2. İK Veri Ekosisteminin Bileşenleri

1. Aday Takip Sistemi (ATS) – başvuru, mülakat, teklif, işe alım tarihleri

2. İK Bilgi Sistemi (HRIS) – demografi, departman, pozisyon, kıdem

3. Bordro & Yan Haklar – maaş, prim, izin bakiyesi, yan hak kullanımı

4. Performans Yönetimi – hedef puanları, yetkinlik değerlendirmeleri

5. Eğitim Yönetimi (LMS) – eğitim saati, sertifika, katılım oranı

6. Çalışan Etkileşimi – anket skorları, NPS, öneri kayıtları
   Bu çok kaynaklı veriyi tek bakışta görebilmek için Fusion Tables, ortak anahtarlar (ör. employee_id, date) üzerinden tabloları birleştirip hızlı FTQL sorgularıyla analiz kolaylığı sunardı.

3. Kurulum: Veri Toplama, Temizleme ve Birleştirme

Adım 1 – CSV Aktarımı

• ATS’den candidates.csv (candidate_id, source, stage, hire_date)

• HRIS’ten employees.csv (employee_id, dept, title, hire_date, gender, age)

• Bordrodan payroll.csv (employee_id, period, gross_salary, bonus, taxed)

• LMS’den training.csv (employee_id, course_id, hours, completion_date)

Adım 2 – Alan Eşleştirme

• Tüm tabloda employee_id veya candidate_id sütunlarının formatını büyük-harf–sıfır dolgulu hâle getirin (örn. EMP-000567).

• Tarihleri YYYY-MM-DD standardına dönüştürün, boş alanları “NULL” yerine uygun varsayılanla (0, “Unknown”) değiştirin.

Adım 3 – Birleştirme (Merge)

1. employees.csv + payroll.csv → employee_id üstünden “Merge”

2. Ortaya çıkan tabloya training.csv yine employee_id anahtarıyla eklenir

3. İsteğe bağlı olarak işe alım kaynak analizleri için candidates.csv içindeki hire_date ile employees.hire_datebirleştirilir
   Sonuçta master_hr_table adıyla tüm İK metriklerinin bir arada bulunduğu merkezî bir tablo oluşur.

4. Temel İK KPI’ları ve FTQL Örnekleri

Örnek – Devir Hızı:

5. Görselleştirme ve Pano Tasarımı

Fusion Tables’ın Visualize bölümüyle dakikalar içinde:

• Çizgi Grafiği: Aylık devir hızı trendi

• Sütun Grafiği: Departman bazlı işe alım hızı

• Pasta Grafiği: Cinsiyet dağılımı, kuşak kırılımı

• Isı Haritası: Şube bazlı eğitim saati yoğunluğu

• Baloncuk Grafiği: Ücret benchmark oranı vs. performans puanı

Publish→Embed adımıyla <iframe> kodu alınarak İK portalına veya intranetine yapıştırılır; gerçek zamanlı güncellemeyle yönetici ekrana en güncel metrikleri görür.

6. Otomasyon: Google Apps Script ile Güncel Kalmak

Fusion Tables doğrudan streaming desteklemese de Apps Script sayesinde:

Betik 30 dakikada bir çalışarak HRIS’ten son güncellemeleri çekip Fusion Tables master tablosuna ekler; panolar canlı kalır.

7. Örnek Senaryo: Yüksek Performanslı Çalışanı Elde Tutma Analizi

Amaç: Son iki yılda performans puanı>4 olup ayrılan çalışanların ortak özelliklerini bulmak.

1. performance.csv dosyasını master tablosuna employee_id ile ekleyin.

2. FTQL:

   sql

   KopyalaDüzenle

   SELECT dept, avg_tenure, avg_salary
FROM master_hr_table
WHERE perf_score>4 AND exit_date IS NOT NULL
GROUP BY dept
ORDER BY COUNT(*) DESC


3. Baloncuk grafiğiyle departman bazlı ayrılış yoğunluğu + maaş = balon büyüklüğü.

4. Sonuç: IT departmanında 3–5 yıl kıdem, piyasa maaşının %88’inde kalan çalışanlar riskli.

5. Aksiyon: Revize ücret politikası + kariyer yol haritası programı önerisi.

8. Kapanış Sonrası Modern Google Cloud Geçişi

Geçiş adımları: Fusion Tables’tan CSV → bq load → FTQL → Standard SQL dönüşümü → Looker şablonları → IAM rol ataması → Apps Script tetikleyicileri → Cloud Functions’a port etmek.

