Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, Yapı Kredi Bankası Bilişim Teknolojileri Yönetiminde Yazılım Altyapıları, Mimari ve AR-GE Direktörü Bülent Erdemir'in yaptığı bir sunumdur. Bülent Bey, 2010 yılında başlayan ve hala devam eden Data Governance (GTG) projesi hakkında pratik tecrübelerini paylaşıyor.
- Sunumda öncelikle Yapı Kredi Bankası'nın genel bilgileri veriliyor, ardından GTG projesinin hedefleri, boyutları ve aşamaları detaylı şekilde anlatılıyor. Proje kapsamında 148 fiziksel veri modeli, 171 konu alanı, 13.000 tablo ve 175.000 kolon üzerinde çalışıldığı belirtiliyor. Sunum, projenin tasarım aşamasından başlayarak uygulama sürecini, kazanımlarını ve karşılaşılan zorlukları kapsamlı şekilde ele alıyor.
- Projenin hedefleri arasında veri tabanı isimlendirme ve tasarım standartları oluşturma, veri modelleme sürecini tekrar edilebilir hale getirme ve veri kalitesini yükseltme bulunmaktadır. Ayrıca, projenin yasal uyumluluk, uygulamaların yaşlanmasını önleme, tekrar edilebilir yazılım geliştirme süreçleri oluşturma ve veri kalitesi iyileştirme gibi kazanımları da paylaşılmaktadır.
- Yapı Kredi Bankası ve Data Governance Projesi
- Bülent Erdemir, Yapı Kredi Bankası Bilişim Teknolojileri Yönetiminde Yazılım Altyapıları, Mimari ve AR-GE Direktörü olarak çalışmaktadır.
- Yapı Kredi Bankası 1944 yılında Türkiye'de kurulan ilk özel banka olup, yaklaşık 3000 ATM, 950 şube, 17.000 çalışan ve 9-10 milyon aktif müşteriye hizmet vermektedir.
- Banka, Bilişim Teknolojileri olarak Gebe'de, Şekerpınar'da ve Bankacılık Üssü'nde toplam 700 kişilik bir ekip olarak operasyonlarını sürdürmektedir.
- 01:30Data Governance Kavramı ve Proje Hedefleri
- Data Governance, insan, teknoloji ve süreç boyutlarının bir arada tam bir şekilde sağlanması durumunda başarıya ulaşma olasılığı olan bir yönetim ortamıdır.
- Proje kapsamında özel ekip oluşturulması, eğitimler verilmesi, teknoloji ve süreç oluşturulması ve danışmanlık çalışmalarıyla başlanmıştır.
- Proje kapsamında uyumluluk, veri kalitesi, gizlilik, güvenlik ve teknoloji altyapısı baştan belirlenen pratik ve standartlar çerçevesinde oluşturulmuştur.
- 04:02Projenin Boyutları
- Bankada toplamda 148 adet fiziksel veri modeli, 171 adet konu alanı, 13.000 tablo, 175.000 kolon ve operasyonel sistemlerdeki verinin büyüklüğü 5 TB civarındadır.
- Data Governance veri modeli, operasyonel sistemlerin tamamından daha büyük olup yaklaşık 104 terabaytlık bir veri üzerinde çalışmaktadır.
- Proje kapsamında yazılımların genç kalması, veri tabanı isimlendirme ve tasarım standartlarının oluşturulması, veri modellerinin dökümente edilmesi ve veri modelleme sürecinin tekrar edilebilir bir şekilde oturtulması hedeflenmiştir.
- 07:04Projenin Süreci ve Hedefleri
- Proje 2010 yılında planlama ile başlamış, 2011 yılında müşteri bilgi sistemi üzerinde pilot çalışması yapılmıştır.
- Pilotla kurgulanan politikalar, süreçler, araçlar ve prosedürler bankanın diğer operasyonel sistemlerine yaygınlaştırılmıştır.
- Projenin devamında veri tekrarını önlemek, entegrasyon problemlerini gidermek, veri kalitesini yükseltmek, veriyi sınıflandırabilmek gibi hedefler belirlenmiştir.
- 08:15Projenin Gerçekleştirilen Aktiviteleri
- Veritabanı isimlendirme, tasarım, arşivleme, veri gizleme ve ihtiyaç kullanım standartları oluşturulmuş, operasyonel sistem veri modelleri hazırlanmıştır.
- Veri modelle entegre bir şekilde test, veri yönetimi süreçleri oluşturulmuş ve işletmeye başlanmıştır.
- Veri sözlükleri oluşturulmuş, veri sınıflandırma çalışmaları tamamlanmış ve veri sahipliği hem IT içinde hem de banka nezdinde tarif edilmiştir.
- 11:29Veri Modelleme Sürecindeki Kontroller
- Veri modelleme süreci, proje tasarım aşamasında devreye alınmış ve projenin ilk analizinden sonra veri model oluşturulması kısmında kontroller uygulanmıştır.
- Yazılım ekipleri veri modelleri aracında modelleri oluşturur ve bunları data ekibine sunar, bu süreç düzenli bir şekilde devam etmektedir.
- Veri tabanı isimlendirme, tasarım, arşivleme, test ve yönetimi, veri gizleme ve ihtiya standartları açısından tasarım denetlenir ve onaylanır.
- 12:42Geliştirme Ortamında Yaşanan Zorluklar
- Geliştirme ortamında yazılım ekiplerinin serbestliğe alışık olması nedeniyle, tasarım aşamasında standartların uygulanması ve ileriye bakılması ilk başlarda sorun yaratmıştır.
