Veri Kalitesinin Bankacılık Süreçlerindeki Önemi

Veri, finans ve bankacılık sektöründe kritik bir varlık olarak kabul edilir. Bu nedenle, veri kalitesi, doğruluk, güvenilirlik ve bütünlük açısından büyük bir öneme sahiptir. Bankaların müşteri bilgileri, işlem verileri, risk yönetimi ve raporlama gibi bir dizi süreçte yüksek kaliteli verilere ihtiyacı vardır. Özellikle finans ve bankacılık sektöründe, veri doğruluğu, güvenilirlik ve bütünlüğü büyük bir öneme sahiptir. Bankaların müşteri bilgileri, işlem verileri, risk yönetimi ve raporlama gibi süreçlere girdi teşkil etmekte ve karar destek sistemlerinde kullanılmaktadır. Bankalarda tutulan veriler denetim ve kontrol amacıyla görevlendirilmiş kuruluşlar tarafından sürekli denetlenmektedir ve mevzuat ile düzenlenmiştir.

Veri kalitesi yönetimi, bankacılık sektöründe müşteri güvenini artırmak, riskleri azaltmak ve etkili kararlar almak için vazgeçilmez bir araçtır. Bu nedenle, bankaların veri kalitesine yatırım yapmaları kritik bir gerekliliktir.

Bankacılık Mevzuatındaki Yeri

Bankacılık Düzenleme ve Denetleme Kurumu tarafından 15.03.2020 tarihli yayımlanan “Bankalarin Bilgi Sistemleri ve Elektronik Bankacılık Hizmetleri Hakkinda Yönetmelik”, İkinci Bölüm “Bilgi Sistemleri Risklerinin Yönetilmesi” başlığı altında veri bir varlık olarak tanımlanmış ve detaylı bir şekilde nasıl tanımlanması ve sınıflandırılaması gerektiği açıklanmıştır. Verinin işlenmiş ve daha anlamlı hale getirilmiş hali olarak açıklanabilecek olan bilgi varlığı olarak mevzuatta yer bulmuştur. Kısaca veri ile bilgi arasındaki farkları aşağıdaki gibi açıklayabiliriz.

Veri:

· Veri, ham ve organize olmayan gerçeklerin toplamıdır.

· İşlenmesi gereken temel bilgileri içerir.

· Belirli bir amacı yoktur.

Örneğin, bir kuruluşun yıllık satış rakamları verisi.

Bilgi:

· Bilgi, verinin işlenip yorumlandığı ve anlamlı hale getirildiği bir veri kümesidir.

· Belirli bir bağlamda sunulduğunda yararlıdır.

· Verinin yorumlanmasıyla verilen bir anlam taşır.

Örneğin, yıllık satış verileri bir raporda işlendiğinde, ürünün ortalama satışları ve gerçek satışların öngörülen satışlarla karşılaştırılması gibi yararlı bilgiler sağlar.

Veri, temel yapı taşıdır; bilgi ise bu verinin anlamlı hale getirilmiş halidir. Birlikte, doğru şekilde işlendiklerinde, daha geniş anlayış ve kararlar için değerli bilgi sağlarlar.

BDDK bankaların bilgi varlıklarına dair envanter oluşturmasını ve bunu belirlenmiş kriterlere göre sınıflandırımasını belirtmiştir.

Bilgi varlıkları envanteri ve sınıflandırılması

“MADDE 6–1) Banka, bilgi varlıklarının güvenlik gereksinimlerine uygun kontroller tesis etmek için bu varlıkları sınıflandırarak detaylı bir varlık envanteri hazırlar.”

BDDK Bilgi varlıklarının güvenlik gereksinimlerine ve aşağıda yazan kriterleri de ekleyerek envanterde sınıflandırılması gerektiğini ifade etmiştir.

a) Varlığın ne olduğunu açıkça belirtecek tanımına,

b) Banka için görece değerine,

c) Bulunduğu konuma,

ç) Varlığın güvenlik sınıfına ve bu sınıfın belirlenmesini sağlayan gizlilik, bütünlük, erişilebilirlik gibi değerlerine,

d) Varlığın sahibine,

e) Varlığın muhafızına, yer verilir.

BDDK 24/3/2016 tarihli ve 6698 sayılı Kişisel Verilerin Korunması Kanununda tanımlanan kişisel veri kavramına da referans vererek banka veri tabanlarında tutulan müşterilere ait kişisel verinin sınıflandırılmasına özel önem vererek Madde 6’nın 3.4.5. ve 6. Fıkralarında veri varlıkları ile ilgili bazı kontrolleri tanımlanmıştır.

