1) Başlangıç Fotoğrafı: Profil Çıkarma ile Doğru Teşhis

Temizliğe başlamadan önce verinizi tanıyın. KNIME’da Data Explorer, Statistics, Value Counter, Missing Value Column Filter gibi düğümlerle:

• Dağılımlar, min-max ve yüzdelikler,

• Eksik değer oranları,

• Kategorik alanların benzersiz sayı ve nadir kategori oranı,

• Tarih sütunlarında “metin kılığına girmiş tarih” sapmaları,

• Anahtar sütunların benzersizliği ve olası çift kayıt sinyalleri…
  Örnek olay: E-ticaret siparişlerinde “order_date” alanının %7’si aslında string biçiminde; “İş günü filtreleri çalışmıyor” sorununun kaynağı bu çıktı ile saniyede bulundu.

2) Tip ve Format Hijyeni: Temelin Doğruluğu

Temizliğin ilk adımı türleri doğrulamak: String to Date&Time, String to Number, Number To String, Column Auto Type Cast adımlarıyla tipleri normalize edin.

• Para birimleri için Value Mapper (örn. “TL”, “TRY”, “₺” → “TRY”)

• Bozuk tarih/kesir ayırıcıları için String Manipulation + Cell Splitter
  İpucu: Tip dönüşümlerini akışın başında yapın; ilerideki kuralların davranışı öngörülebilir olur.

3) Eksik Değer İdaresi: Silmek mi, Doldurmak mı, İşaretlemek mi?

KNIME Missing Value düğümü; sabit değer atama, ortalama/medyan ile doldurma, en yakın komşu (k-NN) gibi seçenekler sunar. Strateji veri türüne ve iş etkisine bağlıdır:

• Sayılar: Medyan/kuantil tabanlı doldurma, segment bazlı medyan.

• Kategorik: “Bilinmiyor/Null” etiketi veya mod değer.

• Tarih: Pencere içi “son geçerli değeri taşı” (forward fill) veya iş kuralına göre “hafta başlangıcı”.
  Örnek olay: Kredi başvurularında gelir alanı eksikse doldurmak risklidir; burada “Eksik_Gelir” bayrağı üretmek, modeli açıklanabilir kılar.

4) Aykırı ve Uç Değerler: Gürültüyü Sağlam Kırpma

Aykırı değerler hatadan ya da gerçek istisnadan doğabilir. Körlemesine silmek yerine tanıla ve belgele:

• Numeric Outliers (KNIME) ile z-skor/çit yaklaşımı,

• Sağlam yöntemler: medyan ve IQR ile kaplama (winsorization),

• Rule Engine ile iş kuralı tabanlı sınırlar (örn. “yaş < 14 → hatalı/kaynak kontrol”).
  İpucu: Aykırıları ayrı bir akış dalına loglayın; kök neden (veri girişi, sistem hatası, gerçek ekstrem) ayrıştırması yapmayı kolaylaştırır.

5) Yinelenen Kayıtlar ve Birincil Anahtar Hijyeni

Çift kayıtlar raporları şişirir. Duplicate Row Filter, GroupBy + COUNT(*), Reference Row Filter ile:

• Birincil anahtar benzersizliği doğrulayın,

• Çiftleri iş kurallarına göre birleştirin (örn. en güncel versiyonu tut).
  Örnek olay: Çağrı merkezi kayıtlarında tekrarlı yazım yüzünden çözüm süreleri 2x görünüyordu; deduplikasyon sonrası NPS tartışması yerini gerçekliğe bıraktı.

6) Kategorik Kodlama: Etiket Ormanına Düzen

“Paid_social”, “psocial”, “meta_cpc” gibi varyantlar analitiği bozar. Value Mapper, Column Expressions, Rule Engineile kanal/kategori/ürün hiyerarşisini tek sözlükte standardize edin.

• Nadir kategorileri “Diğer (rare)” altında toplayın,

• Kodlama hatalarını kalite eşiği ile yakalayın (beklenmeyen etiket alarmı).
  Uygulamalı ipucu: Sözlükleri ayrı bir Component yapın; tüm akışlarda aynı kaynaktan beslensin.

