RB
ROIBASE.

KARAR ODAKLI ANALİTİK

Veri Analizi & İçgörü Mühendisliği

Pazarlama datasını dashboard'lara değil, karar mekanizmalarına bağlıyoruz. KPI tree, dbt modelleme, Bayesian MMM, incrementality testi ve self-serve analitik — ölçümün değil, eylemin altyapısı.

Stratejini görüşelim
İletişim

Analitik 'dashboard hazırlamak' değildir; her grafiğin doğrudan bir karar tetiklediği bir operasyon sistemidir.

Çoğu şirket 40+ dashboard'un içinde boğulur ama aynı soruya beş farklı kaynaktan beş farklı cevap alır. KPI'lar tartışılır, karar ertelenir, HiPPO kazanır. Roibase'in analitik operasyonu bu belirsizliği kaldıran altı prensip üzerine kuruludur; her prensip dashboard değil, karar üretir.

Roibase perspective

METODOLOJİ

DIAGNOSE → MODEL → BUILD → AUTOMATE → VALIDATE → EDUCATE

Analitik operasyonun altı katmanı; her biri ayrı artifact üretir, birbirine bağlı olarak karar döngüsünü besler.

01

DIAGNOSE

Karar envanteri + soru haritası

Karar vericilerin haftalık sorduğu 30 soru listelenir; cevap kaynağı, sıklık, SLA ve etki netleştirilir.

02

MODEL

KPI tree + veri modeli

dbt modelleri + LookML veya Metabase semantic layer; versiyonlanmış, test edilebilir, dokümante edilmiş.

03

BUILD

Dashboard + alert sistemi

Karar kategorisi bazında (CAC, retention, revenue quality) dashboard'lar; eşikli alertler + tetik şablonları.

04

AUTOMATE

Pipeline + refresh + monitoring

Airflow / Dagster / dbt Cloud ile refresh orchestration; pipeline health + data quality testleri + Slack bot.

05

VALIDATE

A/B + incrementality + MMM validation

Model çıktıları deneyle karşılaştırılır; incrementality testi + MMM scenario simülasyonu ile kalibrasyon.

06

EDUCATE

Data council + self-serve eğitimi

Aylık data council toplantısı: hangi soru cevapsız kaldı, hangi dashboard kullanılmadı, hangi self-serve eğitim lazım.

— KARŞILAŞTIRMA

Farkımız nerede? Klasik BI vs. karar odaklı analitik

Bir şirket 100 dashboard'u 'analytics' sanabilir. Oysa asıl değer, her dashboard'un bir karara, her karar bir aksiyona bağlandığında ortaya çıkar.

BoyutIn-house BI tek başınaKlasik reporting ajansıRoibase karar odaklı analitik
KPI tanımıBirimler arası çakışıyorAjansın şablonuKPI tree + yazılı ownership
Dashboard felsefesiGrafik bolluğuQuarterly PPT odaklıHer grafik bir karar
Veri modelleme katmanıAd-hoc SQL + ExcelPlatform içi raporlamadbt + versiyonlu + testli
Cohort + LTV mühendisliğiOrtalama metriklerle sınırlıRapor olarak yokD1-D90 + segment + LTV eğrisi
MMM + incrementalityYokExcel-bazlı denemeBayesian MMM + geo-holdout
Anomali / alert sistemiManuel kontrolYokML drift detector + Slack/email
Self-serve kültürData team bottleneckRapor-drivenİş birimi kendi soruyor
Governance + PIIPolitika yokFarkında değilPII tagging + retention + audit

KANIT

Rakamlarla sonuç

30
Karar sorusu

İlk sprintte cevaplanabilir hale gelen stratejik soru sayısı.

−%40
Reporting zaman tasarrufu

Pazarlama ekibinin manuel dashboard hazırlığında geri kazanılan saat.

3
MMM refresh/yıl

Sezon + kanal mix değişikliklerine göre yenileme ritmi.

18-24
Ay historic horizon

MMM + forecast için gerekli minimum günlük veri aralığı.

%99.2
Pipeline uptime

dbt + Airflow + monitoring SLA; data quality testleri dahil.

5 gün
Dashboard publish süresi

Yeni bir karar panosu için brief'den canlıya ortalama süre.

NELER YAPIYORUZ

Çalışma kapsamı

Her hizmet başlığı, çıktı bazlı ölçülebilir bir iş paketidir. Roibase, strateji ve uygulamayı tek ekip içinde birleştirir.

01 / 10

KPI tree mimarisi

Her pazarlama metriği doğrudan iş çıktısına bağlanır; her metriğin bir sahibi, bir kaynağı, bir eşiği, bir tetikleyici kararı vardır.

02 / 10

Decision-tree dashboards

Grafik değil karar: 'şu eşikte şu aksiyon' mantığıyla tasarlanmış paneller; her panel bir rol için, bir frekansta.

03 / 10

dbt + warehouse + BI katmanı

dbt ile versiyonlu + test edilebilir veri modelleri; BigQuery / Snowflake / Redshift üzerinde; LookML / Metabase / Lightdash arayüzüyle.

04 / 10

Cohort & retention mühendisliği

D1/D7/D30/D90 cohort tabloları, LTV eğrileri, segment-bazlı churn ve resurrection analizi — ortalamanın altında gerçek davranış.

05 / 10

Bayesian MMM

Media, promo, sezon ve makro değişken birlikte modellenir; Robyn + PyMC; çeyreklik refresh + confidence band.

06 / 10

Attribution modelleme

GA4 DDA + multi-touch attribution + shapley value yaklaşımları; platform biased raporlamanın ötesinde karar modeli.

07 / 10

Incrementality testing

Geo-holdout + matched-market testleri; Meta Lift, GeoLift, in-house framework; bütçe kararları için referans doğruluğu.

08 / 10

Anomali tespiti

Sessizce kötüleşen metrikler için ML tabanlı drift detector + forecast band + Slack/email alert; sabaha değil, saat başına.

09 / 10

Self-serve analytics

İş biriminin kendi sorusunu kendi cevaplayabildiği ortam (Metabase, Lightdash, Hex) + eğitim + mentorluk.

10 / 10

Data governance

PII tagging, schema registry, retention politikası, veri erişim audit'i, doküman paketi; KVKK + GDPR uyumlu operasyon.

— ÇIKTI

Veri operasyonunun karar tarafındaki etkisi

Bir organizasyonun kararları ne kadar hızlı, veriye dayalı ve tekrar edilebilir olursa, öngörülemeyen piyasa koşullarında o kadar öndedir.

3× hız

Karar hızı

30 stratejik sorunun hepsinin cevabı panoda; toplantıda veri tartışılmıyor, aksiyon tartışılıyor.

Veri-driven

HiPPO azalması

En yüksek maaşlı kişinin görüşü değil, veri kararı tetikler; tartışma metriğe referanslı.

−%40 saat

Reporting zaman tasarrufu

Pazarlama ekibinin manuel Excel rutinleri biter; geri kazanılan saatler stratejik analize aktarılır.

Saat değil gün

Erken uyarı + aksiyon

ML drift detector + eşikli alert sistemi ile kötüleşen metrikler saatler içinde yakalanır.

50+ self-serve user

Self-serve kültür

İş birimi data team'i beklemeden kendi sorusunu kendi cevaplar; data team stratejik işe odaklanır.

±%8 accuracy

MMM + forecast accuracy

Bayesian MMM + incrementality kalibrasyonu ile forecast sapması ±%8 bandında; bütçe kararı güvenli.

TESLİM EDİLENLER

Aylık + çeyreklik çıktılar

Analitik operasyonun somut artefactları; her biri ekibinize devredilir, 12. ayda runbook haliyle tam bağımsız çalışır.

  • Karar envanteri + 30 soru haritası

    Karar vericilerin haftalık sorduğu soruların listesi, cevap kaynağı, SLA ve eksik veri ihtiyacı.

  • KPI tree

    Her metriğin kaynağı, sahibi, eşiği ve tetiklediği karar — tek Miro / FigJam panosu, versiyonlu.

  • dbt repo + modeller

    Versiyonlu + test edilebilir dbt projesi; staging / intermediate / marts katmanı, dokümantasyon dahil.

  • Semantic layer (LookML / Metabase models)

    İş birimi tarafından sorulacak soruların arkasındaki ortak metric definitions katmanı.

  • Dashboard paketi

    Karar kategorisi bazında (CAC, retention, revenue quality) ilk 15-25 panel; her biri role + frekans bazında.

  • Eşikli alert sistemi

    ML drift detector + forecast band + Slack/email integration; kötüleşen metrikler saatler içinde uyarı.

  • Cohort + retention raporu

    D1/D7/D30/D90 tabloları + LTV eğrileri + churn segment analizi + resurrection oranı.

  • MMM modeli + rapor

    Bayesian MMM (Robyn/PyMC); kanal contribution + saturation + adstock + confidence band.

  • Incrementality test protokolü

    Geo-holdout ve matched-market test framework'ü; planlama + yürütme + analiz şablonları.

  • Data governance runbook

    PII tagging, schema registry, retention politikası, erişim audit'i — KVKK + GDPR uyumlu.

  • Aylık data council özeti

    Hangi soru cevaplandı, hangisi kaldı, hangi dashboard kullanıldı, bir sonraki ay için öncelik listesi.

  • Self-serve eğitim materyali

    İş birimi için Metabase / Lightdash / Hex eğitim videoları + SQL / jargon sözlüğü + practice veri seti.

— KAPSAM

Neler dahil, neler değil?

Analitik operasyonun sınırları net. Kapsamı önceden görmek yanlış beklentiyi ve scope creep'i ortadan kaldırır.

Bu hizmetin kapsadıkları

  • Karar envanteri + 30 soruluk ilk sprint
  • KPI tree + yazılı ownership + versiyonlu doküman
  • dbt repo kurulumu + staging/intermediate/marts katmanları
  • Warehouse entegrasyonu (BigQuery / Snowflake / Redshift / Databricks)
  • LookML veya Metabase semantic layer
  • İlk 15-25 dashboard + quarterly ekleme
  • ML tabanlı anomaly detection + eşikli alert sistemi
  • Cohort + LTV + retention analitiği — çeyreklik güncelleme
  • Bayesian MMM (yılda 3 refresh)
  • Incrementality testi protokolü + yürütmesi
  • Data governance runbook (PII, retention, audit)
  • Aylık data council + self-serve eğitim akışı

Dahil olmayan işler (opsiyonel ek kapsam)

  • Finans / muhasebe BI (ERP tarafı ayrı danışmanlık)
  • Warehouse compute / lisans maliyeti (müşteri kontratı)
  • Custom ML model training (forecasting dışında)
  • Real-time streaming altyapısı (Kafka, Kinesis — ayrı kapsam)
  • Data privacy / hukuk danışmanlığı (partner avukatla)
  • BI aracı lisans yenilemeleri
  • Third-party data satın alımı (panel, survey)
  • Marketing operasyonlarının kendisi (PPC / SEO / CRO ayrı hizmet)

NASIL ÇALIŞIYORUZ

Süreç: Hafta 1 teşhisten Ay 6+ governance'a analitik operasyon

01

Hafta 1-2 — Karar envanteri + audit

30 stratejik sorunun listesi, mevcut dashboard envanteri, veri kaynak sağlığı ve SLA teşhisi.

02

Hafta 3 — KPI tree + schema

Yazılı KPI tree, metric definitions, ownership; warehouse schema + staging katmanı karar verildi.

