Veri kataloğu; tablo, dosya, rapor, model, API ve veri ürünü gibi varlıkları teknik metadata, iş tanımı, sahiplik, sınıflandırma, kalite ve kullanım bilgileriyle aranabilir hâle getirir. Data lineage ise verinin kaynağını, dönüşümlerini ve tüketildiği rapor, gösterge, model veya AI uygulamalarını ilişkilendirir. Kurumsal değer, yalnız araç kurmaktan değil; kritik veri alanlarını, sahipleri, iş sözlüğünü, otomatik taramayı, manuel doğrulamayı ve etki analizi süreçlerini aynı yönetişim modelinde birleştirmekten gelir.
Veri kataloğu, iş sözlüğü ve lineage aynı şey değildir
Veri kataloğu, kurumun dağınık veri varlıklarını tek bir aranabilir bilgi katmanında görünür kılar. İş sözlüğü; “aktif müşteri”, “net gelir” veya “riskli işlem” gibi kavramların ortak tanımını, sahibini ve kullanım sınırını açıklar. Data lineage ise bir verinin nereden geldiğini, hangi işlem ve dönüşümlerden geçtiğini, hangi tablo, rapor, metrik, model veya AI uygulamasında kullanıldığını gösterir. Bu üç bileşen birbirini tamamlar; biri diğerinin yerine geçmez.
| Bileşen | Temel soru | Tipik çıktı |
|---|---|---|
| Veri kataloğu | Hangi veri varlıklarımız var ve nasıl bulunur? | Aranabilir varlık envanteri ve metadata |
| İş sözlüğü | Bu kavram kurum için ne anlama geliyor? | Onaylı tanım, sahip ve kullanım kuralı |
| Data lineage | Veri nereden geldi, nasıl değişti ve nereye gidiyor? | Kaynak–dönüşüm–tüketim ilişkisi |
| Veri kalitesi | Bu veri belirli amaç için güvenilir mi? | Kural, ölçüm, ihlal ve düzeltme kaydı |
Katalog ve lineage veri arama süresini azaltmaktan daha geniş değer üretir
Kurumlarda aynı müşteri, ürün veya gelir kavramı farklı sistemlerde farklı adlarla tutulabilir. Analist doğru tabloyu bulsa bile verinin güncel, kişisel veri içeren, üretim kullanımı için onaylı veya hangi raporları etkilediği belirsiz olabilir. Katalog ve lineage bu belirsizliği azaltarak karar, değişiklik ve denetim süreçlerine ortak kanıt sağlar.
Doğru veri bulunur
İş kullanıcısı teknik tablo adını bilmeden tanım, alan ve sahip üzerinden arama yapabilir.
Değişiklik etkisi görülür
Bir kolon veya kural değişmeden önce etkilenecek rapor, metrik ve model belirlenir.
Onaylı varlık ayrılır
Sertifikalı veri ürünü, veri sahibi, kalite ve güncellik sinyalleri birlikte sunulur.
Hassas veri izlenir
Kişisel ve gizli verinin nerede bulunduğu, taşındığı ve tüketildiği takip edilir.
AI ve RAG kullanımında katalog ayrıca modelin hangi kurumsal kaynağa erişebileceğini, kaynağın sahibini, sınıflandırmasını ve güncellik durumunu belirlemek için bağlam sağlar. Ancak katalog, erişim kontrol sisteminin yerine geçmez; yetki kararları kimlik ve politika katmanında uygulanmalıdır.