7) Tarih ve Saat: Zaman Dilimi ve Takvim Büyüsü

Zaman verileri UTC’ye standardize edildikten sonra yerel zamana çevrilmelidir. Date&Time Shift, Time Zone Converter, Extract Date&Time Fields düğümleriyle:

• İşletme takvimi (tatil, kapalı gün) katmanı,

• Seans/sipariş pencere kuralları (“tıklamadan 7 gün içinde satış”),

• Sezon/hafta içi-sonu gibi türetilmiş alanlar.
  Örnek olay: Rapor “pazar gecesi” düşüyor sanılıyordu; aslında veriler UTC-3’teydi. Dönüşüm sonrası sezon-gün etkisi doğru okundu.

8) Metin Hijyeni: URL, Emoji, İmla ve Dil Karışımı

Sosyal yorumlar ve açık uçlu alanlar kirlidir. String Manipulation, Regex Matcher, Text Processing ile:

• URL/mention/hashtag temizliği,

• Lowercase ve Türkçe karakter normalizasyonu,

• Özel sembol ve tekrarların kırpılması,

• Dil tespiti (entegrasyonla) ve dil-özel stopword listeleri.
  İpucu: Büyük veri için önce hızlı regex ile kaba temizlik, sonra tokenizasyon/lemma.

9) Özellik Mühendisliği: Temizlikten Sinyal Üretmek

Temiz veri, kaliteli özelliklerin ham maddesidir. Math Formula, Rule Engine, Lag Column, Moving Average, Pivotingile:

• Davranış momentumu (son 30/90 gün oranları),

• RFM ve türevleri,

• Oranlar ve etkileşimler (iade_oranı, sepet_başı_ürün),

• Pencere fonksiyonları (SQL tarafına push-down ile).
  Örnek olay: Churn tahmininde “son 30 gün giriş / son 90 gün giriş” oranı erken düşüş sinyali verdi; elde tutma kampanyası daha erken tetiklendi.

10) Ölçekleme ve Normalizasyon: Elmalarla Elmalar

Bazı modeller ölçek duyarlıdır. Normalizer, Standardizer düğümleriyle:

• Z-skor, min-max, robust (medyan/IQR) ölçekleme,

• Eğitim/test ayrımında sızıntıyı önlemek için Modeling pipeline içinde uygulama,

• Sınıflandırmada eşik ve yorumlama kolaylığı için calibration (Python düğümü ile).
  Kural: Ölçeği eğitim setinde öğren, testte uygula; aynı akış içinde bileşene göm.

11) Çoklu Kaynak Uyumlaştırma: Join Hijyeni

Farklı sistemlerden gelen veriler (CRM, ERP, web analitiği) ad ve anahtar uyumsuzluğu taşır. Joiner, DB Joiner, Reference Row Filter ile:

• Eşleşmeyen kayıtları ayrı çıkışta raporlayın,

• Birleşik anahtar kuralları (örn. email_hash + tarih penceresi),

• Mapping table yaklaşımı (kimlik eşleştirme sözlüğü).
  Örnek olay: Sipariş-tıklama eşleşmesindeki %4 “kaybolan” sipariş, UTM sözlüğü ve zaman penceresi senkronu ile %0.6’ya indirildi.

12) Kuralları Görünür Kılmak: Şeffaf Dönüşüm

İndirim istisnası, iade netleştirmesi, kampanya atfı—hepsi Rule Engine veya Column Expressions ile yazılsın ve yanına Annotation düşülsün.
Fayda: Denetimde “bu karar neden böyle?” sorusu, akış üzerindeki notlarla dakikalar içinde yanıtlanır; tartışma kod yerine kural üzerinden yürür.