9. Yapay Zekâ Destekli İK Analitiği Ufku

• BigQuery ML: Churn (çalışan ayrılışı) tahmin modeli → olasılık>0.7 erken uyarı

• Vertex AI Forecast: İşe alım ihtiyaç tahmini (başvuru hacmi, sezon, büyüme hızı)

• Generative BI: “Bu çeyrekte kadın çalışanların eğitim saati ne kadar arttı?” sorusuna doğal dille grafikli yanıt

• Sentiment Analysis: Açık uçlu anket cevaplarında duygu analizi → eNPS sebep ağacı

• Skills Gap Mapping: İş tanımları + çalışan CV’si → AI ile beceri uyum skoru, kişiselleştirilmiş eğitim önerisi

• Privacy-First Analitik: Çapraz coğrafya PII verisinde federated learning ile uyumluluk (KVKK, GDPR)

10. Sonuç

Google Fusion Tables, İK profesyonellerine kod yazmadan veri birleştirme ve içgörü üretme fırsatı sunarak “veri tabanlı İK” çağını erkenden başlattı. Bugün hizmet kapanmış olsa da BigQuery-Looker Studio-Apps Script ekosistemi, Fusion Tables’ın sunduğu kullanım kolaylığını petabayt ölçeği, yapay zekâ gücü ve kurumsal güvenlikle buluşturuyor. Devir hızı, işe alım hızı, ücret dengesi ve çalışan bağlılığı gibi kritik metrikleri gerçek zamanlı takip eden organizasyonlar; sadece doğru yeteneği çekmekle kalmaz, aynı zamanda yüksek performanslı ekiplerini elde tutarak sürdürülebilir rekabet avantajı yaratır. Veri odaklı İK, artık lüks değil; stratejik zorunluluktur.

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.

The post Google Fusion Tables ile İnsan Kaynakları Veri Analizi ve Raporlama first appeared on Veri Analizi Yaptırma Merkezi & Danışmanlık.

2. Finansal Verinin Doğası ve Kaynakları

Finans departmanları tipik olarak şu başlıklardan veri üretir:

• Genel Muhasebe (GL): Yevmiye fişleri, hesap planı hareketleri

• Bütçe ve Tahmin (FP&A): Planlanan–gerçekleşen tabloları

• Nakit Akışı: Banka ekstreleri, tahsilat ve ödeme emirleri

• Yatırım Portföyü: Hisse, bono, fon, döviz pozisyonları

• Risk Yönetimi: Faiz, kur, likidite, kredi risk matrisleri

• Vergi ve Uyum: KDV, kurumlar vergisi, yasal raporlama dosyaları

Dağınık ERP modüllerinden gelen bu tablolar, farklı tarih formatları, çoklu para birimi ve kompleks hesap kodları yüzünden birleştirmesi zor dosyalar hâline gelir. Fusion Tables, CSV/TSV yükleme, ortak alanla (ör. account_code, transaction_date) birleştirme ve SQL-benzeri FTQL ile anlık dönüşüm imkânı sunarak bu zorluğu büyük ölçüde azaltmıştı.

3. Kurulum: Veri Aktarımı ve Standartlaştırma

1. CSV İçe Aktarma

   • GL hareketlerini gl_2025h1.csv olarak dışa aktarın (account_code, trx_date, debit, credit, currency).

   • Banka ekstrelerini bank_stmt.csv, bütçe planını budget_2025.csv olarak kaydedin ve Fusion Tables’a yükleyin.

2. Alan Eşleştirme ve Dönüştürme

   • Tarih alanlarını YYYY-MM-DD standardına çevirin.

   • Para birimi dönüşümü için ayrı bir fx_rates.csv (kur tablosu) yükleyin; FTQL’de JOIN yaparak hepsini “TRY” cinsine çevirin.

