Veri Nedir? Ham Veriden Anlamlı Bilgiye Dönüşüm

Bir sayıyı veri yapan şey: değer, bağlam ve birim

Veri; bir olaya, nesneye veya duruma ilişkin ölçüm, gözlem, kayıt ya da semboldür. “Ham” ifadesi, verinin henüz belirli bir amaç için düzenlenmemiş veya yorumlanmamış olmasını anlatır. Ancak ham veri mutlaka tamamen anlamsız demek değildir. Bir veri, onu üreten sistem ve bağlam biliniyorsa doğrudan kullanılabilir; yine de karar vermeden önce neyi temsil ettiğinin açıklanması gerekir.

Bir veri parçasını doğru yorumlamak için en az şu sorular sorulmalıdır:

• Değer neyi gösteriyor?
• Hangi birim veya kod kullanılmış?
• Ne zaman ve nerede elde edilmiş?
• Hangi kaynaktan veya ölçüm yönteminden gelmiş?
• Tek bir gözlem mi, yoksa birden çok gözlemin parçası mı?

Örneğin “85” ifadesi bir öğrencinin sınav puanıysa, puanın hangi sınava ve hangi değerlendirme aralığına ait olduğu önemlidir. “199.99 TL” bir fiyat verisiyse ürünün ne olduğu, fiyatın ne zaman kaydedildiği ve hangi para birimini ifade ettiği bilinmeden karşılaştırma yapmak hatalı olabilir. “5.4 milyon” da nüfus, satış adedi veya başka bir büyüklük olabilir; sayı tek başına karar vermeye yetmez.

Bu nedenle verinin anlamı yalnızca sayısal değerinden oluşmaz. Değer ile birlikte birim, zaman, kaynak ve bağlam da değerlendirilir. Aynı sayı farklı bağlamlarda farklı sonuçlar doğurabilir.

Ham kayıt nasıl bilgiye dönüşür?

Veriden bilgiye geçiş, tek bir işlemden değil, birbirini tamamlayan adımlardan oluşur. Veri çoğu zaman belirli bir amaçla toplanır; ancak mevcut veriler sonradan farklı amaçlarla işlenebilir veya yeniden kullanılabilir. Ardından uygun biçime getirilir, eksik veya tekrarlı kayıtlar incelenir, sınıflandırılır ve gerekirse hesaplanır. Son aşamada elde edilen sonuç bağlam içinde yorumlanır.

Bu zincir şöyle gösterilebilir:

1. Toplama: Ölçüm, gözlem, form, sensör, kamera, klavye veya çevrim içi etkileşim yoluyla kayıt alınır.
2. Düzenleme: Kayıtlar ortak bir biçime getirilir. Örneğin tarihlerin aynı formatta tutulması veya sıcaklık değerlerinin aynı birimle yazılması sağlanır.
3. Filtreleme ve kontrol: İlgili kayıtlar seçilir; eksik, hatalı veya amaca uymayan veriler ayrıca incelenir.
4. Hesaplama ve karşılaştırma: Toplam, ortalama, sıralama veya gruplama gibi işlemler yapılabilir.
5. Yorumlama: Elde edilen sonuç, sorulan soruya cevap verecek şekilde açıklanır.

Örneğin bir satış listesindeki tek tek fiyatlar ve ürün adetleri veridir. Bu kayıtlar ürünlere göre gruplanıp toplam satış adedi hesaplandığında karar vermeye yarayan bir sonuç elde edilir. “Hangi ürün daha çok satıldı?” sorusuna verilen, düzenlenmiş ve yorumlanmış cevap bilgi niteliği taşır.

Buradaki önemli sınır şudur: Bir hesaplama yapılması tek başına sonucu doğru veya yararlı kılmaz. Yanlış birimlerle toplanan, farklı zaman aralıklarına ait veya eksik kayıtlar kullanılırsa ortaya çıkan sonuç yanıltıcı olabilir. İşleme, verinin kalitesindeki sorunları kendiliğinden ortadan kaldırmaz.

Sayısal, metinsel, görsel ve işitsel verinin farkı

Veriler, temsil ettikleri içeriğe ve işlenme biçimlerine göre farklı türlerde incelenebilir. Bu sınıflandırmalar birbirini tamamen dışlamaz; örneğin bir video, görsel ve işitsel içeriği birlikte barındırabilir.

