Bu c\u00fcmle bilgisayar biliminde “garbage in, garbage out<\/a>” prensibinin g\u00fcncel bir versiyonu. Ama yapay zeka ile birlikte bu prensip daha tehlikeli bir h\u00e2l al\u0131yor. \u00c7\u00fcnk\u00fc eskiden yanl\u0131\u015f veri yanl\u0131\u015f bir raporla sonu\u00e7lan\u0131rd\u0131; bug\u00fcn yanl\u0131\u015f veri, otomatik kararlara, otomatik sipari\u015f \u00f6nerilerine, otomatik planlama senaryolar\u0131na d\u00f6n\u00fc\u015f\u00fcyor. Hata art\u0131k daha h\u0131zl\u0131 yay\u0131l\u0131yor, daha h\u0131zl\u0131 b\u00fcy\u00fcyor ve daha h\u0131zl\u0131 maliyete d\u00f6n\u00fc\u015f\u00fcyor.<\/p>\n\n\n\n ERP projelerinin ba\u015far\u0131s\u0131zl\u0131k nedenleri \u00fczerine yap\u0131lan bir\u00e7ok analiz, teknik altyap\u0131 sorunlar\u0131ndan \u00e7ok organizasyonel ve veri kaynakl\u0131 sorunlar\u0131 i\u015faret eder. Bir ERP sistemi, kurum i\u00e7indeki t\u00fcm s\u00fcre\u00e7lerin ortak dilidir. Stok kart\u0131, \u00fcr\u00fcn a\u011fac\u0131 (BOM), rota, tedarik\u00e7i kart\u0131, fiyat listesi… Bunlar\u0131n hepsi, sistemin “ger\u00e7e\u011fi” temsil eder.<\/p>\n\n\n\n Sahada g\u00f6rd\u00fc\u011f\u00fcm tipik tablo \u015fu: ERP devreye al\u0131n\u0131rken veri aktar\u0131m\u0131 aceleye getirilir. “Gidi\u015f tarihine kadar bitirelim” bask\u0131s\u0131yla, stok kartlar\u0131 kopyala-yap\u0131\u015ft\u0131r y\u00f6ntemiyle aktar\u0131l\u0131r, BOM’lar eksik kontrol edilir, rotalar tahmini s\u00fcrelerle doldurulur. Proje “gitti” ama veri hi\u00e7bir zaman olgunla\u015fmad\u0131.<\/p>\n\n\n\n Bu noktada \u00f6nemli bir ger\u00e7e\u011fi vurgulamak isterim: ERP projesi bitti\u011finde as\u0131l i\u015f ba\u015flar. Veri kalitesi bir kerelik aktar\u0131m i\u015fi de\u011fil, s\u00fcrekli bir disiplin konusudur.<\/p>\n\n\n\n Planlama m\u00fcd\u00fcrleriyle yapt\u0131\u011f\u0131m sohbetlerde en s\u0131k duydu\u011fum c\u00fcmle \u015fudur: “MRP’ye bakm\u0131yoruz, kendi tecr\u00fcbemizle planl\u0131yoruz.” Bu c\u00fcmle asl\u0131nda bir itiraft\u0131r ve \u00e7ok \u015fey anlat\u0131r.<\/p>\n\n\n\n MRP (Malzeme \u0130htiya\u00e7 Planlamas\u0131) matematiksel olarak \u00e7ok basit bir mant\u0131kla \u00e7al\u0131\u015f\u0131r: talep, stok, a\u00e7\u0131k sipari\u015fler, temin s\u00fcreleri ve \u00fcr\u00fcn a\u011fac\u0131 bilgisini al\u0131r, ihtiya\u00e7 tarihlerini ve miktarlar\u0131n\u0131 hesaplar. Mant\u0131k basittir ama girdiler bozuksa \u00e7\u0131kt\u0131 da bozuk olur.