Yapay Zeka ile Veri Temizleme ve Dönüştürme

Herhangi bir veri uzmanına mesai saatlerinin çoğunu nasıl geçirdiğini sorun, muhtemelen toplu bir iç çekişin ardından şu iki kelimeyi duyacaksınız: "Veri temizleme." Göz alıcı panolar (dashboards) oluşturmadan, değerli iş içgörüleri elde etmeden veya karmaşık finansal modeller çalıştırmadan önce verilerinizin doğru, tutarlı ve düzgün biçimlendirilmiş olması gerekir.

Geçmişte, ham ve karmaşık verileri kullanılabilir bir formata dönüştürmek; saatlerce manuel veri girişi yapmak, fazladan boşlukları fark etmek için ekranlara gözleri kısarak bakmak ve iç içe geçmiş karmaşık formüllerle boğuşmak anlamına geliyordu. Bugün, Yapay Zeka bu manzarayı tamamen değiştirdi. Yapay zeka araçlarından ve akıllı asistanlardan yararlanarak biçimlendirme hatalarını otomatik olarak düzeltebilir, tutarsız girişleri standartlaştırabilir ve veri kümelerinizi çok daha kısa sürede analize hazırlayabilirsiniz.

Bu kapsamlı rehberde, en can sıkıcı veri kabuslarının üstesinden gelmek için yapay zekayı nasıl kullanabileceğinizi, bunun temelini oluşturan Excel formüllerini ve hemen uygulayabileceğiniz pratik iş akışlarını inceleyeceğiz.

Veri Temizliği Analiz İçin Neden Kritik Öneme Sahiptir?

Veri biliminde altın bir kural vardır: Çöp giren çöp çıkar (GIGO). E-tablonuz yazım hataları, uyumsuz tarih biçimleri ve yinelenen kayıtlarla doluysa, yapacağınız herhangi bir analiz temelden kusurlu olacaktır. Yanlış yerleştirilmiş bir ondalık virgül veya sondaki bir boşluk, `VLOOKUP` ve `MATCH` formüllerinizi bozarak hatalı hesaplamalara ve sonuç olarak kötü iş kararlarına yol açabilir.

Doğru veri dönüştürme işlemi, e-tablonuzun tek bir doğru kaynak olarak çalışmasını sağlar. Girişleriniz standartlaştırıldığında, özet tablolarınız (pivot tables) kategorileri doğru bir şekilde gruplandırır, grafikleriniz gerçeği yansıtır ve Excel'de Yapay Zeka Destekli Veri Analizi aşamasına sorunsuz bir geçiş yapabilirsiniz. Yapay zeka sadece temiz verileri analiz etmenize yardımcı olmakla kalmaz; artık verileri en baştan temiz hale getirme konusunda da en güçlü müttefikinizdir.

Yapay Zekanın Çözebileceği Yaygın Veri Kabusları

Müşteri İlişkileri Yönetimi (CRM) sistemlerinden, muhasebe yazılımlarından veya web formlarından ham veri dışa aktardığınızda, veriler nadiren mükemmel durumda gelir. Veri çalışanlarının her gün karşılaştığı en yaygın biçimlendirme sorunları şunlardır:

• Tutarsız büyük/küçük harf kullanımı: Aynı sütunda "JOHN DOE", "john doe" ve "John doe" olarak girilen isimler.
• Başta ve sonda yer alan boşluklar: Arama formüllerinin eşleşme bulmasını engelleyen, metnin başındaki veya sonundaki görünmez boşluklar.
• Yazdırılamayan karakterler: Web veritabanlarından içe aktarılan tuhaf semboller veya satır sonları.
• Uyumsuz tarih biçimleri: ABD (AA/GG/YYYY) ve Avrupa (GG/AA/YYYY) tarih yapılarının birbirine karışması.
• Standartlaştırılmamış sayılar: Tire, nokta, parantez içeren veya sadece rakamlardan oluşan telefon numaraları.

Yapay zekadan önce bunları düzeltmek, metin işleme fonksiyonları hakkında ansiklopedik düzeyde derin bir bilgi gerektiriyordu. Artık sorunu bir yapay zekaya günlük dilde anlatabilirsiniz ve o da bunu düzeltmek için gereken kesin matematiksel mantığı üretecektir.