03

Hafta 4-5 — dbt modelleri + ilk dashboard

dbt staging + intermediate + marts; ilk 5-8 dashboard publish; stakeholder review.

04

Hafta 6-8 — Alert + cohort + refresh

Eşikli alert sistemi, cohort + retention raporları, dbt Cloud / Airflow refresh pipeline.

05

Ay 3 — MMM train + ilk sonuç

18 aylık historic ile Bayesian MMM; kanal contribution + saturation + ilk bütçe revizyonu tavsiyesi.

06

Ay 4 — Incrementality test protokolü

Geo-holdout veya matched-market framework; ilk test canlıda, sonuç 4-6 hafta sonra.

07

Ay 5 — Data council + self-serve eğitim

Aylık data council rutini başlar; iş birimi için Metabase / Lightdash self-serve eğitim akışı.

08

Ay 6+ — Quarterly refresh + governance

Quarterly MMM refresh, incrementality test cycle, data governance audit; 12. ayda tam devir mümkün.

— ARAÇ YIĞINI

Warehouse'dan BI'a analitik stack

Araç agnostik çalışıyoruz; ama her katmanda en çok değer üreten açık araç seçimleri var. Mevcut stack'inize adapt oluruz.

WAREHOUSE

BigQuery (ekonomik, on-demand)Snowflake (enterprise, ayrık compute)Redshift (AWS stack'inde)Databricks (ML ağırlıklı kullanım)Postgres (küçük-orta ölçek)

MODELLEME & TRANSFORM

dbt (core + cloud)Dataform (GCP native)Coalesce (visual)Airflow / Dagster (orchestration)Fivetran / Stitch / Airbyte (ingestion)

BI & VISUAL

Looker (LookML semantic layer)Metabase (self-hosted self-serve)Lightdash (dbt-native BI)Tableau (enterprise)Hex / Mode (notebook-driven)Looker Studio (quick-win)

ML & MMM

Robyn (Meta açık kaynak MMM)PyMC / Pyro (Bayesian modelleme)scikit-learn (drift detection)Prophet (forecasting)GeoLift (incrementality)Monte Carlo / Great Expectations (data quality)

SIK SORULAR

Sık sorulan sorular

Bazı şirketler için yeter; 10 dashboard altında, cross-table join gerekmeyen, tek kanal odaklı operasyonlarda Looker Studio pratik bir çözüm. Ama 30+ dashboard, versiyonlu veri modeli, role-based erişim ihtiyacı olduğunda Looker / Metabase / Lightdash gerekiyor.

— SÖZLÜK

Analitik terminolojisi

Ekipler arasında aynı terim aynı şeyi anlatınca tartışma kararı hızlandırır; farklı şeyi anlatırsa hızlandırır-şüphesi çoğalır.