13) Kalite Eşikleri ve Alarm Mekanizması

Her çalıştırmada otomatik “hijyen testi”:

• Satır sayısı beklenen aralıkta mı,

• NULL oranları, benzersizlik, referans sözlüğü ihlali,

• Beklenmeyen kategori (sözlüğe girmeyen) var mı,

• Tarihlerin gelecek/çok eski sapması.
  Eşik aşıldığında akış kendini güvenli durdursun, “sorunlu alt küme”yi kaydetsin ve bildirim göndersin. Bu bileşeni her akışın başına ve sonuna koyun.

14) Performans İçin Push-Down, Budama ve Cache

Temizlik de performans ister:

• İlk adımda sütun/satır budama,

• Mümkünse DB önekli düğümlerle işlemleri kaynağa itme (push-down),

• Ağır ara setleri Cache ile önbelleğe alma,

• Tasarım aşamasında örneklem ile prototip, olgunlaşınca tam veri.
  Örnek olay: 1,2 milyar satırlık log temizliği, DB Filter + gerekli 7 sütun seçimi + cache ile 2 saatten 20 dakikaya indi.

15) Artışsal (Incremental) Temizlik ve Backfill

Her gün tüm temizliği baştan koşmak yerine son değişenleri işle:

• “Son başarılı çalıştırma zamanı” kontrol tablosu,

• WHERE updated_at > last_success filtreli çekim,

• Gecikmeli veriler için son X gün backfill dalı.
  Fayda: Raporlar pencere süresine yetişir, maliyet ve süre öngörülebilir olur.

16) Yeniden Başlatılabilirlik ve Hata Yönetimi

Uzun temizlik hatları kopabilir.

• Kritik adımlardan sonra ara çıktı yaz,

• Zaman aşımı ve belirli hata kodlarında retry uygula,

• Hata log’unda düğüm adı, değişken değerleri ve zaman damgası bulunsun.
  Uygulama: “Kaldığı yerden devam” prensibiyle temizlik, operasyonda güvenilir hale gelir.

17) Bileşenleştirme: “Temizlik Kutusu”nu Kur

Sıklıkla kullandığınız adımları bir Component içinde toplayın:

• Tip dönüşümü paneli (sayısal/tarih/para),

• Eksik ve aykırı stratejileri (parametreli),

• Sözlük eşlemesi ve beklenmeyen kategori alarmı,

• Kalite özeti (satır, null, benzersizlik, eşleşmeyen oranı).
  Ekip genelinde aynı “temizlik kutusu” standardı → tutarlılık ve hız.

18) Gizlilik ve Etik: Asgari Veri İlkesi

Temizlik sırasında PII/PHI alanlarını maskeleyin veya türetilmiş alanlara (yaş bandı, yaklaşık konum) çevirin. Credentials ile kimlik bilgilerini yönetin; üretimde salt okunur roller kullanın.
Örnek olay: Pazarlama aksiyon listelerinde doğrudan e-posta yerine hash kullanımı, veri sızıntısı riskini azalttı.

19) Deney ve Doğrulama: “Önce/ Sonra” Karşılaştırması

Temizlik adımlarının etkisini ölçün:

• Aykırı kaplamadan önce/sonra metrik farkı,

• Eksik doldurma sonrası model performansı (AUC/PR-AUC, RMSE) değişimi,

• Kategori sözlüğü standardizasyonu sonrası ROI hesaplarının tutarlılığı.
  Bu karşılaştırmaları küçük bir dashboard ile görünür kılın; ekip kolay ikna olur.

20) Uçtan Uca Vaka – E-Ticarette Net Gelir Temizliği

Bağlam: Gelir raporları iade/lojistik maliyetleriyle uyumsuz.
Hat:

1. Kaynaklardan sipariş/iade/teslimat verileri çekilir.

2. Tip ve para birimi standardizasyonu; tarih UTC → yerel.

3. Yinelenen sipariş satırları birleştirilir; eksik iade tarihleri işaretlenir.

4. İade penceresi kuralı; net gelir = gelir − iade − lojistik.

