Superset'te yayınlanan bir eğitim görselleştirmesini (dashboard) iki platformda da birebir oluşturduk; sonra gerçek bir pazarlama ekibinin işine yarayacak hâle getirmeyi denedik. Karşımıza 5 teknik duvar çıktı – üstelik kurumsal boyutu çok daha düşündürücü.
Apache Superset, GitHub'daki popüler bir açık kaynaklı İş Zekası platformudur. Temel olarak, SQL merkezli analitiğe odaklanan ekipler için oluşturulmuş, geliştirici odaklı bir araçtır. Projeye ve arkasındaki topluluğa saygımız tam.
Merak ettiğimiz tek bir soru vardı: Geliştiriciler için hazırlanmış bir eğitim görselleştirmesini (dashboard) alıp gerçek bir iş ekibinin her gün kullanacağı bir araca çevirmeye kalktığınızda ne olur?
YouTube'da "Build With Wilfred" kanalının hazırladığı, Superset'in temel işleyişini öğreten kaliteli bir eğitim videosu bulduk ve bu görselleştirmeyi iki platformda da birebir oluşturduk.
Sonuç? İki görselleştirme de neredeyse birebir aynıydı. Ancak bir pazarlama uzmanının gözüyle baktığımızda tablo değişti: karşımızdaki, yazılımın yeteneklerini göstermek için tasarlanmış bir eğitim materyaliydi. Öğretim amaçlı gayet başarılı, ama sahada karar alan bir ekip için değil. Net bir iş akışı yok, takip edilebilir KPI'lar yok – sadece yan yana dizilmiş grafikler.
Bunun üzerine kolları sıvadık ve sıfırdan yeniden tasarladık. Hedefimiz belliydi: kalite ve verimlilik trendlerini net gösteren, maliyet analizini kullanıcının kendisinin yapabildiği, platformları gerçekçi biçimde karşılaştıran, grafik yığınından öte interaktif bir uygulama.
Asıl hikâye de tam burada başlıyor.
Yeniden tasarladığımız bu gelişmiş pazarlama görselleştirmesini (dashboard) Superset'te de yapmaya çalıştık ve 5 noktada takıldık. Bunlar istisnai durumlar değil; ciddiye alınan her görselleştirme projesinde mutlaka karşınıza çıkan ihtiyaçlar. Üstelik burada tek bir veri setiyle, tek bir senaryo denedik. Farklı iş kollarında daha kapsamlı bir test yapsak, bu listenin çok daha uzayacağından eminiz.
Superset'te haftalık verileri göstermeye çalıştığınızda platform sizi kesintisiz bir zaman çizelgesine zorluyor. Eksen okunaksızlaşıyor, bir arada durması gereken sütunlar dağılıyor ve tooltip'ler anlamsız tek tarihler gösteriyor.
Sürekli zaman çizelgesi, karışık eksen, rastgele tarihler gösteren katı tooltip formatı.
Temiz haftalık gruplar, etiketler üzerinde tam kontrol, özelleştirilebilir tooltip tabloları, fare ile etkileşimli katmanlar.
Son kullanıcı analizine yeni bir ölçü eklemek istediğinde bunu kendi başına yapamıyordu; her seferinde bir geliştirici grafik ayarlarını değiştirmek zorunda kalıyordu.
Her ölçü değişikliği geliştirici müdahalesi ve grafiğin yeniden yapılandırması gerektirir.
Kullanıcılar ölçü and boyutları kendileri ekleyip çıkarabiliyor; geliştiriciye ihtiyaç yok.
Tek bir açılır menüden seçim yaparak bir grafik grubunun tamamındaki ölçüyü değiştirmek istedik. Superset'te grafikler arasında böyle bir bağlantı kurmak mümkün olmadı.
Her grafik bağımsız çalışıyor; grup bazında senkron ölçü değişikliği yapılamıyor.
Tek bir seçici tüm dashlet grubunu kontrol eder, ölçümleri eş zamanlı olarak değiştirir.
Grafiğin bir dilimine tıklayınca ilgili görselin belirmesini, bir veri noktasının üzerine gelince detay dashlet'inin açılmasını istedik. Superset'te bunların hiçbiri yapılamadı.