Sayısal veri, sayı ile ifade edilen veya ölçülebilen değerlerdir. Sınav notu 85, ürün fiyatı 199.99 TL, sıcaklık 28 °C ve nüfus 5.4 milyon gibi örneklerde matematiksel işlemler yapılabilir. Ancak her sayı üzerinde her işlem anlamlı değildir. Örneğin sıcaklık, fiyat ve kişi sayısı aynı birime sahip değildir; bunları doğrudan toplamak veya karşılaştırmak için sorunun bağlamı gerekir.

Metinsel veri, harf, kelime, cümle ve sembollerle ifade edilir. E-posta, müşteri yorumu, haber yazısı ve sosyal medya gönderisi metinsel veridir. Metinlerde yalnızca karakter sayısı değil, anlam, konu, duygu veya anahtar kelime gibi özellikler de incelenebilir.

Görsel veri, fotoğraf, video, logo, grafik veya tıbbi görüntü gibi içerikleri kapsar. Dijital ortamda görsel, bilgisayarın işleyebileceği sayısal temsillere dönüştürülür; kullanıcı ise bunu görüntü olarak algılar. Bir görüntünün veri olarak incelenmesi ile insan tarafından yorumlanması aynı süreç değildir.

İşitsel veri, konuşma, müzik, podcast, sesli mesaj veya telefon görüşmesi gibi ses kayıtlarıdır. Ses de dijital sistemlerde sayısal bir temsil olarak saklanabilir ve daha sonra oynatılabilir veya analiz edilebilir.

Coğrafi konum ve sensör kayıtları da özel veri türleri olarak ele alınabilir. Bir konum kaydı tek bir koordinat içerebilir; zaman damgalı birden çok konum kaydı birlikte değerlendirildiğinde hareket güzergâhı çıkarılabilir. Türü belirlemek, verinin nasıl depolanacağını, hangi araçlarla işleneceğini ve hangi yorumların yapılabileceğini etkiler.

Dijital verinin bilgisayar tarafından temsil edilmesi

Bilgisayarlar metin, görüntü ve sesi doğrudan insanın algıladığı biçimde değil, sayısal temsiller üzerinden işler. Bu temsilin temelinde ikili sayı sistemi, yani 0 ve 1 değerleriyle ifade edilen bitler bulunur. Bit ve byte, dijital verinin depolama ve aktarım boyutunu anlamak için kullanılan temel kavramlardır.

Bir metindeki harflerin bilgisayarda saklanabilmesi için karakter kodlama standartlarından yararlanılır. ASCII ve Unicode gibi standartlar, karakterlerin sayısal kodlarla temsil edilmesini sağlar. Bu yüzden ekranda gördüğümüz bir harf, sistemin içinde uygun bir kodla tutulur. Kodlama yöntemi uyuşmadığında karakterler hatalı veya anlamsız görünebilir.

Görüntüler, piksellerin renk değerleriyle; sesler ise dalga biçiminin sayısal örnekleriyle temsil edilebilir. Kullanıcı açısından bunlar fotoğraf veya ses kaydıdır, bilgisayar açısından ise işlenebilir dijital kayıtlardır. Bu ayrım, “veri dijitalleşince anlamını kaybeder” demek değildir; anlamın korunması için kullanılan kodlama ve biçimin doğru olması gerekir.

Verinin depolama alanını azaltmak veya ağ üzerinden daha hızlı taşımak amacıyla sıkıştırma uygulanabilir. Sıkıştırma, verinin temsil biçimini değiştirerek boyutunu küçültmeye yöneliktir. Ancak sıkıştırma, verinin güvenilirliğini veya içeriğinin doğruluğunu kendiliğinden garanti etmez. Hangi yöntemin kullanıldığına ve içerikte bilgi kaybı olup olmadığına ayrıca bakılmalıdır.

Bu konunun devamında İkili Sayı Sistemi Nedir?, Bit ve Byte Nedir?, Karakter Kodlama: ASCII ve Unicode ve Veri Sıkıştırma Nedir? başlıkları ayrıntılı başvuru noktalarıdır.

Veri kalitesi: doğru görünen kayıt neden yanıltabilir?

Bir veri kümesinin çok büyük olması, onun otomatik olarak değerli veya güvenilir olduğu anlamına gelmez. Veriyle karar vermeden önce doğruluk, eksiksizlik, tutarlılık, güncellik ve amaca uygunluk gibi özellikler sorgulanmalıdır.

