Saha bitti, dosya elinizde. Burada sık yapılan bir şey var: bozuk görünen satırları silip dosyayı "temizlemek".
Bu temizlik değildir. Temizlik, veriyi değiştirmek değil, verinin üzerinde verdiğiniz kararları kaydetmektir. Aradaki fark, altı ay sonra birisi "bu sayı nereden geldi" diye sorduğunda ortaya çıkar.
Üç farklı boşluk, aynı hücre
En yaygın hata, birbirine hiç benzemeyen üç durumu aynı yere yazmaktır:
- Soru sorulmadı (atlama kuralı gereği o kişiye gelmedi)
- Bilmiyorum (kişi cevabı bilmiyor)
- Cevap vermedi (kişi cevaplamayı reddetti)
Üçü de boş bir hücre gibi görünür. Ama analizde üçü farklı davranır. "Parktan memnun musunuz?" sorusunu parkı kullanmayan birine sormadıysanız, o kişi memnuniyetsiz değildir — ölçümün dışındadır. Bu üçü aynı hücreye yazılırsa memnuniyet oranı kendiliğinden yanlış çıkar ve kimse sebebini bulamaz.
Kural basit: her boşluğun bir sebebi olmalı ve o sebep veride yazılı olmalı.
Aykırı değeri silmeyin, işaretleyin
Yaşı 112 yazılmış bir satır büyük olasılıkla bir tuş hatasıdır. Ama "büyük olasılıkla", "kesin" değildir.
Yaptığımız şey silmek değil:
1. Değer bir kurala takılır (yaş aralığı, tutar üst sınırı, tarih mantığı). 2. Satır işaretlenir, ham hâli yerinde kalır. 3. Düzeltme yapılacaksa ayrı bir alana yazılır; ham değer korunur. 4. Hangi kuralın kaç satırı işaretlediği rapora girer.
Böylece analiz hem düzeltilmiş hem ham veriyle tekrarlanabilir. İki sonuç birbirine yakınsa karar güvenlidir; uzaksa bu başlı başına bulgudur.
Tutarsızlık, tek tek bakılarak bulunmaz
Bir satır kendi içinde çelişebilir: 17 yaşında olup "yirmi yıldır çalışıyorum" diyen bir kayıt gibi. Bunlar göz taramasıyla değil, yazılı kurallarla bulunur:
- Mantık kuralları (yaş–çalışma süresi, hane büyüklüğü–kişi sayısı)
- Atlama kuralları (kullanmayan kişiye memnuniyet sorulmuş mu?)
- Toplam kuralları (yüzdeler toplamı, kalem toplamı)
Bu kurallar bir kez yazılır ve her veri setinde yeniden koşar. Elle kontrolün bulamadığı şey, kuralın her seferinde aynı şekilde bakmasıdır.
Metin alanları: Türkçenin kendi tuzağı
Açık uçlu cevaplar ve isim alanları kendi sorunlarını getirir. Türkçede büyük/küçük harf dönüşümü İngilizceden farklıdır: "ISCI" ile "Isci" naif bir karşılaştırmada eşleşmez, çünkü I harfinin küçüğü ı'dır. Aynı mahalle adı "Hacı Veyis", "HACI VEYİS" ve "hacıveyis" diye üç ayrı kategori olarak sayılabilir.
Bu, küçük bir ayrıntı gibi görünür ama mahalle bazlı bir analizde doğrudan sonucu bozar. Metin alanları karşılaştırılmadan önce Türkçe kurallarına göre normalleştirilir.
Temizlik bittiğinde elinizde iki şey olmalı
Bir: analiz edilebilir dosya. İki: ne yaptığınızın kaydı — hangi kural kaç satırı işaretledi, kaç düzeltme yapıldı, hangi kayıtlar analiz dışında bırakıldı ve neden.
İkincisi olmadan birincisi denetlenemez. Araştırmanın sonuçlarına itiraz geldiğinde savunabileceğiniz tek şey bu kayıttır.
Sonuç
Veri temizliği, dosyayı güzel göstermek değil izlenebilir kılmaktır. Sildiğiniz bir satır sorulduğunda cevabınız "bozuktu" değil, "şu kurala takıldı, kaydı burada" olmalıdır.
ASARGE olarak saha verisini bu düzenle işliyor, temizlik kararlarını raporun ekinde veriyoruz. Ayrıntılar için bizimle iletişime geçebilirsiniz.