Değerleme sistemlerinde Veri Kalitesi; tanım tutarlılığı, tamlık, güncellik, tekillik ve doğru etiketleme gibi boyutlarla fiyat çıktısını doğrudan etkileyen temel unsurdur.
Değerleme motorları ne kadar “akıllı” görünürse görünsün, onları besleyen Veri Kalitesi zayıfsa sonuç genellikle aynı yere çıkar: hatalı fiyat, tutarsız rapor ve güven kaybı. KobiCar’ın odağı olan araç değerleme ve iş geliştirme çözümlerinde, fiyatın yalnızca bir sayı değil; satın alma, stok, kredi, sigorta ve kampanya kararlarının merkezi olduğunu biliyoruz. Bu yüzden konu “model seçimi” kadar, hatta çoğu zaman ondan da fazla “verinin kendisi” ile ilgilidir.
Veri Kalitesi Neden Değerleme Sistemlerinin “Gizli Şanzımanı”dır?
Veri Kalitesi, değerleme sistemlerinin aktarma organı gibidir: motor güçlü olabilir, ama şanzıman dişlileri aşınmışsa hızlanma titrer. Araç değerleme, çoklu veri kaynağına dayandığı için (ilanlar, gerçekleşen satışlar, ekspertiz bulguları, hasar kayıtları, donanım listeleri, kredi koşulları, bölgesel talep vb.) küçük bir sapma bile sonuç fiyatında beklenmedik dalgalanmalara neden olabilir.
Bilimsel açıdan bakıldığında değerleme, bir tahmin problemidir. Tahmin problemlerinde hata iki yerden gelir: modelden ve veriden. Sektörde sık görülen durum şudur: Model iyileştirmelerine ciddi emek verilir, fakat Veri Kalitesi yönetimi “nasıl olsa geliyor” diye arka plana atılır. Oysa veri tarafındaki sistematik hatalar, modeli ne kadar parlatırsanız parlatın aynı yanlılığı üretir.
KobiCar gibi otomotiv endüstrisine odaklanan, karar ve operasyon süreçlerini veriyle standardize etmeyi hedefleyen bir veri ve teknoloji şirketi için burada kritik bir ayrım var: Değerleme, yalnızca doğru fiyatı bulmak değil; o fiyatın neden doğru göründüğünü açıklayabilmek, farklı senaryolarda tutarlı kalmasını sağlamak ve operasyonel ekiplerin güvenle kullanabileceği bir standarda oturtmaktır. Bunun temeli de Veri Kalitesi disiplinidir.
Veri Kalitesi Problemi 1: Kaynaklar Arası Tanım Uyuşmazlığı
İlk yaygın problem, farklı kaynakların aynı kavramı farklı tanımlamasıdır. “Hasar kaydı” bir yerde yalnızca sigorta dosyası demek olabilir, başka bir yerde lokal boya da “hasar” sayılabilir. “Tramer var” ifadesinin kapsamı bile veriyi üreten kuruma göre değişebilir. Bu tanım farkları birleştiğinde, değerleme sisteminiz aynı aracı bir kaynakta “temiz”, diğerinde “riskli” görebilir.
Buradaki Veri Kalitesi sorunu çoğu zaman “veri var ama anlamı karışık” durumudur. Yani eksiklikten değil, semantik belirsizlikten doğar. Sonuçta model, bir değişkenin neyi temsil ettiğini tutarlı biçimde öğrenemez ve fiyatlar segmentten segmente “nedensiz” oynar.
Bu problemi azaltmak için pratik yaklaşım şudur: Ortak bir veri sözlüğü (data dictionary) ve iş kuralları seti oluşturmak. Örneğin “ağır hasar”ın eşiği, “parça değişimi”nin sınıflandırması, “kilometre doğrulama”nın nasıl işaretleneceği tek bir standartta birleşmelidir. Standardizasyon, Veri Kalitesi yönetiminin en görünmez ama en etkili yatırımıdır.