Standart filtre etkileşimiyle sınırlı; dinamik içerik veya açılır dashlet desteği yok.
Hover'de dashlet-içinde-dashlet, tıklamada dinamik görseller, tam interaktif katman sistemi.
Superset'te resimli ve etkileşimli görseller oluşturmak imkansızdı, bu yüzden sadece sosyal medya ikonlarını gösterebilmek adına statik bir özet tablo kullanmak zorunda kaldık. Bu geçici çözüm, görselleştirmenin etkileşimini tamamen bozdu ve tüm çapraz filtreleri yok etti.
Statik özet tablo geçici çözümü. Bilgi balonları (tooltip) yok, ikonlar tıklanamaz ve görselleştirme filtrelerini tamamen yok eder.
Yerleşik etkileşimli resimli çubuk grafik. Üzerine gelindiğinde zengin veri etiketleri sunar ve iki yönlü çapraz filtreleme ile tam senkronize çalışır.
Bu eksikleri gören yalnızca biz değiliz. BI sektörünün tamamı Superset'in zayıf noktalarına karşı pozisyon alıyor ve herkesin söylediği şeyler şaşırtıcı biçimde örtüşüyor.
Superset'in üzerine yönetimli hosting, SSO, SOC 2/HIPAA uyumu ve otomatik ölçeklendirme katmanı koyuyorlar. Ana tezleri şu: açık kaynak Superset'i kendiniz yönetmek, öngörülemeyen mühendislik maliyetleri demek. Kısa süre önce şirket içi kurulumlar için "Preset Certified Superset" ürününü de çıkardılar. Ne var ki temelde Preset, üzerine kurumsal bir kılıf geçirilmiş Superset'ten ibaret – aynı mimari kısıtlar aynen duruyor.
Teknik yük istemeden hızla yaygınlaşmak isteyen ekiplere hitap ediyor. Haklı oldukları nokta var: Superset'i kurup yönetmek ciddi teknik birikim istiyor. Ancak Metabase kolaylık uğruna derinlikten vazgeçiyor; dolayısıyla Superset'in katılığına takılan ekipler, Metabase'in tavanına da çok geçmeden tosluyor.
Self-servis yetersizliği, piksel düzeyinde raporlama eksikliği, resmi SLA olmaması ve gömme/beyaz etiketleme için aşırı geliştirme gerekliliği gibi haklı eleştiriler getiriyorlar. Valid points – though Helical itself is primarily targeting the embedded analytics segment.
Teknik olmayan kullanıcılar için dik öğrenme eğrisi. SLA'sız, yalnızca topluluktan destek. Kullanıcı sayısı arttıkça çığırından çıkan yetki yönetimi. Yer yer eksik, yer yer eskimiş dokümantasyon. Geliştirilmesi gereken dinamik görselleştirme yetenekleri. Ve her yerde tekrar eden aynı tespit: Superset'in gerçek maliyeti, sıfır lisans ücretinin çok ötesinde.
Örüntü net: Pazardaki herkes Superset'i aynı noktalarda eleştiriyor – kurumsal destek, self-servis sınırlamaları, gizli TCO ve geliştirici ile iş çıktısı hedefindeki son kullanıcı arasındaki uçurum. Hiçbirinin sunamadığı şey TURBOARD'un getirdiği: 20+ yıllık kurumsal olgunluk, 500K+ kanıtlanmış iş kullanıcısı ve ilk günden veriyle karar vermesi gereken insanlar için inşa edilmiş bir platform.
Özellik listeleri güzel karşılaştırma tabloları çıkarır. Ancak binlerce kullanıcıya BI dağıtırken asıl farkı yaratan şeyler grafik çeşitliliği değildir.
Superset'te bir topluluk forumunuz olur. Preset'te yönetimli bir hosting katmanı. TURBOARD'da ise sektörünüzü, veri yapınızı ve kullanıcılarınızın günlük iş akışlarını bilen bir ekip yanınızda olur – 2004'ten bu yana kamu, sağlık, ilaç, finans ve üretim alanlarında edindiğimiz deneyimle.