Doğruluk, kaydın gerçeği ne ölçüde yansıttığıyla ilgilidir. Yanlış girilmiş bir sıcaklık veya hatalı yazılmış bir fiyat, sonraki hesaplamaları etkiler. Eksiksizlik, gerekli alanların bulunup bulunmadığını gösterir. Bir kayıtta ürün adı var fakat adet bilgisi yoksa satış toplamı hesaplanamayabilir. Tutarlılık, aynı bilginin farklı kayıtlarda çelişmemesidir. Bir yerde santigrat, başka bir yerde Fahrenhayt kullanılan sıcaklıkları dönüştürmeden karşılaştırmak doğru değildir.

Güncellik, verinin sorulan soruya uygun zaman aralığında olup olmadığını anlatır. Eski bir fiyatı bugünkü fiyat gibi kullanmak veya geçmiş bir konum kaydını mevcut konum sanmak yanlış sonuca götürebilir. Amaca uygunluk ise verinin soruyu gerçekten cevaplayıp cevaplamadığıdır. Bir ürünün satış adedini incelemek isteyen kişinin yalnızca müşteri yorumlarını toplaması, yorumlar değerli olsa bile tek başına yeterli olmayabilir.

Veri kalitesini değerlendirmek için şu kontrol sırası kullanılabilir:

1. Kayıtların kaynağını ve elde edilme zamanını belirleyin.
2. Birim, tarih ve kodların aynı olup olmadığını kontrol edin.
3. Eksik veya tekrar eden alanları işaretleyin.
4. Uç veya şüpheli değerleri doğrulayın.
5. Sonucun sorulan soruyla gerçekten ilişkili olup olmadığını test edin.

Bu yaklaşım, veri ile bilgi arasındaki farkı da açıklar: Bilgi, verinin bağlam içinde anlamlandırılması veya işlenmesiyle elde edilen çıktıdır. Doğruluk ve güvenilirlik ise bilginin niteliğini değerlendiren ayrı ölçütlerdir.

Veri kullanılırken güvenlik ve mahremiyet sınırı

Veri; eğitim, bilim, işletme, kamu hizmetleri ve dijital uygulamalarda karar vermeyi destekleyebilir. Bununla birlikte her verinin sınırsız biçimde toplanması veya paylaşılması uygun değildir. Özellikle kişisel bilgiler, konum kayıtları, iletişim içerikleri ve kullanıcı davranışları yetkisiz erişim veya kötüye kullanım riski taşıyabilir.

Veri güvenliği, verilerin yetkisiz erişimden, değişiklikten, kayıptan veya ifşadan korunmasına yönelik önlemleri ifade eder. Bu konu yalnızca büyük şirketlerin sorumluluğu değildir; kişisel cihazlarda saklanan fotoğraf, konum ve mesajlar da korunması gereken veri olabilir.

Bir veri kümesiyle çalışırken şu sorular önemlidir:

• Bu veri hangi amaçla toplandı?
• İçerikte kişiyi veya kurumu tanımlayabilecek bilgiler var mı?
• Veriye kimlerin erişmesi gerekiyor?
• Kayıtlar değiştirilmiş, eksilmiş veya yanlış kişiye bağlanmış olabilir mi?
• Verinin paylaşılması beklenmeyen bir sonuç doğurabilir mi?

Veriyi bilgiye dönüştürme süreci, etik ve güvenlik değerlendirmesinden ayrı düşünülemez. Örneğin kullanıcıların konum kayıtları bir hizmeti iyileştirmeye yardımcı olabilir; fakat aynı kayıtlar yetkisiz kişilerin eline geçtiğinde mahremiyet riski oluşturabilir. Bu nedenle veri kullanımı, yalnızca “işlenebilir mi?” sorusuyla değil, “gerekli mi, güvenli mi ve amaca uygun mu?” sorularıyla da değerlendirilmelidir.

Çözümlü örnekler: aynı kayıtlar nasıl farklı sonuçlara dönüşür?

Örnek 1 — Sıcaklık verisini doğru yorumlama

Verilenler: Bir uygulamada “20” değeri, “parçalı bulutlu” ifadesi ve kullanıcının konum bilgisi gösteriliyor. Mevcut makaledeki hava durumu örneğinde sıcaklık, nem, rüzgâr hızı, uydu görüntüleri ve geçmiş kayıtlar gibi farklı veri kaynaklarının işlenebileceği belirtiliyor.

Çözüm adımları:

1. “20” değerinin hangi büyüklüğü temsil ettiğini belirleriz: Bu örnekte hava sıcaklığıdır.
2. Birimi kontrol ederiz: Değerin 20 °C olarak sunulduğu belirtiliyorsa sonuç buna göre okunur; birim verilmemişse yalnızca “20” demek yeterli değildir.
3. Konum ve zaman bilgisini dikkate alırız: Hava durumu yer ve zamana bağlıdır, bu yüzden başka bir bölgenin veya farklı bir zamanın verisiyle karıştırılmamalıdır.
4. “Parçalı bulutlu” ifadesini sıcaklık sayısından ayırırız. Biri sayısal, diğeri metinsel/görsel sınıflandırmaya dayalı bir hava durumu bilgisidir.
5. Kullanıcıya “Bulunduğun konumda hava 20 °C ve parçalı bulutlu” sonucu sunulur.