Veri Kalitesi Problemi 2: Eksik Alanlar ve Zımni Varsayımlar
Değerleme verilerinde eksik alanlar şaşırtıcı derecede yaygındır: donanım paketi boş, çekiş tipi bilinmiyor, şanzıman türü yanlış girilmiş, ekspertiz satırları yarım kalmış olabilir. Sistem bu eksikleri doldurmak zorunda kalır. Doldurma yöntemleri (imputation) bazen doğru çalışır; bazen de “ortalama”ya yaklaşarak değerli sinyali düzleştirir.
Bu noktada Veri Kalitesi iki açıdan zarar görür. Birincisi doğruluk: yanlış doldurulan alan, aracın gerçek özelliklerini yansıtmaz. İkincisi temsiliyet: bazı markalarda veri daha eksik, bazı bölgelerde daha doluysa model, veri geldiği yere göre yanlı davranabilir.
Operasyonel tarafta uygulanabilir bir çözüm: Eksik alanların fiyat etkisini ölçen bir “eksiklik skoru” üretmek. Bu skor, eksikliği gizlemek yerine görünür kılar. Örneğin donanım paketi bilinmeyen araçlarda fiyat bandı daha geniş raporlanabilir ya da insan onayına yönlendirilebilir. Böylece Veri Kalitesi düşüklüğü, hatalı kesinlik üretmek yerine kontrollü belirsizlik üretir.
Veri Kalitesi Problemi 3: Aykırı Değerler ve İlan Ekonomisi
İlan verileri, değerleme için cazip ama riskli bir kaynaktır. Çünkü ilan fiyatı, gerçekleşen satış fiyatı değildir. Pazarlık payı, piyasa psikolojisi, “deneme ilanı”, vitrin stratejileri, kurumsal kampanyalar gibi faktörler ilanı bir tür niyet beyanına dönüştürür. Bu da aykırı değerleri artırır.
Burada Veri Kalitesi problemi, yalnızca “yanlış veri” değil; “farklı amaçla üretilmiş veri” kullanımıdır. İlan verisi satmak için, satış verisi gerçekleşeni kaydetmek için üretilir. Ama ikisini aynı kefeye koyarsanız, modeliniz bir süre sonra “piyasada herkes yüksek istiyor” sonucuna varıp fiyatları yukarı iter.
Aykırı değer yönetimi için iki katmanlı yaklaşım işe yarar:
- İstatistiksel filtreler: uç değer tespiti (IQR, robust z-score), fiyat kilometre ilişkisiyle tutarsız noktaları elemek.
- Bağlamsal filtreler: “ilan yaşı”, “ilan güncelleme sayısı”, “fiyat düşüş trendi” gibi sinyallerle ilan niyetini modellemek.
Kısacası Veri Kalitesi, sadece temizlemek değil; verinin üretim amacını anlayıp doğru bağlama oturtmaktır.
Veri Kalitesi Problemi 4: Güncellik Sorunu
Otomotiv piyasası, mevsimsellikten kampanyalara, kredi koşullarından döviz etkilerine kadar hızlı değişir. Bu yüzden değerlemede “güncellik” kritik bir kalite boyutudur. Üç ay önce doğru olan fiyat sinyali, bugün yanıltıcı olabilir. Verinin geç güncellenmesi, modelin “geçmişi bugünün yerine koymasına” yol açar.
Bu Veri Kalitesi problemini çoğu ekip geç fark eder çünkü hata yavaşça birikir. Önce küçük sapmalar olur, sonra belli segmentlerde sürekli düşük ya da sürekli yüksek tahminler başlar. Kullanıcılar “sistem bozuldu” der ama sistem bozulmamıştır; zaman akmıştır.