Katalog yalnız teknik kolon listesinden oluşmamalıdır
Kurumsal katalog, teknik, iş, operasyonel ve yönetişim metadata katmanlarını bir araya getirmelidir. Her alanın tamamını ilk günde doldurmak yerine kritik veri ürünleri için asgari zorunlu metadata sözleşmesi tanımlanabilir.
| Metadata türü | Örnek alanlar | Karar değeri |
|---|---|---|
| Teknik | Sistem, şema, tablo, kolon, veri tipi, API, format | Bağlantı ve teknik keşif |
| İş | Tanım, eş anlamlı, hesaplama, kullanım amacı | Ortak anlam ve metrik tutarlılığı |
| Operasyonel | Güncelleme sıklığı, son çalışma, hacim, kullanım | Güncellik ve hizmet durumu |
| Yönetişim | Sahip, steward, sınıflandırma, kalite, onay | Yetki, güven ve sorumluluk |
| İlişkisel | Kaynak, türev, rapor, metrik, model, tüketici | Lineage ve etki analizi |
Otomatik tarama teknik metadata ve bazı lineage ilişkilerini toplayabilir. İş tanımı, kullanım kuralı, sahiplik ve istisnalar çoğu zaman iş birimi ile veri steward’ının doğrulamasını gerektirir. Tam otomasyon iddiası, yanlış veya anlamsız metadata birikimine yol açabilir.
Lineage seviyesi kullanım amacına göre seçilmelidir
Lineage sistem, veri seti, tablo, kolon veya iş metriği seviyesinde kurulabilir. Her şeyi kolon seviyesinde haritalamak pahalı ve sürdürülemez olabilir; yalnız sistem seviyesinde kalmak ise kritik etki analizini desteklemeyebilir. Öncelik, regülasyon, finansal raporlama, yönetim KPI’ları, müşteri kararları ve AI sistemlerini besleyen kritik akışlara verilmelidir.
- Kaynak sistem ve veri sahibi
- Ingestion, kopyalama ve senkronizasyon adımları
- SQL, ETL/ELT, kod ve iş kuralı dönüşümleri
- Tablo ve kolon eşlemeleri
- Rapor, dashboard ve metrik tüketimi
- ML/AI eğitim ve çıkarım girdileri
- Manuel dosya ve spreadsheet ara adımları
- Sürüm, çalışma zamanı ve başarısız pipeline bilgisi
- Hassas veri sınıfının türev varlıklara yayılması
Lineage yalnız geriye doğru “bu sayı nereden geldi?” sorusunu değil, ileri doğru “bu kolonu değiştirirsem hangi rapor ve modeller bozulur?” sorusunu da cevaplamalıdır.
Kurumsal mimari merkezi katalog ile dağıtık sahipliği birleştirmelidir
Merkezi ekip platform, metadata modeli, entegrasyon standardı ve kalite kapılarını yönetebilir. Veri alanları ise tanım, sahiplik, kalite eşiği ve kullanım kuralından sorumlu olmalıdır. Böylece katalog merkezi bir dokümantasyon kuyruğuna dönüşmeden ölçeklenir.
| Katman | Sorumluluk | Kontrol |
|---|---|---|
| Kaynaklar | Veritabanı, dosya, SaaS, API, BI ve AI platformları | Bağlantı ve erişim sınırı |
| Metadata toplama | Tarama, API, olay ve kod entegrasyonu | Kapsam, sıklık ve hata yönetimi |
| Bilgi modeli | Varlık, terim, sahip, kalite ve ilişki | Zorunlu alan ve sürüm |
| Arama ve kullanım | Keşif, etki, politika ve AI bağlamı | Rol bazlı görünürlük |
| Yönetişim | Onay, istisna, emeklilik ve denetim | Karar izi ve SLA |
Uygulama kritik veri ürünleriyle başlamalıdır
- Yönetim, finans, müşteri, uyum veya AI için kritik on–yirmi veri ürününü seçin.
- Her ürün için iş sahibi, teknik sahibi, steward ve tüketicileri belirleyin.
- Asgari metadata, sınıflandırma, kalite ve lineage sözleşmesini yazın.
- Kaynak sistemleri ve otomatik tarama kapsamını bağlayın.
- İş sözlüğü terimlerini veri varlıkları ve metriklerle ilişkilendirin.
- Eksik otomasyon için kontrollü manuel lineage süreci kurun.