3. Birleştirme (Merge)

   • GL ile bütçe tablosunu account_code üzerinden birleştirin → “master_fin_table”.

   • Nakit akışı verisini transaction_date üzerinden aynı tabloa ekleyin.

4. Temel Finans KPI’ları ve FTQL Örnekleri

Örnek – Bütçe Sapma:

5. Görselleştirme ve Raporlama

• Sütun Grafiği: Hesap koduna göre bütçe sapması

• Alan Grafiği: Aylık nakit girişi–çıkışı trendi

• Pasta Grafiği: Gelir kalemlerinin yüzde dağılımı

• Çizgi Grafiği: Kur etkisi arındırılmış kâr marjı zaman serisi

“Visualize → Publish” adımıyla elde edilen <iframe> kodu, yönetim kurulu SharePoint’ine gömülerek gerçek zamanlı rapor sunar.

6. Gerçek Zamanlı Nakit Akışı Panosu

Fusion Tables doğrudan streaming almasa da Google Sheets + Apps Script ile dakikalık güncelleme kurulabilir:

1. Banka API → Sheets: Günlük ekstre JSON’u Apps Script ile okunur, tabloya yazılır.

2. Sheets → Fusion Tables: onChange() tetikleyicisiyle yeni satırlar Fusion Tables API’ye aktarılır.

3. FTQL Sorgu: “Son 7 gün net nakit = giriş – çıkış” hesabı.

4. Embed: CFO panelinde canlı grafik.

7. Senaryo Çalışması: Kur Riski Stres Testi

Amaç: USD/TRY 2 TL artarsa brüt kâr marjı ne kadar düşer?

Adımlar

1. fx_rates.csv tablosunda USD satırını 2 TL artırın.

2. Fusion Tables “What-if” görünümünde GL hareketleri kur farkıyla yeniden hesaplanır.

3. FTQL ile yeni kâr marjı sorgulanır, önceki değerle farkı hesaplayan sanal sütun eklenir.

4. Sonuç grafikle yönetim raporuna eklenir; hedge kararı için hızlı içgörü sağlanır.

8. Kapanış Sonrası Modern Google Cloud Geçişi

Geçiş adımları: Fusion Tables’tan CSV dışa aktar → BigQuery’ye bq load → FTQL’leri Standard SQL’e dönüştür → Looker Studio’da yeni data source → Dashboard replikasyonu → IAM ile erişim.

9. Yapay Zekâ ve İleri Analitik Ufku

• BigQuery ML: Nakit akışı tahmini, sezonluk ARIMA modelleri

• Vertex AI Forecast: Çok değişkenli gelir projeksiyonu

• Anomali Tespiti: Olağan dışı harcama/hile alarmı → Slack uyarısı

• Generative BI: “Bu ay bütçe sapmaları neden arttı?” sorusuna doğal dil + grafik cevap

• Monte Carlo Simülasyonu: Kur, faiz ve talep senaryolarını Python + BigQuery UDF ile çalıştır, Looker’da interaktif slider’la göster

10. Sonuç

Google Fusion Tables, finans ekiplerine “kod yazmadan analitik” çağının kapılarını araladı. Hizmet resmî olarak sona ermiş olsa da, onun demokratik veri yaklaşımı BigQuery–Looker–Apps Script üçlüsünde hem ölçeklenebilir hem de güvenli biçimde sürüyor. Bütçe kontrolünden kur riskine, nakit yönetiminden yatay-dikey kârlılık analizine kadar tüm kritik finans süreçleri; güncel Google Cloud bileşenleriyle gerçek zamanlı, iş birliğine açık ve yapay zekâ destekli bir yapıya taşınabilir. Veri odaklı finans liderleri, bu dönüşümü erkenden benimseyerek daha hızlı, daha isabetli ve daha şeffaf karar süreçleriyle rakiplerinin önüne geçecektir.

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.

The post Google Fusion Tables ile Finansal Veri Analizi ve Raporlama first appeared on Veri Analizi Yaptırma Merkezi & Danışmanlık.