Güncellik yönetiminde kullanılabilecek pratik metrikler:
- Veri gecikmesi (data latency): olay ile sisteme düşüş arasındaki süre
- Tazelik (freshness) skoru: kaynağa göre beklenen güncelleme periyodu
- Pencereleme: model eğitiminde daha yeni veriye daha yüksek ağırlık verme
Bu konuyu daha geniş perspektifte görmek için veri kalitesi disiplinlerinin genel çerçevesine göz atmak faydalı olur: Veri kalitesi (data quality) kavramını özetleyen kaynaklardan biri olan Wikipedia veri kalitesi sayfası tanım ve boyutları toplu şekilde verir.
Veri Kalitesi Problemi 5: Yinelenen Kayıtlar ve Kimlik Çakışması
Aynı aracın birden fazla kaydı olması, değerleme sistemlerinde sessiz bir fiyat bozucudur. Şasi bazında eşleşme yoksa (veya gizleniyorsa), plaka değişimi olmuşsa, ilanlar farklı hesaplardan tekrar girilmişse tek araç, veri dünyasında iki farklı araç gibi yaşar. Bu da fiyat dağılımını şişirir veya segment ortalamasını kaydırır.
Bu problem doğrudan Veri Kalitesi ve “entity resolution” (varlık çözümleme) konusuna girer. Yalnızca aynı kaydı silmek yetmez; hangi kaydın “asıl” olduğuna karar vermek gerekir. Çünkü iki kaydın biri doğru kilometreyi taşırken diğeri doğru donanımı taşıyabilir.
İyi bir çözüm, deterministik ve olasılıksal eşleştirmeyi birlikte kullanır:
- Deterministik: şasi, motor no, ruhsat kombinasyonları (varsa)
- Olasılıksal: marka model yıl, donanım, renk, konum, ilan fotoğraf parmak izi, metin benzerliği
Burada amaç “tekilleştirme” kadar, tekilleştirme kararının izlenebilir olmasıdır. İzlenebilirlik, Veri Kalitesi yönetiminde güven üretir.
Veri Kalitesi Problemi 6: İnsan Girişi Hataları ve Operasyonel Gürültü
Manuel veri girişi, otomotivde hâlâ önemli bir gerçek. Ekspertiz notları, donanım seçimi, paket işaretleme, hasar tipi gibi alanlar bazen hızlı girilir, bazen varsayımla doldurulur. “Otomatik” yerine “otomotik”, “1.6” yerine “16”, “benzin” yerine “dizel” gibi küçük görünen hatalar; model gözünde bambaşka sınıflara dönüşebilir.
Bu Veri Kalitesi probleminde eğlenceli olan şudur: Hata genellikle kötü niyetli değildir; hız ve alışkanlık ürünüdür. Bilimsel tarafta ise bunun adı “measurement error” ve “label noise” gibi kavramlarla anılır. Gürültü arttıkça modelin öğrenebileceği sinyal azalır.
Çözüm yaklaşımı iki parçalı olabilir:
- Önleyici kontroller: zorunlu alanlar, aralık doğrulama, sözlük tabanlı seçim, otomatik düzeltme önerileri
- Sonradan denetim: tutarsızlık yakalama (örn. motor hacmi ile yakıt türü uyumsuzluğu), anomali raporları, örnekleme ile kalite kontrol
İyi bir referans çerçevesi olarak veri doğrulama ve kalite kontrol pratikleri için Great Expectations dokümantasyonu veri testlerinin nasıl kurgulanabileceğine dair güçlü örnekler sunar. Bu yaklaşım, Veri Kalitesi denetimini “tek seferlik temizlik”ten çıkarıp sürekli bir sürece dönüştürür.
