Toplanan ham veriyi işe yarar hale getirmenin sırası: normalizasyon, tekilleştirme, doğrulama ve kalite ölçümü. Sıra bozulunca ne olduğunu örnekleriyle anlatıyoruz.
Veri toplamak artık zor iş değil; birkaç saatte binlerce satır elde edebilirsiniz. Zor olan, o satırların gerçekten kullanılabilir olmasıdır. Ham liste her zaman kirlidir: aynı kayıt birkaç kez geçer, telefonlar farklı biçimlerde yazılmıştır, bazı alanlar boştur, bazıları yanlış sütuna kaymıştır. Temizlik yapılmadan kullanılan liste ekibin zamanını yer ve daha kötüsü, yanlış kararlara yol açar. Bu rehberde temizliğin hangi sırayla yapılması gerektiğini ve her adımda nelere dikkat edileceğini anlatıyoruz. Kirli veri neye benzer? Kirliliği tanımak, temizlemenin ilk adımıdır. En yaygın beş biçim şudur: tekrar eden kayıtlar, tutarsız biçimlendirme, eksik alanlar, kaymış sütunlar ve geçersiz değerler. Tekrarlar genelde aynı kaydın farklı aramalardan gelmesiyle oluşur. Tutarsız biçim en çok telefon ve tarih alanlarında görülür. Kaymış sütun ise en sinsi olanıdır: adres sütununda telefon numarası görürseniz ayırıcı karakter sorunu var demektir ve bunu tek tek düzeltmeye çalışmak yerine içe aktarmayı baştan yapmak gerekir. Tekrar eden kayıtlar: aynı kişi veya işletme birden çok satırda Tutarsız biçim: 0532..., +90532..., 532... aynı numara için üç yazım Eksik alan: telefon boş, adres yarım, isim kısaltılmış Kaymış sütun: ayırıcı karakter sorunundan doğan hizalama bozukluğu Geçersiz değer: on hane olmayan telefon, gelecek tarihli kayıt Temizlik sırası önemlidir Adımların sırası, temizliğin kendisi kadar belirleyicidir. Tekilleştirmeyi normalizasyondan önce yaparsanız aynı numaranın iki farklı yazımını iki ayrı kayıt sanırsınız ve tekrarlar listede kalır. Doğrulamayı tekilleştirmeden önce yaparsanız aynı kaydı birkaç kez doğrulayarak zaman kaybedersiniz. Zenginleştirmeyi en sona bırakmak gerekir, çünkü silinecek kayıtlara emek harcamanın anlamı yoktur. Aşağıdaki sıra, pratikte en az geri dönüş gerektiren düzendir ve küçük listelerde de büyük listelerde de aynı şekilde çalışır. Ham veriyi olduğu gibi bir kenara kopyalayın. Temizlik her zaman kopya üzerinde yapılır; ham dosyaya asla dokunulmaz. Yapıyı düzeltin: sütunların doğru hizalandığını, başlıkların tek satır olduğunu ve gereksiz boş satırların silindiğini doğrulayın. Normalizasyon yapın: telefon, tarih, isim ve adres alanlarını tek bir yazım kuralına çevirin. Tekilleştirin: hangi alanların birleşimini anahtar kabul edeceğinize karar verin ve tekrarları birleştirin. Geçersiz kayıtları eleyin: hane sayısı tutmayan telefonlar, boş isimler ve anlamsız değerler ayrı bir listeye alınsın, silinmesin. Örneklem doğrulaması yapın: rastgele yirmi kayıt seçip elle kontrol edin ve hata oranını not edin. Zenginleştirme varsa en son yapın: kategori etiketi, bölge kırılımı veya öncelik puanı bu aşamada eklenir. Yaptığınız her adımı yazın. Üç ay sonra aynı temizliği tekrar yapmanız gerektiğinde bu not en değerli dosyanız