[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-semantic-layer::tr":3,"gloss-cluster-semantic-layer::tr":23,"gloss-next-semantic-layer::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"semantic-layer","analytics","Anlamsal Katman (Semantic Layer)","Anlamsal katman, iş metriklerinizin merkezî tanımıdır — `aktif kullanıcı`, `MRR` ya da `brüt marj`ın SQL'de gerçekte ne anlama geldiği — ve veri ambarınızla onu sorgulayan her aracın arasında durur. Her gösterge panosu, not defteri ve BI aracının gelir hesabını yeniden uygulaması (ve biraz farklı sayılar üretmesi) yerine, hepsi aynı yönetilen tanımı çağırır. dbt Semantic Layer, Cube ve Looker'ın LookML'i yaygın uygulamalardır. Geliştiriciler için çözdüğü sıkıntı şu toplantıdır: finans, ürün ve CEO'nun her birinin farklı bir `MRR` söylediği ve hangisinin doğru olduğunu kimsenin bilmediği an; anlamsal katman metriği tek, sürümlenmiş bir yapı hâline getirir. Ayrıca metrik mantığını sunum aracından ayırır; böylece BI sağlayıcısını değiştirmek her formülü yeniden yazmak anlamına gelmez. Pratik not: en çok, aynı verinin birden fazla tüketicisi olduğunda değerlidir; tek gösterge panolu tek kişilik bir kurucunun henüz buna ihtiyacı yoktur. Metrikleri kod olarak tanımlayın, değişiklikleri pull request'lerde inceleyin ve boyutları tutarlı tutun.","Anlamsal katman, metriklerinizin SQL'de gerçekte ne demek olduğunu merkezîleştirir; her pano ve BI aracı MRR'yi kendi yöntemiyle değil aynı biçimde hesaplar.",null,[11,14,17,20],{"slug":12,"name":13},"data-warehouse","Veri Ambarı (Data Warehouse)",{"slug":15,"name":16},"materialized-view","Materyalize Görünüm",{"slug":18,"name":19},"olap","OLAP (Çevrim İçi Analitik İşleme)",{"slug":21,"name":22},"warehouse-native-analytics","Ambar-Yerlisi Analitik (Warehouse-Native)",[24,28,31,35,38,41,44,47,50,53,56,59],{"slug":25,"category":5,"name":26,"updated_at":27},"ab-testing","A\u002FB Testi","2026-08-24T02:46:38+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"active-user","Etkin Kullanıcı (GAK, HAK, AAK)",{"slug":32,"category":5,"name":33,"updated_at":34},"autocapture","Otomatik Yakalama (Autocapture)","2026-08-24T02:46:37+00:00",{"slug":36,"category":5,"name":37,"updated_at":27},"cost-per-resolution","Çözüm Başına Maliyet (Cost per Resolution)",{"slug":39,"category":5,"name":40,"updated_at":34},"customer-data-platform","Müşteri Veri Platformu (CDP)",{"slug":42,"category":5,"name":43,"updated_at":27},"deflection-rate","Yönlendirme Oranı (Deflection Rate)",{"slug":45,"category":5,"name":46,"updated_at":27},"guardrail-metric","Korkuluk Ölçütü",{"slug":48,"category":5,"name":49,"updated_at":34},"identity-resolution","Kimlik Çözümleme (Identity Resolution)",{"slug":51,"category":5,"name":52,"updated_at":34},"multi-touch-attribution","Çok Temaslı Atıf (Multi-Touch Attribution)",{"slug":54,"category":5,"name":55,"updated_at":27},"novelty-effect","Yenilik Etkisi",{"slug":57,"category":5,"name":58,"updated_at":34},"retention-curve","Elde Tutma Eğrisi (Retention Curve)",{"slug":60,"category":5,"name":61,"updated_at":27},"sample-ratio-mismatch","Örneklem Oranı Uyuşmazlığı (SRM)"]