<\/p>\n\n\n\n Sahada g\u00f6zlemledi\u011fim tipik MRP g\u00fcvensizli\u011fi nedenleri:<\/p>\n\n\n\n Bir planlama m\u00fcd\u00fcr\u00fc bana \u015f\u00f6yle demi\u015fti: “MRP bize her hafta 200 kalem \u00f6neri \u00e7\u0131kar\u0131yor, biz bunlar\u0131n ger\u00e7ekte 40’\u0131na bak\u0131yoruz.” Bu durum sistemin hatas\u0131 de\u011fil, veri disiplininin hatas\u0131d\u0131r. MRP’ye g\u00fcvenilmemesinin as\u0131l nedeni, sistemin yanl\u0131\u015f de\u011fil, beslendi\u011fi verinin g\u00fcvenilmez olmas\u0131d\u0131r.<\/p>\n\n\n\n Stok kart\u0131 ve BOM, \u00fcretim sistemlerinin DNA’s\u0131d\u0131r. Bu DNA’da bir hata varsa, o hata her \u00fcretim emrinde, her sat\u0131nalma talebinde, her maliyet hesab\u0131nda tekrar eder.<\/p>\n\n\n\n Sahada en s\u0131k kar\u015f\u0131la\u015ft\u0131\u011f\u0131m BOM problemleri:<\/p>\n\n\n\n Bu hatalar k\u00fc\u00e7\u00fck g\u00f6r\u00fcn\u00fcr ama sonu\u00e7lar\u0131 b\u00fcy\u00fckt\u00fcr. Yanl\u0131\u015f bir BOM, y\u00fczlerce \u00fcretim emrinde tekrar eden bir hata kayna\u011f\u0131na d\u00f6n\u00fc\u015f\u00fcr. Bir fabrikada g\u00f6rd\u00fc\u011f\u00fcm \u00f6rnek: Bir ambalaj malzemesinin BOM’da miktar\u0131 1 adet yerine 1 paket olarak girilmi\u015fti. Y\u0131l boyunca bu malzemeden gere\u011finden 12 kat fazla sipari\u015f verilmi\u015f, depo bu malzemeyle dolup ta\u015fm\u0131\u015ft\u0131. Kimse fark etmemi\u015fti \u00e7\u00fcnk\u00fc “sistem \u00f6yle s\u00f6yl\u00fcyordu.”<\/p>\n\n\n\n Operasyon s\u00fcreleri (standart zamanlar), kapasite planlamas\u0131n\u0131n temelidir. Ancak \u00e7o\u011fu i\u015fletmede bu s\u00fcreler ger\u00e7ek zaman et\u00fcd\u00fcyle de\u011fil, “tahmini” olarak veya y\u0131llar \u00f6nce yap\u0131lm\u0131\u015f bir et\u00fctle girilmi\u015ftir.<\/p>\n\n\n\n Bunun sonucu nedir? Kapasite planlamas\u0131 ger\u00e7ek d\u00fcnyadan kopar. Bir makine \u00fczerinde “kapasitesi var” g\u00f6r\u00fcnen bir i\u015f merkezi, sahada s\u00fcrekli darbo\u011faz olu\u015fturuyor olabilir. Tersi de m\u00fcmk\u00fcnd\u00fcr: sistemde dolu g\u00f6r\u00fcnen bir hat, ger\u00e7ekte fazla kapasiteye sahip olabilir.<\/p>\n\n\n\n Bir \u00fcretim m\u00fcd\u00fcr\u00fc bana \u015funu s\u00f6ylemi\u015fti: “Sistemde her \u015fey planland\u0131\u011f\u0131 gibi g\u00f6z\u00fck\u00fcyor ama biz her g\u00fcn ate\u015f s\u00f6nd\u00fcr\u00fcyoruz.” Bu c\u00fcmlenin arkas\u0131nda genellikle ger\u00e7ek\u00e7i olmayan operasyon s\u00fcreleri yatar. Standart zaman \u00e7al\u0131\u015fmalar\u0131, yal\u0131n \u00fcretim disiplininin en temel ara\u00e7lar\u0131ndan biridir ve veri kalitesi tart\u0131\u015fmas\u0131n\u0131n tam ortas\u0131nda yer al\u0131r.