TURBOARD sizin sunucularınızda çalışır; verileriniz kurumunuzun dışına çıkmaz. Şirket içi (on-premises) LLM desteği sayesinde yapay zekâ özelliklerini bile dış dünyaya tek bir sorgu göndermeden kullanırsınız. Aynı şeyi Preset Cloud'dan ya da herhangi bir SaaS öncelikli rakipten almayı bir deneyin.
Kilitli özellik yok, premium katman yok. Pivot tablo, gelişmiş güvenlik, gömme – hepsi lisansın içinde. TURBOARD'u aldığınızda platformun tamamına sahip olursunuz. Superset tarafında ise AG Grid Enterprise pivot tabloları gibi gelişmiş özellikler ancak Preset'in ücretli planlarıyla gelir.
Tek bir canlı ortamda 200 binden fazla kayıtlı kullanıcı; yoğun saatlerde 800'ün üzerinde eş zamanlı erişim. Laboratuvar testi değil, kamu kurumlarından çok uluslu şirketlere kadar her gün çalışan gerçek üretim ortamı.
Superset'te bir güvenlik açığı keşfedildiğinde önce Apache PMC'ye gizli bildirim yapılır. Kadronuzda komite üyesi yoksa, bir sonraki sürüme kadar – bazen aylarca – açığı olan yazılımı çalıştırıyor olabilirsiniz bile haberiniz olmadan. TURBOARD'da ekibimiz doğrudan, ivedi ve birebir müdahale eder.
TURBOARD'un arkasında, hayatını veri görselleştirme ve analitiğe adamış 110'dan fazla mühendis ve uzmanıyla E-Kalite var. Açık kaynak bir projenin üzerine geçirilen bir kılıf değiliz. Yatırımcı çıkışı hedefleyen bir startup hiç değiliz. 20 yılı aşkın süredir bu işi yapan, 20 yıl sonra da burada olacak köklü bir şirketiz.
Superset'in lisans bedeli sıfır. Ancak lisans bedeli ile toplam sahip olma maliyeti (TCO) bambaşka şeyler. İlk yılın sonunda kuruluşların genellikle fark ettiği gerçekler şöyle:
| Maliyet Kategorisi | Apache Superset (Kendi Barındırma) | TURBOARD |
|---|---|---|
| Yazılım Lisansı | Ücretsiz (Apache 2.0) | Ticari lisans |
| Altyapı Kurulumu | Redis, Celery, metadata DB, web sunucu, mesaj kuyruğu, önbellek katmanları | Tek kurulum |
| DevOps / Bakım | Sürekli – sürüm yükseltmeleri, bağımlılık yönetimi, güvenlik yamaları | TURBOARD ekibi tarafından yönetilir |
| Güvenlik Açığı Müdahalesi | Sürüm döngüsüne bağlı (2–6 ay), kadronuzda PMC üyesi yoksa | Doğrudan, öncelikli müdahale |
| Kullanıcı Eğitimi | Self-servis dokümantasyon (eksik/güncelliğini yitirmiş olabilir) | Özel başlangıç ve eğitim |
| Özel Özellik Geliştirme | İç mühendislik veya Preset profesyonel hizmetleri | Sizin katkınızla yol haritası işbirliği |
| Kurumsal Destek (SLA) | Mevcut değil – topluluk forumları | Dahil – fanatik destek |
| GenAI Yetenekleri | Superset, kendi barındırdığınız ortamlarda MCP aracılığıyla analiz yeteneklerini dışa açabilir; ancak yapay zekâ katmanının tamamını kendiniz tasarlamak, kurmak, güvenli hale getirmek ve işletmek zorundasınız – ya da Preset’in kurumsal katmanda sunulan, token bazlı ücretlendirilen eklentisi Preset Chatbot için ödeme yaparsınız | Kurum içi (on-premises) LLM desteğiyle TURBOARD'un GenAI modülünün bir parçası olarak tam entegre gelir |
| 500+ Kullanıcı için Gerçek TCO (1. Yıl) | Sıfırdan önemli ölçüde yüksek | Öngörülebilir, şeffaf |
Preset Ne Olacak? Preset, Superset’in operasyonel sıkıntılarının önemli bir bölümünü çözüyor: yönetimli hosting, daha sık güncelleme, kurumsal güvenlik sertifikaları. Ancak Preset özünde Superset olmaya devam ediyor – videomuzda gösterdiğimiz görselleştirme kısıtları ve mimari sınırlar aynen geçerli. Şirket içi kurulum ürünleri (Certified Superset ve daha yeni Preset On-Prem) daha yeni çıktı; TURBOARD ise yirmi yıldır müşteri sunucularında çalışıyor. Preset’in yapay zekâsı (Preset Chatbot) ise Mayıs 2026’da, promptlarınızı barındırılan bir model sağlayıcısına gönderen, token bazlı ücretlendirilen kurumsal katman eklentisi olarak geldi – kendi API anahtarınızı kullanma seçeneği bile OpenRouter üzerinden işliyor. Teklifte özel (private) bir LLM yok. Veri egemenliğini önemseyen kuruluşlar için bu, daha baştan uygulanamaz bir seçenek.
