Bu yazıda bağlantısı verilen kaynaklara göre en son 5 Kasım 2026 tarihinde incelenmiştir.
Çalışanlar için veri koruma eğitimi, işle uyumlu olduğunda en iyi sonucu verir ve analistler çoğu kişiden daha fazla kişisel veriyle ilgilenir. Avrupa Veri Koruma Kurulu, ulusal makamların 2025 yılında 1.15 milyar Euro para cezası kestiğini bildiriyor ; bu da Avrupa'daki düzenleyicilerin kuruluşların kişisel verileri ele alma biçimine ne kadar ciddiyetle yaklaştığını gösteriyor. Bir analistin haftasındaki riskler günlük risklerdir: bir tabloyu elektronik tabloya aktarmak veya bir bölümünü yapay zeka asistanına yapıştırmak.
Bu, ekipleri için kuralları belirleyen veri yöneticileri ve BI yöneticileri için 9 hazır kursun listesidir. Sınıflandırma, kişisel veriler, yapay zeka araçlarıyla veri paylaşımı ve veri ambarını koruyan güvenlik alışkanlıklarını kapsar. Her giriş, kursun neyi kapsadığını, bir analistin neden buna ihtiyaç duyduğunu ve oturumda odanın ne yaptığını belirtir. Her grup, " Bizim Seçimimiz" ile sona erer . Listeden sonra bir dağıtım sırası ve kursları AhaSlides'ta çalıştırmanın bir yolu gelir.
9 dersin tamamına genel bakış
| Kurs | Neyi kapsıyor | uzunluk | Kuruluşun yasal yükümlülüğü nedir? |
|---|---|---|---|
| Veri sınıflandırması ve işleme | Bir depodan veya kontrol panelinden nelerin çıkabileceğine karar vermek | 25 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Kişisel verilerin günlük olarak işlenmesi | Onay, en aza indirme, saklama ve paylaşma | 40 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Verileriniz ve yapay zeka araçlarınız | Yapay zeka araçlarına neleri yapıştırabileceğiniz ve neleri yapıştıramayacağınız | 30 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Üretken yapay zekanın güvenli kullanımı | Veri sızıntıları, gölge yapay zeka ve yapay zeka destekli saldırılar | 35 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Herkes için yapay zeka güvenliği | Gölge yapay zeka, hızlı enjeksiyon ve manipüle edilmiş çıktılar | 30 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Güvenlik bilincinin temel unsurları | Geniş erişime sahip kişiler için temel alışkanlıklar | 35 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Kimlik avı ve sosyal mühendislik | Kimlik avı saldırılarını tespit etme ve bildirme | 30 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Parolalar, şifreler ve çok faktörlü kimlik doğrulama | Veri araçları için güçlü oturum açma | 30 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
| Sosyal mühendislik, dolandırıcılık ve deepfake'ler | Telefonla, ödeme yoluyla ve kimlik taklidiyle yapılan sahte talepler | 35 dk | Burada herhangi bir vergi yükümlülüğünden bahsedilmemiştir. |
Veri sınıflandırması ve kişisel veriler
Veri sınıflandırması ve işleme
Analistlerin, bir veri deposundan, bir kontrol panelinden veya paylaşılan bir sürücüden nelerin çıkabileceğine karar vermek için sınıflandırma kurallarına ihtiyaçları vardır. Bu kurs, verilerin nasıl etiketleneceğini ve her etiketin neye izin verdiğini ele almaktadır. Oturumda, posta kodu, iş unvanı ve maaş numarası gibi beş örnek sütunla bir "Cevap Seç" testi yapın ve katılımcılara her birinin hangi etiketi alacağını sorun. Anlaşmazlıklar, kendi kurallarınızın nerede belirsiz olduğunu gösterecektir.
Kişisel verilerin günlük olarak işlenmesi
Bu kurs, onay, veri minimizasyonu, saklama ve paylaşım kurallarını günlük veri çalışmalarına uygulamaktadır. Avrupa Komisyonu, veri minimizasyonunu, bir kuruluşun yalnızca amacı için gerekli olan kişisel verileri toplaması ve işlemesi gerektiği ilkesi olarak tanımlar ; bu, analistlerin her sorguda uygulayabileceği bir alışkanlıktır. Oturumda, "tüm müşteri alanları" için bir istek gösterin ve analizin hangi alanlara ihtiyaç duyduğunu sormak için bir Kelime Bulutu kullanın.
Bizim tercihimiz: Kişisel verilerin günlük olarak işlenmesi. Veri kümesini küçültmek, analistlerin günlük olarak kullandığı bir beceridir ve Kelime Bulutu alıştırması bu alışkanlığı dakikalar içinde görünür hale getirir.