olacak. Silmeyin, ayırın Temizlik sırasında elenen kayıtları silmek yerine ayrı bir sayfaya taşıyın. Kurallarınızda bir hata varsa geri dönebilmeniz gerekir ve silinen satır geri gelmez. Ayrıca elenen kayıtların sayısı ve dağılımı, veri toplama tarafındaki sorunları gösteren en iyi göstergedir: aniden artan eleme oranı genelde kaynakta bir şeyin değiştiğine işaret eder. Normalizasyon: aynı şeyi aynı şekilde yazmak Normalizasyon kulağa teknik gelir ama yaptığı şey basittir: aynı bilginin her satırda aynı biçimde yazılmasını sağlamak. Telefon için tek kural seçin ve istisnasız uygulayın. İsimlerde baştaki ve sondaki boşlukları temizleyin, büyük-küçük harf farkını ortadan kaldırın, şirket eklerini ayrı bir sütuna alın. Tarihleri metin olarak değil tarih türünde saklayın. Türkçe harflerde küçük bir tuzak var: büyük harfe çevirirken bazı araçlar “i” harfini yanlış dönüştürür, bu yüzden karşılaştırmaları küçük harf üzerinden yapmak daha güvenlidir. Tekilleştirme: hangi alan anahtar olmalı? Tekilleştirmenin tamamı, doğru anahtarı seçmekle ilgilidir. Yalnızca isme bakarsanız aynı zincirin farklı şubelerini tek kayda indirirsiniz. Yalnızca telefona bakarsanız merkezî numarayı paylaşan farklı işletmeler birleşir. Genellikle iki alanın birleşimi en dengeli sonucu verir. Hangi birleşimin uygun olduğu veri türüne göre değişir; aşağıdaki tablo sık kullanılan anahtarların güçlü ve zayıf yanlarını özetliyor. Seçiminizi yaptıktan sonra mutlaka örneklem kontrolü yapın, çünkü yanlış anahtar sessizce kayıt kaybettirir. Anahtar Güçlü yanı Zayıf yanı Uygun olduğu veri Kayıt numarası (ilan no vb.) Kesin eşleşme, hata payı düşük Kayıt silinip yeniden açılırsa değişir İlan ve ürün listeleri Telefon Tek ve normalize edilebilir Merkezî numaralar birden çok işletmede aynı Müşteri adayı listeleri İsim + adres Şubeleri ayırır Yazım farkları eşleşmeyi kaçırır İşletme listeleri Telefon + adres Pratikte en dengeli birleşim İki alan da boşsa çalışmaz Harita kaynaklı listeler Bulanık isim eşleşmesi Yazım hatalarını yakalar Yanlış birleştirme riski yüksek Yalnızca elle kontrolle Doğrulama nerede biter? Doğrulamanın iki seviyesi vardır ve bunları karıştırmak boşuna beklenti yaratır. Biçim doğrulaması, değerin kurallara uyup uymadığına bakar: telefon on hane mi, tarih geçerli mi, e-posta işareti içeriyor mu. Bunu otomatik yapabilirsiniz. Varlık doğrulaması ise değerin gerçekten çalışıp çalışmadığını sorar: bu numara açılıyor mu, bu işletme hâlâ faaliyette mi. Bunu tam otomatik yapmanın güvenilir bir yolu yoktur. Pratik yaklaşım, biçim doğrulamasını otomatikleştirip varlık doğrulamasını ilk temas sırasında yapmaktır. Listeyi yüzde yüz doğru hale getirmeye çalışırken üç hafta kaybettim. Sonra kabul ettim: yüzde doksan doğrulukta bir liste bugün kullanılabilir, yüzde yüz doğru liste ise hiçbir zaman hazır olmuyor. Temizliği tekrarlanabilir yapmak Bir kez yapılan temizlik değerlidir, her ay tekrarlanabilen temizlik ise kalıcıdır. Bunun yolu adımları elle değil kuralla