2. CRM Veri Ekosisteminin Yapısı

CRM sistemleri genellikle aşağıdaki modüllerden veri üretir:

• Kontak Yönetimi (ad, e-posta, demografi, kampanya izinleri)

• Satış Boru Hattı (fırsat adı, aşama, tahmini gelir, kapanış tarihi)

• Destek Talepleri (ticket numarası, konu, çözüm süresi, memnuniyet skoru)

• Pazarlama Etkileşimleri (e-posta açılma/tıklanma, web formları, etkinlik katılımı)

• Ödeme ve Faturalama (sipariş no, fatura tutarı, ödeme yöntemi, vade)

Birden fazla SaaS aracını (HubSpot, Zoho, Freshdesk, Mailchimp) aynı ekosistemde kullanan KOBİ’lerde veriler dağınık kalır. Fusion Tables, “CSV/TSV aktar → ortak anahtarlarla birleştir → sorgula” yaklaşımıyla tek bir görsel pano oluşturmayı mümkün kılmıştır.

3. Kurulum: Veri Toplama ve Temizleme

Adım 1 – CSV Aktarımı

• Satış boru hattını deals.csv, destek taleplerini tickets.csv, pazarlama etkileşimlerini engagements.csv olarak dışa aktarın.

• Her dosyayı doğrudan Fusion Tables arayüzüne sürükleyin ve “Create” butonuna tıklayın.

Adım 2 – Alan Eşleştirme

• Ortak sütunları standartlaştırın: customer_id, created_date, status, value, csat_score vb.

• Tarih formatlarını YYYY-MM-DD standardına dönüştürün.

Adım 3 – Veri Temizliği

• Eksik customer_id satırlarını inceleyin ve “dummy-000” gibi bir değer atayın veya silin.

• Metin alanlarındaki fazlalık boşluk ve özel karakterleri kaldırın.

Adım 4 – Birleştirme (Merge)

• deals.csv ile tickets.csv dosyalarını customer_id üstünden “Merge” işlemi yapın.

• Ardından pazarlama etkileşim tablosunu da aynı birleşik yapıya ekleyin.
  Artık tek bir “master_crm_table” içinde satış, destek ve pazarlama verileriniz senkron durur.

4. Temel CRM KPI’ları ve FTQL Örnekleri

Not: Fusion Tables’ta % işlemleri doğrudan yoktur; oran sütununu oluşturup sonraki görselleştirmede yüzdelik biçimi seçebilirsiniz.

5. Segmentasyon Stratejileri

5.1 Demografik Segmentasyon

age_range, country, industry alanlarına göre GROUP BY sorguları çalıştırarak hangi segmentlerin en yüksek CLV’ye sahip olduğunu tespit edin.

5.2 Davranışsal Segmentasyon

• E-Posta Açma Sıklığı ≥ %50 ve Satın Alma ≥ 2 olan müşterileri “sadık kitle” olarak işaretleyin.

• FTQL ile şartlı sütun:

5.3 Destek Talebi Tabanlı Segmentasyon

csat_score<3 ve ticket_count>2 olan müşteri kümesini “risk altındaki müşteriler” olarak belirleyip öncelikli aksiyon listesi çıkarın.

6. Görselleştirme ve Pano Tasarımı

Fusion Tables, sürükle-bırak yöntemle aşağıdaki bileşenleri oluşturur:

• Çizgi Grafiği: Aylık MRR trendi

• Sütun Grafiği: Satış boru hattı aşamalarına göre fırsat sayısı

• Pasta Grafiği: Müşteri segmentlerine göre gelir dağılımı

• Isı Haritası: Bölgelere göre CSAT skoru yoğunluğu

Hazırladığınız her grafik, “File → Publish” seçeneğiyle <iframe> gömme kodu vererek intranet portalınızda veya SharePoint sayfanızda gerçek zamanlı görselleştirme sağlar.

