The Perpetual Journey of Data: The Value Oriented Data Life Cycle Model

Öz

Bu makale, veri yaşam döngüsünün değer odaklı bir çerçevesini sunmakta ve verinin oluşumundan değere dönüşümüne kadar olan sürekli ve daimi yolculuğunu düzenleyen bütünsel bir model önermektedir. Önerilen model, temelde Adımlar ve bu adımları destekleyen Odak Alanları, Kaynaklar, Teknolojiler ve Önlemler bileşenlerini içermekte ve Adımlar bileşeni içinde sunulan akış Giriş / Baz, Analitik / Yorum ve Çıktı / Sunum olmak üzere üç aşamayı kapsamaktadır. Model, bu bileşenlerin birbirleriyle nasıl etkileşim kurduğunu açıklığa kavuşturmakta ve modelde tanımlanan değer akışını takip etmek için finansal ve finansal olmayan sektörlerden örnekler vermektedir. Değeri, verinin yaşam döngüsünün görünür öznesi olarak konumlandırırken, insanı değeri üreten, yorumlayan ve kullanan daha üst düzey bir aktör olarak korumaktadır. Önerilen model, geleneksel veri akışı modellerinin, tedarik zinciri odaklı veri yaşam döngüsü modellerinin ve insan odaklı veri yaşam döngüsü modellerinin değer yaratma yaklaşımından saparak, ortaya koyduğu yeniliklerle değer odaklı bir yaşam döngüsü sunmaktadır. Böylece model, insan merkezli, değer yaratan ve kendini yenileyen bir yaşam döngüsü sağlamaktadır. Makale ayrıca, modelin uygulanması sırasında ortaya çıkacak faydaları ve zorlukları da sorgulamaktadır.

Anahtar Kelimeler

• Veri Yaşam Döngüsü
• Veri Değer Zinciri
• Veri Yönetişimi
• Veri
• Bilgi
• Bilgi Birikimi

Destekleyen Kurum

PwC Bağımsız Denetim ve SMMM A.Ş.

Etik Beyan

Bu makalenin özgün olduğunu, daha önce yayınlanmadığını ve şu anda başka bir yerde yayınlanmak üzere değerlendirilmediğini beyan ederim. İlgili tüm kaynaklar makalede belirtilmiştir. Çalışmanın etik standartlara uygun olduğunu ve uygun olduğu durumlarda bilgilendirilmiş onamın alındığını onaylıyorum. Makaleye katkıda bulunan tek yazar benim. Çalışmam sırasında bana destek olanlara teşekkürlerimi ilettim. Açıklanacak herhangi bir çıkar çatışması, mali veya başka türlü, bulunmamaktadır.

Teşekkür

Bu çalışmada kullandığım modeli oluşturmaya başladığım ilk günlerde bilgisiyle bana destek olan meslektaşım Özlem Küçükgöde'ye; modeli şekillendirdiğim aşamada fikirleriyle bana yol gösteren meslektaşım Hakan Mutlu'ya ve modeli makaleye dönüştürürken yorumlarını esirgemeyen ve modelin geliştirilmesine katkıda bulunan meslektaşlarım Alperen Albakır ve Anıl Kürşat Aslan'a teşekkürlerimi ifade etmeyi borç bilirim. Ayrıca, veri yönetimi, yönetişim ve kalite konularında hem denetim hem de danışmanlık projelerinde birlikte çalıştığım ve bana ilham kaynağı olan tüm çalışma arkadaşlarıma ve müşterilerime de teşekkürlerimi sunuyorum.

The Perpetual Journey of Data: The Value Oriented Data Life Cycle Model

Öz

This article presents a value oriented framework for the data life cycle and proposes a holistic model that organizes the continuous and perpetual journey of data from its formation to its transformation into value. The proposed model fundamentally includes the Steps component and the supporting components of Focus Areas, Resources, Technologies, and Measures, and the flow presented within the Steps component covers three stages: Input / Base, Analytical / Interpretation, and Output / Presentation. The model clarifies how these components interact with each other and provides examples from financial and non-financial sectors to follow the value flow defined in the model. While positioning value as the visible subject of the data life cycle, it preserves the human as a higher-level actor who produces, interprets, and uses value. The proposed model deviates from the value creation approach of traditional data flow models, supply chain-focused data life cycle models, and human-focused data life cycle models, and offers a value-focused life cycle with the novelties it puts forward. Thus, the model provides a human-centered, value-creating, and self-renewing life cycle. The article also questions the benefits and challenges that will arise during the implementation of the model.

Anahtar Kelimeler

• Data Life Cycle
• Data Value Chain
• Data Governance
• Data
• Information
• Knowledge

Destekleyen Kurum

PwC Bağımsız Denetim ve SMMM A.Ş.

Etik Beyan

I declare that this manuscript is original, has not been published before, and is not currently being considered for publication elsewhere. All references are indicated in the article where relevant. I confirm that the study complies with ethical standards and, where applicable, informed consent was obtained. I am the only writer who contributed to the article. I stated my acknowledgments for them who supported me during my work. There are no conflicts of interest, financial or otherwise, to disclose.

