1. Giriş

Günümüz kurumlarında veri temelli karar verme kültürü, iş zekâsı (Business Intelligence - BI) araçlarının olgunlaşmasıyla yeni bir boyuta taşındı.
Bu alandaki önde gelen platformlar — Microsoft Power BI, Tableau, SAP BusinessObjects (BO), SAP Analytics Cloud (SAC), Qlik Sense ve Google Looker — her biri farklı mimari yaklaşımlar, veri işleme yöntemleri ve modelleme stratejileri sunuyor.

Bu yazıda, bu platformları aşağıdaki başlıklar üzerinden derinlemesine karşılaştıracağız:

  • Mimari farklar ve veri işleme katmanları
  • Veri modeli yapıları
  • Performans optimizasyon teknikleri
  • Hesaplama paradigması (DAX, LOD, Expressions, Script)
  • En iyi kullanım senaryoları

Amaç, hangi platformun hangi koşulda en uygun BI çözümü sunduğunu anlamak ve sonraki yazılarda ele alınacak ML/DL entegrasyonlarına sağlam bir temel oluşturmaktır.

2. Platformlara Genel Bakış

Platform

Üretici

Öne Çıkan Özellik

Güçlü Yön

Zayıf Nokta

Power BI

Microsoft

DAX tabanlı veri modeli, Azure entegrasyonu

Microsoft 365 & Azure ekosisteminde mükemmel entegrasyon

Büyük veri üzerinde DirectQuery sınırlamaları

Tableau

Salesforce

LOD ifadeleri, güçlü görselleştirme

Görsel esneklik, hızlı keşif analizi

DAX benzeri kompleks hesaplama eksikliği

SAP BO

SAP

Kurumsal raporlama ve güvenlik

On-prem kurumsal rapor yönetimi, SAP ERP entegrasyonu

Modern dashboard esnekliği sınırlı

SAP SAC

SAP

Cloud-native BI & Planning

SAP HANA entegrasyonu, tahminsel analitik

SAP dışı veri kaynaklarında yavaşlık

Qlik Sense

Qlik

Associative Engine, script bazlı modelleme

Hızlı veri keşfi, memory içi motor

Karmaşık script öğrenme eğrisi

Google Looker

Google Cloud

LookML dili ile modelleme

BigQuery ve GCP entegrasyonu

Veri modellemesi teknik bilgi ister

3. Mimari Farklar

Özellik

Power BI

Tableau

SAP BO

SAP SAC

Qlik Sense

Google Looker

Veri Depolama

Vertipaq (in-memory), DirectQuery

Hyper Engine

Relational DB (Universe Layer)

HANA In-Memory

Associative In-Memory Engine

BigQuery veya dış kaynak

Veri İşleme

Power Query (M dili), DAX

Tableau Prep, LOD ifadeleri

Universe Designer, WebI

Modeler + Smart Predict

Qlik Script

LookML (semantic layer)

Dağıtım / Servis

Power BI Service, Report Server

Tableau Server / Online

BO Enterprise Server

SAC Cloud

Qlik Cloud / Enterprise

Looker Cloud

Bulut / On-Prem

Hibrit (Azure ağırlıklı)

Hibrit

On-Prem ağırlıklı

Cloud-native

Hibrit

Cloud-native

Güvenlik & Yönetişim

Azure AD, RLS

Role/Group Security

LDAP + SAP Roles

SAC Roles

Section Access

IAM + OAuth

Analiz:

  • Power BI: Microsoft ekosistemiyle en güçlü entegrasyona sahip, Azure Data Lake, Fabric ve Synapse Analytics ile doğrudan etkileşim kurabilir.
  • Tableau: Görselleştirmede en esnek araç; ancak kurumsal güvenlikte Power BI kadar derin değildir.
  • SAP BO: Kurumsal ölçekte, denetim ve güvenlik odaklıdır. Özellikle SAP ECC ve S/4HANA ile native çalışır.
  • SAP SAC: Bulut tabanlı BI ve planlama aracıdır, aynı zamanda predictive (Smart Predict) özellikler içerir.
  • Qlik Sense: “Associative Model” sayesinde farklı veri kaynaklarını hızlı bağlayarak ilişkiyi sezgisel olarak keşfeder.
  • Looker: Google Cloud tabanlıdır; veri modellemesi LookML üzerinden yapılır, bu da versiyon kontrolüne ve yeniden kullanılabilirliğe olanak tanır.

4. Veri Modeli Yapıları

4.1 Power BI

  • Yıldız (Star) Şeması esas alınır.
  • DAX (Data Analysis Expressions) hesaplamaları ile dinamik metrikler oluşturulur.
  • Vertipaq engine sütun bazlı sıkıştırma ile yüksek performans sağlar.
  • Aggregasyon tabloları ve tablo ilişkileri performans için optimize edilir.

4.2 Tableau

  • LOD (Level of Detail) ifadeleri granular kontrol sağlar.
  • Live Connection / Extract Mode seçenekleriyle veri esnekliği yüksektir.
  • Data blending ile çoklu kaynak birleştirilebilir.