7. Otomasyon: Google Apps Script Köprüsü

Fusion Tables kendisi gerçek zamanlı API tetikleyicisi barındırmasa da, Google Apps Script ile dakikalık veri güncellemesi kurulabilir:

1. API’den Çek → Sheets

   javascript

   KopyalaDüzenle

   function pullHubSpotDeals() {
var url = 'https://api.hubapi.com/deals/v1/deal/paged?...';
var response = UrlFetchApp.fetch(url).getContentText();
var json = JSON.parse(response).results;
var sheet = SpreadsheetApp.openById('SHEET_ID').getSheetByName('deals');
// satır ekleme...
}


2. Sheets → Fusion Tables Senkronizasyonu

   • onChange(e) tetikleyicisi ile her güncel satırı Fusion Tables API’ye POST edin.

3. Bildirim

   • İlk yanıt süresi 30 dk’yı aşan ticket algılanırsa Slack webhook’una uyarı gönderin.

8. Kapanış Sonrası Modern Mimariye Geçiş

8.1 Veri Ambarı

• BigQuery: PB ölçekli kolon-depolu veritabanı, SQL-atarik ML modelleri

8.2 Görselleştirme

• Looker Studio: Fusion Tables’taki kolaylık + gelişmiş filtreler

8.3 Otomasyon

• Cloud Functions + Pub/Sub: CRM webhook’larından veri akışı

8.4 Güvenlik

• IAM + VPC-SC: Hassas PII verisini sınırlandırın, bölgesel veri uyumluluğunu (KVKK, GDPR) yönetin.

9. Örnek Senaryo: Churn Risk Panosu

Hedef: Son 90 günde fatura ödemesi geciken, CSAT skoru düşük ve destek tiketleri artan müşterileri canlı listede görüntülemek.

Akış:

1. Veri Çekimi: Stripe’dan invoice_status, Freshdesk’ten open_tickets, Typeform’dan csat_score CSV alın.

2. Birleştirme: customer_id üstünden tek tabloya aktarın.

3. FTQL:

   sql

   KopyalaDüzenle

   SELECT customer_id, SUM(overdue_amount) AS debt,
AVG(csat_score) AS avg_csat,
COUNT(ticket_id) AS ticket_total
WHERE invoice_status='overdue'
GROUP BY customer_id
HAVING avg_csat<3 OR ticket_total>3


4. Görselleştirme:

   • Borç büyüklüğüne göre balon harita (coğrafi)

   • Ticket yoğunluğuna göre sıralı çubuk grafik

5. Paylaşım: Satış ekibine embed kodu + Google Chat bot mention ile anlık uyarı.

10. Yapay Zekâ ile CRM Analitiğinin Geleceği

• BigQuery ML: Churn tahmin modeli, olasılık skoru > 0.7 müşterilere “kurtarma kampanyası” tetiklemesi

• Vertex AI + Looker: Doğal dille “Bugün en yüksek riskli müşteriler kim?” diye sor, tablo-grafik olarak yanıt al

• Generative BI: E-posta taslaklarını otomatik oluşturup satış temsilcisine kişiselleştirilmiş içerik öner

• Realtime Stream Analytics: Event-driven mimariyle CSAT anket sonuçları saniyesinde panoya yansır

• Privacy-First Modelleme: Çapraz cihaz müşteri analitiğinde kimlik eşleştirme yerine federated learning

11. Sonuç

Google Fusion Tables, CRM verilerini bir araya getirip anlaşılır kılma konusundaki pratik yaklaşımıyla sayısız işletmenin müşteri odaklı karar alma kültürüne geçişini hızlandırdı. Hizmet kapanmış olsa da, “veriyi erişilebilir kıl, aksi takdirde değeri yoktur” felsefesi BigQuery-Looker-Apps Script ekosisteminde ölçeklenebilir ve güvenli biçimde sürdürülüyor. Satış hızlandırma, kusursuz destek deneyimi ve sadık müşteri tabanı kurmak isteyen organizasyonlar için; merkezi, gerçek zamanlı ve eyleme dönük CRM analitiği kritik avantaj yaratmaya devam edecektir.

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.

The post Google Fusion Tables ile CRM Veri Analizi ve Raporlama first appeared on Veri Analizi Yaptırma Merkezi & Danışmanlık.