01
KPI Tree
Bir işin temel iş çıktısından aşağıya doğru ayrışan metriklerin hiyerarşik ağaç yapısı; her düğüm bir karar tetikleyici.
02
dbt
Data build tool — SQL tabanlı, versiyonlu, test edilebilir veri transformasyonu framework'ü; analytics engineering'in standardı.
03
Semantic Layer
BI aracının arkasındaki ortak metric definitions + business logic katmanı; LookML, Metabase models, Cube gibi araçlarla.
04
Cohort
Belirli bir özelliği paylaşan (kayıt tarihi, acquisition kanalı) kullanıcı grubu; zaman içindeki davranışı analiz edilir.
05
LTV (Lifetime Value)
Bir müşterinin toplam yaşam boyu değeri; gross margin × retention × sipariş sıklığı × sepet değeri.
06
Retention
Kazanılan kullanıcıların belirli bir zaman penceresinde (D1, D7, D30, M1, M3) hâlâ aktif olma oranı. SaaS ve mobil oyunda ürün-pazar uyumunun doğrudan göstergesi; kohort eğrisinin yataylaşması (flat curve) sağlıklı bir ürünün ana imzasıdır.
07
Churn
Belirli bir zaman penceresinde aktif müşteri tabanından ayrılan kullanıcı oranı. Subscription işlerinde MRR'a doğrudan etki eder; e-ticarette repeat-rate'in tersi. Voluntary (vazgeçen) ve involuntary (ödeme reddi) ayrımı yapılır; düşürmek için onboarding, fiyatlama ve lifecycle iletişimi optimize edilir.
08
MMM (Marketing Mix Modeling)
Bayesian istatistikle kanal contribution'ını tahmin eden model; 18-24 aylık historic veri gerektirir.
09
Incrementality
Bir kanal olmasaydı oluşmayacak ek dönüşüm; geo-holdout testleriyle ölçülür, attribution'dan bağımsız.
10
Anomaly Detection
Zaman serisi metriklerinde (KPI, conversion, latency, fraud sinyali) beklenen aralığın dışına çıkan değerleri otomatik tespit eden tekniklerin şemsiyesi. STL decomposition, Prophet, isolation forest, neural OoD modelleri kullanılır; alerting ve gözetim panellerinin bilgi tabanı.
11
Self-Serve Analytics
İş biriminin data team'i beklemeden kendi sorusunu cevaplayabildiği analitik ortam; Metabase, Lightdash, Hex ile.
12
Data Governance
Veri kalitesi, erişim kontrolü, PII yönetimi, retention ve audit politikalarının bütünü; KVKK/GDPR uyumu.
13
ETL / ELT
Extract → Transform → Load (eski) ve Extract → Load → Transform (modern). Kaynaktan veriyi alıp warehouse'a taşıma yaklaşımları. ELT bulut DW'larının ucuz compute'una güvenir; dbt + BigQuery/Snowflake/Databricks kombinasyonu güncel standart.
14
Data Lake
Yapılandırılmış ve yapılandırılmamış (log, image, video, raw event) tüm veriyi şema dayatmadan saklayan merkezi depo. S3, GCS, ADLS üzerinde Parquet/Iceberg/Delta Lake formatları; warehouse'un tamamlayıcısı, lakehouse mimarisinin temeli.
15
Stream Processing
Veriyi batch yerine olay akışı olarak gerçek zamanlı işleyen yaklaşım. Kafka + Flink/Spark Streaming/Kinesis + ksqlDB stack'leri yaygın; fraud detection, real-time personalization, IoT telemetri ve anomaly alerting kullanım senaryoları.
16
Data Contract
Veri üreten ve tüketen ekipler arasında schema, semantik, SLA ve sahiplik üzerinde önceden anlaşılmış sözleşme. dbt + Great Expectations + JSON Schema ile çalıştırılır; "downstream model bozuldu" sürprizinin önündeki en sağlıklı duvar.
17
LLM (Large Language Model)
Milyarlarca parametreli transformer mimarili, devasa metin korpusunda pre-train edilmiş genel-amaçlı dil modeli. GPT-5, Claude, Gemini, Llama; chat, kod, özet, çeviri, retrieval ve agent görevlerinde temel motor — task-specific fine-tune veya prompt eng ile özelleştirilir.
18
Transformer
"Attention Is All You Need" (2017) ile gelen, sıralı verideki uzun-erim ilişkileri self-attention mekanizmasıyla yakalayan sinir ağı mimarisi. RNN ve LSTM'in halefi; her modern LLM'in (GPT, Claude, Llama, Gemini) ve hatta görüntü modellerinin (ViT) altyapısı.
19
Embedding
Bir kelime, cümle, görsel veya kullanıcının yüksek-boyutlu vektör temsili — semantik benzerlik vektörlerin yakınlığıyla ölçülür. Recommendation, semantic search, RAG, clustering, anomaly detection için ortak para birimi; OpenAI ada, Cohere, sentence-BERT yaygın üreticiler.
20
RAG (Retrieval-Augmented Generation)
LLM'in cevap üretmeden önce dış bilgi tabanından (vector DB, doc store) ilgili belgeleri çekip context'e enjekte ettiği mimari. Hallucination'ı azaltır, güncel/private veriyi modele "open-book" olarak vermenin standart yolu — embedding + retriever + LLM üçlüsü.
21
Vector Database
Embedding'leri yüksek-boyutlu vektör uzayında saklayıp ANN (Approximate Nearest Neighbor) algoritmalarıyla milisaniyelerde benzer vektörleri bulan veritabanı. Pinecone, Weaviate, Qdrant, pgvector, Chroma; RAG'in retrieval katmanının asıl motoru.
22
Fine-tuning
Pre-trained bir foundation model'i belirli bir görev veya domain için ek (genelde küçük) etiketli veriyle yeniden eğitme süreci. Full fine-tune, LoRA/QLoRA, instruction-tuning yaygın varyantlar; "ChatGPT için custom asistan" tarzı use-case'lerin altyapısı.
23
LoRA (Low-Rank Adaptation)
Foundation model'in tüm parametrelerini güncellemek yerine küçük "adapter" matrisleri ekleyerek fine-tune yapan parameter-efficient teknik. ~%0.1-1 parametre eğitilir, GPU bellek %70+ azalır; çoklu task için adapter swap modeli serving'i mümkün kılar.
24
RLHF (Reinforcement Learning from Human Feedback)
LLM'in çıktılarını insan değerlendirici tercihiyle hizalamak için kullanılan eğitim sürecinin son aşaması. Reward model + PPO/DPO algoritmasıyla model "yararlı, dürüst, zararsız" çıktıya itilir; ChatGPT'nin alignment'inin temeli.
25
Hallucination
LLM'in olmayan bir kaynağı, gerçeği veya alıntıyı kendinden emin biçimde uydurması. Modelin training data dağılımı dışındaki sorulara güvenle cevap vermesinden kaynaklanır; RAG, citation grounding ve self-consistency check'le azaltılır, sıfırlanmaz.
26
Prompt Engineering
LLM'den istenen çıktıyı almak için prompt'u (talimat + bağlam + örnek + format) sistematik şekilde tasarlama disiplini. Few-shot, chain-of-thought, role assignment, output schema, system prompt; production AI uygulamasının "nasıl konuşulur" katmanı.
27
Context Window
LLM'in tek seferde işleyebildiği token sayısı (girdi + çıktı). GPT-4 8K-128K, Claude 200K, Gemini 1M+ aralığında değişir; uzun belge analizi, çok-turlu konuşma ve agent durumu için kritik kapasite — RAG context window'u büyütmenin alternatif yolu.
28
Function Calling / Tool Use
LLM'in serbest metin üretmek yerine yapılandırılmış JSON ile harici fonksiyonu (API, DB query, kod yürütücü) çağırabildiği yetenek. OpenAI tools, Anthropic tool_use; agent'ların gerçek dünyaya bağlanmasının resmî protokolü.
29
AI Agent
LLM'i karar motoru olarak kullanan, tool calling + memory + plan-execute döngüsüyle çok-adımlı görevleri otonom yürüten yazılım yapısı. ReAct, AutoGPT, Claude/GPT agents, LangGraph; "araştır → plan yap → tool çalıştır → sonuca git" mimarisi.
30
Foundation Model
Geniş ve çeşitli internet ölçeği veride pre-train edilmiş, downstream görevlere transfer edilebilen büyük model — LLM'ler, vision modelleri (CLIP, ViT), multimodal modeller (GPT-4o, Gemini). Üzerine fine-tune, prompt eng veya RAG ile uygulama inşa edilir.
31
Multimodal AI
Aynı modelin metin + görüntü + ses + video gibi birden fazla modaliteyi anlayıp ürettiği AI sistemi. GPT-4o, Gemini, Claude 3.5 vision; OCR, image captioning, video Q&A, ses transkripti, screen-aware agent gibi cross-modal use-case'lerin altyapısı.
32
NLP (Natural Language Processing)
Bilgisayarın doğal dili (Türkçe, İngilizce, vb.) anlama, üretme ve dönüştürme yeteneği üzerine olan AI alt-disiplini. Tokenization, POS tagging, NER, sentiment analizi, makine çevirisi; LLM'ler bu alanın en güçlü genel-amaç araçları.
33
Token
LLM'in işlediği en küçük metin birimi — bir kelime, kelime parçası veya tek karakter olabilir. Tokenizer (BPE, WordPiece, SentencePiece) metni token'a çevirir; OpenAI fiyatlandırma + context window limitleri token sayısı üzerinden konuşulur (1 İngilizce kelime ≈ 1.3 token).
34
Temperature
LLM çıktı dağılımının "rastgeleliğini" kontrol eden parametre — 0 = en olası token (deterministik), 1+ = daha yaratıcı/çeşitli. Kod, JSON, hesap çıktıları için 0-0.3, hikaye/brainstorm için 0.7-1.2 yaygın; top_p ile birlikte ayarlanır.
35
Semantic Search
Anahtar kelime eşleştirmesi yerine sorgu ve dokümanların embedding'lerini karşılaştırarak anlam-bazlı sonuç döndüren arama yaklaşımı. Yazımdan bağımsız, eş anlamlıları yakalar, RAG'in retrieval motoru — vector DB + ANN ile çalışır.
36
Inference
Eğitilmiş bir AI modelinin canlı veri için tahmin/üretim yapma aşaması (training'in tersi). Latency, throughput, cost-per-request, model serving stack (vLLM, TGI, Triton); MLOps'in production tarafının %90'ını oluşturur.
37
OLTP (Online Transaction Processing)
Yüksek hacimli, satır-bazlı, düşük gecikmeli okuma/yazma işlemleri için optimize edilmiş veritabanı yaklaşımı. PostgreSQL, MySQL, MongoDB; e-ticaret sepet, kullanıcı oturumu, rezervasyon gibi canlı uygulama backend'inin standart deposu.
38
OLAP (Online Analytical Processing)
Büyük ölçekli analitik sorgular için optimize edilmiş, kolon-bazlı veritabanı yaklaşımı. BigQuery, Snowflake, Redshift, ClickHouse; aggregation, GROUP BY, time-series üzerine milyonlarca satırı saniyelerde tarar — BI ve dashboard altyapısı.
39
ACID
Transactional veritabanlarının dört garanti seti: Atomicity (hep ya/ya hiç), Consistency (kurallar bozulmaz), Isolation (eş zamanlı işlemler birbirini görmez), Durability (commit'lenen veri kalıcıdır). PostgreSQL, MySQL, Oracle gibi RDBMS'in temel sözleşmesi.
40
BASE
Distributed/NoSQL sistemlerin esnek garanti seti: Basically Available, Soft state, Eventual consistency. ACID'in tersi — kısa süreliğine tutarsızlığa izin verip availability + ölçek lehine takas. DynamoDB, Cassandra, Riak yaklaşımı.
41
Sharding
Bir veritabanını belirli bir anahtara göre (user_id mod 16, zaman aralığı) parçalara ayırıp her parçayı ayrı sunucuda tutma yaklaşımı. Yatay ölçekleme yöntemi; cross-shard JOIN imkânsızlaşır, shard-key seçimi geri-alınamaz mimari karar.
42
Replication
Bir veritabanının tam kopyasını birden fazla sunucuda canlı tutma — okuma yükünü dağıtmak (read replica) ve failover sağlamak için. Async (Postgres streaming) gecikmeli ama hızlı, sync ise tutarlı ama yavaş; her replikasyon stratejisinin tradeoff'u.
43
Eventual Consistency
Distributed sistemde aynı veriye yapılan güncellemenin tüm replica'lara yayılması için zaman gerekmesi — kısa süre boyunca farklı node'lar farklı değer dönebilir. DynamoDB, Cassandra default; bankacılık için kullanılmaz, sosyal media için ideal.
44
CDC (Change Data Capture)
Bir veritabanındaki INSERT/UPDATE/DELETE event'lerini gerçek zamanlı yakalayıp downstream sistemlere (warehouse, search index, cache) aktarma deseni. Debezium, Kafka Connect; replication slot + log tail tabanlı, polling'in modern alternatifi.
45
Star Schema