Sonuç: “20”, tek başına ham bir sayısal veridir. Konum, zaman, birim ve hava durumu sınıflandırmasıyla birlikte işlenip sunulduğunda kullanıcı için anlamlı bilgiye dönüşür.

Örnek 2 — Sınav puanını veriden karara dönüştürme

Verilenler: Bir öğrencinin puanı 85 olarak kaydedilmiştir.

Çözüm adımları:

1. 85’in neyi temsil ettiğini belirleriz: Öğrencinin sınav puanı olduğu bilgisi gerekir.
2. Puanın hangi sınava ait olduğunu ve değerlendirme aralığını kontrol ederiz. “85” değeri, ölçek bilinmeden tek başına yeterli değildir.
3. Puanı başka bir sonuçla karşılaştırırız. Örneğin sınıf ortalaması, geçme ölçütü veya önceki sınav puanı verilmişse anlamlı bir kıyaslama yapılabilir.
4. Karşılaştırmanın sonucunu yorumlarız: Puanın ortalamanın üzerinde veya altında olduğunu söylemek için ilgili karşılaştırma değerinin de bulunması gerekir.
5. “Öğrenci 85 puan aldı” ifadesi kayıt bilgisidir; “öğrencinin performansı belirli ölçüte göre yüksektir” ifadesi ise ancak ölçüt biliniyorsa kurulabilecek yorumdur.

Sonuç: Sayısal bir veri, bağlam ve karşılaştırma ölçütü olmadan başarı, başarısızlık veya yeterlilik kararı verdirmez.

Sık yapılan hatalar ve karıştırılan kavramlar

Veriyi yalnızca sayı sanmak: Veri; sayıların yanında metin, fotoğraf, video, ses, konum ve sensör kayıtlarını da kapsar. Sayısal olmayan veriler üzerinde doğrudan aritmetik işlemler genellikle anlamlı değildir; ancak bunların sayısal temsilleri matematiksel olarak işlenebilir ve uygun kodlama yapıldığında bazı sayısal analizler uygulanabilir. Sınıflandırma, arama veya yorumlama gibi işlemlerde de kullanılabilir.

Veri ile bilgiyi aynı kabul etmek: “85” bir puan verisidir. Bu puanın belirli bir ölçüte göre ne ifade ettiği açıklanırsa bilgiye dönüşen bir yorum elde edilir. Veri ve bilgi arasındaki sınır, bağlam ve işleme düzeyiyle ilgilidir.

Büyük veri kümesini otomatik olarak doğru sanmak: Çok sayıda kayıt, hatalı veya eksik bilgiyi de içerebilir. Miktar artışı kaliteyi kendiliğinden garanti etmez.

Birimleri göz ardı etmek: 25 değerinin Celsius mu Fahrenhayt mı olduğu bilinmeden sıcaklık karşılaştırması yapılmamalıdır. Fiyat, sıcaklık, nüfus ve puan gibi farklı büyüklükler aynı sayısal biçimde görünse de aynı tür ölçüm değildir.

Tek bir kayıttan genel sonuç çıkarmak: Bir öğrencinin tek sınav puanı, tüm akademik performansı açıklamayabilir. Benzer biçimde tek bir müşteri yorumu, bütün müşterilerin görüşü olarak kabul edilmemelidir.

Dijital veriyi doğrudan gerçekliğin kendisi sanmak: Dijital kayıtlar, gerçek olayların belirli bir yöntemle temsil edilmesidir. Sensörün ölçüm hatası, kameranın görüş alanı veya kodlama biçimi kaydın kapsamını etkileyebilir.

Sıkıştırmayı silme veya güvenlik işlemi sanmak: Sıkıştırmanın temel amacı depolama alanını ve iletim yükünü azaltmaktır. Veriyi yetkisiz erişime karşı korumak ise güvenlik konusudur; bu iki işlem aynı değildir.

İkili ve onaltılık gösterimi veri türü sanmak: İkili ve onaltılık sistemler, sayısal değerleri temsil etme biçimleridir. Sayının gösterim biçimi ile verinin içerik türü birbirinden ayrılmalıdır.