Yapay zeka ve veri paylaşımı
Verileriniz ve yapay zeka araçlarınız
Bu kurs, bir analistin yapay zeka aracına neleri yapıştırabileceği ve aracın vaat ettiği her şeye rağmen nelerin dışarıda kalması gerektiği konusunda net sınırlar belirler. Oturumda, katılımcılara isimlerden oluşan bir tablo ve kişisel veri içermeyen bir sorgu da dahil olmak üzere dört kısa metin parçası verin ve bir "Cevap Seç" anketi yapın: Yapıştır, maskele veya asla? Oyları kabul edilebilir kullanım politikanızla karşılaştırın ve yanlış olan tarafı düzeltin.
Üretken yapay zekanın güvenli kullanımı
Bu kurs, analistlerin veri kümeleri üzerinde üretken araçlar kullandığı durumlarda ortaya çıkan veri sızıntılarını ve gölge yapay zekayı, analiste karşı yapay zeka kullanan saldırılar da dahil olmak üzere ele almaktadır. Bu önemlidir çünkü en hızlı araç genellikle kimsenin onaylamadığı bir araçtır. Oturumda, açık uçlu bir soru sorun: "BT'nin onaylamadığı hangi yapay zeka aracını işinizde kullandınız?" Anonim cevaplar size insanların ne kullandığını gösterir.
Herkes için yapay zeka güvenliği
Analist, şirket dışından gelen belgeler üzerinde yapay zekâ asistanı kullandığında, anlık enjeksiyon ve manipüle edilmiş çıktılar analizi bozabilir veya verileri açığa çıkarabilir. Bu kurs, gölge yapay zekâ, anlık enjeksiyon ve bir yapay zekâ yanıtının nasıl kontrol edileceğini ele almaktadır. Oturumda, zehirlenmiş bir belge gösterin ve bir Derecelendirme Ölçeği kullanarak salondakilerin bunu ne kadar olasılıkla fark edeceğini sorun.
Bizim tercihimiz: Verileriniz ve yapay zeka araçlarınız. Bu araçlar, belirsiz bir politikayı, bir analistin her hafta yaptığı dört somut evet-hayır kararına dönüştürüyor.
Güvenlik temelleri ve dolandırıcılık
Güvenlik bilincinin temel unsurları
Verilere geniş erişimi olan herkes yüksek değerli bir müşteridir; bu nedenle temel alışkanlıklar, çoğu rolden ziyade analistler için daha önemlidir. Kurs, her çalışanın sahip olması gereken günlük güvenlik davranışlarını kapsar. Oturumda, gerçekçi bir güne dair kısa bir sınav yapın: otoparkta bir USB bellek, paylaşılan bir parola, bir kafede bırakılan bir dizüstü bilgisayar.
Kimlik avı ve sosyal mühendislik
Veri deposuna erişimi olan analistler, çalınan tek bir giriş bilgisiyle birçok tabloya erişebildikleri için kimlik avı saldırılarının başlıca hedefleridir. Bu kurs, kimlik avı ve sosyal mühendislik saldırılarını nasıl tespit edeceğinizi ve bildireceğinizi öğretir. Oturumda, üç e-posta gösterilecek ve hangisinin sahte olduğuna dair bir "Cevap Seç" anketi yapılacak, ardından her birinin bir analistin gelen kutusuna nasıl ulaşabileceği tartışılacaktır.
Parolalar, şifreler ve çok faktörlü kimlik doğrulama
Güçlü kimlik doğrulama, analistlerin her gün kullandığı veri kümelerini ve BI araçlarını korur. Kurs, personel için parolaları, geçiş anahtarlarını ve çok faktörlü kimlik doğrulamayı kapsar. Oturumda, katılımcılara bir Derecelendirme Ölçeği kullanarak veri araçlarının çok faktörlü oturum açma özelliğini kullandığına ne kadar güvendiklerini sorun ve en düşük puan alan araçları listeleyin.
Sosyal mühendislik, dolandırıcılık ve deepfake'ler
Sahte veri dışa aktarma ve ödeme talepleri yaygın bir kimlik hırsızlığı dolandırıcılığı türüdür ve inandırıcı bir ses veya mesajı taklit etmek artık çok kolaydır. Bu kurs, telefon, ödeme ve kimlik hırsızlığı dolandırıcılıklarını ve ikinci bir kanalda doğrulama alışkanlığını ele almaktadır. Oturumda, bir "yönetmenin" acil bir dışa aktarma talebinde bulunduğu kısa bir senaryo canlandırılacak ve katılımcılara bunu gönderip göndermeyecekleri sorulacaktır.
Bizim tercihimiz: Parolalar, şifreler ve çok faktörlü kimlik doğrulama. Listedeki her araç tek bir kontrolle korunuyor ve Derecelendirme Ölçeği alıştırması size araç bazında eksiklik listesi sunuyor.
Plan nasıl hayata geçirilecek?