Veri ambarında merkezi fact tablosunun (örn. orders) etrafına dimension tabloları (customer, product, date) yıldız şeklinde dizildiği modelleme yaklaşımı. BI sorgularında JOIN sayısı az = hızlı; BigQuery, Snowflake için kanonik mimari.
46
Materialized View
Bir SELECT sorgusunun sonucunu fiziksel olarak diske yazıp cache eden veritabanı objesi. Karmaşık aggregation'ı her seferinde yeniden hesaplamak yerine pre-compute eder; refresh stratejisi (manual, scheduled, incremental) tradeoff.
47
Normalization
Veritabanı şemasını redundancy ve veri anomalisini ortadan kaldıracak şekilde tablolar arası ilişkilere bölme süreci (1NF, 2NF, 3NF, BCNF). OLTP için standart; her güncellemenin tek yerde olmasını garantiler, JOIN sayısını artırır.
48
Denormalization
Sorgu performansı için normalize edilmiş tabloları kasıtlı olarak birleştirip redundancy yaratma stratejisi. OLAP/data warehouse için standart; JOIN maliyetini düşürür, tutarsızlık riskini ETL/CDC ile yönetir.
49
Time-series Database
Zaman damgalı metriklerin (CPU usage, IoT sensör, finans tickeri) yüksek hacimde yazılması ve tarih aralığı sorguları için optimize edilmiş veritabanı. InfluxDB, TimescaleDB, Prometheus, ClickHouse; downsampling + retention policy temel özellikler.
50
Iceberg / Hudi / Delta Lake
Object storage (S3, GCS) üzerine "tablo formatı" katmanı ekleyen open-source projeler — schema evolution, ACID, time-travel ve concurrent writer desteği getirirler. Lakehouse mimarisinin standart üç motoru.
51
Data Quality
Veri setinin doğruluk, tamlık, tutarlılık, güncellik ve uniqueness boyutlarında ölçülmesi disiplini. Great Expectations, Monte Carlo, Soda gibi tool'lar testleri otomatize eder; "garbage in, garbage out" probleminin tek savunması.
52
Data Lineage
Bir veri noktasının kaynağından (raw event) son kullanıcıya (dashboard KPI) kadar geçtiği tüm dönüşüm adımlarının izlenebilir grafiği. Atlan, OpenMetadata, dbt docs; "bu KPI nereden geliyor" sorusunun deterministik cevabı + impact analysis.
53
Data Mesh
Merkezi data team yerine domain-bazlı (marketing, finance, product) self-serve veri ürünleri yapısı. Domain ownership + product thinking + federated governance ilkeleri; büyük organizasyonlarda "data ekibi bottleneck" problemine cevap.
54
Data Catalog
Bir organizasyondaki tüm veri varlıklarını (tablo, dashboard, ML model, kolon) arama, açıklama ve sahiplik bilgisiyle indeksleyen merkezi katalog. Atlan, Collibra, OpenMetadata, Amundsen; "bu veri var mı, kim sahip" sorusunun cevabı.
55
Schema Evolution
Veri formatının (Avro, Parquet, JSON) zamanla değişebilmesi ve eski tüketicileri kırmadan yeni alan eklenebilmesi yeteneği. Backward + forward compatibility kuralları, optional field, default value disiplini şart; CDC, event sourcing, lakehouse için kritik.
56
AWS DynamoDB
AWS'in serverless NoSQL key-value + document veritabanı. Tek-haneli ms latency milyarlarca request/sec, otomatik partition, point-in-time recovery, global table (multi-region). Game backend, IoT telemetry, session storage, leaderboard için ideal.
57
GCP Spanner
Google'ın global ölçekli, ACID-uyumlu, horizontal-ölçeklenen relational veritabanı. SQL syntax'ı + DynamoDB'nin scale'i + PostgreSQL'in transaction'ı; multi-region 99.999% uptime; Google Ads/Maps gibi servislerin altyapısı, fintech için ideal.
58
Azure Cosmos DB
Microsoft Azure'un global ölçekli, multi-model NoSQL veritabanı. SQL, MongoDB, Cassandra, Gremlin (graph), Table API'ları aynı engine üzerinde; 5 consistency level (strong → eventual); SLA-bound latency + throughput.
59
Prometheus
Cloud-native monitoring stack'in metrics ayağı. Pull-based scrape modeliyle target endpoint'lerden /metrics toplar; PromQL ile time-series sorgu; Alertmanager ile uyarı kuralları. Kubernetes ve modern microservice mimarilerinde de-facto standart.
60
Grafana
Açık kaynak veri görselleştirme ve dashboard platformu. Prometheus, Loki, Elasticsearch, CloudWatch, Postgres dahil 100+ data source'u tek pane'de birleştirir; alerting, annotation, panel templating; SRE'ler için NOC ekranlarının vazgeçilmezi.
61
Jaeger
CNCF distributed tracing platformu. Microservice'ler arası bir kullanıcı isteğinin tüm hop'larını span'lar halinde toplar; latency bottleneck'lerini, kayıp dependency'leri, hata propagasyonunu görselleştirir. OpenTelemetry standardıyla %100 uyumlu.
62
OpenTelemetry (OTel)
Observability'nin (metrics, logs, traces) tek bir vendor-neutral standart altında toplanması için CNCF projesi. SDK'lar ve auto-instrumentation'larla uygulama kodu Datadog, New Relic, Honeycomb, Jaeger arası taşınabilir hale gelir; vendor lock-in'i kırar.
63
ELK Stack
Elasticsearch + Logstash + Kibana üçlüsü — açık kaynak log toplama, indexleme, görselleştirme stack'i. Logstash ingest, Elasticsearch full-text search index, Kibana dashboard. Yüksek yük altında Loki + Grafana alternatifi popülerleşse de hâlâ çok yaygın.
64
SLI (Service Level Indicator)
Bir servisin sağlığını ölçen sayısal gösterge — başarı oranı, latency p99, availability. SLO'nun ölçüm temeli; "isteklerin %X'i 200ms altında tamamlandı mı?" gibi sorulara objektif cevap verir. Google SRE Book'un temel kavramı.
65
SLO (Service Level Objective)
SLI'nin ulaşılması istenen iç hedef değeri — örn. "p99 latency 30 günde %99.9 oranında 200ms altında". Engineering ekibinin "ne kadar güvenilirlik yeterli" sorusuna cevabı; üzerine error budget kurulur.
66
SLA (Service Level Agreement)
Servis sağlayıcısı ile müşteri arasında imzalanan dış sözleşme; SLO'nun yasal yansıması. SLA ihlal edildiğinde para iadesi/kredi gibi yaptırım vardır. Kural: SLA < SLO < SLI — engineering daha sıkı hedef tutar, müşteri daha gevşek garanti alır.
67
Error Budget
SLO'dan türeyen "ne kadar başarısızlığa izin var" miktarı. %99.9 SLO = %0.1 error budget = ayda ~43 dakika downtime. Budget kalmışsa risk al (yeni release), tükendiyse stabilizasyon moduna gir; SRE'nin innovation/reliability dengesi.
68
Diffusion Model
Görüntüye/sese kademeli gürültü ekleyip sonra geri çıkarmayı öğrenen üretken model ailesi. Stable Diffusion, Midjourney, DALL-E 3, Sora gibi modern image/video generator'ların temel mimarisi. GAN'lara göre çok daha kararlı eğitim, çok daha çeşitli çıktı.
69
GAN (Generative Adversarial Network)
Generator (sahte üreten) ve Discriminator (gerçek/sahte ayıran) iki sinir ağının rekabet ederek eğitildiği üretken model. 2014'te Ian Goodfellow tanıttı; eski deepfake, StyleGAN portreleri, super-resolution arkasındaki teknoloji. Bugün diffusion model'ler tarafından gölgeleniyor.
70
CLIP (Contrastive Language-Image Pre-training)
OpenAI'nin görüntüleri ve onları açıklayan metinleri ortak bir embedding uzayında hizalayan modeli (2021). "Bir kedi resmi" cümlesinin embedding'i gerçek kedi fotoğraflarının embedding'iyle yakın olur. Stable Diffusion'ın text-to-image yönlendiricisi, zero-shot image classification, image search'in temeli.
71
ControlNet
Diffusion model'lerine "ek koşul" ekleyen mimari (2023). Pose, depth map, canny edge, scribble gibi referansla generation'ı yönlendirir; "şu pose'da ama kıyafetler farklı" gibi spesifik kontroller mümkün hale gelir. Stable Diffusion ekosisteminin en kullanılan eklentilerinden biri.
72
Adapter Tuning
Büyük dil modelinin tüm parametrelerini yeniden eğitmek yerine küçük "adapter" katmanları ekleyerek fine-tune etme yaklaşımı. LoRA, QLoRA, IA³ gibi varyantlar; orijinal modelin <%1'i kadar parametre eğitilir, GPU maliyeti dramatik düşer.
73
PEFT (Parameter-Efficient Fine-Tuning)
70B parametreli bir LLM'i full-fine-tune etmek yerine küçük bir parametre alt kümesi eğitme yaklaşımlarının şemsiye terimi. LoRA, prompt tuning, prefix tuning, adapter tuning hepsi PEFT. HuggingFace'in peft kütüphanesi standart araç.
74
Quantization (LLM)
Modelin float32/float16 ağırlıklarını int8, int4, hatta int2'ye sıkıştırma tekniği. Bellek kullanımı 4-8x düşer, inference 2-3x hızlanır, kalite kaybı genelde küçük. Llama.cpp, GGUF formatı, AWQ ve GPTQ algoritmaları yaygın araçlar.
75
Knowledge Distillation
Büyük "teacher" modelin davranışını küçük "student" modele aktarma tekniği. Teacher'in soft probability output'unu hedef alarak student daha az parametre ile yakın doğruluk yakalar. DistilBERT, TinyLlama, Phi-3 gibi küçük modellerin sırrı.
76
Mixture of Experts (MoE)
Tek monolitik model yerine, her token'ı küçük "uzman" alt-modellerden seçilen bir veya iki tanesine yönlendiren mimari. Mixtral 8x7B, GPT-4, DeepSeek'te kullanılır; aktif parametre sayısı düşer, kapasiteyi yüksek tutarken inference maliyetini azaltır.
77
Speculative Decoding
LLM inference'ı hızlandıran teknik: küçük "draft" model birkaç token tahmin eder, büyük "target" model bunları paralel doğrular ve doğru olanları kabul eder. 2-3x hızlanma sağlar, çıktı kalitesi aynı kalır. vLLM, llama.cpp'de standart.
78
KV Cache
Transformer attention katmanlarının önceki token'lar için hesapladığı Key ve Value matrislerini bellekte tutma optimizasyonu. Her yeni token sadece kendi K/V'sini hesaplar, geçmişi tekrar etmez. Inference'ı 10-100x hızlandırır; uzun context'te bellek darboğazı olur.
79
Attention Head
Transformer'da paralel çalışan birden çok küçük attention mekanizmasından her biri. Her head input'un farklı bir yönüne odaklanır: biri syntax, biri pozisyon, biri uzun-mesafe ilişki. GPT-4 gibi modellerde katman başına 96+ head var; multi-head attention'ın yapı taşı.
80
BPE Tokenizer (Byte-Pair Encoding)
Metni en sık geçen alt-kelime parçalarına bölen tokenization algoritması. "tokenization" → "token" + "ization" gibi. GPT serisi, LLaMA, Mistral hep BPE varyantı (tiktoken, SentencePiece) kullanır; vocabulary boyutu sabit (~32K-128K), OOV (out-of-vocabulary) sorunu çözülür.
81
DPO (Direct Preference Optimization)
RLHF'in basitleştirilmiş alternatifi. Reward model + PPO kompleksitesi yerine, "tercih edilen vs reddedilen" yanıt çiftleri üzerinde direkt logistic regression. Stanford 2023; daha kararlı, daha az hyperparameter, Llama 3 dahil birçok modelin alignment'ında tercih edilir.
82
Constitutional AI
Anthropic'in 2022'de tanıttığı, modeli insan reviewer'lar yerine yazılı bir "anayasa" (etik prensipler listesi) ile hizalama yöntemi. Model kendi çıktılarını anayasaya göre eleştirip iyileştiriyor; Claude'un alignment temeli, "RLAIF" (Reinforcement Learning from AI Feedback) yaklaşımı.
83
Chain-of-Thought (CoT)
LLM'e cevap vermeden önce "adım adım düşün" diyerek ara mantığı yazdırma prompting tekniği. 2022 Google paper'ı ile tanıtıldı; matematik, mantık, multi-step soru başarımını dramatik artırır. "Let's think step by step" sihirli cümle. Modern reasoning model'lerinin (o1, DeepSeek-R1) temeli.
84
Few-Shot Prompting
LLM'e prompt içinde 2-5 örnek (input → output çifti) verip, modelin yeni input için aynı pattern'ı uygulamasını sağlama tekniği. Fine-tune gerekmeden hızlı adapte olma; "şu örneklerdeki gibi cevapla" yaklaşımı. Class label'lı text classification, formatted extraction için en pratik çözüm.