2. E-Ticarette Veri Ekosistemi ve Fusion Tables’ın Konumu

E-ticaret verileri çoğu zaman aşağıdaki kaynaklardan akar:

• Sipariş Yönetim Sistemi (OMS): Sipariş ve ödeme kayıtları

• Web Analitiği (GA4, Matomo): Oturum, dönüşüm, müşteri yolculuğu

• Stok Yönetimi (ERP/WMS): Stok devir hızı, SKU durumları

• Pazarlama Otomasyonu: E-posta ve kampanya performansı

• Müşteri Destek Sistemi: Ticket, iade, memnuniyet skorları

Fusion Tables, bu heterojen verileri tek tabloda birleştirme (merge), coğrafi görselleştirme (harita), hızlı filtreleme ve gömme (embed) yetenekleriyle küçük/orta ölçekli ekipler için “hafif BI” görevi üstleniyordu.

3. Kurulum: Veri Toplama ve Temizleme

1. CSV/TSV İçeri Aktarma

   • Sipariş raporlarını Shopify veya WooCommerce panelinden günlük CSV olarak dışa aktarın.

   • Dosyaları doğrudan Fusion Tables arayüzüne sürükleyin.

2. Alan Eşleştirme

   • order_id, order_date, customer_city, sku, quantity, total_amount gibi alanları otomatik tanımlayın.

3. Veri Temizliği

   • Boş hücreleri “null” yerine sıfır veya uygun varsayılanla güncelleyin.

   • Tarih formatlarını YYYY-MM-DD standardına çevirin.

4. Birleştirme (Merge)

   • Stok tablosu ile sipariş tablosunu sku üzerinden birleştirerek gerçek zamanlı stok-satış karşılaştırması hazırlayın.

4. Temel KPI’lar ve Hesaplama Yöntemleri

• Toplam Gelir (GMV): SUM(total_amount)

• Sipariş Başına Ortalama Değer (AOV): SUM(total_amount)/COUNT(order_id)

• İade Oranı: RETURNED_ORDERS/COUNT(order_id)

• Sepete Ekleme – Satın Alma Oranı: (PURCHASED_ITEMS/ADDED_TO_CART_ITEMS)*100

• Stok Devir Hızı: COST_OF_GOODS_SOLD/AVG_INVENTORY_VALUE

FTQL (Fusion Tables Query Language) ile örnek AOV sorgusu:

5. Coğrafi Görselleştirme: Şehir ve Bölge Satış Dağılımı

• Harita Katmanı: customer_city alanı haritada otomatik eşleşir.

• Balon İşaretler: Satış hacmine göre balon boyutu ölçeklenir.

• Isı Haritası (Heatmap): Belirli SKU’ların yoğunlaştığı bölgeler renk tonuyla vurgulanır.

Bu sayede, lojistik ağınızı hangi depodan hangi ile yönlendireceğinize dair anlık karar verebilir, agresif kampanyaları düşük performanslı bölgelere hedefleyebilirsiniz.

6. Pazarlama Kampanyası Analizi

1. UTM Parametreli Siparişler

   • Kampanya linklerindeki utm_source ve utm_campaign parametrelerini sipariş tablonuza dahil edin.

2. Segmentasyon

   • utm_source = 'google' veya 'instagram' filtreleriyle gelir kırılımını çıkarın.

3. Zaman Serisi Trend Grafiği

   • Hafta bazlı sipariş artışını çizgi grafiğinde raporlayın.

4. ROI Hesabı

   • Reklam harcaması (Google Ads, Meta Ads) sayfasından harcama CSV’sini Fusion Tables’a yükleyin.

   • ROI = (Campaign_Revenue - Ad_Spend)/Ad_Spend formülünü yeni sütun olarak ekleyin.

7. Gerçek Zamanlı Stok ve Satış Panosu

Fusion Tables doğrudan gerçek zamanlı web-hook almasa da Google Sheets + App Script köprüsüyle dakikalık güncellemeler sağlanabilirdi. Akış örneği:

• Shopify Webhook → Google Apps Script → Sheets güncellemesi

• Sheets → Fusion Tables otomatik senkronizasyon

• Fusion Tables → Embed kodu ile intranette canlı pano

Bu tasarım sayesinde kampanya dönemlerinde stok bitmeden ikmal tetikleyebilir veya “flash sale” performansını izleyebilirsiniz.