<\/p>\n\n\n\n Kalite verileri, genellikle “arka planda” tutulan, raporlama ama\u00e7l\u0131 g\u00f6r\u00fclen veriler olarak de\u011ferlendirilir. Ancak yapay zeka \u00e7a\u011f\u0131nda kalite verisi, \u00fcretim planlamas\u0131n\u0131n ayr\u0131lmaz bir par\u00e7as\u0131 h\u00e2line geliyor.<\/p>\n\n\n\n E\u011fer bir hatt\u0131n ger\u00e7ek fire oran\u0131, yeniden i\u015fleme (rework) oran\u0131 ve hata tipleri do\u011fru kaydedilmiyorsa:<\/p>\n\n\n\n Kalite verisinin tutars\u0131zl\u0131\u011f\u0131 genellikle “ki\u015fiye ba\u011fl\u0131 kay\u0131t” al\u0131\u015fkanl\u0131\u011f\u0131ndan kaynaklan\u0131r. Bir vardiyada hata kodu A olarak girilen bir durum, ba\u015fka bir vardiyada B olarak girilebilir. Bu, veri setini istatistiksel olarak anlams\u0131zla\u015ft\u0131r\u0131r.<\/p>\n\n\n\n MES (\u00dcretim Y\u00fcr\u00fctme Sistemi) yat\u0131r\u0131m\u0131 yapan i\u015fletmelerin beklentisi genellikle “ger\u00e7ek zamanl\u0131 g\u00f6r\u00fcn\u00fcrl\u00fck” kazanmakt\u0131r. Ancak MES, ERP’den gelen veri zaten bozuksa, MES sadece bu bozuklu\u011fu daha h\u0131zl\u0131 ve daha g\u00f6r\u00fcn\u00fcr \u015fekilde yans\u0131t\u0131r.<\/p>\n\n\n\n Sahada s\u0131k g\u00f6rd\u00fc\u011f\u00fcm senaryo: MES yat\u0131r\u0131m\u0131 yap\u0131l\u0131r, hat \u00fczerine ekranlar, barkod okuyucular kurulur. Ama ERP’deki rota ile sahadaki ger\u00e7ek operasyon s\u0131ras\u0131 \u00f6rt\u00fc\u015fm\u00fcyordur. Bu durumda MES verisi ile ERP verisi s\u00fcrekli \u00e7at\u0131\u015f\u0131r, operat\u00f6rler “hangisine g\u00fcvenece\u011fini” bilemez.<\/p>\n\n\n\n MES-ERP entegrasyonunun<\/a> ba\u015far\u0131l\u0131 olmas\u0131 i\u00e7in \u00fc\u00e7 \u015fart vard\u0131r:<\/p>\n\n\n\n Bu \u00fc\u00e7 \u015fart sa\u011flanmadan kurulan entegrasyonlar, teknik olarak \u00e7al\u0131\u015f\u0131r ama organizasyonel olarak g\u00fcvenilmez.<\/p>\n\n\n\n D\u00fcnya \u00e7ap\u0131nda yapay zeka projelerinin \u00f6nemli bir k\u0131sm\u0131n\u0131n beklenen de\u011feri \u00fcretemedi\u011fine dair pek \u00e7ok sekt\u00f6r raporu yay\u0131nlan\u0131yor. Bunun en s\u0131k g\u00f6sterilen nedeni teknoloji de\u011fil, veri ve organizasyon haz\u0131rl\u0131\u011f\u0131d\u0131r.<\/p>\n\n\n\n Sahadan g\u00f6zlemledi\u011fim tipik ba\u015far\u0131s\u0131zl\u0131k \u00f6r\u00fcnt\u00fcs\u00fc \u015fu \u015fekilde ilerler:<\/p>\n\n\n\n Bu d\u00f6ng\u00fc, yapay zeka teknolojisinin ba\u015far\u0131s\u0131zl\u0131\u011f\u0131 de\u011fil, haz\u0131rl\u0131k eksikli\u011finin ba\u015far\u0131s\u0131zl\u0131\u011f\u0131d\u0131r. Yapay zeka projelerine ba\u015flamadan \u00f6nce bir “veri olgunluk de\u011ferlendirmesi” yapmak, projenin kaderini b\u00fcy\u00fck \u00f6l\u00e7\u00fcde belirler.