85
Zero-Shot Prompting
LLM'e tek bir örnek vermeden direkt görev tarif edilen prompting yaklaşımı. "Bu metni Almancaya çevir" gibi. Modelin pre-training'inden gelen bilgiye dayanır; yeni nesil büyük modellerde (GPT-4, Claude) çoğu görev için yeterli.
86
Grounding (LLM)
LLM'in cevabını dış bilgi kaynağına (doküman, veritabanı, web search) "demirleyerek" üretme tekniği. Saf parametrik bilgi yerine retrieved context kullanılır; hallucination dramatik düşer, citation eklenebilir, knowledge update gerçek zamanlı olur.
87
Structured Output (LLM)
LLM'in çıktısını tanımlı bir JSON schema, Pydantic model veya regex'e zorlama özelliği. OpenAI structured outputs, Anthropic tool use, vLLM grammar-constrained sampling. Free-form text'ten production'a uygun deterministic veri akışına geçişin anahtarı.
88
Tool Use (Agent)
LLM'in dış araçları (web search, code interpreter, calculator, custom API) çağırma yeteneği. Function calling protokolü ile model "tool name + parametreler" döner, runtime çalıştırır, sonucu modele geri verir. Agent mimarilerinin (Claude Agent SDK, AutoGen, LangGraph) çekirdeği.
89
Cross-Modal Embedding
Farklı modaliteleri (metin, görüntü, ses) aynı vektör uzayında temsil eden gömme. CLIP image+text, ImageBind text+image+audio+video+depth+thermal+IMU. Multimodal search ("bu fotoğrafa benzer pazarlama metni getir"), cross-modal retrieval, RAG'e medya eklemek için kritik.
90
Hybrid Search (BM25 + Vector)
Klasik anahtar-kelime aramayı (BM25/lexical) vektör similarity ile birleştiren retrieval stratejisi. Sayısal ID, ürün kodu gibi tam eşleşme istenen sorgularda BM25 üstün, semantic ("nasıl iade ederim" → "return policy") sorularda vektör üstün. Modern RAG'in altın standardı.
91
Data Fabric
Dağıtık veri kaynaklarını (cloud, on-prem, SaaS) tek mantıksal veri katmanında birleştiren entegre mimari. Metadata-driven, AI-augmented; data mesh'in "sorumluluk dağıtımı" yaklaşımına alternatif olarak "merkezî entegrasyon" çözümü sunar. Talend, Informatica, IBM Cloud Pak başlıca ürünler.
92
Medallion Architecture
Databricks'in popülerleştirdiği data lake organizasyon paterni — Bronze (ham), Silver (temizlenmiş, conformed), Gold (business-ready, agregeli) katmanları. Her katman bir önceki üzerine kurar; data lineage, kalite ve yeniden işleme net şekilde ayrılır.
93
Apache Spark
In-memory dağıtık veri işleme motoru. Hadoop MapReduce'un 10-100x hızlı halefi; SQL, streaming, ML (MLlib), graph (GraphX) tek API'de. Databricks'in çekirdeği, AWS EMR, GCP Dataproc, Azure HDInsight'ta managed; PySpark Python API'siyle data engineer'ların ana aracı.
94
Apache Flink
True streaming (event-by-event) işleme motoru. Spark Streaming'in micro-batch yaklaşımına karşı milisaniye latency, exactly-once semantics ve stateful processing sunar. Alibaba, Uber, Netflix'te real-time fraud detection ve anomaly detection arkasında.
95
Kafka Connect
Apache Kafka'nın source/sink connector framework'ü. Postgres, MySQL, S3, Elasticsearch, Snowflake gibi 100+ sistemden Kafka'ya CDC veya batch ingestion; Kafka'dan dış sistemlere streaming export. Confluent'in 1000+ connector kataloğu standart referans.
96
Singer
Stitch (şimdi Talend) tarafından açık kaynak yapılan, "tap" (extract) ve "target" (load) arasında JSON akışıyla veri taşıma protokolü. Modüler, vendor-bağımsız ELT framework'ü; Meltano gibi açık kaynak ELT platformlarının çekirdeği.
97
Apache Airflow
Python ile DAG (Directed Acyclic Graph) tanımlanan iş akışı orkestrasyon platformu. Airbnb 2014'te yarattı, sonra Apache foundation'a verdi. Scheduling, retry, dependency yönetimi, web UI ile gözlem; data pipeline'larında de-facto standart.
98
Dagster
Modern, asset-tabanlı data orchestration framework'ü. Airflow'un task-merkezli yaklaşımının aksine "data asset"'lere odaklanır; data lineage, type-checking, software-defined assets, integrated testing built-in. dbt, Fivetran, Snowflake entegrasyonları yerleşik.
99
Prefect
Pythonic, dinamik DAG'lı modern data orkestrasyon aracı. Airflow'un static-DAG kısıtlamasını çözer; flow'lar runtime'da değişebilir, hybrid execution (cloud + self-hosted), retry policy granüler. ML pipeline'larda da popüler.
100
Snowflake
Cloud-native managed data warehouse. Compute (warehouse) ve storage tamamen ayrılmış mimari, ayrı ayrı ölçeklenir. SQL üzerine semi-structured (JSON, Parquet) sorgu, secure data sharing, time travel (90 gün geri); BigQuery + Redshift'e güçlü rakip.
101
BigQuery
Google Cloud'un serverless, columnar, petabyte-scale veri ambarı. Kullandığın slot başına öde modeli; SQL üzerinden ML model eğitimi (BQML), GA4'ün native export hedefi, geo, JSON ve PARTITION/CLUSTER optimizasyonları yerleşik. GCP analytics stack'inin merkezi.
102
Databricks
Apache Spark yaratıcılarının kurduğu lakehouse platformu. Bronze/Silver/Gold (medallion) yaklaşımı, Delta Lake, MLflow, Unity Catalog, notebook-tabanlı workspace tek üründe. Data engineer + analyst + ML engineer collaboration için tasarlandı; AWS, Azure, GCP'de native.
103
Apache Iceberg
Petabyte-scale veri için open-table format (Netflix kökenli). ACID transaction, schema evolution, time travel, hidden partitioning, branching özelliklerini Parquet üzerine ekler. Snowflake, Databricks, BigQuery, Trino destekler; "veri ambarı kilidi"ne karşı standart.
104
Delta Lake
Databricks'in geliştirdiği, Apache Iceberg'ün rakibi open-table format. ACID, time travel, schema enforcement, MERGE/UPDATE/DELETE; özellikle Spark ekosisteminde sıkı entegrasyon. Lakehouse mimarisinin Databricks ayağında varsayılan format.
105
Parquet
Columnar storage formatı — her kolon ayrı bloklarda saklanır. Sadece gerekli kolon okunur, predicate pushdown destekler, Snappy/Zstd ile yüksek sıkıştırma. Spark, Iceberg, Delta, Snowflake için varsayılan dosya formatı; row-based CSV/JSON'a göre 10-100x daha hızlı analitik.
106
Apache Avro
JSON-tanımlı schema'ya sahip binary serialization formatı. Schema evolution (forward/backward compatibility) güçlü; özellikle Kafka mesaj payload'larında popüler. Schema Registry ile birlikte kullanılır; Parquet'in row-oriented muadili.
107
Schema Registry
Avro/Protobuf/JSON schema'larını merkezi olarak saklayan, versiyonlayan ve uyumluluk kontrolü yapan servis. Confluent'in Kafka stack'inin parçası; producer-consumer schema sözleşmesini garanti eder, breaking change'leri prod'a çıkmadan yakalar.
108
Window Function (SQL)
Bir satır kümesi (window) üzerinde hesap yapan SQL fonksiyonları. ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, SUM/AVG OVER (PARTITION BY...). GROUP BY'in aksine satırlar agregeli hale gelmez, her satır kendi sonucunu alır. Time-series, ranking, running total'larda vazgeçilmez.
109
ELT (Extract, Load, Transform)
Klasik ETL'in tersi: ham veriyi önce ambara/lake'e yüklersin, sonra warehouse içinde SQL/dbt ile dönüştürürsün. Modern cloud DWH'ların ucuz storage + güçlü compute yapısıyla varsayılan paradigma; ELT, transform mantığını veri analistlerine yaklaştırır.
110
Feature Store
ML modellerinin tükettiği feature'ları (geçmiş + gerçek zamanlı) merkezi olarak saklayan ve sunan platform. Training-serving skew sorununu çözer; offline (batch) ve online (low-latency) feature view'ları aynı tanımdan üretir. Feast, Tecton, Hopsworks başlıca araçlar.
111
MLOps
Machine learning model'lerinin geliştirme, eğitim, deploy, izleme ve yeniden eğitim döngüsünü otomatize eden disiplin. DevOps'un ML'e uygulanmış hali; experiment tracking (MLflow), model registry, CI/CD for models, drift detection, retraining pipeline'lar.
112
OpenLineage
Açık standart data lineage spesifikasyonu (LF AI & Data). Airflow, Spark, dbt, Flink dahil tüm araçların aynı format'ta lineage event'i emit etmesini sağlar. Marquez, Datakin, Astronomer'da entegrasyon vardır; vendor-bağımsız metadata akışının taşıyıcısı.
113
Great Expectations
Açık kaynak data quality / validation framework'ü. "expect_column_values_to_be_unique", "expect_column_mean_to_be_between" gibi binlerce hazır kontrol; Airflow/dbt pipeline'larına gömülür; data docs (HTML rapor) otomatik üretir.
114
Apache Atlas
Hadoop ekosisteminden çıkmış open-source metadata yönetim ve data governance aracı. Tag-based access control, lineage graph, business glossary, classification (PII/PCI). Hortonworks/Cloudera kurumsal stack'inde standart; modern alternatif Amundsen, DataHub.
115
Lambda Architecture (Data)
Real-time + batch sonuçları birleştiren veri mimarisi. Speed layer (Storm/Flink) low-latency yaklaşık sonuç üretirken batch layer (Spark/Hadoop) doğru ama yavaş sonucu hesaplar; serving layer ikisini birleştirir. AWS Lambda servisiyle karıştırılmamalı; günümüzde Kappa architecture'a evriliyor.
116
Differential Privacy
Bireysel kayıtların gizliliğini korurken populasyon istatistiklerine güvenli erişim sağlayan matematiksel framework. Sorgu sonucuna kalibre edilmiş gürültü eklenir; saldırgan tek bir kişinin verisette olup olmadığını tespit edemez. Apple iOS keyboard, Google Play, US Census 2020 kullanır.
117
Federated Learning
Veriyi merkezî sunucuya taşımadan, kullanıcıların cihazlarında lokal model eğitip sadece gradient/ağırlık güncellemelerini sunucuya gönderme tekniği. Google Gboard auto-suggest, Apple Siri, sağlık datasında gizlilik koruyan ML'in temel paradigması.
118
On-Chain Analytics
Blockchain'in public transaction verisinden insight çıkarma disiplini. Wallet aktivitesi, token holder concentration, exchange flow, smart-money tracking, NFT volume. Dune Analytics (SQL on-chain), Nansen (label'lı address), Glassnode, Arkham önemli platformlar.
119
Oracle (Blockchain)
Off-chain dünyadaki veriyi (fiyat, hava durumu, spor sonucu, IoT sensör) on-chain smart contract'a güvenilir şekilde getiren köprü servisi. Chainlink en yaygın; Pyth, Band, RedStone alternatifler. DeFi liquidation, sigorta, prediction market'lerin hayati altyapısı.
120
Brand Lift Study
Reklam kampanyasının ad-recall, brand awareness, message association, purchase intent gibi marka metriklerine etkisini kontrol grubu / exposed grup karşılaştırması ile ölçen çalışma. Meta, YouTube, TikTok native sunar; CPM tipik $5-15.
121
Incrementality Test
Reklamın gerçekten ekstra dönüşüm yaratıp yaratmadığını "olmasaydı baseline" ile karşılaştıran test. PSA placebo ad, ghost bid, geo holdout metodları; klasik attribution'ın "her conversion ben yaptım" yanılsamasını çözer. Modern paid media ROI ölçümünün altın standardı.
122
Geo Holdout Test
Belirli bir coğrafyada (örn. New York eyaleti) reklam kapatıp diğer eyaletlerde sürdürerek incremental impact ölçen quasi-experiment. Cookie'siz, identifier-free, ATT-proof; matched markets metodu (synthetic control) modern marketing science'ın standardı.
123
MTA (Multi-Touch Attribution)