8. Raporları Paylaşma ve Otomasyon

• İzleyici Erişimi: Pazarlama direktörü yalnızca görselleştirmeleri izler.

• Düzenleyici Erişimi: Analist ekip veri seti ve sorguları günceller.

• API Entegrasyonu: Üçüncü taraf rapor ekranı Fusion Tables API ile JSON çekerek front-end’de kartlar oluşturur.

9. Limitler ve Kapalı Sistemden Çıkış Stratejisi

Limitler

• 1 GB veri tavanı, Black Friday döneminde yetersiz kalabiliyordu.

• Büyük join işlemlerinde FTQL yavaş çalışıyordu.

• SLA garantisi olmadığından kurumsal raporlar risk altındaydı.

Geçiş Planı

1. Veri Aktarımı:

   • Export menüsünden CSV alarak BigQuery’ye yükleyin.

2. Sorgu Göçü:

   • FTQL sorgularını SQL-92 uyumlu BigQuery sorgularına dönüştürün.

3. Rapor Yeniden Yapılandırması:

   • Looker Studio’da BigQuery veri kaynağı ekleyin, görselleri taşıyın.

4. Erişim Kontrolü:

   • Google Cloud IAM ile ayrıntılı rol tabanlı erişim kuralları oluşturun.

Bu geçiş hem veri sınırlarınızı ortadan kaldırır hem de dakikalar içinde TB ölçeğinde analize izin verir.

10. Uygulamalı Vaka: Flash Sale Performans Raporu

• Hedef: 24 saatlik indirim kampanyasında en çok satan 10 SKU’nun, kanal bazlı (Google Ads, Instagram, Organik) gelir katkısını görselleştirmek.

• Akış:

  1. Sipariş CSV’si kampanya bitiminde Fusion Tables’a yüklenir.

  2. sku ve utm_source alanlarına göre grup sorgusu çalışır.

  3. Pasta grafiği ile kanal yüzdesi, çubuk grafiği ile SKU bazında satışlar embed edilir.

  4. Pazarlama ekibi embed kodunu blog yazısında kullanarak kampanya hikâyesini paylaşır.

11. Geleceğe Bakış: No-Code BI Kültürü

Fusion Tables’ın en büyük mirası, “veriyi anlamak için geliştiriciye bağımlı olmama” fikridir. 2025 itibarıyla aşağıdaki trendler e-ticaret ekiplerinin ufkunu açıyor:

• No-Code Otomasyon (Zapier, Make): Farklı SaaS’lerden anlık veri akışı

• Reverse ETL: Warehouse’taki veriyi pazarlama araçlarına geri yazma

• Yapay Zekâ Destekli Anomali Tespiti: BigQuery ML ve Vertex AI ile otomatik uyarı

• Gerçek Zamanlı Veri Akışı: Pub/Sub + Dataflow ile saniyelik işlem analizi

• Ürün Analitiği Platformları (Mixpanel, Amplitude): Davranış bazlı kohort analizi

Bu araçlar, Fusion Tables’ın sağladığı kolaylığı kurumsal ölçeğe taşıyarak tüm ekibin veri okuryazarlığını güçlendiriyor.

12. Sonuç

Google Fusion Tables, e-ticaret işletmelerinin veri odaklı kültür inşa etmesinde mütevazı ama kritik bir rol oynadı. Artık resmî olarak kullanılamasa da, sunduğu kolay veri yükleme, hızlı sorgu ve tek tıklamayla görselleştirme deneyimi; günümüzün BigQuery + Looker Studio + Apps Script üçlüsünde çok daha güçlü biçimde hayat buluyor. Doğru geçiş planıyla, stok takibinden kampanya ROI hesaplarına kadar her süreç gerçek zamanlı, ölçeklenebilir ve ekipler arası iş birliğine açık hâle getirilebilir. E-ticaret dünyasında başarının anahtarı, veriyi sadece toplamak değil; onu görsel, anlaşılır ve paylaşılabilir hâle getirerek aksiyona dönüştürebilmektir.

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.

The post Google Fusion Tables ile E-Ticaret Veri Analizi ve Raporlama first appeared on Veri Analizi Yaptırma Merkezi & Danışmanlık.