Google Fusion Tables ile Satış Verileri Analizi ve Raporlama

Rekabetin giderek şiddetlendiği küresel pazarda satış ekipleri başarıyı artık yalnızca sezgilerle değil, gerçek zamanlı verilere dayalı stratejilerle yakalıyor. Sipariş döngüsü hızlandıkça, fiyat esnekliği artıp müşteri beklentileri değiştikçe, yöneticilerin ürün‐pazar uyumunu milisaniye hassasiyetinde izleyebilmesi gerekiyor. 2009–2019 yılları arasında hayatımızda yer alan Google Fusion Tables, kodlama bilmeyen pazarlama ve satış analistlerine bile devasa CSV dosyalarını saniyeler içinde yükleyip birleştirme, filtreleme ve görselleştirme imkânı tanıyarak “hafif BI” (Lightweight Business Intelligence) dönemini başlatmıştı. Resmî hizmet sona ermiş olsa da, “yükle‐sorgula‐görselleştir‐paylaş” mantığı bugün BigQuery–Looker Studio–Apps Script üçlüsünde ölçeklenebilir, güvenli ve yapay zekâ destekli biçimde yaşamaya devam ediyor.

Bu kapsamlı makalede, Fusion Tables kullanarak satış verisini uçtan uca nasıl yöneteceğinizi, kritik KPI’ları nasıl hesaplayacağınızı, canlı panoları nasıl oluşturacağınızı ve bu mimariyi modern Google Cloud bileşenlerine taşırken nelere dikkat etmeniz gerektiğini ayrıntılı biçimde ele alacağız.

---

2. Satış Verisi Ekosisteminin Bileşenleri

Satış yaşam döngüsünde veri pek çok kaynaktan akar:

1. Sipariş Yönetim Sistemi (OMS) – sipariş kimliği, müşteri, SKU, miktar, tutar

2. Müşteri İlişkileri Yönetimi (CRM) – potansiyel fırsatlar, satış aşamaları

3. Fiyatlandırma Motoru – indirim, promosyon, dinamik fiyat kayıtları

4. Lojistik / Teslimat API’leri – kargo durumu, teslim süresi

5. E‐Fatura / Muhasebe – resmî tutar, vergi oranı, tahsilat bilgisi

6. Web Analitiği – ürün detay sayfası görüntülenme, sepete ekleme verileri
   Bu parçalı yapı, veriyi tek ekranda görmeyi zorlaştırır. Fusion Tables, ortak anahtar sütunları (ör. order_id, sku, order_date) üzerinden tabloları birleştirerek satış analistinin kod yazmadan “merkezî görünüm” oluşturmasını sağlamıştır.

---

3. Kurulum: Veri Toplama, Temizleme ve Birleştirme

3.1 CSV/TSV Aktarımı

• Siparişler: orders.csv (order_id, order_date, customer_id, sku, qty, net_amount)

• Fiyat Günlüğü: pricing.csv (sku, list_price, discount_pct, effective_date)

• Teslimat: shipment.csv (order_id, ship_date, delivery_days, status)

Dosyaları Fusion Tables arayüzüne sürükleyin, “Create” seçeneğiyle tabloları oluşturun.

3.2 Alan Standartlaştırma

• Tarih alanlarını YYYY-MM-DD formatına dönüştürün.

• Para birimini sabitlemek için varsa döviz kuru tablosu (fx_rates.csv) yükleyip FTQL ile dönüştürme yapın.

• Boş hücreleri “0” veya “Unknown” gibi uygun varsayılanlarla doldurun; FTQL fonksiyonları boş değerlerde hata verir.

3.3 Birleştirme (Merge)

1. orders.csv ile pricing.csv dosyalarını sku üzerinden birleştirin.

2. Ortaya çıkan tabloyu shipment.csv ile order_id anahtarına göre tekrar birleştirin.

3. İsteğe bağlı olarak CRM’den çekilen fırsat aşaması (stage) alanını customer_id ile bağlayın.

