VERİ → ANLAM
Önceki profesyonel deneyimden seçilmiş teknik çalışma
50.000’i aşkın legacy kayıt vardı.
Asıl sorun veri miktarı değildi. Verinin neyi temsil ettiği yeterince açık değildi.
Kritik ve çok uluslu bir çalışma ortamındaki bilgi akışı veri ekosistemi, yıllar içinde farklı veri yapıları, serbest metin ifadeleri, organizasyon bilgileri, uygulama listeleri ve operasyonel bilgi ürünlerini aynı veri alanında bir araya getirmişti.
"Org Alpha / Senior Duty Officer / Regional"Temsilî örnek Gerçek proje verisi değildir.
Bir bilgi akışı kaydı yalnızca bir satır değildir.
Kim üretiyor? Kim tüketiyor? Hangi rol veya organizasyon bağlamında? Hangi bilgi ürünü? Hangi uygulama veya sistem?
Gerçek dünyadaki varlıklar ve ilişkiler veri yapısında yeterince açık temsil ediliyor muydu?
Önce temsilî kesitte yöntemi doğrulamak
Kaynak → analiz → anlamın netleştirilmesi → eşleme → hedef yapı zinciri temsilî bir veri kesitinde doğrulandı.
Önce dönüşüm mantığını gerçek ilişkiler üzerinde doğrula. Sonra ölçekle.
Serbest metin iş gerçekliğini saklıyordu.
Tek bir rol ifadesi içinde rol, sağlayıcı, bağlam ve kapsam gibi farklı anlam katmanları birleşebiliyordu.
Hiyerarşi isim listesi değildir. Varlıklar arasındaki üst-alt ilişkisidir.
Anlam ayrıştırıldıktan sonra yapı yeniden tasarlandı.
Farklı kaynakları zorla tek isim altında ezmek yerine aralarındaki fark ve ilişki görünür hâle getirildi.
3NF teknik sonuçtu. Önce varlığın ne olduğu, ilişkinin ne olduğu ve kavramın ne anlama geldiği cevaplanmalıydı.
Legacy gerçeği kaybedilemezdi.
Yeniden tasarım, tarihsel ve operasyonel gerçeği sessizce yeniden yazmamalıdır.
Sonuç
50.000’i aşkın kayıt ölçeğinde kaynak ekosistemi analizi, atomik rol yapıları, ilişkisel hiyerarşi, kontrollü sınıflandırmalar, kayıpsız geçiş ve izlenebilir 3NF ilişkisel temel oluşturuldu.
Çalışma; nihai veritabanı, yeniden tasarım raporu, kavramsal veri modeli, ayrıntılı varlık-ilişki diyagramları ve kapsamlı devir materyalleriyle tamamlandı.
Bu bir AI projesi miydi?
Hayır.
Bir LLM uygulaması veya RAG sistemi devreye alma projesi değildi. Veri profilleme, anlamsal belirsizliklerin ayrıştırılması, taksonomi, ilişkisel modelleme, kaynaklar arası eşleme, kayıpsız geçiş ve bütünlük üzerineydi.
Önce AI fikri üretip veriyi ona uydurmadım. Önce verinin gerçek sorunlarını gördüm. Sonra AI’ın hangi problemlerde anlamlı katkı sağlayabileceğini düşündüm.
Legacy veri çoğu zaman kirli olduğu için değil, geçmiş iş gerçekliğini taşıdığı için karmaşıktır.
Önce anlamı koru. Sonra yapıyı düzelt. Ardından kontrollü biçimde ölçekle.