- Geliştirme aşamasında hangi bileşenlerin test ve yönetim açısından değerlendirilmesi gerektiğini, nerenin gizlenmesi, nerenin ezilmesi gerektiğini belirlemek zor olmuştur.
- Metadata reflü başlığında uçuştan önce etki analiz yapabilmeyi hedeflemekte ve kurumsal numara çalışmalarının diğer sistemlerle entegre olacak şekilde planlanmaktadır.
- 14:04Projeden Kazanımlar
- Yasal uyum sorunu yaşanmamakta, dahili ve harici denetimlerden rahat bir şekilde çıkılabilmektedir.
- Bankanın iki ana ortağı Koç Holding ve Unicredit International'in kendi denetim ekipleri ve kuralları bulunmaktadır.
- Uygulamanın yaşlanmasının önüne geçilmiş, uygulamalar ve veri modelleri kontrollü bir şekilde değiştirilerek genç tutulmaktadır.
- 15:17Tekrar Edilebilir Yazılım Geliştirme
- Tasarım aşamasında meta data oluşturulmuş ve tekrar edilebilir yazılım geliştirme süreçleri hedeflenmektedir.
- Transfer edilebilir, başka bir firmaya veya offa kaydedilebilir yazılım geliştirme süreçleri oluşturmak için metadata diyete projesi önemlidir.
- Know-how'ı ve gizlenmiş olan bilgiyi tekrar edilebilir, taşınabilir ve dönüştürülebilir hale getirmek hedeflenmektedir.
- 16:01Veri Kalitesi ve Envanterleme
- İsimlendirme ve tasarım standartları oluşturulmuş, EHL aracı ile standartlaşmaya başlanmıştır.
- Müşteri bilgilerindeki veriler temizlenmiş, adres bilgilerinin tespiti, düzeltilmesi ve eksiklerin bulunması umulmadan daha kompleks bir süreç olmuştur.
- Veri tabanlarında kullanılmayan veya işe yaramadığı bilinmeyen tabloların tespit edilmesi ve temizlenmesi yapılmıştır, bazı modüllerde toplam veri modeli içinde yüzde elliye kadar kullanılmayan tablo bulunmuştur.
- 17:50Karşılaşılan Zorluklar
- Proje, iş birliğinin çok fazla sağlanamadığı, daha teknik bir çalışma olarak gerçekleşmiştir.
- Eski sistemlerde veri modellerinin sınırlarının ve kullanım alanlarının tespiti zorluk yaratmıştır.
- Geçmişe yönelik veri modellerinin varlığı nedeniyle büyük veri modelleri alışkanlıklarının değişmesi zor olmuştur.
- 19:39Kalite Yönetim Süreci
- AYT içinde standart bir kalite yönetim süreci bulunmaktadır ve tüm projeler kalite denetçileri tarafından derecelendirilmektedir.
- Yaklaşık otuz kişilik bir kalite denetim ekibi bulunmaktadır.
- Her projeye projenin dışından bir kalite denetçisi atanıp, kurumsal yönetim ve IT yönetimi açısından belirlenen başlıklarda projeler puanlanmaktadır.
- 20:17Veri Kalitesi Çalışmaları ve Zorluklar
- Data gav prosedür ve politikaların uygulanması konusunda itirazlar alındı.
- Veri kalitesi çalışmalarının uzun sürmesi bir zorluk olarak belirtildi.
- Online çalışmama sebebi, verinin üretildiği anda kalitenin denetlenmesi ve eksik kalite unsurlarının giderilmesi için atmadıkları.
- 21:08Uçtan Uca Entegrasyon Hedefleri
- Business tarafından metadata raporları ve kurumsal mimari bileşenlerinin diğer başlıklarıyla bağlanması hedefleniyor.
- Hangi sistemlere, fonksiyonlara, servislere ve business proseslerine ne kadar yatırım yapıldığı, bakım maliyeti ve faturalandırma konuları uçtan uca entegrasyon sayesinde daha gerçekçi planlamalar yapılabilir hale gelecek.
- Geçmiş veriler ve envanter bilgisi, verimli ve doğru planlama için asıl gösterge olarak değerlendiriliyor.
- 21:58Veri Yönetimi ve Planlama
- Yapılacak projede ne kadar veri değiştirileceği, ne boyutta veri üretileceği ve hangi uygulamalara okunacağı gibi bilgiler ölçülebiliyor.
- Ekran başına, tablo başına, rapor başına eforlar ölçülebiliyor ve planlamada kullanılabiliyor.
- Planlanan projenin gerçekleşmesinde KPI olarak, metrik olarak takip edip enforce edilebiliyor.
- 22:37Banka Sistemlerinde Terminoloji ve Veri Kalitesi
- Banka bazında aynı terminolojinin kullanılması ve bu terminoloji cinsinden gelen bilgilerin tahir edilmesi önemli.
- Bankada toplam 2500 ekran bulunuyor ve her ekranın veya sistemin müşteri, hesap numarası gibi kavramları aynı şekilde tanımlaması gerekiyor.
- Veri kalitesi kontrollerinin verinin üretildiği ana taşınması hedefleniyor.
- 23:32Veri Kalitesi Uygulamaları
- Müşteri açılışında, kredi açılışında veya ürün satışında oluşan verinin o anda denetlenmesi ve prosedürle aykırı durumlar varsa işlemin reddedilmesi hedefleniyor.
- Veri yaratılırken, müşteriyle karşı karşıya olunduğu ve verinin doğru versiyonunun alınabileceği anda müdahale edilebiliyor.
- Kalite ve performans göstergelerinin daha görünür kılıp çalışanların hedef kartlarına eklenmesi hedefleniyor.