Veri Kalitesi Problemi 7: Hedef Sızıntısı ve Yanlış Etiketleme
En sinsi problem hedef sızıntısıdır (target leakage). Değerleme modeliniz, tahmin etmeye çalıştığı fiyatı dolaylı olarak veri içinde görüyorsa, ilk bakışta “mükemmel” sonuç verir. Sonra gerçek hayatta dağılım değiştiğinde performans çöker. Örnek: “pazarlık payı uygulanmış fiyat”, “kredi onaylı satış fiyatı” veya “sistemin önceki tahmininin kaydı” gibi alanların yanlışlıkla eğitim verisine girmesi.
Bu, Veri Kalitesi ile birebir ilişkilidir çünkü sorun modelde değil; verinin etiketlenme ve ayrıştırılma biçimindedir. Üstelik KPI’lar kısa vadede iyi göründüğü için problem geç fark edilir.
Bu riski azaltmak için:
- Özelliklerin veri soyu (data lineage) çıkarılmalı: Hangi alan nereden geliyor, hangi süreçte üretiliyor?
- Zaman bazlı ayrım yapılmalı: Gelecekte oluşan bilgi geçmişe sızmamalı.
- Etiket tanımı sabitlenmeli: “Gerçekleşen fiyat” mı, “talep edilen fiyat” mı, “kampanya sonrası fiyat” mı?
Özetle, Veri Kalitesi yalnızca doğruluk değil; etiketi ve tahmin hedefini doğru tanımlama disiplinidir.
Veri Kalitesi İçin Hızlı Teşhis Tablosu
Aşağıdaki tablo, değerlemede sık görülen semptomları ve olası veri kök nedenlerini hızlı eşleştirmek için hazırlanmıştır.
| Semptom (Sahada Görülen) | Olası Kök Neden | Veri Kalitesi Boyutu | Hızlı Kontrol |
|---|---|---|---|
| Aynı araç farklı kanallarda çok farklı fiyatlanıyor | Tanım uyuşmazlığı, kimlik çakışması | Tutarlılık, bütünlük | Kaynak bazlı dağılım karşılaştırması |
| Bazı segmentlerde sürekli düşük tahmin | Güncellik sorunu, temsiliyet | Tazelik, kapsam | Zaman penceresi analizi |
| Fiyat bandı gereksiz geniş | Eksik alanlar, gürültü | Tamlık, doğruluk | Eksiklik skoru ve anomali oranı |
| Model testte çok iyi, canlıda kötü | Hedef sızıntısı, yanlış etiket | Doğruluk, yönetişim | Veri soyu incelemesi |
| Ortalama fiyatlar yukarı kayıyor | İlan aykırıları, yinelenen kayıt | Doğruluk, tekillik | Robust filtre + dedup raporu |
Bu tabloyu operasyon ekipleriyle birlikte kullanmak, Veri Kalitesi sorunlarını “IT işi” olmaktan çıkarıp “iş geliştirme kararı” hâline getirir.
KobiCar Perspektifinden Veri Kalitesi ile Daha Tutarlı Değerleme
Değerleme sistemlerinde hatalı fiyatların önemli bir kısmı, modelin “kötü” olmasından değil; Veri Kalitesi problemlerinin görünmez biçimde birikmesinden kaynaklanır. Tanım uyuşmazlığı, eksik alanlar, ilan kaynaklı aykırılar, güncellik kaybı, yinelenen kayıtlar, insan girişi hataları ve hedef sızıntısı; her biri tek başına yönetilebilir görünür. Ancak birlikte olduklarında fiyatı, güveni ve operasyon akışını aynı anda bozarlar.
KobiCar'ın otomotiv sektörü için akıllı büyüme teknolojileri geliştiren yaklaşımında “veriyi standardize etmek” ifadesi, pratikte şuna denk gelir: Verinin ne anlattığını netleştirmek, nereden geldiğini izlemek, ne zaman güncellendiğini bilmek ve hangi koşulda güvenilir sayılacağını kurala bağlamak. Böylece değerleme çıktısı yalnızca bir sayı değil; sahada kullanılabilir, gerekçelendirilebilir ve sürdürülebilir bir karar desteği olur.