1. Giriş

Veri odaklı karar verme, günümüz kurumlarında yalnızca raporlama ihtiyacını karşılayan bir yaklaşım olmaktan çıkmış; makine öğrenmesi (ML) ve yapay zekâ (AI) destekli ileri analitik çözümlerin temelini oluşturur hâle gelmiştir. Ancak BI, ML ve AI projelerinin önemli bir bölümü zayıf tasarlanmış veri mimarileri ve sürdürülebilir olmayan ETL süreçleri nedeniyle başarısız olmaktadır.

2. Modern Kurumsal Veri Mimarisi – Genel Bakış

Kurumsal BI ve AI projelerinde amaç, farklı kaynaklardan gelen verilerin tek ve tutarlı bir analitik mimari altında birleşmesidir.

Şekil: 2. Modern Kurumsal Veri Mimarisi – Genel Bakış mimari diyagramı

3. Veri Ambarı Katmanları

Sürdürülebilir bir analitik mimari, kaynak sistemlerden başlayarak staging, EDW ve semantic layer katmanlarından oluşur.

Şekil: 3. Veri Ambarı Katmanları mimari diyagramı

4. Veri Modelleme – Star Schema

Star schema, BI araçları için en yaygın ve en performanslı veri modelleme yaklaşımıdır.

Şekil: 4. Veri Modelleme – Star Schema mimari diyagramı

5. ETL ve ELT Yaklaşımları

Geleneksel ETL ve modern ELT yaklaşımları arasındaki temel fark, dönüşümün nerede gerçekleştiğidir.

Şekil: 5. ETL ve ELT Yaklaşımları mimari diyagramı

6. BI’dan ML ve AI’ye Geçiş

İyi tasarlanmış bir veri ambarı, BI raporlarının ötesine geçerek ML ve AI çözümlerini besleyen temel veri kaynağı hâline gelir.

Şekil: 6. BI’dan ML ve AI’ye Geçiş mimari diyagramı

7. Sonuç

Bu yazıda ele alınan ETL süreçleri ve veri ambarı mimarisi, BI’dan ML ve AI’ye uzanan analitik yolculuğun teknik omurgasını oluşturur. Sağlam bir mimari olmadan geliştirilen ileri analitik çözümler uzun vadede sürdürülebilir değildir.