Databricks ne için kullanılır? Sade bir rehber

Databricks, bir şirketin verisini tek bir yerde toplamak, temizlemek ve raporlara, tahminlere ve yapay zeka uygulamalarına dönüştürmek için kullanılır. İş diliyle söylersem: ERP'nizden, tesislerinizden, CRM'inizden ve dosyalarınızdan gelen verinin, insanların ve modellerin güvenebileceği bir şeye dönüştürüldüğü platformdur.

Uzun yanıt sizin sorununuza bağlı, çünkü Databricks geniş bir platform. Veri hatlarını, bir SQL veri ambarını, BI dashboard'larını, makine öğrenmesini, yapay zeka ajanlarını ve artık bir Postgres veritabanını kapsıyor. Bunların hepsine ilk günden ihtiyaç duyan şirket çok azdır.

Üretim ve savunma sektörlerindeki veri platformu programlarında Databricks ile çalıştım. Bu rehber, Databricks'in kendi mimarilerinde yeri olup olmadığına karar veren CIO, CFO ya da veri yöneticisi için.

Databricks'in kendi platform özeti, yapabildiği işlerin uzun bir listesini veriyor. Pratikte ben beş tane görüyorum.

1. Veri mühendisliği ve ETL. Kaynak sistemlerden veriyi çekmek, temizlemek ve tablolara yüklemek. Asıl iş yükü budur ve harcamanın büyük kısmı genellikle buraya gider. Ürün ailesinin adı Lakeflow. Lakeflow Connect veri alımını, Lakeflow pipelines (eski adıyla Delta Live Tables) dönüşümü yönetir. Lakeflow Designer görsel veri hazırlama, Lakeflow Jobs ise orkestrasyon aracıdır.
2. Databricks SQL ile veri ambarı. Databricks SQL, SQL warehouse'lar üzerinde çalışan bulut veri ambarıdır. Analistler, mühendislerin kurduğu aynı tablolara SQL yazar. Başka bir ambarda ayrı bir kopya yoktur.
3. BI ve self-servis analitik. AI/BI dashboard'ları platformun içinde yer alır, tablolar ayrıca Power BI, Tableau ya da işletmenizin zaten kullandığı araca veri sağlar. Genie, iş kullanıcılarının yönetişim altındaki veriye sade bir dille soru sormasını sağlar.
4. Makine öğrenmesi. Talep tahmini, kestirimci bakım, kalite tahmini, fiyatlandırma. MLflow deneyleri ve modelleri izler, model serving ise modelleri üretime alır.
5. Üretken yapay zeka ve ajanlar. Agent Bricks, verileriniz üzerinde yapay zeka ajanları kurmanın ve yönetmenin bugünkü adresidir. Haziran 2026'da genel kullanıma sunulan Genie One ise iş kullanıcılarının ön yüzüdür. Eski materyaller bu yapay zeka araçlarının çoğuna Mosaic AI der; güncel ürün sayfaları Agent Bricks ve Genie'yi öne çıkarıyor.

Bazı alıcılar için iki yeni parça önemli. Lakebase, platformun içinde yönetilen bir Postgres veritabanıdır ve analitik verinin yanında hızlı işlemsel okuma ve yazma gerektiren uygulamalar içindir.

Databricks, Lakebase'in genel kullanıma sunulduğunu 2026'nın başında duyurdu. Mayıs 2025'ten beri genel kullanımda olan Databricks Apps ise ekiplerin platform üzerinde dahili veri ve yapay zeka uygulamaları geliştirip barındırmasını sağlar.

Bir isim notu, çünkü arama sonuçlarını karıştırıyor. Databricks iki yıl boyunca "Data Intelligence Platform" adını pazarladı. Ürün sayfaları artık "Databricks Data + AI Platform" diyor.

Platform aynı. Bir de Databricks One'ın adı Genie One olarak değişti.

Databricks'ten önce çoğu şirket iki sistem çalıştırırdı. Bir veri gölü, veri bilimciler için sensör kayıtları, belgeler ve görseller dahil ucuz ham dosyaları tutardı.

Bir veri ambarı da finans ve BI için temiz, yapılandırılmış tabloları tutardı. Veri ikisi arasında kopyalanır, iki kopya zamanla birbirinden uzaklaşırdı.

Lakehouse, Databricks'in bu soruna yanıtıdır: verinin tek kopyasını açık formatlarda tutun (bulut depolamanızdaki Delta Lake tabloları) ve hem BI'ı hem yapay zekayı bunun üzerinde çalıştırın. Unity Catalog en üstte durur; kimin neyi görebileceğini yönetir, veri soy ağacını (lineage) izler ve erişimleri kaydeder. Bir dosya yığınını denetçinin kabul edeceği bir şeye dönüştüren şey bu yönetişim katmanıdır.

