Kısa cevap: Önce yönetimin vereceği kararı tanımlayın; sonra saha olaylarını tekil kimlik, zaman ve sorumluyla kaydedin. Göstergeleri sabit granülerlik, veri kalitesi kapısı ve insan onayı üzerinden üretin.
Saha verisi neden doğrudan gösterge değildir?
Bir tablet formundaki her satır ölçülebilir bir olaydır; ancak tek başına yönetim cevabı değildir. İş emri açılması, saha ziyaretinin başlaması, kontrol noktasının tamamlanması, uygunsuzluğun doğrulanması ve raporun yayımlanması farklı iş olaylarıdır. Bunları tek bir “tamamlandı” alanında toplamak, hız ile kaliteyi ve iş yükü ile sonucu birbirine karıştırır.
Microsoft’un yıldız şema rehberi, olgu tablolarının gözlem veya olayları sakladığını, boyutların ise filtreleme ve gruplama sağladığını belirtir. Aynı rehber olgu tablolarının tutarlı bir granülerlikte yüklenmesini özellikle ister. Teknik sonuç nettir: iş emri, ziyaret, kontrol noktası ve rapor aynı satır türüymüş gibi sayılmamalıdır.
İyi bir gösterge, önce hangi kararı desteklediğini; sonra hangi olayları, hangi zaman penceresinde ve hangi kuralla saydığını açıklar.
İlk adım: Tek yönetim sorusunu seçin
Dashboard tasarımına grafik seçerek başlanmaz. Önce karar sorusu yazılır: “Geciken işler hangi aşamada birikiyor?”, “Tekrar ziyaret gerektiren işlerin ortak nedeni ne?” veya “Rapor yayını neden planlanan tarihten sapıyor?” Bu soruların her biri farklı olay, kapsam ve sorumlu ister.
NIST AI RMF Playbook’un Measure 2.5 bölümü, bir göstergenin ölçtüğünü iddia ettiği kavramı gerçekten ölçmesinin doğrulanmasını yapı geçerliliği bağlamında ele alır. Vizyon AI tasarımındaki karşılığı, modelin veya kuralın ürettiği sonucu tek başına gerçek kabul etmemektir. Gösterge; kaynak kayıtları, hesap kuralı, kullanım sınırı ve yetkili insan incelemesiyle birlikte sunulmalıdır.
KPI kartını hesaplamadan önce doldurun
| Alan | Sorulacak soru | Örnek |
|---|---|---|
| Karar | Bu gösterge hangi eylemi tetikler? | Planlama sorumlusu iş dağılımını değiştirir. |
| Olay | Hangi kayıt sayılır? | Yetkili kullanıcı tarafından kapatılan saha ziyareti. |
| Granülerlik | Bir satır neyi temsil eder? | Bir iş emrindeki tek saha ziyareti. |
| Zaman | Hangi başlangıç, bitiş ve saat dilimi kullanılır? | Planlanan başlangıç ile gerçek kapanış, İstanbul saati. |
| Kapsam | Hangi kayıtlar dahil veya hariçtir? | İptal edilen işler paydadan ayrı raporlanır. |
| Sahip | Tanımı ve eşiği kim onaylar? | Operasyon yöneticisi ve veri sorumlusu. |
| Kanıt | Sonuç hangi kayıtlara geri izlenir? | İş emri, ziyaret ve işlem geçmişi kimlikleri. |
Olay modelini değişmez bir omurga üzerine kurun
Her saha olayı en azından tekil olay kimliği, iş emri kimliği, olay türü, oluşma zamanı, kaydetme zamanı, sorumlu rol, kaynak ve durum geçmişiyle tutulmalıdır. Düzeltme gerektiğinde eski olayı sessizce ezmek yerine yeni sürüm veya düzeltme bağı kurulmalıdır. Böylece bir yönetim göstergesinin sonradan neden değiştiği açıklanabilir.
OpenTelemetry’nin kararlı metrik veri modeli; kayıt anındaki olay, depolanan zaman serisi ve taşınan metrik akışını ayrı kavramlar olarak ele alır. Bu ayrım saha operasyonuna da uygulanabilir: ham olay kanıttır, metrik belirli bir pencere ve birimle hesaplanmış görünüm, dashboard ise karar sunumudur. Sayaç, anlık durum ve süre dağılımı aynı sayıymış gibi kullanılmamalıdır.
Veri kalitesi kapısını KPI hesabından önce çalıştırın
Eksik veri düşük performans değildir; gecikmiş senkronizasyon da operasyon gecikmesi değildir. ISO 8000-8:2015, bilgi ve veri kalitesi kavramlarını ve kalite yönetimi içinde ölçüm için gereken ön koşulları tanımlar. Standart 2015’te yayımlanmış ve 2022’de güncelliği teyit edilmiştir. Bu dayanak, her göstergenin önünde ölçülebilir bir veri kalitesi kapısı kurulmasını destekler.