Veri Temizlemede Klasik Formül Yaklaşımı

Çözümler üretmek için yapay zeka kullanırken bile, metin temizleme işlemlerini yürüten temel Excel fonksiyonlarını anlamak çok önemlidir. Yapay zeka, sizin için bir formül oluştururken genellikle şu temel fonksiyonlara güvenecektir:

• TRIM: Kelimeler arasındaki tek boşluklar hariç, metindeki tüm boşlukları kaldırır. Yanlışlıkla bırakılan çift boşlukları veya sondaki boşlukları temizlemek için mükemmeldir.
• CLEAN: Metindeki yazdırılamayan tüm karakterleri kaldırır. İçe aktarılan web verileri için çok gereklidir.
• PROPER: Her kelimenin ilk harfini büyük, diğer tüm harfleri küçük yapar. İsimler ve adresler için idealdir.
• UPPER / LOWER: Metni tamamen büyük veya tamamen küçük harfe dönüştürür.

Çok fazla bozulmuş bir metin dizesini manuel olarak temizlemek için genellikle bu fonksiyonları iç içe kullanmanız gerekir. Örneğin, A2 hücresi " jOhn sMIth " gibi karmaşık bir isim içeriyorsa, birleşik formül şu şekilde görünür:

=PROPER(TRIM(CLEAN(A2)))

Bu formül içten dışa doğru çalışır: Yazdırılamayan karakterleri ayıklar, fazla boşlukları kaldırır ve son olarak uygun büyük/küçük harf kullanımını uygulayarak "John Smith" sonucunu döndürür.

Yapay Zeka Veri Hazırlama Oyununu Nasıl Değiştiriyor?

While `TRIM` ve `PROPER` fonksiyonlarını iç içe kullanmak yönetilebilir olsa da, bir metin dizesinden ikinci adı çıkarmanız veya bir e-posta adresinden alan adını çekmeniz gerektiğinde ne olur? Formüller, genellikle `FIND`, `LEFT`, `RIGHT`, `MID` ve `LEN` gibi fonksiyonların dahil olmasıyla inanılmaz derecede karmaşık hale gelir.

İşte bu noktada devreye yapay zeka giriyor. Bir `MID` fonksiyonunu deneme yanılma yoluyla çözmek için yirmi dakika harcamak yerine, bir yapay zeka asistanına basit bir komut verebilirsiniz: "B2 hücresindeki `@` sembolü ile `.com` arasındaki metni çıkarmak için bir Excel formülü yaz."

Yapay zeka anında doğru formülü döndürerek size zaman kazandıracak ve hayal kırıklığını önleyecektir. Gelişmiş entegrasyonlara doğru ilerledikçe, Excel Copilot: E-Tabloların Geleceği gibi araçlar, bu yapay zeka komutlarını doğrudan Excel arayüzü içinde yürütmenize olanak tanıyacak ve veri kümenizin bağlamını analiz ederek tam olarak ihtiyaç duyulan dönüşümleri önerecektir.

Yapay Zeka Desteğiyle Tarih ve Sayıları Standartlaştırma

Excel'in bölgesel ayarlarınıza bağlı olarak sayıları ve tarihleri yanlış yorumlaması nedeniyle bunları temizlemek oldukça zordur. "04/05/2024" gibi görünen bir tarih, 5 Nisan veya 4 Mayıs olabilir.

Eğer farklı biçimlerin karmaşasından (ör. 5551234567, 555-123-4567, (555) 123 4567) oluşan bir telefon numaraları sütununuz varsa, veritabanı bütünlüğü için bunları standartlaştırmak kritik önem taşır. Yapay zeka, sayısal olmayan tüm karakterleri çıkarmak ve ardından veriyi temiz bir şekilde biçimlendirmek için güçlü, iç içe geçmiş bir `SUBSTITUTE` formülü yazmanıza yardımcı olabilir.

Yapay zekadan telefon numaralarını temizlemesini isterseniz, şuna benzer bir formül oluşturabilir:

=TEXT(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(B2, "-", ""), "(", ""), ")", ""), " ", "") * 1, "(###) ###-####")

Bu formül sırasıyla kısa çizgileri, parantezleri ve boşlukları hiçbir şeyle değiştirmez (yani etkili bir şekilde siler), metni bir sayıya dönüştürmek için 1 ile çarpar ve ardından standart bir `(###) ###-####` görsel maskesi uygulamak için TEXT Fonksiyonu: Sayıları Metin Olarak Biçimlendirme özelliğini kullanır.