Bir conversion'a katkı sağlayan tüm touchpoint'leri (reklam, email, organic, direct) ağırlıklı olarak puanlayan model. Linear, time-decay, position-based, data-driven yöntemler; cookie deprecation + ATT MTA'nın doğruluğunu zayıflattı, MMM + incrementality kombinasyonu daha sağlıklı.
124
Data-Driven Attribution (DDA)
Last-click yerine machine learning'le her touchpoint'in marjinal katkısını öğrenen attribution modeli. Google Ads + GA4'ün varsayılanı; Shapley value tabanlı; aynı stage'de farklı kanal performanslarını adil karşılaştırır. Klasik rule-based modellerin yerini aldı.
125
View-Through Conversion (VTC)
Reklamı gören (ama tıklamayan) kullanıcının sonraki bir oturumda dönüşüm yapması. Display + video kampanyalarda dönüşüm hacminin %30-60'ı VTC olabilir; doğru değerlendirilmezse channel'ı ya overstate ya understate edersin. Click-only attribution'dan farkı kritik.
126
Attribution Window
Tıklama veya görüntüleme sonrası dönüşümün hangi reklama sayılacağı zaman aralığı. Click 7 gün, view 1 gün eski standart; iOS 14.5'le 7-day click + 1-day view + same-day view ATT default. Window kısaldıkça channel'ler conversion alır gibi görünmüyor.
127
Retention Curve (S-Curve)
Bir kohortun retention'ının zamanla bir noktaya plateau (durağan) yapması beklenen pattern. Sağlıklı app'te eğri 90 günden sonra düz olur, viral / habit-forming app'te yatay; düşmeye devam ederse PMF zayıf demektir. Andrew Chen'in "smiling curve" analizi modern referans.
128
Activation Rate
Kayıt olan kullanıcıların ilk değerli action'ı tamamlama oranı. Slack'te "ilk mesajı gönderen %40", Notion'da "ilk page yaratan %50", Spotify'da "ilk şarkıyı çalan %85". Activation oranı PMF + onboarding kalitesinin doğrudan göstergesi; LTV korelasyonu yüksek.
129
TTV (Time-to-Value)
Kullanıcının ilk gerçek değer (aha-moment) yaşaması için geçen süre. Linear'da 30 saniye, Figma'da 5 dakika, Slack'te 1 hafta. TTV ne kadar kısa, retention o kadar yüksek; modern onboarding'ün tek kuzey yıldızı.
130
Activation Metric (Aha-Moment Metric)
"Kullanıcı şu N action'ı şu T süresinde yapmışsa retain olur" şeklinde, data-driven olarak çıkarılan eşik. Facebook "10 arkadaş 14 günde", Slack "2K mesaj", Twitter "30 follow". Tüm onboarding bu metrik için optimize edilir; growth team'in kuzey yıldızı.
131
pLTV (Predictive LTV)
İlk birkaç event'ten (sign-up, purchase, day-1 session, IAP) hareketle 30/90/365 günlük LTV'yi machine learning ile tahmin etme. SKAdNetwork sonrası iOS attribution'ın temel çözümü; AppsFlyer, Adjust, Singular pLTV pazarlama optimizasyonuna gömüldü.
132
Uplift Modeling
Bir interventionın (kupon, push, email) hangi kullanıcı segmentinde net ekstra etki yaptığını öğrenen ML yaklaşımı. "Persuadable" segmenti bulup geri kalanı boş yere rahatsız etmemek; T-learner, X-learner, causal forest algoritmaları. CRM kampanya ROI'ını 2-3x büyütür.
133
Crashlytics / Sentry Mobile
Mobile crash + ANR + JS error'ları toplayan, stack trace + device + breadcrumbs ile gruplayan platformlar. Firebase Crashlytics (Google, ücretsiz), Sentry, Bugsnag, Embrace alternatifler. Crash-Free Users %99.5+ hedef; %99 altı App Store rating'i öldürür.
134
Mobile APM (Application Performance Monitoring)
Mobile uygulamanın gerçek-cihaz performansını ölçen platform: app startup time, screen render time, network request, memory, battery usage, ANR. Firebase Performance, New Relic Mobile, Embrace, Datadog Mobile RUM seçenekler. Crash dışı UX problemlerini ortaya çıkarır.
135
Headless BI
Görselleştirme katmanı olmayan, tüm metric + dimension hesaplarını API + GraphQL üzerinden sunan analytics motoru. Cube, GoodData, AtScale; output'u Tableau, Looker, Notion, Hex, Excel, custom React app her tüketebilir. "BI tool monogamy"sini kıran modern paradigma.
136
Metric Layer
Semantic layer'ın metric-only versiyonu — şirket için "tek doğru" metric tanımlarını YAML / SQL'de tutan abstraction. Slack'in Spectacles, Airbnb'nin Minerva, dbt Semantic Layer örnekler. "Aktif kullanıcı" tanımı Marketing'de %15, Finance'da %10 ise dağılma kaynağı buradadır.
137
Data Activation
Warehouse'daki insight'ı operasyonel sistemlere (CRM, ad platform, support tool, in-app messaging) gönderme süreci. Reverse ETL bunun teknik yolu; "data analytics" ile "marketing automation" arasındaki köprü. Census, Hightouch, Polytomic lider araçlar.
138
Composable CDP
Tek-vendor CDP (Segment, mParticle) yerine warehouse'unu (Snowflake, BigQuery) merkez yapan, üzerine sadece ihtiyaç duyduğun katmanları (audience, real-time activation, identity resolution) parça parça ekleyen yaklaşım. Hightouch + Census + RudderStack + Snowplow tipik composable CDP yığını.
139
Operational Analytics
Analytics çıktısının dashboard'da kalmayıp operasyonel sistemde "action" tetiklemesi prensibi. "Bu kullanıcı 7 gündür inactive" insight'ı dashboard'da değil Klaviyo win-back flow'unda görünür. Reverse ETL'in iş tarafı; "actionable analytics"in modern hali.
140
Looker LookML
Looker'ın YAML-benzeri data modeling DSL'i. Veritabanı tablolarını "view"e, ilişkileri "explore"a, metric'leri "measure"a çevirir; SQL üreten kod-merkezli bir BI yaklaşımı. Tüm analist tek dilden konuşur, version control + git workflow yerleşir; modern data team'in lingua franca'sı.
141
Mode Analytics
SQL + Python notebook + dashboard'u tek üründe birleştiren BI platformu (ThoughtSpot 2023 satın aldı). Data analist için sweet-spot: SQL ile sorgu, Python ile ML, sonra paylaşılabilir dashboard. Tableau'nun GUI-only yaklaşımına alternatif power-user tarafı.
142
Hex (Notebook BI)
2020 kuruluşlu, SQL + Python + No-code interaktif app'i tek yerde sunan analytics platformu. Notebook formatı + Magic AI + paylaşılabilir app build'i; data scientist + analyst + business stakeholder ortak alanı. Modern hibrit BI'ın yıldızı.
143
Sigma Computing
Spreadsheet-benzeri arayüzünü Snowflake/BigQuery üzerine oturtan modern BI platformu. Kullanıcı SQL bilmeden Excel-tarzı pivot, formula, "what-if" analiz yapabiliyor; ama altyapı warehouse-native. Finans + ops ekiplerinde Looker'a güçlü rakip.
144
Streamlit
Python-tabanlı, 100 satırlık script'le interaktif web app yazmaya yarayan açık kaynak framework (Snowflake 2022'de satın aldı). Data scientist'ın internal tool, prototype, ML demo paylaşmasının ana yolu; Plotly Dash, Gradio yakın rakipler.
145
Snowflake Streams & Tasks
Snowflake'in change-data-capture (Stream) + scheduled SQL execution (Task) ikilisi. Stream tablodaki insert/update/delete'leri offset-tabanlı kuyruğa koyar, Task bunları periyodik işler. ELT pipeline'lar Airflow olmadan Snowflake-native otomasyon kazanır.
146
dbt Tests
dbt model'lerine yazılan veri kalitesi assertion'ları: not_null, unique, accepted_values, relationships, custom SQL. CI pipeline'ında çalışır, model build'inden önce data'yı doğrular. dbt-utils + Great Expectations entegrasyonu ile test paketi zenginleştirilebilir.
147
dbt Snapshots
Slowly Changing Dimension Type 2'yi dbt-native şekilde uygulayan özellik. Mutable kaynak tablo (ör. orders.status değişti) için her snapshot run'ında dbt_valid_from/to kolonlarıyla geçmiş hali korunur. Audit history + "şu tarihte ne haldeydi" sorgu için temel.
148
Materialization Strategy (Table / View / Incremental / Ephemeral)
dbt model'inin warehouse'da nasıl saklanacağı kararı. View: ucuz ama her sorguda hesaplar, küçük veri için; Table: full re-build, orta-küçük için; Incremental: sadece yeni satırları ekler, büyük veri için; Ephemeral: CTE olarak inline'lanır, kalıcı output yok.
149
SCD (Slowly Changing Dimension)
Müşteri, ürün, çalışan gibi yavaş değişen boyutların tarihçesini saklama paterni. Type 1: sadece son halini tut; Type 2: her değişiklikte yeni satır + valid_from/to (tarihçe korunur); Type 3: tek-önceki-değer kolonu. Modern data warehouse + dbt snapshot ile SCD2 default.
150
Idempotent Pipeline
Aynı input ile çalıştığında aynı output'u veren ve tekrar çalıştırıldığında yan etki yaratmayan ETL/ELT pipeline. Backfill, retry, late-arriving data senaryolarında veriyi bozmamasının garantisi. MERGE, primary key dedup, transaction ile sağlanır.
151
Backfill Strategy
Geçmiş veri için pipeline'ı yeniden çalıştırma planı. Tarih aralığı parametrize edilir, partition'lar batch'ler halinde yeniden hesaplanır; idempotent pipeline + atomic write + concurrency control şart. Yanlış backfill = production data kaybı; staging'de denedikten sonra prod.
152
dbt Layers (Staging / Intermediate / Marts)
dbt projelerinin önerilen 3-katmanlı modeling pattern'i. Staging: kaynak başına 1:1 temizlenmiş tablo (rename, cast, dedup); Intermediate: business logic'in build-block'ları; Marts: business-ready, dim/fact yapıda final layer. Tutarlılık + reuse + DAG temizliği kazandırır.
153
Source Freshness
dbt'nin kaynak tabloların ne kadar zamandır güncellenmediğini izleme özelliği. dbt source freshness komutu warning + error eşikleri (12 saat warn, 24 saat error gibi) tetikler; pipeline kırılmadığı halde stale data'yı yakalar. Operasyonel gözcü.
154
OBT (One Big Table)
Star schema'ya alternatif modeling yaklaşımı — tüm dim'leri fact tablosunun yanına denormalize et, tek wide tablo (50-200+ kolon) yarat. Snowflake / BigQuery gibi columnar warehouse'larda join maliyeti yüksek; OBT analyst için daha hızlı, performans için optimal.
155
Cube.js
Açık kaynak headless BI motoru. SQL üreten + cache'leyen + REST/GraphQL API sunan + Snowflake/BigQuery/Postgres üzerine oturan motor. Front-end developer'ın kendi dashboard'unu yazmasını mümkün kılar; Tableau/Looker'a alternatif developer-friendly seçim.
156
Snowpark
Snowflake'in Python / Scala / Java DataFrame API'si. Veriyi warehouse'dan dışa aktarmadan, ML training, complex transform, UDF, stored procedure çalıştırma imkanı. Modin + pandas-on-Snowflake ile data scientist'a yerel deneyim verir; data movement'i sıfıra indiren modern hareket.
157
Polars
Rust'la yazılmış, multi-thread + columnar (Arrow) DataFrame kütüphanesi. Pandas'tan 5-30x hızlı, lazy evaluation + query optimization yerleşik. Modern data analyst'in pandas yerine geçen tercihi; Python, R, JS, Rust binding'leri var.
158
DuckDB
In-process columnar OLAP veritabanı (SQLite'ın analytics versiyonu, MotherDuck cloud uzantısı). Tek dosya, tek process; pandas DataFrame'i veya Parquet'i SQL ile sorgular. Local laptop'ta milyar satırı 30 saniyede inceler; modern data analyst'in günlük iş arkadaşı.
159
LLM Eval Harness
LLM'in çeşitli görevdeki performansını otomatik ölçen test framework'ü. Helm, lm-eval-harness, BigBench, HELM Lite örnekler; MMLU, HumanEval, GSM8K, ARC gibi standart benchmark'ları çalıştırır. Yeni model lansmanı / regression test'i için zorunlu altyapı.
160
Prompt Eval
