Yapay Zeka ile Veri Analizi Nasıl Yapılır? İşletmeler İçin Adımlar

Yapay zekâ ile veri analizi, tablonuzdaki veriye düz Türkçe sorular sorup özet, grafik ve eğilim çıkarmanızı sağlar. İşletmeler için en kısa yol şudur: net bir iş sorusu belirleyin, veriyi tek tabloda ve temiz sütunlarla hazırlayın, kişisel verileri ayıklayın, Excel'deki Copilot ya da Google E-Tablolar'daki Gemini gibi bir araçla soruyu sorun ve çıkan sonucu kendi formülünüzle doğrulayın.

Yapay zekâ analizi hızlandırır ama sorunun doğruluğunu ve verinin kalitesini garanti etmez. Aşağıdaki adımlar, ilk denemede işe yarar bir sonuç almanız ve yanlış bir tabloya dayanarak karar vermemeniz için sıralandı.

Yapay zeka veri analizinde ne işe yarar?

Geleneksel raporlama, önceden tanımlanmış tabloları doldurur: aylık satış, bölge bazında ciro gibi. Yapay zekâ destekli analizde ise soruyu siz o an sorarsınız: "Geçen çeyrekte hangi ürün grubunun iade oranı arttı?" ya da "Sipariş tutarı ile teslim süresi arasında ilişki var mı?" Araç ilgili sütunları bulur, hesabı yapar ve sonucu tablo ya da grafikle gösterir.

İşletmelerde en çok karşılığını bulduğu işler şunlar:

• Satış ve sipariş verisinde dönemsel eğilimleri ve aykırı değerleri bulmak.
• Stok hareketlerinden yavaş dönen ürünleri listelemek.
• Müşteri yorumlarını ya da destek taleplerini konulara ayırmak.
• Kampanya sonuçlarını kanal ve dönem bazında karşılaştırmak.

Yapay zekânın zayıf olduğu yer, verinin anlamını bilmesidir. "Durum" sütunundaki 3 değerinin "iptal" mi "iade" mi olduğunu size sormadan tahmin eder. Bu yüzden veri sözlüğü ve kontrol adımı önemlidir.

Yapay zeka ile veri analizine nasıl başlanır?

1. Tek bir iş sorusuyla başlayın. "Verimizi analiz et" yerine "Hangi müşteri segmenti son altı ayda sipariş sıklığını düşürdü?" gibi bir soru yazın. Soru net oldukça hangi verinin gerektiği de netleşir.

2. Veriyi tek tabloda toplayın. Her satır bir kayıt (bir sipariş, bir müşteri, bir fatura), her sütun tek bir bilgi olmalı. Birleştirilmiş hücreleri, ara toplam satırlarını ve renkle verilmiş anlamları kaldırın.

3. Sütunlara açık adlar verin. "Tutar" yerine "Sipariş tutarı (KDV dahil, TL)" gibi. Aynı bilgi için farklı yazımları (İst., İstanbul, istanbul) tekleştirin.

4. Kişisel verileri ayıklayın. Analiz için müşterinin adı ya da telefonu nadiren gerekir. Bunları çıkarın ya da müşteri numarası gibi bir kodla değiştirin (aşağıda ayrıntısı var).

5. Soruyu sorun, sonra kontrol edin. Aracın verdiği sonucu en az bir noktada kendi formülünüz ya da pivot tablonuzla karşılaştırın.

Excel'de ve Google E-Tablolar'da yapay zekayla nasıl analiz yapılır?

Excel'de Copilot. Microsoft'un destek sayfasına göre Copilot, Microsoft 365 için Excel'de, OneDrive ya da SharePoint'te saklanan ve otomatik kaydetmesi açık dosyalarda çalışıyor. Tek bir tabloyu ya da tablo benzeri aralıkları analiz edebiliyor; yapılandırılmamış veri desteklenmiyor. Copilot sorunuzu Python tabanlı bir süreçle yorumlayıp hesaplıyor ve cevabın arkasındaki mantığı kod olarak da gösterebiliyor. Daha derin bir analiz gerektiğinde "gelişmiş analiz" moduna geçerek Python kodunu yenilenebilir bir hücre olarak çalışma kitabına ekleyebiliyorsunuz.

Google E-Tablolar'da Gemini. Google'ın yardım sayfasına göre Gemini, E-Tablolar'da veri analizi ve içgörü üretebiliyor, grafik oluşturabiliyor. Özellik uygun bir Google Workspace ya da Google AI planı gerektiriyor ve en iyi yerel E-Tablolar dosyalarında çalışıyor; bir Excel dosyasında kullanmak için dosyayı Google E-Tablolar olarak kaydetmeniz gerekiyor.