“(3) Bilgi varlıklarının bir parçası olan veriler için oluşturulacak veri envanterine birinci fıkrada belirtilen detaylara ilave olarak kişisel veri olup olmadığı bilgisi dâhil edilir.

(4) Varlık sahipleri ile birlikte çalışılmak suretiyle, her bir varlığın tanımlı ve onaylı bir güvenlik sınıfına ve erişim kısıtlamasına sahip olması sağlanır. Güvenlik sınıfları ve erişim kısıtlamaları iki yıldan uzun olmayacak periyotlarla düzenli olarak gözden geçirilir.

(5) Bilgi varlıklarının, nasıl sınıflandırılacağına yönelik olarak Bilgi Güvenliği Komitesi tarafından onaylı bir varlık sınıflandırma kılavuzu hazırlanır. Varlıkların güvenlik sınıfı belirlenirken gizlilik derecesi, bütünlük gereksinimi, erişilebilirlik gereksinimi, saklama süresi ve asgari yedekleme sıklığı gibi kriterler göz önünde bulundurulur.

(6) Verilerin güvenlik sınıfı asgari olarak bu verilerin gizlilik derecesi, bütünlük gereksinimi, erişilebilirlik gereksinimi ve hassas veri, kişisel veri ya da sır kapsamındaki veri olup olmadığı gibi kriterler göz önünde bulundurularak belirlenir.

6.fıkrada yer alan veri güvenlik boyutları ve veri kalitesi kavramı ile doğrudan ilişkili sınıflandırma detaylarını mevzuat belirtmese de uluslararası iyi uygulamalar ve sektör pratikleri ile açıklanabilir.

Veri Kalitesinin Tanımı

Veri kalitesi, verilerin doğru, güvenilir ve anlamlı olmasını sağlamak üzere, bir veri setinin doluluk, tekillik, uygunluk, tutarlılık, bütünlük, güncellik ve kesinlik kriterlerini ne kadar iyi karşıladığını ölçer.

Öncelikli olarak verinin doğruluğu, güvenilirliği, eksiksizliği ve tutarlılığı ile ilgilidir. Yani, veri kalitesi, verinin kullanılabilir, güvenilir ve anlamlı olmasını da ifade eder. Bankacılık sektöründe veri kalitesi, genel anlamda aşağıdaki faktörlere dayanır:

1. Doğruluk: Veri, gerçek dünyadaki olayları doğru bir şekilde yansıtmalıdır. Örneğin, müşteri bilgileri, kimlik numaraları ve hesap bakiyeleri doğru olmalıdır.
2. Güvenilirlik: Veri, güvenilir bir kaynaktan gelmelidir. Veri girişi sırasında hatalı veya yanıltıcı bilgilerin eklenmesi, güvenilirliği zedeler. Verinin saklandığı ortamda bozulmadığı ve güvenli, güvenilir kaynaklarda muhafaza edildiği garanti edilmelidir.
3. Eksiksizlik: Veri eksiksiz olmalıdır. Örneğin, bir müşterinin tüm hesapları, işlemleri ve ilişkili bilgileri eksiksiz bir şekilde kaydedilmelidir. Bilgilerde yapılan güncellenemeler, anında ve eksiksiz bir şekilde güvenilir veri kaynaklarına aktarılmalıdır.
4. Tutarlılık: Veri, farklı sistemler arasında tutarlı olmalıdır. Aynı müşteriye ait bilgilerin farklı sistemlerde farklı şekillerde görünmesi, tutarsızlık oluşturur. Çok sayıda hizmet kanalına sahip bankalarda farklı sistemlerde tutulan verilerin tek doğru ve tutarlı veri kaynaklarından beslenmelidir.

Veri Kalitesinin Önemi

Veri kalitesi eksikliği veya düşük veri kalitesi finansal kuruluşlar için ciddi sonuçlar doğurabilir. Düşük veri kalitesi, bankaların finansal sonuçları üzerinde önemli etkiye sahiptir. Bu etki birkaç açıdan görülebilir. İlk olarak, takipteki kredilerin doğru bir şekilde kaydedilmemesi, bankaların finansal kırılganlığını artırabilir. Ayrıca, veri kalitesi, risk değerlendirmesi ve kredi kararlarını da etkiler. Eksik veya hatalı veri, bankaların müşteri kredi geçmişini doğru bir şekilde analiz etmelerini zorlaştırabilir. Bunun sonucunda yanlış kredi verme veya riskli varlıkları yanlış değerlendirme riski artar. Ayrıca, düşük veri kalitesi finansal raporlama süreçlerini etkileyebilir ve denetim/ç kontrol süreçlerinde eksikliklere yol açabilir. Son olarak, hatalı veri müşteri memnuniyetini ve bankalar için büyük öneme sahip müşteri güvenini olumsuz etkileyebilir ve bankanın imajını zedelebilir. Bu nedenle, bankaların veri kalitesine özen göstermeleri, finansal sonuçları, risk yönetimini ve müşteri ilişkilerini olumlu yönde etkileyecektir.