4.3 SAP BO

  • Universe Layer (Semantic Layer) en temel modelleme katmanıdır.
  • Kurumsal metadata, kullanıcı rolleri ve veri kaynakları burada yönetilir.
  • Model değişiklikleri kontrollü ortamlarda yapılır.

4.4 SAP SAC

  • Modeler arayüzü üzerinden veri bağlantıları, ölçüler, KPI’lar tanımlanır.
  • Planlama senaryolarında versiyonlama ve tahminsel model desteklenir.
  • Smart Predict modülü ML tabanlı öngörüler üretir.

4.5 Qlik Sense

  • Script tabanlı modelleme yapılır; veri yükleme aşamasında ilişkiler tanımlanır.
  • Associative Engine, kullanıcıların ilişkileri “keşfetmesine” izin verir.
  • Set Analysis hesaplamaları DAX benzeri şekilde gelişmiştir.

4.6 Google Looker

  • LookML adlı modelleme dili kullanılır.
  • Model, veri ambarı üzerinde tanımlanır; uygulama veri çekmez, sadece sorgular.
  • Bu, Looker’ı semantic layer-first yaklaşımında benzersiz kılar.

5. Performans Optimizasyon Teknikleri

Platform

Önerilen Teknikler

Power BI

Gereksiz sütunları kaldırın, DAX ölçülerini optimize edin (SUMX → SUM), aggregasyon tabloları kullanın, DirectQuery yerine Import tercih edin.

Tableau

Extract mode kullanın, Context Filter’larla sorgu hacmini azaltın, LOD ifadelerini sadeleştirin.

SAP BO

Universe optimizasyonu, query delegation, WebI rapor limitleri.

SAP SAC

HANA bağlantısını Live modda kullanın, veri setlerini optimize edin, Smart Predict modellerini sınırlı veriyle eğitin.

Qlik Sense

Script optimizasyonu, veri yükleme sırasında filtreleme, associative join azaltma.

Looker

LookML modelini normalize edin, cache ve persistent derived table (PDT) yapılarını kullanın.

6. Hesaplama Paradigmaları

Platform

Hesaplama Dili / Yöntem

Paradigma

Power BI

DAX

İlişkisel, context-driven

Tableau

LOD Expressions

Görsel odaklı, granular

SAP BO

Universe Formula / SQL

Kurumsal, sabit hesaplama

SAP SAC

Calculation Builder / Predictive Script

Planlama + ML odaklı

Qlik Sense

Set Analysis, Script

Keşif odaklı, associative

Looker

LookML + SQL Runner

Model tabanlı, semantic

7. Özet Karşılaştırma Tablosu

Kriter

Power BI

Tableau

SAP BO

SAP SAC

Qlik Sense

Looker

Görselleştirme

★★★★★

★★★★★

★★☆☆☆

★★★★☆

★★★★☆

★★★☆☆

Modelleme Esnekliği

★★★★☆

★★★★☆

★★★☆☆

★★★★☆

★★★★★

★★★★★

Performans (In-memory)

★★★★★

★★★★☆

★★☆☆☆

★★★★☆

★★★★★

★★★★☆

Kullanım Kolaylığı

★★★★★

★★★★☆

★★☆☆☆

★★★☆☆

★★★★☆

★★★☆☆

Kurumsal Güvenlik

★★★★★

★★★★☆

★★★★★

★★★★★

★★★★☆

★★★★☆

8. Sonuç ve En İyi Uygulamalar

  • Power BI, Microsoft ekosistemindeki kuruluşlar için maliyet-etkin ve güçlü bir BI çözümüdür.
  • Tableau, veri görselleştirme esnekliğiyle veri keşfi odaklı analizlerde liderdir.
  • SAP BO, büyük kurumlarda merkezi raporlama ve denetim süreçlerinde tercih edilir.
  • SAP SAC, bulut temelli BI + planlama + tahmin analitiğini tek platformda sunar.
  • Qlik Sense, etkileşimli veri keşfi ve in-memory performansıyla keşif analizlerinde güçlüdür.
  • Looker, veri modelleme ve semantic layer-first yaklaşımıyla modern, geliştirici dostu bir yapıya sahiptir.

Öneri:
Kurumsal BI stratejisi oluştururken tek araca odaklanmak yerine,

“Analitik amaca göre araç seçimi”
yaklaşımını benimseyin:

  • Power BI / Tableau → Dashboard & Veri keşfi
  • SAP SAC / Qlik → Planlama + Tahmin
  • Looker / BO → Kurumsal raporlama & semantic governance

9. Sonraki Adım

🔹 Yazı Serisi #3: ETL Süreçleri ve Veri Ambarı Mimarisine Giriş
Veri ambarı tasarımı, star/snowflake şemaları, ETL süreçleri (Power Query – SSIS – Python – Airflow) ve veri kalitesi yönetimi üzerine olacak.