<\/p>\n\n\n\n Dijital d\u00f6n\u00fc\u015f\u00fcm kavram\u0131 genellikle teknoloji yat\u0131r\u0131m\u0131 olarak anla\u015f\u0131l\u0131r: yeni yaz\u0131l\u0131m, yeni sens\u00f6rler, yeni panolar. Ancak ger\u00e7ek d\u00f6n\u00fc\u015f\u00fcm, verinin organizasyon i\u00e7inde nas\u0131l \u00fcretildi\u011fi, do\u011fruland\u0131\u011f\u0131 ve kullan\u0131ld\u0131\u011f\u0131 ile ilgilidir.<\/p>\n\n\n\n Burada \u00f6nerdi\u011fim kavram “veri d\u00f6n\u00fc\u015f\u00fcm\u00fc” (data transformation) olarak dijital d\u00f6n\u00fc\u015f\u00fcm\u00fcn \u00f6n\u00fcnde, ayr\u0131 bir a\u015fama olarak ele al\u0131nmal\u0131d\u0131r:<\/p>\n\n\n\n “Dijital d\u00f6n\u00fc\u015f\u00fcm, temiz veri \u00fczerine in\u015fa edilen bir binad\u0131r. Temel \u00e7\u00fcr\u00fckse, kat say\u0131s\u0131 \u00f6nemli de\u011fildir.”<\/p>\n\n\n\n Veri y\u00f6neti\u015fimi, akademik bir terim gibi g\u00f6r\u00fcnse de asl\u0131nda \u00e7ok pratik bir konudur: Kim, hangi veriyi, ne zaman, nas\u0131l girecek ve bu veri kim taraf\u0131ndan do\u011frulanacak?<\/p>\n\n\n\n T\u00fcrkiye’deki sanayi i\u015fletmelerinde veri y\u00f6neti\u015fimi genellikle resmi bir yap\u0131 olarak de\u011fil, “bilen ki\u015finin” bilgisi olarak ya\u015far. O ki\u015fi izinli oldu\u011funda, BOM’da bir hata fark edilmez, kimse d\u00fczeltmez.<\/p>\n\n\n\n Pratik bir veri y\u00f6neti\u015fimi yakla\u015f\u0131m\u0131 \u015fu unsurlar\u0131 i\u00e7erir:<\/p>\n\n\n\n Veri y\u00f6neti\u015fimi kurulmadan yap\u0131lan yapay zeka yat\u0131r\u0131m\u0131, sa\u011flam temeli olmayan bir binaya \u00e7ok katl\u0131 asans\u00f6r kurmaya benzer.<\/p>\n\n\n\n Bug\u00fcne kadar rekabet avantaj\u0131 genellikle maliyet, teslimat h\u0131z\u0131, kalite ve teknoloji ile tan\u0131mland\u0131. Yapay zeka \u00e7a\u011f\u0131nda bu listeye yeni ve belki de en kritik unsur ekleniyor: veri g\u00fcvenilirli\u011fi.<\/p>\n\n\n\n \u0130ki i\u015fletme ayn\u0131 yapay zeka arac\u0131n\u0131, ayn\u0131 algoritmay\u0131 kullanabilir. Ama biri y\u0131llard\u0131r disiplinli veri giren, BOM’lar\u0131n\u0131 g\u00fcncel tutan, kalite kay\u0131tlar\u0131n\u0131 tutarl\u0131 yapan bir k\u00fclt\u00fcre sahipse; di\u011feri de\u011filse, ayn\u0131 teknolojiden \u00e7ok farkl\u0131 sonu\u00e7lar \u00e7\u0131kar. Algoritma standartt\u0131r, veri de\u011fildir.