• Hatalı Kararlar: Veri kalitesi düşükse, yöneticiler yanlış kararlar alabilir. Örneğin, yanlış müşteri bilgileri nedeniyle kredi verme kararı hatalı olabilir.
• Müşteri Memnuniyetsizliği: Hatalı veri, müşteri hizmetlerini olumsuz etkiler. Yanlış finanasal bilgileri veya hesap bakiyeleri müşteri memnuniyetsizliğine yol açar.
• Yasal Sorunlar: Veri kalitesi eksikliği, yasal düzenlemelere aykırılıklar oluşturacak ve ağır yaptırımlarla karşılaşılabilecektir. Örneğin, müşteri gizliliği ihlali veya yanlış raporlama nedeniyle yasal sorunlar yaşanabilir.

Bu nedenle, finansal kuruluşlar veri kalitesini yüksek tutmak için çaba göstermelidir. İyi bir veri yönetimi stratejisi, doğru veri kalitesi kontrolleri ve uygun teknolojik altyapı, bu hedefe ulaşmada yardımcı olacaktır.

Veri Kalitesinin Yapay Zeka Ve Analitik Modeller Açisindan Önemi

Veri kalitesi, yapay zeka ve analitik modellerin başarısı için hayati öneme sahiptir. Yapay zeka ve makine öğrenimi teknolojileri, işletmelerin nakit akışlarını ikiye katlama potansiyeline sahipken, düşük kaliteli veriler, bu teknolojilerin etkin bir şekilde devreye alınmasını ve benimsenmesini engelleyebilir. Veri kalitesinin düşük olması, işletmelerin yüksek kaliteli yapay zeka destekli analitik elde etmesinin önündeki ana engel olabilir.

Bankacılık sektörü, ileri analitik teknolojilerinin kullanılmaya başlanmasıyla hızlı bir dönüşüm içerisine girmiştir. Büyük veri ve ileri analitik sayesinde, yeni müşteri kazanma, mevcut müşteri taahhütleri, kredi temerrütleri, risk analizleri gibi konularda veriye dayalı ve doğru tahminler yapılabilmektedir. Ancak, veri miktarı arttıkça, verinin kontrolü de zorlaşırken, ileri analitik algoritmalarının etkinliği de artmaktadır.

Akademik makaleler, veri kalitesinin yapay zeka ve analitik modeller açısından önemini vurgulamaktadır. Örneğin, bir çalışma, veri kalitesinin ihmal edilmesinin veya uygun bir veri stratejisi belirlenmemesinin, üretken yapay zekadan elde edilen değeri engelleyebileceğini belirtmektedir. Başka bir çalışma, veri analizi sürecinde en büyük zorluklardan birinin veri kalitesinin sağlanması olduğunu ve yapay zekanın, otomatik veri temizleme ve standardizasyon yetenekleri ile veri setlerini düzenleyebileceğini belirtmektedir.

Sonuç olarak, veri kalitesi, yapay zeka ve analitik modellerin başarısı için kritik bir faktördür ve bu, bankacılık sektöründeki analitik modellerin etkinliği ve doğruluğu üzerinde önemli bir etkiye sahiptir. Bu nedenle, veri kalitesini sağlamak ve sürdürmek, bankacılık sektöründe analitik modellerin başarısını artırmak için hayati öneme sahiptir.

Kaynaklar:

(1) “AI Uygulamasında Veri Kalitesinin Önemi”, Unite.AI, https://www.unite.ai/tr/yapay-zeka-uygulamas%C4%B1nda-veri-kalitesinin-%C3%B6nemi/

(2) “Bankacılık Sektöründe İleri Analitik Uygulamaları”, Gtech, https://www.gtech.com.tr/ileri-analitik-bankacilik-sektorunu-yeniden-tanimliyor/

(3) “Veri Kalitesinin Yapay Zeka Çağında Önemi”, Elblog.pl, https://elblog.pl/tr/2024/01/08/veri-kalitesinin-yapay-zeka-caginda-onemi/