Teşekkür

I consider it my duty to express my gratitude to my colleague Özlem Küçükgöde, who supported me with her knowledge in the early days when I began to build the model in this study; to my colleague Hakan Mutlu, who guided me with his ideas at the point when I formed the model; and to my colleagues Alperen Albakır and Anıl Kürşat Aslan, who did not withhold their comments while I was turning the model into an article and contributed to the development of the model. I also extend my thanks to all my coworkers and my customers, with whom I worked in both audit and consultancy projects regarding data management, governance, and quality, and who have been a source of inspiration for me.

Kaynakça

1. The Economist (2017). The world’s most valuable resource is no longer oil but data, 6 May 2017. The Economist. Retrieved at 27 March 2026 from https://www.economist.com/leaders/2017/05/06/the-worlds-most-valuable-resource-is-no-longer-oil-but-data
2. GSMA (2018). The Data Value Chain, 22 June 2018. GSMA. Retrieved at 26 July 2025 from https://www.gsma.com/solutions-and-impact/connectivity-for-good/public-policy/gsma_resources/the-data-value-chain/
3. Gökalp, S. & Koçyiğit, A. (2025). Advancing Data Governance: A Comprehensive. Process Capability Model and Case Validation. IEEE Access, 13, 199326-199339.
4. Acuña, I. & Cravero, A. & Zorrilla, M. (2026). From Compliance to Value: Data Governance Implementation Challenges to Turn Data into a Strategic Asset—A Systematic Literature Review. Applied Sciences, 16-11, 5289.
5. Lemov, R. (2016). Big Data is People!, 16 June 2016. Aeon Essays. Retrieved at 26 October 2025 from https://aeon.co/essays/why-big-data-is-actually-small-personal-and-very-human
6. Curry, E. (2015). The Big Data Value Chain: Definitions, Concepts, and Theoretical Approaches. New Horizons for a Data‑Driven Economy: A Roadmap for Usage and Exploitation of Big Data in Europe, 29-37.
7. Coyle, D. and Manley, A. (2024). What is the Value of Data? A review of empirical methods. Journal of Economic Surveys, 38 (4), 1317-1337.
8. Maturana, H. R. & Varela, F. J. (1987). Knowing How We Know. The Tree of Knowledge: The Biological Roots of Human Understanding Revised Edition, 17-32.

9. Rahul, K. & Banyal, R. K. (2020). Data Life Cycle Management in Big Data Analytics. Procedia Computer Science, 173, 364-371.
10. Wing, J. M. (2019). The Data Life Cycle. Harvard Data Science Review, 1 (1), 6.
11. Ackoff, R. L. (1989). From Data to Wisdom. Journal of Applied Systems Analysis, 16, 3-9.
12. COSO (2013). Internal Control Integrated Framework. COSO.
13. OECD (2022). Measuring The Value of Data and Data Flows. OECD Digital Economy Papers, 345.
14. Bodendorf, F. & Franke, J. (2024). What is the business value of your data? A multi-perspective empirical study on monetary valuation factors and methods for data governance. Data & Knowledge Engineering, 149, 102242.
15. Arf, C. (1959). Makine düşünebilir mi ve nasıl düşünebilir? Atatürk Üniversitesi Üniversite Çalışmalarını Muhite Yayma ve Halk Eğitimi Yayınları Konferanslar Serisi, 1, 91-103.
16. COSO (2024). Enterprise Risk Management Framework. COSO.
17. ISACA (2018). COBIT 2019 Control Objectives for Information and Related Technologies Framework. ISACA.
18. DAMA (2009). DMBOK Data Management Body of Knowledge Framework. DAMA.
19. ISO (2022). ISO27001 Standard. ISO/IEC.
20. ISO (2019). ISO22301 Standard. ISO/IEC.
21. ISO (2023). ISO42001 Standard. ISO/IEC.
22. ISACA (2007). COBIT 4.1 Control Objectives for Information and Related Technologies Framework. ISACA.
23. Knight, M. (2023). What is Data Quality? Dimensions, Benefits, Uses, 1 August 2023. Dataversity. Retrieved at 25 August 2025 from https://www.dataversity.net/data-concepts/what-is-data-quality/
24. Fricke, M. (2009). The Knowledge Pyramid: A Critique of the DIKW Hierarchy. Journal of Information Science, 35 (2), 131-142.
25. Weinberger, D. (2010). The Problem with the Data-Information-Knowledge-Wisdom Hierarchy, 2 February 2010. Harvard Business Review. Retrieved at 18 March 2026 from https://hbr.org/2010/02/data-is-to-info-as-info-is-not
26. Zins, C. (2007). Conceptual Approaches for Defining Data, Information, and Knowledge. Journal of the American Society for Information Science and Technology, 58 (4), 479–493.
27. Marcucci, S., Alarcón, N. G., Verhulst, S. G. & Wüllhorst, E. (2023). Informing the Global Data Future: Benchmarking Data Governance Frameworks. Data & Policy, 5-e30.
28. Bližnák, K. & Munk, M. & Pilková, A. (2024). A Systematic Review of Recent Literature on Data Governance (2017–2023). IEEE Access, 12, 149875-149888.