<\/p>\n\n\n\n “Yapay zeka \u00e7a\u011f\u0131nda rekabet avantaj\u0131 sadece daha iyi algoritmalardan de\u011fil, daha g\u00fcvenilir verilerden do\u011facak.”<\/p>\n\n\n\n Bu nedenle veri kalitesi yat\u0131r\u0131m\u0131, art\u0131k bir IT konusu de\u011fil, bir stratejik rekabet konusu olarak ele al\u0131nmal\u0131d\u0131r.<\/p>\n\n\n\n Neticede; Korkulacak Bir \u015eey Yok, Yap\u0131lacak Bir \u0130\u015f Var<\/strong><\/p>\n\n\n\n Bu yaz\u0131 bir uyar\u0131 niteli\u011finde olsa da amac\u0131 korku olu\u015fturmak de\u011fil. Sahada g\u00f6rd\u00fc\u011f\u00fcm ger\u00e7ek \u015fu: T\u00fcrkiye’deki sanayi i\u015fletmelerinin b\u00fcy\u00fck b\u00f6l\u00fcm\u00fc, veri kalitesi konusunda d\u00fc\u015f\u00fcnd\u00fcklerinden daha iyi bir noktada. Sorun \u00e7o\u011funlukla “bilmemek” de\u011fil, “\u00f6ncelik vermemek.”<\/p>\n\n\n\n Yapay zeka projelerine at\u0131lmadan \u00f6nce at\u0131lacak ilk ad\u0131m b\u00fcy\u00fck bir teknoloji yat\u0131r\u0131m\u0131 de\u011fil. \u0130lk ad\u0131m, mevcut verinin d\u00fcr\u00fcst bir \u015fekilde de\u011ferlendirilmesi: Stok kartlar\u0131m\u0131z ne kadar g\u00fcvenilir? BOM’lar\u0131m\u0131z g\u00fcncel mi? Operasyon s\u00fcrelerimiz ger\u00e7ek mi? Kalite kay\u0131tlar\u0131m\u0131z tutarl\u0131 m\u0131?<\/p>\n\n\n\n Bu sorulara d\u00fcr\u00fcst cevaplar verebilen i\u015fletmeler, yapay zeka yat\u0131r\u0131mlar\u0131ndan ger\u00e7ek de\u011fer elde edecek i\u015fletmeler olacak. Di\u011ferleri ise daha h\u0131zl\u0131, daha pahal\u0131 ve daha g\u00f6r\u00fcn\u00fcr \u015fekilde ayn\u0131 hatalar\u0131 \u00fcretmeye devam edecek.<\/p>\n\n\n\n \u0130\u015fletmenizin yapay zeka ve dijital d\u00f6n\u00fc\u015f\u00fcm yolculu\u011funa haz\u0131r olup olmad\u0131\u011f\u0131n\u0131 anlaman\u0131n en sa\u011fl\u0131kl\u0131 yolu, \u00f6nce verinizin ger\u00e7ek durumunu d\u00fcr\u00fcst\u00e7e g\u00f6rmektir.<\/p>\n\n\n\n E\u011fer stok kartlar\u0131n\u0131z\u0131n, BOM’lar\u0131n\u0131z\u0131n, operasyon s\u00fcrelerinizin ve kalite kay\u0131tlar\u0131n\u0131z\u0131n ne kadar g\u00fcvenilir oldu\u011funu merak ediyorsan\u0131z, bu konuyu birlikte de\u011ferlendirebiliriz.<\/a> Bazen bir saatlik bir sohbet, nereden ba\u015flaman\u0131z gerekti\u011fini g\u00f6rmeniz i\u00e7in yeterli olur.