Tek başına bir veri, kalabalık bir odada ne söyleyeceğini bilemeyen yabancıya benzer. “42” sayısını düşünün. Yaş mı, sıcaklık mı, ürün adedi mi, yoksa evrenin meşhur cevabı mı? Değer oradadır ama anlam henüz gelmemiştir. Anlam, verinin başka verilerle kurduğu ilişkiden doğar. Bir sayıyı zamana, kişiye, konuma veya olaya bağladığımız anda sessiz kayıtlar konuşmaya başlar.
Verileri ilişkilendirmek, iki tabloyu ortak bir sütundan birleştirmekten fazlasıdır. Teknik düzeyde kimlikler, anahtarlar ve bağlantılar kullanırız; düşünsel düzeyde ise şu soruyu sorarız: “Bunların aynı gerçekliğin parçaları olduğuna neden inanıyorum?” İyi bir veri sistemi yalnızca kayıt saklamaz, kayıtlar arasındaki mantığı da temsil eder. Kötü bir sistem ise her şeyi toplar ama hiçbir şey hatırlamaz.
Bağlantının anahtarı: kimlik
Bir müşteri tablosunda “Ayşe Yılmaz”, sipariş tablosunda “A. Yılmaz” ve destek kayıtlarında “[email protected]” bulunabilir. İnsan gözü bunların aynı kişi olabileceğini sezer; bilgisayar ise kanıt ister. Bu nedenle benzersiz kimlikler kullanılır. Müşteri numarası gibi birincil anahtarlar, farklı kayıtlardaki parçaları aynı varlığa bağlar. Yabancı anahtarlar da tablolar arasında köprü kurar. Böylece “Kim, neyi, ne zaman aldı?” sorusu tek bir sorguyla yanıtlanabilir.
Fakat gerçek dünya düzenli bir elektronik tablo değildir. Yazım hataları, değişen adresler, yinelenen hesaplar ve eksik alanlar kimlik eşleştirmeyi zorlaştırır. Burada kesin eşleşmenin yanına olasılıksal yöntemler gelir. İsim benzerliği, telefon numarası, tarih ve konum birlikte değerlendirilir. Yine de yüksek benzerlik, kesin özdeşlik değildir. Aynı adı taşıyan iki insanı tek kişiye dönüştürmek, küçük bir teknik hata değil; yanlış kararlar üretebilecek ciddi bir modelleme kusurudur.
Tablodan grafa: ilişkileri merkeze almak
İlişkisel veritabanları düzenli işlerde son derece güçlüdür. Ancak bazı problemler için satır ve sütunlardan çok düğümler ve bağlantılarla düşünmek daha doğaldır. Sosyal ağlar, ulaşım rotaları, öneri sistemleri ve dolandırıcılık zincirleri buna örnektir. Graf modelinde insanlar, ürünler veya şehirler düğüm; arkadaşlıklar, satın almalar ve yollar ise kenardır. Böylece soru “Bu kişinin kaydı nedir?” olmaktan çıkar, “Bu kişi hangi ağın içindedir?” biçimine dönüşür.
Örneğin bir kredi kartının farklı şehirlerde kısa aralıklarla kullanılması şüpheli olabilir. Fakat kartın bağlı olduğu cihazları, hesapları ve teslimat adreslerini ilişkilendirdiğimizde daha büyük bir örüntü görebiliriz. Tek olay masum görünürken bağlantılar örgütlü bir davranışı açığa çıkarabilir. Veri analitiğinin asıl gücü de buradadır: görünmeyen yapıyı, ilişkilerin geometrisinden çıkarmak.
Korelasyonun cazibesine dikkat
İki veri dizisini ilişkilendirmek, aralarında neden-sonuç bağı bulunduğunu kanıtlamaz. Dondurma satışı ile güneş yanığı vakaları birlikte artabilir; dondurma güneş yanığına yol açtığı için değil, ikisini de sıcak hava etkilediği için. Bu üçüncü değişkeni görmezden gelen analiz, sayılarla süslenmiş bir masala dönüşür. Dolayısıyla her bağlantıda zaman sırası, alternatif açıklamalar, örneklem yanlılığı ve veri toplama yöntemi sorgulanmalıdır.
Mahremiyet de ilişkinin görünmeyen maliyetidir. Ayrı ayrı zararsız görünen konum, alışveriş ve arama kayıtları birleştirildiğinde kişinin yaşamı şaşırtıcı ölçüde ayrıntılı biçimde çıkarılabilir. Bu yüzden “Bağlayabiliyor muyuz?” sorusu kadar “Bağlamalı mıyız?” sorusu da önemlidir. Yetkilendirme, anonimleştirme, veri minimizasyonu ve amaç sınırlaması sonradan eklenen süsler değil, tasarımın temel parçalarıdır.
Sonuçta verileri ilişkilendirmek, dijital noktalar arasında çizgi çekme sanatıdır. Doğru çizgiler bilgi, yanlış çizgiler yanılsama üretir. Başarılı bir sistem üç şeyi birlikte yapar: varlıkları güvenilir biçimde tanımlar, ilişkileri açıkça modeller ve kurduğu bağların anlamını sürekli sınar. Çünkü veri çoğaldıkça gerçek kendiliğinden belirginleşmez; bazen yalnızca daha kalabalık bir sis oluşur. O sisi dağıtan şey veri miktarı değil, bağlantıların niteliğidir.