Veri temelleriyle başlayın: sınıflandırma ve günlük kişisel veri işleme, ayrıca kuruluşunuzun zaten ihtiyaç duyduğu tüm oryantasyon eğitimleri. Ardından yapay zeka kurslarını ekleyin, çünkü yeni alışkanlıklar en hızlı burada oluşuyor. Her yıl güvenlik yenileme eğitimleriyle bitirin ve ekiplerinizin çalıştığı ülke veya eyaletin kendi kurallarını ekleyin.
Her oturumu aynı gerçeğe dayandırın. Avrupa Veri Koruma Kurulu'na (EDPB) göre, ulusal veri koruma otoriteleri 2025 yılında 1.15 milyar Euro para cezası kesti . Komisyonun GDPR ilkeleri hakkındaki sayfasında, kuruluşların uyması gereken kurallar arasında yasallık, amaç sınırlaması, veri minimizasyonu ve depolama sınırlaması da dahil olmak üzere yedi ilke listeleniyor ; bu nedenle, hangi kursu kimin tamamladığını ve hangi soruların sorulduğunu tarihli olarak kaydedin.
Ekibiniz aynı zamanda tüm şirket için veri koruma konularıyla da ilgileniyorsa, veri koruma görevlisi eğitim programı GDPR ve CCPA görevlerine daha detaylı bir şekilde değiniyor. Kod yazan analistler, geliştiriciler için güvenlik eğitimi hakkındaki yazıda daha fazla bilgi bulabilirler ve çalışanlar için yapay zeka eğitimi kılavuzu, daha geniş kapsamlı yapay zeka uygulamalarını ele alıyor.
AhaSlides'ta bu kursları yürütmenin yolları
9 seçeneğin tamamını üç farklı formatta sunabilirsiniz:
- Kendi hızınızda kurslar. AhaSlides kurs oluşturucusunu kullanarak her analiste tamamlaması gereken bir kurs atayın.
- Canlı soru-cevap sunumu. Oturum öncesinde gerçek veri kümeleriyle ilgili soruları toplayın, ardından bunları oturum sırasında yanıtlayın.
- Öncesi ve sonrası anketler. Aynı oturumda nelerin değiştiğini ölçün.
Dört slayt türü işin büyük kısmını halleder:
- Cevabı seçin. Şöyle sorun: "Bir meslektaşım hızlı bir test için müşteri verisi dışa aktarımı istiyor. Paylaş, gizle veya reddet?" Cevabı vermeden önce bölme işlemini gösterin.
- Kelime Bulutu. "Bu analiz hangi alanlara ihtiyaç duyuyor?" diye sorun. En büyük kelimeler, insanların ilk olarak neye yöneldiklerini gösterir.
- Değerlendirme Ölçeği. Öncesinde ve sonrasında şu soruyu sorun: "Yapay zeka aracına ne kadar bilgi girebileceğinize ne kadar güveniyorsunuz?" 1 ile 5 arasında puan verin ve ortalamaları karşılaştırın.
- Açık uçlu. "Bu veri seti kimse fark etmeden nereye sızabilir?" diye sorun. Cevaplar anonim olabilir, böylece insanlar düşündüklerini söyleyebilirler.
SSS
Veri analistlerinin ne tür bir eğitime ihtiyacı var?
Analistlerin teknik becerilerin ötesinde, veri gizliliği, sınıflandırma ve güvenli veri işleme eğitimine ihtiyaçları vardır. Yukarıdaki 9 kurs bu şekilde gruplandırılmıştır ve yapay zeka araçlarının kullanımı ayrı bir grup olarak ele alınmıştır.
Veri analistleri şirket verileri üzerinde yapay zeka araçlarını kullanabilir mi?
Yalnızca kuruluşunuzun politikası çerçevesinde ve asla kişisel veya gizli veriler üzerinde, kimsenin onaylamadığı araçlarda kullanılabilir. Bu yazıda bu konuda herhangi bir yasadan bahsedilmemektedir, bu nedenle kabul edilebilir kullanım politikanız ve veri koruma sorumlunuz karar vermelidir.
Veri minimizasyonu nedir?
Bu, yalnızca tanımlanmış bir amaç için gerekli olan kişisel verilerin kullanılması anlamına gelir. Avrupa Komisyonu bunu, yalnızca bu amacı yerine getirmek için gerekli olan kişisel verilerin toplanması ve işlenmesi olarak tanımlar.
Şirkette verilerin sahibi kimdir?
Tek bir kural yok, bu nedenle kendi yönetim politikanızı kontrol edin. Yaygın bir düzenleme, veri sahibinin veri setinin nasıl kullanıldığı ve korunduğundan sorumlu olması, analistlerin ve yöneticilerin ise veriyle çalışmasıdır.
Bu yazı genel bilgilendirme amaçlıdır, hukuki tavsiye niteliği taşımaz. Kendi iş yerinizle ilgili bir karar için, yetkili bir avukata veya düzenleyici kuruma danışın.