<\/p>\n","protected":false},"excerpt":{"rendered":" Herkes Yapay Zekay\u0131 konu\u015fuyor ama kimse veriyi konu\u015fmuyor. Son iki y\u0131ld\u0131r sanayi i\u015fletmelerinin y\u00f6netim toplant\u0131lar\u0131nda neredeyse ayn\u0131 c\u00fcmleler tekrar ediyor: “ERP’mize yapay zeka ekleyelim”, “dijital ikiz kural\u0131m”, “talep tahminini otomatikle\u015ftirelim”, “MRP’yi yapay zeka ile optimize edelim.” Bu istek hakl\u0131 ve zaman\u0131n ruhuna uygun. Ancak sahada, fabrika i\u00e7inde, planlama ofislerinde, depo raflar\u0131n\u0131n \u00f6n\u00fcnde ge\u00e7irdi\u011fim zaman bana … Devam\u0131n\u0131 oku<\/a><\/p>\n","protected":false},"author":1,"featured_media":215,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-211","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uretim-sistem-yonetimi"],"_links":{"self":[{"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/posts\/211","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/comments?post=211"}],"version-history":[{"count":3,"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/posts\/211\/revisions"}],"predecessor-version":[{"id":218,"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/posts\/211\/revisions\/218"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/media\/215"}],"wp:attachment":[{"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/media?parent=211"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/categories?post=211"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/afarukgungor.com\/blog\/wp-json\/wp\/v2\/tags?post=211"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"\"](\"https:\/\/afarukgungor.com\/blog\/wp-content\/uploads\/2026\/06\/yapay-zeka-ve-veri-kalitesi-1024x683.png\")
<\/figure>\n\n\n\n1. ERP Projelerinde Veri Kalitesinin \u00d6nemi<\/strong><\/h2>\n\n\n\n
2. MRP Sonu\u00e7lar\u0131n\u0131n Neden \u00c7o\u011fu Zaman G\u00fcvenilmedi\u011fi<\/strong><\/h2>\n\n\n\n
\n
3. Stok Kartlar\u0131 ve \u00dcr\u00fcn A\u011fa\u00e7lar\u0131ndaki (BOM) Problemler<\/strong><\/h2>\n\n\n\n
\n
4. Operasyon S\u00fcrelerinin Yanl\u0131\u015f Girilmesinin Etkileri<\/strong><\/h2>\n\n\n\n
5. Kalite Verilerinin \u00d6nemi<\/strong><\/h2>\n\n\n\n
\n
6. MES ve ERP Entegrasyonunda Veri Disiplini<\/strong><\/h2>\n\n\n\n
\n
7. Yapay Zeka Projelerinin Ba\u015far\u0131s\u0131zl\u0131k Nedenleri<\/strong><\/h2>\n\n\n\n
\n
8. Dijital D\u00f6n\u00fc\u015f\u00fcmden \u00d6nce Veri D\u00f6n\u00fc\u015f\u00fcm\u00fc<\/strong><\/h2>\n\n\n\n
\n
9. Veri Y\u00f6neti\u015fimi (Data Governance) Kavram\u0131<\/strong><\/h2>\n\n\n\n
\n
10. Gelecekte Veri Kalitesi Rekabet Avantaj\u0131 Olacak<\/strong><\/h2>\n\n\n\n
\u201cYapay zeka veriyi \u00fcretmez; veriyi yorumlar. G\u00fcvenmedi\u011finiz veriye, yapay zeka da g\u00fcvenemez.\u201d<\/strong><\/pre>\n\n\n\n
\n\n\n\n