5. Beklenmeyen kategori ve NULL eşiği kontrolü, “sorunlu alt küme” kaydı.
   Sonuç: Net-ROI panosu gerçekçi hale gelir; kampanya kararlarında hatalı iyimserlik kaybolur.

21) Uçtan Uca Vaka – IoT Sensörlerinde Gürültü ve Kayma

Bağlam: Saniyelik sensör verileri hatalı sıçramalar içeriyor.
Hat:

1. Anlık outlier filtresi (robust z-skor) + winsorization,

2. Eksik paketlerde pencere içi interpolasyon/forward-fill,

3. Zaman eşitlemesi (drift düzeltmesi) ve işletme takvimi,

4. Anomali skorlarının kalibrasyonu ve “yanlış alarm” azaltımı.
   Sonuç: Bakım ekibi doğru makinelere odaklanır; gereksiz duruş azalır.

22) Test Edilebilir Temizlik: Beklentileri Otomatiğe Bağlamak

Kritik sütunlar için beklenti testleri yazın: “benzersizlik ≥ %99.5”, “NULL ≤ %0.5”, “yaş 14-95 arası”, “tarih ≤ bugün”. Bozulma olduğunda akış kırmızıya düşsün; e-posta/webhook ile bildirim gitsin.
Fayda: Temizlik “kişisel beceri” olmaktan çıkar, süreç haline gelir.

23) Raporlama ve Sürümleme: Ne Değişti, Neden İyi?

Temizlik kuralları değiştiğinde sürüm notu yazın; “önce/sonra” etkisini, kaç satırın etkilendiğini ve iş etkisini (ör. net gelir farkı) kısa bir rapora ekleyin. Gelecekteki denetim ve post-mortem görüşmeler için altın değerindedir.

24) Performans Kontrol Listesi: Her Çalıştırmada Kendi Kendinize Sorun

• İlk adımda gerekli sütunlar ve erken filtre uyguladım mı?

• Push-down ile kaynağa yeterince iş ittiğimden emin miyim?

• Eksik/aykırı stratejim belgeli ve tekrar edilebilir mi?

• Sözlük ve kodlamalar tek kaynaktan mı geliyor?

• Artışsal + backfill var mı?

• Kalite eşikleri ve alarm aktif mi?

• PII maskelendi mi?

• Temizlik bileşeni ekip içinde paylaşılıyor mu?

Veri ön işleme ve temizleme, analitiğin görünmeyen devi; hatasız bir mimari kurduğunuzda modelleriniz güçlenir, panolarınız güvenilir olur, kararlarınızın kanıta dayalı ağırlığı artar. KNIME’ın görsel iş akışları, bu alanı hem öğrenmesi kolay hem de üretimde dayanıklı bir sürece dönüştürür:

1. Teşhis → Hijyen → Standart: Data Explorer ile profil; tip/format ve sözlük standardizasyonu.

2. Eksik/Aykırı → Karar: Doldur, işaretle, kapla; hepsini belgele.

3. Uyum → Şeffaflık: Çoklu kaynak join hijyeni ve kuralların Annotation ile görünürlüğü.

4. Süreç → Dayanıklılık: Artışsal + backfill, push-down, cache, kalite eşikleri, retry ve yeniden başlatılabilirlik.

5. Paylaşım → Ölçek: Temizlik bileşenleri ve beklenti testleri ile ekip standardı.

Bugün başlayın: mevcut akışınıza Temizlik Bileşeni ekleyin, tip/format ve eksik stratejilerini parametreleyin, kalite eşiği ve “sorunlu alt küme” kaydını aktif edin. Yarın çok kaynaklı sözlükler, aykırı kaplama ve artışsal temizlikle hattınızı büyütün. Sonra bu mimariyi rapor ve modellere tek tıkla besleyin. Böylece veri, yalnızca ham bir malzeme olmaktan çıkar; temiz, güvenilir ve eyleme hazır bir varlığa dönüşür.

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 Knime ile Veri Ön İşleme ve Temizleme Teknikleri first appeared on Veri Analizi Yaptırma Merkezi & Danışmanlık.