Belirli bir prompt'un kalitesini sistematik olarak ölçen test seti. 50-500 input × beklenen çıktı çiftinde otomatik scoring (LLM-as-judge, BLEU, ROUGE, exact match). Production prompt değişikliğinde regression yakalamak için zorunlu; PromptLayer, Langfuse, Braintrust araçlar.
161
Golden Dataset
Manuel olarak doğrulanmış, "doğru cevap" olarak referans alınan test veri seti. Eval harness'ın input'ları + expected output'lar burada yaşar; LLM güncellemesi sonrasında bu set'e karşı skorlanır. Domain expert'inin kontrol ettiği 200-2000 örnek tipik boyut.
162
Faithfulness (RAG)
RAG sisteminin ürettiği cevabın retrieved context'e ne kadar sadık kaldığının ölçüsü. LLM hallucination üretip context dışına çıkarsa faithfulness düşer; LLM-as-judge ile her sentence için "context'te destek var mı" check'i yapılır. RAGAS, TruLens framework metric'i.
163
Answer Relevance (RAG)
LLM'in verdiği cevabın user sorgusuyla ne kadar ilgili olduğu skoru. Doğru ama soruyla alakasız ("Güzel hava bugün, ama paris'in başkenti Paris") cevabı yakalamak için. Cosine similarity (cevap embedding ↔ soru embedding) veya LLM-as-judge ile ölçülür.
164
Context Precision / Recall (RAG)
RAG'in retrieval kalitesinin iki metric'i. Precision: getirilen chunk'ların kaç tanesi gerçekten ilgili; Recall: gerçek alakalı chunk'ların kaç tanesi getirildi. Düşük precision = noise, düşük recall = bilgi kaybı. RAGAS, ARES gibi framework'lerde otomatik ölçüm.
165
Model Routing
Soruyu zorluk / latency / maliyet bütçesine göre farklı LLM'lere yönlendiren akıllı katman. Basit sorular Haiku/3.5-mini'ye, karmaşık sorular Opus/4.5'e gider. OpenRouter, Portkey, Martian gibi servisler routing-as-a-service sunar; ortalama maliyeti 5-20x düşürür.
166
Cascading Models
Pipeline'da küçük + ucuz model önce dener; eşik altında confidence varsa veya structured failure varsa büyük + pahalı modele yükseltir. Model routing'in fail-over varyantı; LLM uygulamasında %80 trafik %20 maliyetle çözülür ama kalite kaybolmaz.
167
RAG Reranker
Vector retrieval'ın getirdiği top-50 chunk'ı LLM-as-judge veya cross-encoder ile yeniden sıralayan ikinci aşama. Cohere Rerank, BGE-Reranker, Jina Reranker yaygın; precision'ı %20-40 yükseltir, retrieval-faithfulness metric'ini iyileştirir.
168
Chunk Strategy
RAG için doküman parçalama yaklaşımı. Fixed-size (512 token), recursive character (paragraph, sentence boundaries), semantic chunking (embedding-based segmentation), markdown-aware. Yanlış chunk = düşük retrieval precision; chunk size + overlap RAG kalitesini doğrudan etkiler.
169
Embedding Drift
Üretim ortamındaki gerçek user query embedding'inin RAG corpus'unun embedding dağılımından zaman içinde uzaklaşması. Yeni argo, ürün, terim eklendikçe drift artar; retrieval recall düşer. Quarterly embedding regeneration + new-data-aware reindex çözüm.
170
HNSW Index (Hierarchical Navigable Small World)
Vector veritabanlarının çoğunda kullanılan ANN (Approximate Nearest Neighbor) indeks algoritması. Multi-layer graph yapısı; trilyonlarca embedding'e milisaniye latency sağlar. Pinecone, Weaviate, Qdrant, Milvus, pgvector default seçimi.
171
ANN (Approximate Nearest Neighbor)
Tam doğru en yakın vektörü bulmak yerine "yeterince doğru" sonucu hız + bellek tasarrufuyla bulan algoritma sınıfı. HNSW, IVF, PQ, ScaNN örnekler; recall %95 ile latency 1000x düşürmek mümkün. Vector search'in motoru.
172
Model Card
Bir AI modelinin amacı, training data'sı, performance, sınırları, etik kaygıları, fair-use senaryolarını dokümante eden standart kart (Google 2019). Foundation model lansmanlarında zorunlu hale geldi; transparent AI development'in temeli.
173
AI Observability
Production LLM uygulamalarının trace + cost + latency + quality metric'lerini izleyen platform. Langfuse, LangSmith, Helicone, Arize Phoenix, WhyLabs araçlar; her LLM call'u (prompt + response + tokens + cost + eval-skor) loglar. Klasik APM'in LLM-özel halefi.
174
Matchmaking (ELO / MMR)
PvP oyunlarda oyuncunun beceri seviyesine göre rakip eşleme algoritması. ELO (satrançtan), Glicko, TrueSkill, MMR (Match Making Rating) varyantları. Yeni oyuncu için "smurf protection", uzun bekleme için "skill-relax" tradeoff'u; League of Legends, Valorant, Dota 2 temel sistemi.
175
ARPDAU (Average Revenue Per Daily Active User)
Günlük aktif kullanıcı başına ortalama gelir. Casual mobil oyunda $0.05-0.20, mid-core'da $0.20-0.80, hardcore RPG'de $1+. Live ops kararlarının kuzey yıldızı; LTV pLTV ile çiftleştirildiğinde paid acquisition bütçesinin temeli.
176
Whales / Dolphins / Minnows
F2P oyunlardaki harcama segmentleri. Whale: $1000+ harcayan top %1; Dolphin: $50-1000 harcayan %5-10; Minnow: $1-50 harcayan %15-30; Free-rider: hiç ödemeyen %60-80. Pareto distribution; whales gelirin %70+'ını yapar — onları kaybetmek = ölüm.
177
Scope 1 / Scope 2 / Scope 3 Emissions
GHG Protocol'un karbon emisyonlarını üç kategoride sınıflandırması. Scope 1: doğrudan emisyon (fabrika boilerı, şirket aracı); Scope 2: satın alınan elektrik / ısı / soğutma; Scope 3: tedarik zinciri + ürün ömrü (en büyük dilim, %75-85). ESG raporlamasının iskeleti.
178
Carbon Footprint
Bir kişi, ürün, şirket veya etkinliğin yaşam döngüsü boyunca neden olduğu sera gazı emisyonlarının toplamı (CO2-eq cinsinden). Mobile iPhone üretim ~70kg CO2e, bir transatlantic uçuş ~1.6t. ESG raporlamada Scope 1+2+3 toplamı.
179
Carbon Offset
Salınan emisyonu telafi etmek için yapılan dış proje yatırımı: ağaçlandırma, yenilenebilir enerji, methane capture, direct air capture. Voluntary carbon market 2024'te ~$2B ama "greenwashing" eleştirisi yoğun; Verra, Gold Standard, ICVCM kalite damgaları. Net-Zero hedefinin tartışmalı aracı.
180
CDP (Carbon Disclosure Project)
Şirketlerin iklim, su, orman emisyon verilerini standart şekilde açıkladığı küresel platform. 24K şirket + 1100 şehir 2024'te raporladı; A-D scoring institutional investor + customer baskısı yarattı. Apple, Microsoft, Unilever lider; tedarik zinciri sertifika zorunluluğu hızla yayılıyor.
181
ESG Reporting (Environmental, Social, Governance)
Şirketin çevre, sosyal etki ve yönetişim performansını standart formatta sunma raporlaması. CSRD (AB), SEC Climate Rule (ABD), TCFD önerileri global çatı; SASB + GRI + CDP framework'leri. 2024'ten itibaren 50K+ AB şirketi CSRD kapsamında zorunlu.
182
CSRD (Corporate Sustainability Reporting Directive)
AB'nin 2024'te yürürlüğe giren, 50K+ büyük şirkete (banka + sigorta + 250+ çalışan + €40M ciro) sustainability raporlama zorunluluğu. ESRS standartlarıyla, double-materiality (hem şirketin çevreye, hem çevrenin şirkete etkisi), 3rd-party assurance.
183
Net Zero
Şirketin / ülkenin emisyonlarını minimum seviyeye indirip kalan kısmını offset / removal ile dengeleme hedefi. Bilim-tabanlı Science Based Targets (SBTi) doğrulaması; 2050 küresel hedef. Carbon-neutral'dan farkı: Net Zero "kalan kalanını da gidermek" daha sıkı.
184
Carbon Neutral vs Net Zero
Carbon Neutral: emisyonlar offset ile sıfırlanır, indirim zorunlu değil; Net Zero: önce emisyonu agresif şekilde azaltır, sonra kalanı removal ile sıfırlar (offset değil). Microsoft 2030 Carbon Negative, Apple 2030 Net Zero, Google 2030 24/7 carbon-free energy hedefleri.
185
PUE (Power Usage Effectiveness)
Data center'in elektrik verimliliği metric'i. Total facility power / IT equipment power; ideal 1.0, 2.0 = her IT için 1 birim cooling/lighting ekstra. Hyperscale (Google, AWS, Azure) ortalama 1.10-1.15; on-prem enterprise data center 1.5-2.0. Sustainability key KPI.
186
Green Software Foundation
Microsoft, Accenture, GitHub, ThoughtWorks tarafından kurulan, sürdürülebilir yazılım geliştirmeyi standardize eden Linux Foundation projesi. SCI (Software Carbon Intensity) standardı, Green Software Practitioner sertifikası, "Green Software Patterns" katalog. Modern dev team'in sustainability rehberi.
187
SCI (Software Carbon Intensity)
Bir yazılım fonksiyonel birimi başına salınan CO2-eq miktarını ölçen ISO/IEC 21031 standardı. Energy × Region's Carbon Intensity + Embodied Emissions formülü. "Şu API call ne kadar karbon" sorusunun standart cevabı; modern green-software metric'lerinin temeli.
188
Renewable Energy Credit (REC)
1 MWh yenilenebilir enerjiyi temsil eden işlem gören sertifika. Şirketler kendi çatılarına panel kurmak yerine REC alıp "elektriğimiz yenilenebilir" raporlayabilir; ABD'de Green-e, AB'de GO (Guarantee of Origin). RE100 commitment'ının ana aracı.
189
PPA (Power Purchase Agreement)
Şirketin yenilenebilir enerji üreticisinden direkt + uzun vadeli (10-25 yıl) sabit-fiyatlı elektrik satın alma sözleşmesi. Hyperscale operatörlerinin (Google, Amazon, Microsoft) carbon-free energy stratejisinin omurgası; 2024 küresel corporate PPA hacmi 50GW+ tahmini.
190
LCA (Life Cycle Assessment)
Bir ürünün hammadde → üretim → kullanım → end-of-life döngüsünün tüm çevresel etkisini sayısallaştıran ISO 14040 metodolojisi. Cradle-to-grave ya da cradle-to-cradle scope. Apple'ın "iPhone'un karbon ayak izi 70kg" rakamı LCA'nın çıktısı.
191
Circular Economy
Lineer "üret-kullan-at" modelinin yerine ürünleri tasarımdan itibaren tekrar kullanılabilir + onarılabilir + recycle edilebilir kuran ekonomik model. Ellen MacArthur Foundation öncüsü; IKEA buyback, Patagonia Worn Wear, Apple Self-Service Repair pratik örnekler.
192
Greenwashing
Şirketin gerçek emisyon performansının ötesinde, marketing iletişimiyle "yeşil" görünme uygulaması. CMA (UK), FTC (ABD), AB CSRD greenwashing'i yasal yaptırım altına alıyor; Shell, BP, Volkswagen yıllar içinde milyon dolar para cezaları aldı. Sustainability iletişiminin etik kırmızı çizgisi.
193
Carbon Border Adjustment Mechanism (CBAM)
AB'nin 2026'da tam yürürlüğe girecek "karbon ithalat vergisi". AB'ye giren çelik, çimento, alüminyum, gübre, hidrojen, elektrik ürünlerinin AB'de üretilseydi ödeyeceği ETS karbon fiyatını ithalatçı öder. Tedarik zincirini emisyon-bazlı yeniden şekillendiren ilk büyük tarife.
194
EPR (Extended Producer Responsibility)
Üreticiyi ürününün end-of-life atık ve recycling masraflarından sorumlu tutan regülasyon. AB Ambalaj direktifi, Fransız LOM, Almanya VerpackG, Türkiye Sıfır Atık. Plastik şişe + giysi + elektronik üreticisi her satılan ürün için çevresel sorumluluk öder.
195
Sustainable Procurement
Şirketin satın alma kararlarına çevresel + sosyal kriterleri katma uygulaması. Tedarikçi Code of Conduct, EcoVadis sustainability rating, recycled-material requirement, fair-trade certification. Scope 3 emisyonun çoğu burada ortaya çıkar; modern CSRD raporlamasının operasyonel kalbi.
196
TCFD (Task Force on Climate-related Financial Disclosures)
G20 Financial Stability Board'ın 2017'de yayımladığı, iklim risk ve fırsatlarını finansal raporlamaya entegre eden çerçeve. Governance, Strategy, Risk Management, Metrics & Targets dört pillar; UK PRA, NZ, Japonya zorunlu kıldı. ESG raporlamanın iklim ayağı.
197
SBTi (Science Based Targets initiative)