Microsoft Purview dokümantasyonu veri kalitesini doğruluk, tamlık, uygunluk, tutarlılık, güncellik ve benzersizlik gibi ayrı boyutlarda ele alır. Operasyon ekranında bu boyutların hepsini tek bir yapay puana sıkıştırmak yerine, karar için kritik olanları görünür kılın:
- Tamlık: Zorunlu saha alanlarının ve kanıt bağlarının varlığı.
- Benzersizlik: Aynı olayın çevrimdışı senkronizasyon veya yeniden deneme nedeniyle iki kez sayılmaması.
- Tutarlılık: İş emri durumu ile ziyaret ve rapor durumlarının çelişmemesi.
- Güncellik: Son başarılı veri akışının zamanı ve kabul edilen gecikme penceresi.
Veri kapısı geçmiyorsa Vizyon AI sonucu normal bir KPI gibi göstermemeli; kapsam dışı kayıt adedini, son güncellenme zamanını ve inceleme gereğini belirtmelidir. Böylece yönetici kötü operasyon ile zayıf veri kapsamını ayırabilir.
Vizyon AI analiz katmanı nasıl sınırlandırılmalı?
Vizyon AI, tanımlı iş olayları üzerinde örüntü bulma, istisnaları önceliklendirme ve olası nedenleri inceleme sırasına koyma için kullanılabilir. Bununla birlikte tahmin veya öneri, uygunluk kararı ya da yayımlanmış raporun yerine geçmez. Özellikle küçük örneklem, değişen saha formu, yeni ekip veya gecikmiş veri akışı gibi koşullar sonuçla birlikte gösterilmelidir.
Bu yaklaşım, NIST AI RMF 1.0’ın yönetişim, haritalama, ölçme ve yönetme işlevleriyle uyumludur. Teknik uygulamada her analiz çıktısı için şu iz korunur:
- Kullanılan veri penceresi ve filtreler,
- Gösterge sözlüğünün sürümü,
- Model veya kural sürümü,
- Önerinin üretildiği zaman,
- İnceleyen rol ve verilen karar,
- Sonradan yapılan düzeltmenin gerekçesi.
Yapay zekâ ile insan onayının görev sınırlarını ayrıca değerlendirmek için muayene süreçlerinde yapay zekâ ve insan onayı rehberine bakabilirsiniz. Entegrasyon kimliklerinin korunması gerekiyorsa ERP ve muhasebeye çift kayıtsız veri aktarımı yazısı teknik omurgayı tamamlar.
İlk dashboard için küçük ve denetlenebilir bir kapsam seçin
İlk sürümde bütün operasyonu tek ekrana taşımak yerine bir karar döngüsünü seçin. Örneğin planlanan ve tamamlanan saha ziyaretlerini, bekleme nedenlerini ve veri tamlığını birlikte izleyin. Her karttan kaynak iş emri ve olay listesine inilebildiğini doğrulayın.
Yayın öncesi kontrol listesi
- Her KPI tek bir karar sorusuna bağlı mı?
- Pay, payda, zaman penceresi, saat dilimi ve hariç tutmalar yazılı mı?
- Olay granülerliği bütün dönemlerde aynı mı?
- Eksik, mükerrer ve gecikmiş veri ayrı gösteriliyor mu?
- Kullanıcı toplam sayıdan kaynak kayda inebiliyor mu?
- AI önerisi kaynak, sınır ve güven uyarısıyla sunuluyor mu?
- Teknik onay ve operasyon kararı yetkili insanda mı?
- Tanım veya model değişince eski sonuç yeniden üretilebiliyor mu?
Bu kontrol, dashboard’u dekoratif bir rapordan denetlenebilir karar aracına dönüştürür. Kurumunuza özel veri modeli ve analiz akışını değerlendirmek için VizyonTech yapay zekâ çözümlerini inceleyebilir veya mevcut saha süreciniz üzerinden bir pilot kapsam belirleyebilirsiniz.
Kaynaklar
- NIST — Artificial Intelligence Risk Management Framework (AI RMF 1.0), 26 Ocak 2023.
- NIST AI Resource Center — AI RMF Playbook, tam sürüm 30 Mart 2023.
- ISO — ISO 8000-8:2015, Data quality — Concepts and measuring, Kasım 2015; 2022’de teyit edildi.
- OpenTelemetry — Metrics Data Model, güncel kararlı model dokümantasyonu.
- Microsoft Learn — Understand star schema and the importance for Power BI, son güncelleme 30 Aralık 2024.
- Microsoft Learn — Data quality health report in Unified Catalog, güncel dokümantasyon.