Sohbet asistanları. ChatGPT gibi genel amaçlı asistanlara bir CSV ya da Excel dosyası yükleyerek de analiz yaptırabilirsiniz. Burada dosya sağlayıcının sunucusuna gider; hangi planın verinizi nasıl sakladığını ve modeli eğitmek için kullanıp kullanmadığını, kurumsal hesap ayarlarınızdan kontrol edin.

Araç seçerken belirleyici olan, verinin zaten nerede durduğudur. Ekibiniz Microsoft 365 kullanıyorsa Copilot, Google Workspace kullanıyorsa Gemini ek bir veri taşıma adımı gerektirmez.

Kişisel verilerle yapay zeka analizi yaparken nelere dikkat edilmeli?

Müşteri ya da çalışan verisi bir yapay zekâ aracına yüklendiğinde 6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında bir işleme faaliyeti gerçekleşir. Kişisel Verileri Koruma Kurumu, üretken yapay zekâ sistemlerindeki kişisel veri işleme faaliyetlerini değerlendiren "Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi (15 Soruda)" dokümanını 24 Kasım 2025'te yayımladı. Aracı kullanmaya başlamadan önce rehberi ve kendi aydınlatma metinlerinizi hukuk ya da uyum ekibinizle birlikte gözden geçirin.

Uygulamada en güvenli yaklaşım, analiz için gerekmeyen kişisel veriyi hiç yüklememektir:

• Ad, telefon, e-posta ve adres sütunlarını çıkarın; müşteriyi bir kodla temsil edin.
• Doğum tarihi yerine yaş grubu, açık adres yerine il bilgisi yeterliyse onu kullanın.
• Verinin yurt dışındaki bir sunucuya gidip gitmediğini ve bunun sizin için ne anlama geldiğini kurumsal hesap koşullarından öğrenin.
• Hangi dosyanın hangi araca, kim tarafından yüklendiğini kayıt altına alın.

Yapay zekanın verdiği sonucu nasıl doğrularsınız?

Yapay zekâ bazen yanlış sütunu seçer, filtreyi eksik uygular ya da toplamları yanlış gruplar. Karar vermeden önce şu kontrolleri yapın:

• Toplam satır sayısı ve genel toplam, sizin bildiğiniz rakamla aynı mı?
• Aracın hangi sütunu ve hangi filtreyi kullandığını açıklamasını isteyin ya da gösterdiği kodu okuyun.
• Aynı soruyu farklı bir ifadeyle tekrar sorun; iki cevap tutarlı mı?
• Sonucu bir pivot tabloyla ya da basit bir formülle, en az bir örnek üzerinde elle doğrulayın.

Sık gördüğümüz hata, ilk çıkan grafiği doğrudan sunuma koymak. Grafik ikna edicidir ama altındaki hesap yanlışsa yanlış kararı hızlandırır.

Tek seferlik analizden sürekli karar desteğine nasıl geçilir?

Aynı soruyu her ay soruyorsanız, bu artık bir rapor ihtiyacıdır. Bu noktada veriyi elle dışa aktarmak yerine CRM, ERP ya da e-ticaret sisteminizden düzenli ve temiz bir veri akışı kurmak gerekir. Temel veri modeli sağlam değilse en iyi yapay zekâ aracı da tutarsız sonuç verir; bu konuyu CRM veri modeli yazımızda anlattık.

Bir sonraki adım, sık sorulan soruları bir panoya, belirli eşiklere bağlı uyarıları da otomatik bildirimlere dönüştürmektir: stok belirli bir seviyenin altına indiğinde ya da iade oranı bir ürün grubunda yükseldiğinde ilgili kişiye haber vermek gibi. Nihai karar yine ekibinizde kalır; sistem yalnız doğru bilgiyi doğru zamanda önünüze getirir.

Kısaca: ilk analiz için kontrol listesi

1. Tek, net ve ölçülebilir bir iş sorusu yazıldı mı?
2. Veri tek tabloda, her satır bir kayıt olacak şekilde mi?
3. Sütun adları açık, yazımlar tekleştirildi mi?
4. Gereksiz kişisel veriler çıkarıldı ya da kodlandı mı?
5. Kullanılan aracın veri saklama koşulları kontrol edildi mi?
6. Sonuç en az bir noktada elle doğrulandı mı?

Verinizi düzenli analiz edilebilir hâle getirmek ya da işinize özel bir yapay zekâ çözümü kurmak isterseniz yapay zekâ çözümleri hizmetimizi inceleyebilir, hazırlık düzeyinizi görmek için yapay zekâ hazırlık analizini kullanabilirsiniz.