Google Fusion Tables ile Proje Yönetimi Veri Analizi ve Raporlama

Proje yönetimi, hedef odaklı iş süreçlerinin başlangıçtan teslimata kadar disiplinli biçimde planlanması, yürütülmesi ve kontrol edilmesidir. Klasik üçgen—zaman, maliyet, kapsam—rekabet baskısıyla giderek daralırken, proje yöneticilerinin karar alma hızını veri analitiği belirliyor. Google Fusion Tables (2009-2019) kodlama bilgisi gerektirmeyen bulut tabanlı yapısıyla, proje ekiplerinin CSV veya spreadsheet verilerini dakikalar içinde yükleyip görselleştirerek paydaş raporları üretmesine olanak tanımıştı. Hizmet her ne kadar sona ermiş olsa da, “veriyi hızla birleştir-sorgula-paylaş” felsefesi günümüz BigQuery–Looker-Apps Script mimarisinin temelini oluşturuyor. Bu kapsamlı makalede Fusion Tables’ı kullanarak proje metriklerinin nasıl toplanacağı, izleneceği ve raporlanacağı; kapatılmasının ardından güncel Google Cloud bileşenleriyle bu sürecin nasıl sürdürülebileceği ayrıntılı olarak ele alınacaktır.

---

2. Proje Yönetiminde Veri Kaynakları

Proje hayat döngüsü boyunca farklı araçlardan veri üretilir:

1. Görev Yönetimi (Asana, Trello, Jira) – görev kimliği, atanan kişi, durum, tahmini süre, bitiş tarihi

2. Zaman Çizelgeleri (Harvest, Toggl) – kişi/sprint bazlı harcanan saatler

3. Bütçe & Harcama (Excel, ERP) – tahmini vs. gerçekleşen maliyet, satın alma siparişleri

4. Risk & Sorun Kayıtları – olasılık, etki, çözüm süresi

5. Kalite Kontrol – test senaryosu, hata türü, yeniden açılma oranı

6. Paydaş Geri Bildirimi – memnuniyet anketleri, NPS skorları

Fusion Tables tüm bu verileri ortak anahtarlarla—örneğin task_id, sprint_id, purchase_order—birleştirip merkezi bir tablo hâline getirerek proje yöneticisine bütüncül görünürlük sağlamıştır.

---

3. Kurulum: Veri Aktarımı ve Sentezi

3.1 CSV/TSV İçe Aktarma

• Görev verisi: Jira’dan tasks_export.csv (task_id, assignee, status, story_points, sprint)

• Saat kayıtları: Toggl’dan timesheets.csv (task_id, user, hours_logged, date)

• Harcama tabloları: ERP’den budget.csv (cost_center, task_id, planned_cost, actual_cost)

Dosyaları Fusion Tables arayüzüne sürükleyip “Create Table” seçilir; sütun türleri otomatik tanınır.

3.2 Veri Temizleme

• Tarihler YYYY-MM-DD formatına dönüştürülür.

• NULL değerli satırlar inceleme için ayrı listeye alınır.

• Kod tutarlılığı için task_id tüm tablolarda büyük harf-sıfır dolgulu hâle getirilir (örn. TSK-000123).

3.3 Birleştirme (Merge)

“File → Merge” akışıyla tasks_export ile timesheets tabloları task_id üzerinden, ardından budget verisi aynı anahtarla birleşir. Sonuç: master_project_table.

---

4. Proje KPI’larının Hesaplanması

• Planlanan vs. Gerçekleşen Süre (Schedule Variance, SV)
  SV = (Planned_Hours - Actual_Hours)

• Bütçe Sapması (Cost Variance, CV)
  CV = (Planned_Cost - Actual_Cost)

• Gerçekleşen Kapsam Yüzdesi (Percent Complete)
  Completed_Story_Points / Total_Story_Points * 100

• Sprint Velocity
  SUM(Story_Points_Completed)/Sprint_Count

• Risk Çözüm Hızı
  AVG(DATEDIFF(risk_closed_date, risk_open_date))

Fusion Tables Query Language (FTQL) ile Sprint Velocity örneği:

---

5. Görselleştirme Stratejileri

Çizgi Grafiği – Sprint velocity trendi
Alan Grafiği – Kümülatif bütçe vs. kümülatif maliyet
Burndown Chart – Gün-gün kalan hikâye puanı
Balon Harita – Coğrafi dağıtık ekiplerde görev yoğunluğu
Gantt Benzeri Çubuk – Başlangıç/bitiş tarihleriyle görev planı

Fusion Tables’taki “Visualize” menüsü, seçilen sorgu sonucunu tek tıklamayla grafiğe dönüştürür; “Publish→Embed” kodu ise SharePoint veya proje portalına yapıştırılarak otomatik güncellenen rapor sunar.