Yinelenen ve Tutarsız Kayıtlarla Başa Çıkma

Veri dönüştürmedeki bir diğer büyük baş ağrısı, kategorileri standartlaştırmaktır. Kullanıcıların "İnsan Kaynakları", "İK", "İ.K." ve "İnsan Kayn." girdiği bir "Departman" sütunu hayal edin. Bu tutarsız kayıtlar, oluşturmaya çalıştığınız herhangi bir özet tabloyu (pivot table) mahvedecektir.

Bunu düzeltmek amacıyla bir eşleştirme tablosu oluşturmak için yapay zekayı kullanabilirsiniz. İlk olarak, veri kümenizde halihazırda bulunan her varyasyonu çıkarmak için `UNIQUE` fonksiyonunu kullanabilirsiniz:

=UNIQUE(C2:C1000)

Benzersiz ancak karmaşık listenizi elde ettikten sonra, bunları standart değerlerle (örneğin, tüm varyasyonları "İK" olarak eşleştirmek) eşleyebilirsiniz. Ardından yapay zeka, karmaşık verileri yeni bir sütundaki standartlaştırılmış verilerle değiştirmek için hatasız bir `XLOOKUP` veya `INDEX` ve `MATCH` formülü yazmanıza yardımcı olabilir.

İleriye dönük olarak veri temizlemenin en iyi yolu, verilerin en baştan karmaşık hale gelmesini önlemektir. Gelecekteki veri girişlerinin önceden tanımlanmış bir açılır listeyle sınırlandırılmasını sağlamak için yapay zekadan Veri Doğrulama: Kullanıcıların Neler Girebileceğini Kontrol Edin özelliği için özel kurallar oluşturmasını isteyebilirsiniz.

Pratik Uygulama: Ham Müşteri Listesini Dönüştürme

Gelin tüm bunları pratik bir senaryoda birleştirelim. Kötü biçimlendirilmiş bir web formundan müşteri adaylarının listesini dışa aktardığınızı düşünün. Amacınız; isimleri temizlemek, telefon numaralarını standartlaştırmak ve sizinle hangi şirketlerin iletişime geçtiğini görebilmek için e-posta alan adlarını ayıklamaktır.

Ham İsim (A)	Ham Telefon (B)	Ham E-posta (C)
jAnE dOe	555-987-6543	[email protected]
john SMITH	(555) 123 4567	[email protected]
alice jones	5551112222	[email protected]

Adım 1: İsimleri Temizleme
D sütununda (Temiz İsim), klasik metin temizleme kombinasyonunu kullanıyoruz. Yapay zeka şunu önerecektir: =PROPER(TRIM(A2)). Bu formül, " jAnE dOe " metnini anında "Jane Doe" olarak dönüştürür.

Adım 2: Telefon Numaralarını Standartlaştırma
E sütununda (Temiz Telefon), daha önce bahsettiğimiz iç içe geçmiş `SUBSTITUTE` ve `TEXT` formülünü uyguluyoruz. Yapay zeka deseni anlar ve şunu sağlar: =TEXT(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(B2,"-","")," ",""),"(",""),")","")*1,"(###) ###-####"). Artık tüm telefon numaraları tek tip olarak (555) XXX-XXXX şeklinde görünecektir.

Adım 3: Alan Adını (Domain) Ayıklama
F sütununda (Şirket Alan Adı), "@" sembolünden sonraki metni çekmemiz gerekiyor. İşin matematiğini çözmeye çalışmak yerine, bir yapay zeka istemi (prompt) şunu üretir: =RIGHT(C2, LEN(C2) - FIND("@", C2)). Bu formül, "acmecorp.com" ve "globex.com" adreslerini kusursuz bir şekilde ayıklar.

Temizleme İş Akışlarınızı Otomatikleştirme

Kendinizi her hafta yeni bir dışa aktarılan veride aynı temizleme formüllerini çalıştırırken buluyorsanız, tek başına formüller en verimli yol olmayabilir. Yinelenen veri dönüştürme işlemleri için otomatik iş akışlarına geçiş yapmalısınız.