(4) “Veri Analizinde Yapay Zekayı Kullanmanın Avantajları”, Global IT, https://globalit.com.tr/veri-analizinde-yapay-zekayi-kullanmanin-avantajlari/

(5) “Bankacılık Sektörünün Verilerine Analitik Bakış ve Değerlendirme” TKBB, https://egitimkatalogu.tbb.org.tr/Seminer/Detay/2430/10165/bankacilik-sektorunun-verilerine-analitik-bakis-ve-degerlendirme

(6) “Bankacilik Sektöründe Kredi Riski Yönetimi Ve Analitik Hiyerarşi ile Bir Uygulama”, N. Kılıçarslan, https://www.academia.edu/85030680/Bankac%C4%B1l%C4%B1k_sekt%C3%B6r%C3%BCnde_kredi_riski_y%C3%B6netimi_ve_analitik_hiyerar%C5%9Fi_y%C3%B6netimi_ile_bir_uygulama

(7) “Yeni Nesil Bankacılık Teknolojileri Nelerdir?”, Gtech, https://www.gtech.com.tr/yeni-nesil-bankacilik-teknolojileri/

(8) “Veri Analizinde Yapay Zeka Asistanlarının Gücünü En Üst Düzeye Çıkarma”, https://zeo.org/tr/kaynaklar/blog/veri-analizinde-yapay-zeka-asistanlarinin-gucunu-en-ust-duzeye-cikarma

(9) “Büyük Veri̇ Anali̇zi̇nde Yapay Zekâ Ve Maki̇ne Öğrenmesi̇”, https://www.academia.edu/74164634/B%C3%BCy%C3%BCk_Veri_Anali_zi_nde_Yapay_Zek%C3%A2_Ve_Maki_ne_%C3%96%C4%9Frenmesi_Uygulamalari_Artificial_Intelligence_and_Machine_Learning_Applications_in_Big_Data_Analysis

(10) “Eğitimde Yapay Zekânin Kullanilmasi: Betimsel Içerik Analizi Çalişmasi”, DergiPark, https://dergipark.org.tr/tr/pub/sbed/issue/70445/1092727

(11) “Büyük Veri Analizinde Yapay Zekâ Ve Makine Öğrenmesi”, DergiPark, https://dergipark.org.tr/tr/pub/makusobed/issue/33082/309727

(12) “Sosyal Bilimlerde Büyük Veri Analitiği, Yapay Zeka ve Makine Öğrenmesi”, https://earsiv.anadolu.edu.tr/xmlui/bitstream/handle/11421/27124/10.18037-ausbd.1272565-3041738.pdf?sequence=1

(13) “Veri Kalitesi Yönetimi: Tanımı ve En İyi Uygulamalar”, QuestionPro, https://www.questionpro.com/blog/tr/veri-kalitesi-yonetimi-tanim-en-iyi-uygulamalar/

(14) “Veri Yönetişimi”, PwC Türkiye, https://www.pwc.com.tr/veri-yonetisimi

(15) “Data Quality Assessment in Credit Risk Management by a Customized Total Data Quality Management Approach”, M.İ.Güneş, https://tez.yok.gov.tr/UlusalTezMerkezi/tezDetay.jsp?id=nm1bbf8o9Xz9h4j_MKtsxw&no=IC2n0OIqtSaGI1K0_jAIXw

(16) ”Sosyal Bilimlerde Büyük Veri Üzerine Yapılan Akademik Çalışmaların Analizi”, DergiPark, https://dergipark.org.tr/tr/pub/akil/issue/62608/886708

(17) “Sağlikta Veri Kalitesi Ve Veri Madenciliği Uygulamalari”, Disiplinlerarası Yenilik Araştırmaları Dergisi, https://dergipark.org.tr/tr/pub/dyad/article/1161993

(18) “Veri Kalitesi: Veri Dünyasına Yolculuğumuzdaki Pusula”, Medium, https://bing.com/search?q=veri+kalitesi+nedir+akademik+makale

(19) “Sağlıkta veri kalitesi ve veri madenciliği uygulamaları”, DergiPark, https://dergipark.org.tr/tr/pub/dyad/article/1161993

(20) “Veri Kalitesi (Data Quality) Nedir?”, Komtas, https://www.komtas.com/glossary/veri-kalitesi-data-quality-nedir

(21) “Veri ve Bilgi Nedir? Arasındaki Fark Nedir? Neden Önemlidir?”, https://teknotower.com/veri-ve-bilginin-onemi-1/

(21) “Bilgi: Çok Yüzlü Bir Kavram”, DergiPark, https://dergipark.org.tr/en/download/article-file/812094