---

6. Takip Süreçlerini Hızlandırma: Otomasyon

Fusion Tables gerçek zamanlı tetikleyici barındırmasa da Google Apps Script ile dakikalık ETL köprüsü kurulabilir:

Bu betik, her 15 dakikada bir çalıştırılarak Fusion Tables’daki master tabloyu güncel tutar; böylece proje panosu karar toplantılarında “son durumu” yansıtır.

---

7. Raporlama Örnekleri

7.1 Haftalık Durum Raporu

• Yönetici Özeti: Proje % 72 tamamlandı, CV = -15 000 ₺ (bütçe aşımı), SV = -2 sprint (zaman gecikmesi).

• Risk Durumu: 8 açık riskten 3’ü yüksek etki, çözüm planı güncellendi.

• Sonraki Adımlar: API entegrasyon testi, kullanıcı kabul testine hazırlık.

7.2 Sprint Sonu İncelemesi

• Velocity geçen sprinte göre +12 puan artış.

• Gerçekleşen hata oranı % 8 düştü.

• MVP kapsamına 2 ek özellik dahil edildi.

---

8. Kapanış ve Geçiş: Modern Google Cloud Mimarisi

Geçiş adımları: CSV export → BigQuery’ye yükle, FTQL sorgularını SQL-92’ye çevir, Looker Studio’da dashboard şablonu kullan, Apps Script tetikleyicilerini Cloud Functions’a taşı ve IAM politikalarıyla rol-bazlı erişim tanımla.

---

9. Yapay Zekâ ile Proje Analitiğinin Geleceği

• BigQuery ML ile sprint velocity tahmini, kapasite planlaması

• Vertex AI Forecast kullanarak bütçe sapma tahmin modelleri

• Generative BI: “Bu sprint riskleri özetle” sorusuna doğal dille rapor üreten bot

• Realtime Stream Analytics (Pub/Sub → Dataflow) ile canlı burndown güncellemesi

• Predictive Staffing: ML modeliyle görev karmaşıklığına göre ekip üyesi atama önerileri

• Anomali Tespiti: Saat kaydı veya maliyet verisinde uç değer alarmı, Slack entegrasyonu

---

10. Sonuç

Google Fusion Tables, proje yöneticilerinin veri okuryazarlığını geliştirerek planlama, izleme ve raporlama adımlarını basitleştirdi. Hizmetin kapanışı ardından BigQuery-Looker-Apps Script üçlüsü, Fusion Tables’ın sunduğu kolaylığı devasa ölçek ve gelişmiş güvenlikle birleştiriyor. Proje ekipleri, verilerini tek kaynaktan güncel tutarak zaman ve bütçe sapmalarını erken yakalayabilir, riskleri öngörebilir ve paydaş memnuniyetini artırabilir. Veri odaklı proje yönetimi kültürüne geçiş, yalnızca teslim tarihlerini tutturmak değil, sürekli iyileştirme ve yenilik için de kritik avantaj yaratır.

Veri, modern dünyanın en değerli varlıklarından biri haline gelmiştir ve iş dünyasında, araştırmada ve karar verme süreçlerinde kritik bir rol oynamaktadır. Biz, veri analizi konusundaki tutkulu bir topluluk olarak, veri biliminin ve analizinin gücünü vurguluyoruz. Web sitemiz, işletmelerden akademisyenlere ve veri meraklılarına kadar herkesin veri analizi becerilerini geliştirmesine yardımcı olmayı amaçlayan bir kaynaktır. Misyonumuz, veri analizi sürecini anlaşılır ve erişilebilir hale getirmek, verilerin içinde gizlenen değeri açığa çıkarmak ve daha bilinçli kararlar almalarını desteklemektir.

Web sitemiz, geniş bir veri analizi yelpazesi sunmaktadır. Hangi sektörde olursanız olun veya hangi veri analizi aracını kullanıyorsanız kullanın, ihtiyaçlarınıza uygun hizmetler sunuyoruz. SPSS, R, Python, Excel veya diğer analiz araçlarını kullanarak veri madenciliği, hipotez testleri, regresyon analizi, zaman serisi tahmini, segmentasyon ve daha fazlasını içeren çeşitli analiz türlerini kapsarız. Ayrıca, öğrenmeyi kolaylaştırmak için zengin kaynaklar, öğreticiler ve interaktif araçlar sunuyoruz.