Sonuçta master_sales_table adını vereceğimiz, siparişten faturalamaya kadar tüm satış hattını kapsayan merkezî tabloyu elde ederiz.

---

4. Temel Satış KPI’ları ve FTQL Sorgu Örnekleri

• Toplam Gelir (Gross Revenue)

  sql

  KopyalaDüzenle

  SELECT SUM(net_amount) FROM master_sales_table
WHERE order_date BETWEEN '2025-01-01' AND '2025-06-30'


• Sipariş Başına Ortalama Değer (AOV)
  SUM(net_amount) / COUNT(DISTINCT order_id)

• Dönüşüm Oranı (CVR)
  Sepete ekleme ve sipariş verisi birleştirilerek orders/add_to_cart hesaplanır.

• Teslimat Süresi Ortalaması (Avg Delivery Days)
  AVG(delivery_days)

• İndirim Etkisi
  SUM(discount_pct * list_price * qty) / SUM(list_price * qty)

• Ürün Kârlılığı
  Eğer maliyet (cogs) sütunu eklenmişse, SUM(net_amount) - SUM(cogs)

FTQL basit SELECT–WHERE–GROUP BY kombinasyonlarını destekler; karmaşık hesaplar için sanal sütun (calculated column) ekleyebilirsiniz.

---

5. Segmentasyon: Derinlemesine İçgörü Yakalama

Coğrafi Segmentasyon
customer_city veya country alanıyla GROUP BY yaparak bölge bazlı gelir konsantrasyonunu görün.

Ürün Segmentasyonu
sku, category ve brand alanlarında GROUP BY çalıştırarak hangi ürün ailesinin marjı daha yüksek?

Müşteri Segmentasyonu

• CLV Tiers: CRM’den “gold”, “silver”, “bronze” etiketleriyle gruplayın.

• Satın Alma Davranışı: İlk siparihten bugüne ortalama sipariş aralığı (DATEDIFF) ile “sadık” ve “düzensiz” müşterileri ayırın.

Kanal Segmentasyonu
UTM parametresi veya sales_channel alanında (web, mobile, marketplace) GROUP BY çalışıp kanal bazlı AOV veya CVR’yi karşılaştırın.

---

6. Görselleştirme ve Canlı Pano Tasarımı

Fusion Tables’ın “Visualize” menüsü, seçtiğiniz sorguyu tek tıklamayla grafiğe dönüştürür. Satış analitiği için önerilen grafikler:

• Çizgi Grafiği: Günlük/Yeni satış trendi, AOV eğrisi

• Sütun Grafiği: Ürün kategorisi bazlı gelir karşılaştırması

• Pasta Grafiği: Bölgeye göre sipariş dağılımı

• Baloncuk Grafiği: İndirim yüzdesi (X), sipariş hacmi (Y), marj (balon boyutu)

• Isı Haritası: Saatlik/haftalık sipariş yoğunluğu

“Publish → Embed” ile alınan <iframe> kodunu intranet portalınıza, SharePoint sayfanıza veya doğrudan ürün toplantı sunumunuza ekleyerek bütün paydaşlara gerçek zamanlı görünürlük sağlayın.

---

7. Otomasyon: Google Apps Script Köprüsü

Fusion Tables tek başına streaming veri işleyemediğinden, Apps Script kullanarak sipariş API’sini dakikalık aralıklarla çekip tabloya ekleyebilirsiniz:

Betik Time‐Driven Trigger ile her 15 dakikada bir çalışır, master tablonuz güncel kalır. Teslimat API’si ve fiyat motoru verisi için benzer script’ler yazabilir, hepsini aynı süreçte senkronize edebilirsiniz.

---

8. Uygulamalı Senaryo: Hafta Sonu İndirim Kampanyası Performansı

Amaç: Cuma 18:00 – Pazar 23:59 arası “Hafta Sonu Fırsatı” kampanyasının stok, gelir ve teslimat etkisini ölçmek.