Çoğu ekip lakehouse'u medallion mimarisiyle düzenler. Her biri bir öncekinden daha temiz üç katman.

Veri medallion katmanlarında nasıl ilerler

1. 01

   Kaynak sistemler

   ERP, MES, historian sistemleri, CRM, tablolar ve belgeler.

2. 02

   Bronze

   Ham veri, geldiği haliyle indirilir. Denetim ve yeniden işleme için saklanır.

3. 03

   Silver

   Temizlenmiş, tekilleştirilmiş ve doğrulanmış. Her kaydın tek ve güvenilir bir sürümü.

4. 04

   Gold

   İş için modellenmiş: ürüne göre marj, hatta göre duruş süresi, tedarikçiye göre harcama.

5. 05

   Tüketiciler

   Dashboard'lar, finansal raporlama, ML modelleri, yapay zeka ajanları ve uygulamalar.

İş yöneticisi için özeti şu: bronze kanıttır, silver temizlenmiş kayıttır, gold bir iş sorusunun yanıtıdır. CFO'nuz yalnızca gold'u görmelidir. Veri bilimcileriniz zamanlarının çoğunu silver'da geçirecektir.

Çalıştığım üretim programlarında asıl efor silver'daydı. Tesisler arasında farklılaşan malzeme numaraları. Birbiriyle mutabık olmayan ölçü birimleri.

ERP kayıtları UTC'deyken yerel saatle tutulan sensör zaman damgaları. Bunların hiçbiri bir Databricks sorunu değil, ama sonunda bunları çözdüğünüz yer Databricks oluyor.

Databricks; SAP S/4HANA'nın, Oracle Fusion Cloud ERP'nin ya da Microsoft Dynamics 365'in yerini almaz. Siparişler, stok, faturalar ve defter-i kebir için kayıt sistemi ERP olarak kalır. Databricks bu verinin kopyalarını alır, ERP'nin hiç görmediği verilerle birleştirir ve analitik ile yapay zeka sunar.

ERP verisi genellikle üç yoldan biriyle gelir:

1. Yerel veya iş ortağı bağlayıcıları. Lakeflow Connect ve üçüncü taraf replikasyon araçları, tabloları ya da değişiklik verisini ERP veritabanından veya API'lerinden çeker.
2. ERP'nin kendi veri katmanından çıkarımlar. SAP, Oracle ya da Dynamics analitik ve veri servislerinden alınan, bronze katmanına indirilen dışa aktarımlar.
3. ERP tedarikçisinin veri ürünü. SAP kullanan şirketler için SAP Business Data Cloud bir seçenektir. İçinde SAP Databricks bulunur: SAP'nin teklifi içinde yönetilen bir Databricks hizmeti. Databricks bunun genel kullanıma sunulduğunu duyurdu. Business Data Cloud'dan mevcut bir Databricks ortamına sıfır kopya (zero-copy) paylaşım yolu da vardır.

Hangi yolun uygun olduğu lisanslamaya, veri hacimlerine ve ERP dışı verinin ne kadar önemli olduğuna bağlıdır. Zor kısım hiçbir zaman çıkarım değildir.

Zor kısım iş anlamıdır: hangi tesis, hangi defter, bir müşterinin hangi sürümü. Bunu henüz çözmediyseniz, veri taşıma projelerinin neden başarısız olduğunu anlattığım yazı aynı kök nedenleri ele alıyor.

Üretim. En güçlü senaryo, ERP verisini tesis verisiyle birleştirmektir. Historian sistemlerinden ve IoT platformlarından gelen makine ve sensör okumaları, üretim yürütme sistemi (MES) kayıtları, kalite muayene sonuçları ve bakım kayıtları. ERP siparişleri, malzemeleri ve maliyetleriyle birleştirildiğinde bu veri, hem finansın hem operasyonun önemsediği sorulara yanıt verir: hatta göre hurda maliyeti, arıza öncesi bakım, ödenen fiyata karşı tedarikçi kalitesi.

Sensör hacimleri büyük ve dağınıktır. Bir lakehouse bunu geleneksel bir veri ambarından daha iyi yönetir. Benim üretim çalışmalarımda platformun maliyetini çıkaran ilk kullanım senaryosu maliyetlendirmeydi: standart maliyete ulaşmak için hammadde ve işçilik maliyetlerini bir araya getirmek.

Bu rakamın sahibi zaten finanstır, bu yüzden değeri görmek kolaydır. Alttaki ERP'yi hâlâ seçiyorsanız, üretim için ERP karşılaştırmama bakın.

