara’daki 25 yaş altı müşteriler indirim kampanyalarına daha iyi yanıt veriyor.”)	Strateji ve Öngörü: Elde edilen bilgilerle iş birimlerine öneri sunma.

İş analistlerinin, gereksinimleri belirlerken hangi veri türünün kullanılacağını bilmesi önemlidir.

Sayısal (Numeric): Fiyat, adet, puan (Integer, Decimal, Float).
Metin/Karakter (String/Text): Ad, soyad, açıklama (Varchar, Char).
Tarih/Zaman (Date/Time): Sipariş tarihi, doğum tarihi (Date, Datetime).
Mantıksal (Boolean): Evet/Hayır, Doğru/Yanlış (Örn: IsActive: TRUE/FALSE).

2. Veri Tabanı Ortamları ve İlişkisel Model

Veri Tabanı Yönetim Sistemi (VTYS/DBMS): Veri tabanlarını oluşturmak, yönetmek ve veri erişimini sağlamak için kullanılan yazılımdır (Örn: Oracle, MySQL, SQL Server, PostgreSQL).
İlişkisel Veri Tabanı (RDBMS): Verilerin tablolar ve tanımlı ilişkiler halinde organize edildiği sistemdir. (Bu eğitimde odaklanacağımız modeldir.)
İlişkisel Olmayan Veri Tabanları (NoSQL): Büyük, yapılandırılmamış veya hızla değişen veriler için kullanılır (Örn: MongoDB, Cassandra).

Yapı Taşı	Tanım	İş Analisti İçin Önemi
Tablo (Table)	İlişkisel veri tabanındaki temel nesnedir. Veriler satırlar ve sütunlar halinde organize edilir.	Veri Modeli: İş sürecindeki her bir ana nesnenin (Müşteri, Ürün, Sipariş) ayrı bir tablo olarak tutulduğunu anlamak.
Sütun (Column/Field)	Tablodaki bir veri parçasının türünü ve adını tanımlar (Örn: “Müşteri Adı”, “Fiyat”).	Gereksinim Belirleme: Bir gereksinim için hangi veri alanlarının (sütunların) gerekli olduğunu belirleme.
Satır (Row/Record)	Bir varlığa ait tüm verilerin toplandığı bir kayıttır (Örn: Bir müşteriye ait tüm bilgiler).	Veri Çekme: SQL sorgularıyla sonuç olarak çekmek istediğiniz şey.

Bu kısım, SQL’deki JOIN işlemlerinin mantığını anlamak için hayati önem taşır.

Anahtar Kavramlar:
- Birincil Anahtar (Primary Key – PK): Bir tablodaki her satırı benzersiz şekilde tanımlar. (Örn: TCKimlikNo, UrunID).
  - Kural: Asla NULL (boş) olamaz ve asla tekrar edemez.
- Yabancı Anahtar (Foreign Key – FK): İki tablo arasındaki ilişkiyi kurar. Bir tablonun PK’sını diğer tabloya referans olarak taşır. (Örn: Siparis tablosundaki MusteriID bir FK’dır).
İlişki Türleri:
- Bire Bir (1:1): Nadirdir. (Örn: Çalışan temel bilgileri -> Çalışan gizli bilgileri).
- Bire Çok (1:N): En yaygın ve en önemli ilişkidir. (Örn: Bir Müşterinin Çok sayıda Siparişi olabilir).
- Çoka Çok (N:N): İlişki tablosu (ara tablo) ile çözülür. (Örn: Çok sayıda Ürün -> Çok sayıda Tedarikçi).

Kötü veri kalitesi, iş kararlarını doğrudan etkiler.

Doğruluk (Accuracy): Veri, temsil ettiği gerçekliği doğru yansıtıyor mu? (Örn: Müşterinin adresi güncel mi?)
Tutarlılık (Consistency): Aynı veri, farklı yerlerde aynı şekilde mi tutuluyor? (Örn: Müşteri adı, CRM ve fatura sisteminde aynı mı?)
Tamlık (Completeness): Gerekli alanların tümü doldurulmuş mu? (Örn: E-posta, telefon gibi kritik iletişim bilgileri eksik mi? – NULL değeri analizi burada başlar.)
Güncellik (Timeliness): Veri, kullanıldığı zaman için geçerli mi? (Örn: Stok bilgisi anlık mı?)

Normalizasyon, veri tekrarını (yedekliliği) azaltarak veri bütünlüğünü sağlamak için tabloları organize etme sürecidir.

Neden Önemli? Veri tekrarı, veri güncelleme ve silme sırasında hatalara yol açar. İş analisti, veri modelinin neden böyle tasarlandığını anlar.
Basit Kurallar (1NF, 2NF, 3NF): Veriyi mantıklı, daha küçük tablolara ayırma prensibi. (Detaylı teknik bilgi yerine, bu prensibin “Veri tekrar etmemeli, her sütun yalnızca kendi tablosuyla ilgili olmalıdır” mantığını vurgulayın).