Şirketlerin emisyon azaltma hedeflerini Paris Anlaşması'nın 1.5°C / well-below-2°C bilim-tabanlı yörüngesiyle uyumlu olarak doğrulayan bağımsız organizasyon. 5K+ şirket validation aldı (Microsoft, IKEA, Unilever, Nike, Maersk); credible Net-Zero claim için zorunlu damga.
198
EV Charging Network (Tesla Supercharger / Ionity / Electrify America)
Elektrikli araçların hızlı şarj olduğu altyapı. Tesla Supercharger 50K+ istasyon dünya çapında, NACS standart; Avrupa Ionity (BMW + VW + Mercedes konsorsiyumu), ABD Electrify America. 2024'ten itibaren Tesla NACS'ı diğer EV markalarına açtı; standart konsolidasyonu hızlandı.
199
North Star Framework
Sean Ellis + Amplitude'un yaygınlaştırdığı, şirketin tek "müşteri için yaratılan değer" metric'ini tanımlayan çerçeve. Spotify "time spent listening", Airbnb "nights booked", Slack "messages sent in active workspaces". Tüm büyüme + ürün kararlarının pusulası.
200
Driver Tree
Bir hedef metrik'i (örn. revenue) arkasındaki sebepleri (driver'ları) ağaca açan analiz. KPI tree ile yakın akraba ama daha causal odaklı; "ARR'i artırmak için new logo veya expansion mu?" sorusunu yapısal cevap. McKinsey + Bain'in klasik problem-solving aracı.
201
Executive Dashboard
C-suite ve board için tasarlanan, 1-sayfa, 7-12 üst metric'i içeren dashboard. MRR, NRR, CAC, magic number, runway, rule of 40 gibi business-decision-grade KPI'lar; haftada bir review. Tableau Executive, Looker C-suite, Mode Reports klasik formatlar.
202
Operational Dashboard
Saatlik / günlük operasyonel kararlar için tasarlanan dashboard. Marketing'in CPM trend'i, support'un ticket queue'su, ops'un order backlog'u. Real-time veya near-real-time refresh; alerting + pivot drill-down şart. Looker Studio, Power BI, Grafana yaygın.
203
Drill-Down
Bir aggregated metric'ten alt detaylara doğru tıklamayla inme analiz davranışı. "Total revenue" → "by region" → "by product" → "by SKU" → "by transaction". Klasik OLAP cube + modern BI tool'unun (Power BI, Tableau, Looker) self-service analytics özelliği.
204
Slice & Dice
Multidimensional veriyi farklı boyutlarda kesip incelemeye verilen ad. "Slice": tek boyutu sabit tutup geri kalanı analiz; "Dice": iki+ boyutu birlikte filtreleyerek subset oluştur. Pivot table'ın temel davranışı; OLAP cube terminolojisinden gelir.
205
Pivot Table
Excel'in 1993'te tanıttığı, multi-dimensional veriyi sürükle-bırak ile satır + sütun + değer + filtre olarak yapılandırma aracı. Modern BI'in atası; Tableau, Power BI, Looker, Hex hep pivot table mantığını UX olarak taşır. Veri analizinin "lingua franca"sı.
206
Funnel Visualization
Conversion akışını adım-adım daralan funnel grafiği olarak gösterme. Awareness → Consideration → Purchase → Retention; her adımdaki drop-off'u gözle yakalama. Mixpanel, Amplitude, Heap, GA4 native funnel report'ları; CRO + product + marketing ekipleri için temel görsel.
207
Cohort Heatmap
Kohort retention'unu (week 0 → week N) renk-yoğunluğuyla görselleştiren matrix. Y-ekseni: signup haftası; X-ekseni: post-signup hafta; renk: retention oranı. PMF + onboarding kalitesi + güncel ürün değişikliklerinin etkisini bir bakışta gösterir.
208
Sankey Diagram
User journey, energy flow, conversion-path tipi akışların kalınlığı oranlı çubuklarla gösterildiği görsel. Google Analytics behavior flow, churn analizi, attribution journey için ideal. d3.js + Plotly + Power BI Sankey custom visual ile yapılır.
209
Bullet Chart
Stephen Few'un tasarladığı, KPI hedefini + actual performansını + tier band'ını tek satırda gösteren minimal grafik. Gauge ve speedometer'a göre çok daha okunabilir. Executive dashboard'larda klasik; Tableau + Power BI custom visual desteği vardır.
210
Data Storytelling
Sayıları + grafiği sunmak yerine "bir hikaye anlat, sonra veri ile destekle" yaklaşımı. Cole Nussbaumer Knaflic'in "Storytelling with Data" kitabı manifesto; karar-vericiyle "so what?" boşluğunu kapatır. Tableau Story, Power BI bookmarks, Notion narrative bu modelin uygulaması.
211
Self-Service Analytics
İş kullanıcısının (analyst-bağımlı olmadan) kendi sorgularını + dashboard'larını oluşturmasını sağlayan model. Looker LookML, Tableau Ask Data, Power BI Q&A, ThoughtSpot search-driven; semantic layer + data governance + training kombinasyonu şart. Modern BI'ın "demokratikleşme" hedefi.
212
Power BI
Microsoft'un BI platformu — Excel ekosistemiyle derin entegre, en yaygın kullanılan kurumsal BI. Power Query (ETL), DAX (formula language), Power BI Service (cloud + collaboration). Microsoft Fabric ile data engineering + AI Copilot entegrasyonu güçleniyor.
213
Tableau
BI dünyasının "görsel altın standardı" — drag-drop ile etkileyici grafik üretmek için en güçlü tool. 2003 Stanford'tan çıktı, 2019'da Salesforce $15.7B'ye satın aldı. Tableau Desktop + Tableau Server + Tableau Cloud üçlüsü; Power BI'a göre hala daha esnek + sanatsal.
214
ThoughtSpot
Search-driven BI'ın öncüsü — kullanıcı doğal dilde "show me revenue by region last quarter" yazar, otomatik sorgu + chart üretir. SpotIQ ML otomatik insight; modern AI-augmented BI lider. 2023'te Mode Analytics'i $200M'ye satın aldı.
215
Microsoft Fabric
Microsoft'un 2023'te lansmanını yaptığı, Power BI + Synapse + Data Factory + Real-Time Analytics + Copilot'u tek SaaS'ta birleştiren analytics platformu. OneLake "Lakehouse for the masses" hedefi; Snowflake + Databricks'e doğrudan rakip.
216
Real-Time Dashboard
Saniyeler içinde refresh olan, "şu an ne olduğunu" gösteren dashboard. WebSocket + streaming SQL + push notification combo'su. Trading platform, gaming live ops, support real-time queue, IoT device monitoring kullanır. Grafana, Tinybird, Materialize, ClickHouse + Apache Pinot stack'leri.
217
Embedded Analytics
BI dashboard'unu doğrudan SaaS uygulamasının içinde gösterme. Sigma, Mode, Looker Embedded, Cube + custom React frontend. "Müşteriye kendi datalarını sunma" gerektiren her uygulamada (Shopify analytics, Stripe Sigma, HubSpot reports) altyapı; modern PLG bir özelliği.
218
Slowly Refreshed Dashboard (Daily / Weekly)
Real-time gerektirmeyen, batch ETL sonrası günlük / haftalık refresh edilen dashboard. Marketing weekly review, finance month-end close, retention cohort report. Maliyet (compute saving) + analiz simplicity için doğru tercih; "premature real-time" anti-pattern'ine karşı klasik.
219
Anomaly Alerting
Metric'in seasonal pattern + trend'inden istatistiksel olarak sapma yaptığında tetiklenen alert. Prophet, Datadog Watchdog, Anodot, MonteCarlo, Sigma Anomaly Detection; manual eşik koymak yerine ML-driven dynamic alerts. Modern data observability'nin merkezi yetisi.
220
Forecasting (Prophet / SARIMA / LSTM)
Geçmiş veri üzerinden gelecek değerleri tahmin etmek. Prophet (Meta, business-friendly + seasonality), SARIMA (klasik istatistik), LSTM/Transformer (deep learning), Darts kütüphanesi. Sales forecasting, demand planning, capacity planning için temel ML alanı.
221
Data Catalog (Atlan / Alation / Collibra)
Şirketin tüm data asset'lerini (table, dashboard, ML model, metric) keşfedilebilir + dokümante eder hale getiren platform. Lineage + tag + business glossary + data quality + ownership tek arayüz. Modern data team'in "Wikipedia"sı.
222
AI-Powered BI (Copilot / Sigma AI / Tableau Pulse)
Doğal dil sorgu + otomatik insight + chart açıklaması veren yeni nesil BI özellikleri. Power BI Copilot, Tableau Pulse + Tableau GPT, Sigma AI, ThoughtSpot Sage. "Why did revenue drop last week" sorusuna otomatik root-cause analizi; analyst rolünü dönüştürüyor.
223
Edge AI
AI modelinin cloud yerine cihazda (telefon, kamera, drone, IoT sensor) çalıştırılması. Düşük gecikme, gizlilik koruma, offline çalışma; quantized model + NPU + framework gerekir. Self-driving car, AR/VR, smart camera modern uygulamalar.
224
TinyML
Kilobyte'lık RAM'i olan MCU'lara sığacak boyutta ML modelleri. TensorFlow Lite Micro, Edge Impulse, Arduino Nano 33 BLE Sense; keyword spotting, motion detection, anomaly detection için. Pille çalışan IoT cihazlarda yıllar süren AI deneyimi.
225
Digital Twin
Fiziksel bir nesnenin (uçak motoru, fabrika, şehir, vücut) gerçek-zamanlı sensor verisiyle güncellenen sanal eşi. Simulation + monitoring + predictive maintenance üçlüsü; Siemens, NVIDIA Omniverse, Microsoft Azure Digital Twins, Bentley iTwin lider platformlar.
226
People Analytics
Çalışan datasını ML + istatistikle analiz eden disiplin. Attrition prediction, hiring quality, manager effectiveness, DEI gap analizi, sentiment trend'i. Visier, ChartHop, Lattice, CultureAmp + Workday Adaptive Planning; HR'in "data-driven" ayağı.
227
eNPS (Employee Net Promoter Score)
"Şirketinizi bir arkadaşına işyeri olarak önerir misiniz?" sorusunun NPS skoru. -100 ile +100 arası; +30 üstü iyi, +50 üstü excellent. Klasik annual survey + quarterly pulse format; Culture Amp, Officevibe, 15Five, Lattice araçları. Engagement'in tek-soruluk thermometer'ı.
228
Pulse Survey
Yıllık engagement survey'in modern halefi — 5-10 soruluk, haftalık veya iki-haftalık atılan kısa anket. Real-time engagement nabzı; manager dashboard'una direkt yansır. Officevibe, 15Five, Lattice, Culture Amp; klasik yıllık 80-soruluk monster'a karşı agile + actionable.
229
EHR (Electronic Health Record)
Hasta sağlık bilgisinin (medical history, lab, imaging, prescription) dijital + paylaşılabilir kaydı. ABD'de Epic + Cerner %85+ pazar payı; Avrupa'da DocPlanner, Doctolib, Türkiye'de e-Nabız + MEDULA. Interoperability + privacy (HIPAA, GDPR, KVKK) zorlukları sektörün kalbinde.
230
ClimateTech
İklim krizine yönelik (mitigation + adaptation) teknoloji çözümleri. Carbon capture (Climeworks DAC), green hydrogen, fusion energy (Commonwealth Fusion, Helion), grid-scale battery (Form Energy), climate risk modeling (Jupiter). 2024 global ClimateTech yatırımı $40B+; Sequoia + Lowercarbon + Breakthrough Energy lider yatırımcılar.
231
Carbon Capture (DAC / CCS)
Atmosferden veya endüstri bacasından CO2 yakalama teknolojisi. Direct Air Capture (DAC, Climeworks Orca, Carbon Engineering), Carbon Capture & Storage (CCS, fabrikadan ayrılan baca gazı). Maliyet $300-1000/ton; Frontier ($1B advance market commitment) bu maliyeti $100'a indirme hedefi.

— HIZLI TEŞHİS

Analitik operasyonu için hazır mısınız?

Dört soruda, size uygun program seviyesini gösteren interaktif yön bulucu. Evet / hayır cevaplarıyla 30 saniyede sonuç.

01 / 04

Şu anda 10'dan fazla aktif dashboard veya Excel raporunuz var mı?

Dashboard bolluğu, karar eksikliğinin klasik semptomlarından biri.

— BAŞLAYALIM

Dashboard'larınız kararları mı tetikliyor, yoksa sadece süs mü?

60 dakikalık analitik diagnostic: mevcut KPI envanterınız, dashboard dependency grafı, veri kaynak sağlığı ve 90 günlük roadmap tavsiyesi — tek panoda.

Dashboard audit talep etKPI tree şablonumuzu indir