Savunma. Sorular farklıdır. Veri fiziksel olarak nerede duruyor? Platformu kim işletiyor?

Gizli ve gizli olmayan veriler birbirinden ayrı tutulabilir mi ve erişim bir denetimde kanıtlanabilir mi? Programlar on yıllarca sürer, bu yüzden platform seçimi birkaç teknoloji döngüsünü atlatabilmelidir.

Savunma işlerimde gizli ve gizli olmayan veriyi ayrı tutmak, tasarımı her şeyden daha fazla şekillendirdi. Tek bir veri hattı tasarlamadan önce bu ayrımı netleştirin.

Burada mimari önemlidir. Databricks'te kontrol düzlemi (control plane) Databricks'in hesabında çalışır. Klasik işlem gücü sizin bulut hesabınızda çalışır.

Serverless işlem gücü ise Databricks'in hesabında, aynı bölgede çalışır. Savunmadaki bir veri yöneticisi için bu fark, herhangi bir özellik demosundan önceki ilk konuşmadır. ABD kamu işleri için ayrı bir Databricks on AWS GovCloud dağıtımı vardır.

ABD dışında, kısa listeye almadan önce bölge ve egemen bulut (sovereign cloud) erişilebilirliğini veri yerleşimi ve ihracat kontrolü kurallarınıza (ITAR türü yükümlülükler dahil) göre kontrol edin. Unity Catalog'un ayrıntılı erişim kontrolünün ve denetim kayıtlarının bu incelemelerde çok ağırlık taşıdığını gördüm.

Databricks'i yanlış iş için satın almak kolaydır.

1. Bir ERP ya da kayıt sistemi değildir. İşlemleri veya defter-i kebiri bunun üzerinden yürütmeyin. Lakebase uygulama verisini yönetir, genel muhasebe defterinizi değil.
2. Hızlı bir dashboard aracı değildir. Hedef temiz ERP verisi üzerinde yirmi finans dashboard'ıysa, Databricks oraya varmanın ağır bir yoludur.
3. Zayıf veri sahipliğini düzeltmez. Müşteri ana verisinin sahibi yoksa, Databricks karmaşayı yalnızca daha hızlı işler.
4. Kendi kendine çalışmaz. SQL ve Python yazabilen veri mühendislerine, bir de maliyetleri izleyen birine ihtiyacınız var. Harcama kullanıma göre ölçülür, bu yüzden kötü yazılmış işler faturaya yansır.
5. Ticari kullanım için ücretsiz değildir. Free Edition öğrenme ve deneme içindir. Databricks'in Free Edition sınırlamaları ticari amaçlarla kullanılamayacağını belirtir.

En sık duyduğum soru: Databricks'e ihtiyacımız var mı, yoksa daha basit bir veri ambarı iş görür mü? Ben şöyle çerçeveliyorum.

Durumunuz	Databricks uygun	Daha basit bir seçenek muhtemelen yeterli
Veri kaynakları	ERP artı sensör, MES, belgeler, dış veri akışları	Çoğunlukla ERP ve CRM tabloları
Veri hacmi ve değişim hızı	Yüksek hacim, akış (streaming) veya neredeyse gerçek zamanlı	Günlük toplu işlem, orta hacim
Ana kullanıcılar	Veri mühendisleri, veri bilimciler ve analistler	Finans ve iş analistleri
Yapay zeka ve ML planları	Sahibi olan, bütçesi ayrılmış kullanım senaryoları	Henüz sponsoru olmayan fikirler
Ekip yetkinlikleri	Şirket içinde ya da sözleşmeli SQL ve Python mühendisleri	Çoğunlukla BI ve Excel becerileri
Yönetişim ihtiyaçları	Birçok kaynakta ayrıntılı erişim, lineage ve denetim	Standart rol tabanlı erişim

Yanıtlarınızın çoğu sağdaki sütundaysa, ERP tedarikçinizin analitiğiyle ya da yönetilen bir veri ambarıyla başlayın. Daha yakın bir karşılaştırma için Snowflake ve Databricks ile Databricks ve Microsoft Fabric yazılarımı okuyun.

Maliyet için Databricks fiyatlandırması yazıma bakın. Databricks işlem gücünü Databricks Units (DBU) cinsinden, kullandıkça öde ya da taahhütlü kullanım koşullarıyla faturalar; bulut depolama ve ağ maliyetleri bunun üzerine eklenir.