yapmaktır. Excel’de bunu formül ve sorgu adımlarıyla, daha büyük setlerde küçük bir betikle sağlarsınız. Kural yazmanın asıl faydası hız değil, tutarlılıktır: elle yapılan temizlik her seferinde biraz farklı olur ve iki ayın verisi karşılaştırılamaz hale gelir. Sahibinden Pro veya Google Maps Lead gibi araçların çıktıları sabit sütun düzeniyle geldiği için aynı kural setini aylarca değiştirmeden kullanabilirsiniz. Her temizlik adımını sırasıyla ve gerekçesiyle yazın Elle düzeltme yaptığınız her satırı işaretleyin Kuralları veriye değil, kopyaya uygulayın Aynı kural setini her ay aynı sırayla çalıştırın Kural değiştiğinde tarih notu düşün, eski çıktıyı saklayın Kaliteyi ölçmek Veri kalitesi hissiyatla değil sayıyla takip edilir ve üç basit ölçüm çoğu ihtiyacı karşılar. Doluluk oranı, kritik alanların yüzde kaçının dolu olduğunu gösterir. Tekillik oranı, temizlik sonrası kalan kayıtların ham kayıtlara oranıdır. Doğruluk oranı ise örneklem kontrolünden çıkar: yirmi kayıttan kaçı gerçekten doğruydu. Bu üç sayıyı her toplama turunda aynı yere yazarsanız, kaynak tarafında bir şey bozulduğunda bunu haftalar sonra değil aynı gün fark edersiniz. Ölçmediğiniz kalite, zamanla sessizce düşer.
Genelde hayır. Ham listelerde yüzde otuz ile elli arası küçülme sık görülür ve büyük kısmı tekrarlardan gelir. Yine de emin olmak için elenen kayıtları ayrı sayfada tutmanızı öneririz: oradan rastgele yirmi satır seçip bakın. Elenmemesi gereken kayıtlar görüyorsanız sorun kurallardadır, özellikle de tekilleştirme anahtarının fazla geniş seçilmiş olmasındadır.
Biçim doğrulamasını kolayca yapabilirsiniz: ülke kodunu ayırdıktan sonra hane sayısına ve başlangıç rakamlarına bakmak geçersiz kayıtların çoğunu eler. Numaranın gerçekten çalışıp çalışmadığını ise ancak temas kurarak öğrenirsiniz. Bunu ilk arama turunun bir parçası haline getirin ve sonucu tabloya işleyin; ikinci turda listeniz çok daha temiz olur.
Dikkatli kullanın. Yazım hatalarını yakalamakta çok işe yarar ama yanlış birleştirme riski yüksektir; birbirine benzeyen iki farklı işletme tek kayda dönüşebilir. Pratik yol, bulanık eşleşmeyi otomatik birleştirme için değil, “şüpheli” işaretlemek için kullanmaktır. İşaretlenen kayıtları elle gözden geçirmek, hem hızlı hem güvenli bir orta yol sağlıyor.
Sayısal analiz için bazı durumlarda kabul edilebilir, ancak iletişim verisinde kesinlikle önerilmez. Tahmin edilmiş bir telefon numarası yanlış kişiye ulaşmanıza yol açar ve bu hem operasyonel hem hukuki sorun yaratır. Eksik alanı doldurmak yerine boş bırakın ve kaydı ayrı bir öncelik grubuna alın; eksik bilgi, yanlış bilgiden her zaman daha iyidir.
Temizliği ayrı bir iş olarak değil, her veri toplama turunun son adımı olarak düşünün. Böylece hiçbir zaman büyük bir temizlik borcu birikmez. Bunun dışında üç ayda bir mevcut listeyi yeniden doğrulamak faydalıdır, çünkü iletişim verisi zamanla eskir: numaralar değişir, işletmeler kapanır ve liste siz farkında olmadan güvenilirliğini kaybeder.