Excel'in yerleşik ETL (Ayıkla, Dönüştür, Yükle) aracı bu iş için mükemmeldir. Yapay zekayı Power Query: Verileri Bir Profesyonel Gibi İçe Aktarın ve Dönüştürün aracıyla birleştirdiğinizde kurumsal düzeyde otomasyonun kilidini açarsınız. Karmaşık koşullu biçimlendirmeleri otomatikleştirmek, sütunların özetini çözmek (unpivot) ve veri kümelerini birleştirmek üzere özel "M-kodu" (Power Query'nin arkasındaki dil) yazdırmak için yapay zekayı (örneğin ChatGPT) kullanabilirsiniz. Sorgu oluşturulduktan sonra, gelecek haftanın dosyasını temizlemek sadece "Yenile" (Refresh) düğmesine tıklamak kadar basittir.

Anında Formül Üretimi İçin Yapay Zeka Kullanımı

Veri temizleme, sefil ve zaman alan bir angarya olmak zorunda değildir. Desenleri tanıyarak ve `TRIM`, `PROPER`, `SUBSTITUTE` ve `FIND` gibi standart metin fonksiyonlarını anlayarak e-tablolarınızı başarıya giden yolda kurgulayabilirsiniz.

Bununla birlikte, modern çağda her karmaşık veri ayıklama veya koşullu değiştirme işlemi için sözdizimini ezberlemek gereksizdir. Belirli veri probleminizi günlük bir dille açıklarsanız (örneğin, "Bu hücredeki tüm harfleri kaldırmam ve sadece sayıları tutmam gerekiyor"), tam formülü anında oluşturmak için ExcelGPT'yi kullanabilirsiniz. ExcelGPT, doğal dildeki talebinizi çalışan bir Excel formülüne çevirerek kişisel veri temizleme asistanınız olarak hareket eder; böylece veriyi temizlemeye değil, analiz etmeye odaklanabilirsiniz.

Sıkça Sorulan Sorular

Yapay zeka, formül yazmama gerek kalmadan verilerimi otomatik olarak temizleyebilir mi?

Evet, Excel Hızlı Doldurma (Flash Fill) (Ctrl + E) gibi yerleşik yapay zeka özelliklerine sahiptir. İlk bir veya iki satır için verilerinizin düzeltilmiş halini bitişik bir sütuna yazarsanız, Hızlı Doldurma deseni tanımak için makine öğrenimini kullanır ve açık formüllere ihtiyaç duymadan sütunun geri kalanını otomatik olarak doldurur.

Yapay zeka tarafından oluşturulan veri temizleme formülleri her zaman kusursuz mudur?

Oldukça doğru olmalarına rağmen, yapay zeka formülleri isteminizin (prompt) netliğine bağlıdır. Veri kümenizde alışılmadık uç durumlar varsa (beklenmeyen bir ülke koduna sahip bir telefon numarası gibi), yapay zeka tarafından oluşturulan temel bir formül o belirli satırda başarısız olabilir. Dönüştürülen verilerinizi her zaman örneklem yoluyla kontrol edin ve aykırı değerleri hesaba katmak için isteminizi geliştirin.

Yapay zeka ile veri temizlemek orijinal verilerimin üzerine yazar mı?

Formüller hiçbir zaman başvurdukları hücrelerin üzerine yazmaz. Temiz verileriniz için yeni "yardımcı sütunlar" oluşturmak (örneğin, "Ham İsim" sütununun yanına bir "Temiz İsim" sütunu oluşturmak) en iyi uygulamadır. Sonuçlardan memnun kaldığınızda, dönüşümü kesinleştirmek isterseniz temizlenen sütunu kopyalayabilir ve "Değerler" (Values) olarak ham verilerin üzerine yapıştırabilirsiniz.

Yapay zeka, biraz farklı yazılmış yinelenen girişleri bulmama yardımcı olabilir mi?

Evet! Bu "bulanık eşleştirme" (fuzzy matching) olarak bilinir. Yerleşik Excel formülleri bulanık mantıkta (fuzzy logic) zorlansa da, Power Query'nin yerleşik Bulanık Birleştirme (Fuzzy Merge) özelliğini kullanabilir veya karmaşık verilerinizden bir örneği bir yapay zeka sohbet robotuna yapıştırıp ondan yanlış yazılmış varyasyonları bir araya gruplayan tam bir eşleştirme tablosu yazmasını isteyebilirsiniz.