Bir karar kontrol listesi

1. Veri platformu işe yararsa değişecek üç iş kararını sayabiliyor musunuz? Sayamıyorsanız durun ve önce onları bulun.
2. ERP dışında hangi veri kaynaklarına ihtiyacınız var ve bunlar ne kadar büyük?
3. Müşteri, malzeme, tedarikçi ve hesap planı ana verilerinin sahibi kim?
4. Veri yerleşimi, egemenlik ve ihracat kontrolü kısıtlarınız neler?
5. Uzun vadede bir veri mühendisliği ekibiniz var mı ya da bunu finanse edecek misiniz?
6. Hangi BI aracı kalacak ve Databricks SQL'den okuyacak mı?
7. Aylık platform harcamasından kim sorumlu ve hangi uyarı bir incelemeyi tetikliyor?
8. Bu canlıya geçtiğinde neyi kapatacaksınız? Yanıt hiçbir şeyse, konsolide etmiyor, maliyet ekliyorsunuz.

Sahibi belli bir iş yöneticisi ve gerçek parası olan tek bir kullanım senaryosu seçin. Üretimde bu çoğu zaman hurda, duruş süresi ya da stoktur. Onu bronze, silver ve gold katmanlarından geçirerek kurun; Unity Catalog yönetişimi ilk tablodan itibaren açık olsun.

Sonucu ve çalıştırma maliyetini ölçün. Sonra ölçeklendirip ölçeklendirmeyeceğinize karar verin.

Kurum çapında bir taşıma ya da bir yapay zeka ajanıyla başlamazdım. Yönetişim sonraki bir aşamaya değil, o ilk kuruluma aittir; yapay zeka yönetişim çerçevesi rehberim nedenini açıklıyor.

Databricks'i başka platformlarla tartıyorsanız ya da SAP, Oracle veya Dynamics 365'in yanında nasıl konumlanacağını çözmeye çalışıyorsanız, bu kararlar için bağımsız danışmanlık veriyorum. Buradan benimle iletişime geçebilirsiniz.

Databricks en basit haliyle nedir?

Databricks, şirketlerin büyük miktarda veriyi sakladığı, temizlediği ve analiz ettiği, üzerine de makine öğrenmesi ve yapay zeka kurduğu bir bulut platformudur. AWS, Microsoft Azure ve Google Cloud üzerinde çalışır. Onu, kaynak sistemleriniz ile raporlarınız, modelleriniz ve yapay zeka araçlarınız arasındaki mühendislik atölyesi olarak düşünün.

Databricks bir veritabanı mı, yoksa veri ambarı mı?

Kısmen ikisi de. Databricks SQL, lakehouse üzerine kurulu bir bulut veri ambarıdır; Lakebase ise uygulamalar için yönetilen bir Postgres veritabanıdır. Altta veri, bulut depolamada açık formatlı tablolar olarak durur. ERP gibi işlemsel bir kayıt sistemi değildir.

Databricks ile Snowflake arasındaki fark nedir?

İkisi de bulut verisi üzerinde SQL analitiği çalıştırır. Databricks, açık formatlar üzerinde veri mühendisliği ve makine öğrenmesinden doğdu. Snowflake ise yönetilen bir SQL veri ambarı olarak başladı. Bugün ikisi büyük ölçüde örtüşüyor. Doğru seçim veri türlerinize, yetkinliklerinize ve yapay zeka planlarınıza bağlıdır. Snowflake ve Databricks karşılaştırmam bunu ayrıntılı ele alıyor.

Databricks SAP'nin veya diğer ERP sistemlerinin yerini alır mı?

Hayır. İşlemler ve defter için kayıt sistemi ERP olarak kalır. Databricks ERP verisinin kopyalarını alır, bunları tesis ve sensör verisi gibi diğer kaynaklarla birleştirir ve analitik ile yapay zeka sunar. SAP müşterileri SAP Business Data Cloud içindeki SAP Databricks'i de kullanabilir.

Databricks'te medallion mimarisi nedir?

Veriyi üç katmanda düzenlemenin bir yolu. Bronze, ham veriyi geldiği haliyle tutar. Silver, temizlenmiş ve doğrulanmış kayıtları tutar. Gold ise raporlama, ML ve yapay zeka için işe hazır tabloları tutar. Her katman bir öncekinden daha rafinedir ve iş kullanıcıları yalnızca gold'u tüketmelidir.

Databricks ücretsiz kullanılabilir mi?

Databricks Free Edition, kotalar ve özellik sınırlamalarıyla öğrenme ve deneme için ücretsizdir ve ticari amaçlarla kullanılamaz. Ticari kullanım, kullandıkça öde ya da taahhütlü kullanım sözleşmesiyle DBU cinsinden tüketime göre faturalanır; bulut depolama ve ağ maliyetleri bunun üzerine eklenir.