- Değişiklik, etki analizi ve sertifikasyon iş akışını devreye alın.
- Arama başarısı, güncellik ve kullanım davranışını ölçün.
- Değer kanıtlandıkça yeni veri alanlarına genişleyin.
Senaryo: “Net gelir” metriği üç raporda farklı çıkıyor
Finans, satış ve yönetim dashboard’larında net gelir farklıdır. Katalog; üç raporun bağlı olduğu tabloları, sahipleri ve tanımları gösterir. Lineage, bir raporun iadeleri sipariş tarihine, diğerinin fatura tarihine göre düşürdüğünü; üçüncünün döviz kurunu farklı kaynaktan aldığını ortaya çıkarır. İş sözlüğünde ortak tanım ve zaman kuralı onaylanır, semantic layer metriği güncellenir ve etkilenen raporlar lineage üzerinden belirlenir.
Katalog metadata kalitesi ve güncelliği ayrıca yönetilmelidir
- Sahipsiz kritik veri varlığı oranı
- Eksik iş tanımı ve sınıflandırma oranı
- Son tarama ve son başarılı pipeline yaşı
- Kırık veya tamamlanmamış lineage ilişkileri
- Onaylı veri ürününde kalite ihlali
- Kullanılmayan veya emekli varlıkların görünürlüğü
- Arama sonucundan başarılı veri erişimine geçiş
- Değişiklik öncesi etki analizi kullanım oranı
Katalogda bulunan ama yıllardır güncellenmeyen bir açıklama, yanlış karar riskini artırabilir. Metadata için de sahiplik, gözden geçirme tarihi ve emeklilik süreci gereklidir.
Başarı kayıt sayısıyla değil güvenilir kullanım ile ölçülmelidir
Veri yönetişimi ekibi platform ve standardı; veri alanı sahibi iş anlamını ve kalite eşiğini; teknik ekip entegrasyon ve lineage doğruluğunu; güvenlik ve gizlilik ekipleri sınıflandırma ile erişim politikasını; kullanıcılar ise hata ve eksikliği geri bildirme sürecini yönetir.
| KPI | Ne ölçer? | Yanlış yorum |
|---|---|---|
| Kritik varlık kapsamı | Öncelikli veri ürünlerinin kataloglanması | Toplam tablo sayısı |
| Metadata tamamlığı | Zorunlu alanların güvenilirliği | Otomatik doldurulmuş alan çokluğu |
| Lineage güveni | Etki analizinin doğrulanma oranı | Grafikteki düğüm sayısı |
| Keşif süresi | Doğru veriye ulaşma süresi | Arama sorgusu sayısı |
| Değişiklik kazası | Öngörülmeyen downstream kırılması | Sıfır değişiklik hedefi |
Kaynaklar ve gözden geçirme notu
Bu rehberde değişebilir veya teknik iddialar için öncelikle resmî kurum, ürün geliştiricisi ve birincil araştırma kaynakları kullanılmıştır. Bağlantılar 27 Temmuz 2026 tarihinde gözden geçirilmiştir.
- 01Google Cloud — Knowledge Catalog Overview
Veri ve AI varlıkları için merkezi metadata, iş bağlamı, arama ve yönetişim yaklaşımını açıklar.
- 02Microsoft Learn — Data Lineage in Microsoft Purview
Verinin kaynaktan dönüşüm ve görselleştirmeye kadar izlenmesini, kök neden ve etki analizi kullanımını açıklar.
- 03Microsoft Learn — Purview Data Map Data Sources
Tarama, sınıflandırma ve lineage desteğinin kaynak sistemlere göre kapsamını gösterir.
- 04Google Cloud — Establish Foundational Data Context
İş tanımı ve yapılandırılmış metadata ile veri varlıklarına bağlam ekleme yaklaşımını açıklar.
- 05dbt Developer Hub — Documentation and Lineage
Model, metadata, dokümantasyon ve lineage görünürlüğünün analitik geliştirme süreçlerindeki rolünü açıklar.