1. Filtre: FTQL’de order_date BETWEEN '2025-07-04 18:00:00' AND '2025-07-06 23:59:59'.

2. KPI’lar:

   • Toplam gelir, AOV, kampanya kodu bazlı sipariş adedi

   • Stok tükenme: inventory.csv ile sku eşleştirip kalan adet kontrolü

   • Teslimat hızı: Hafta sonu siparişlerinin ortalama teslim günü

3. Görselleştirme:

   • Çubuk grafiği: İndirim yüzdesine göre gelir katkısı

   • Çizgi grafiği: Kampanya süresince saatlik sipariş akışı

4. Paylaşım: Pazartesi sabahı yönetime e‐posta: <iframe> gömülü rapor + yorum.

Çıkan içgörülerle pazarlama ekibi indirim yüzdesini optimize eder, tedarik zinciri ekibi kritik SKU için ek stok planlar.

---

9. Fusion Tables’tan Modern Google Cloud Ekosistemine Geçiş

Geçiş Adımları

1. Fusion Tables’taki tabloları CSV olarak dışa aktarın.

2. bq load komutuyla BigQuery’ye yükleyin; şema otomatik tanınır.

3. FTQL sorgularını Standard SQL’e dönüştürün (GROUP BY, HAVING vb. aynı kalır).

4. Looker Studio’da BigQuery veri kaynağı oluşturun, mevcut panoyu yeniden tasarlayın.

5. Apps Script tetikleyicilerini Cloud Functions + Pub/Sub yapısına taşıyarak hataya dayanıklı, yüksek trafikte ölçeklenen bir ETL boru hattı elde edin.

---

10. Yapay Zekâ Destekli Satış Analitiğinin Ufku

• BigQuery ML: Ürün talep tahmini → stok optimizasyonu, otomatik ikmal siparişi

• Vertex AI Forecast: Sezon, fiyat esnekliği ve kampanya etkisini içeren çok değişkenli satış projeksiyonu

• Anomali Tespiti: Beklenmedik sipariş artışı/düşüşü için gerçek zamanlı uyarılar (fraud veya sistem arızası)

• Generative BI: “Geçen ay XO modelinin iade oranı neden arttı?” sorusuna doğal dil + dinamik grafik cevabı

• Stream Analytics: Pub/Sub + Dataflow ile sepet olaylarını saniyelik analize tabi tutup dinamik fiyat (dynamic pricing) motoruna veri sağlama

• AI Destekli Çapraz Satış (Cross‐Sell) Önerileri: Segment bazlı öneri listesi → CRM’e geri yaz, satış temsilcisine bildirim

---

11. Sonuç

Google Fusion Tables, satış ekiplerinin veriye dayalı kültüre geçişinde pratik, düşük maliyetli ve erişilebilir bir köprü işlevi gördü. Hizmetin kapanması, temel prensibi—veriye hızlı erişim, esnek sorgu, görsel paylaşım—ortadan kaldırmadı; tam tersine BigQuery, Looker Studio ve Apps Script ekosisteminde çok daha güçlü biçimde hayat buldu. Merkezî satış panosu kurarak sipariş akışını, stok riskini, kampanya performansını ve teslimat hızını gerçek zamanlı izleyen organizasyonlar, yalnızca rakiplerinden hızlı değil, aynı zamanda daha isabetli kararlarla büyüme rotasını güvence altına alıyor. Gelecek, yapay zekâ ile tahmine dayalı analitiğin satış süreçlerine yerleştiği bir dönemi işaret ediyor ve Google Cloud araç seti bu dönüşümü kod yazmaya gerek kalmadan mümkün kılıyor. Veri odaklı satış yönetimi, artık rekabet avantajının değil, hayatta kalmanın temel şartıdır.

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.