BI sektörü son on yılda "self-servis" hayaline kilitlendi: iş kullanıcıları kendi görselleştirmelerini (dashboard) kursun, veri ekibine bağımlılık bitsin. Fikir güzeldi. Gerçekte ise çoğu kuruluş elinde teknik olarak çalışan ama neredeyse kimsenin karar almak için açmadığı bir BI aracıyla kaldı. Göstermelik BI.
Bize göre sıradaki dönüşüm çok daha köklü: self-servis BI'dan, doğal dille üreten BI'a geçiş. Herkesi sürükle-bırak grafik kurma eğitiminden geçirmek yerine, kullanıcının ne istediğini kendi cümleleriyle anlatmasına ve sonucu almasına izin verin.
TURBOARD'un yapay zekâ entegrasyonu, Superset'te karşılığı olmayan beş temel yetenek sunuyor:
Verilerinizle ilgili soruları günlük dilinizle sorun. JAS veri yapınızı, ölçülerinizi ve iş bağlamınızı kavrar.
Herhangi bir görselleştirmeye bakın ve verinin size ne söylediğinin anında doğal dilde özetini alın. Yorum becerisi gerekmez.
İhtiyacınız olan görselleştirmeyi tarif edin, TURBOARD onu oluştursun. Şablon değil – canlı verilerinize bağlı gerçek bir görselleştirme.
İş kullanıcıları SQL yazmadan veri keşfedebilir. Bir soru sorun, bir sorgu alın, sonuçları görün. Self-service BI'ın vaat ettiği ama nadiren gerçekleştirdiği demokratikleştirme.
Akıllı uyarılar ve trend analizi ile KPI'lar genelinde performansı takip edin. Ekranda sadece rakamlar değil – eyleme dönüştürülebilir zeka.
Kritik fark: TURBOARD’un GenAI’ı kurum içi (on-premises) LLM’lerle çalışır. Verileriniz asla altyapınızı terk etmez. Promptlarınız, sorgularınız, iş bağlamınız – hepsi güvenlik duvarınızın arkasında kalır. Superset, kendi barındırdığınız ortamlarda MCP aracılığıyla analiz yeteneklerini dışa açabilir; ancak kuruluşların yapay zekâ katmanını tasarlaması, kurması, güvenli hale getirmesi ve işletmesi gerekir – Superset’in içinde hâlâ bir asistan yok. Preset Chatbot ise promptlarınızı barındırılan bir model sağlayıcısına gönderir. Regülasyona tabi sektörler, kamu, sağlık ve finans için – bu bir özellik karşılaştırması değil, uyumluluk gerekliliğidir.
Superset kötüdür demeyeceğiz. Aktif bir topluluğu olan sağlam bir açık kaynak proje ve SQL tabanlı analitiği daha erişilebilir kılmak için çok şey yaptı. Ama bir eğitimde çalışan bir araç ile üretimde – gerçek kararlar veren gerçek kullanıcılar için – çalışan bir platform arasında önemli bir uçurum var.
Birçok kuruluş açık kaynak BI ile başlıyor çünkü en düşük riskli seçenek gibi görünüyor. Lisans maliyeti yok, satıcı taahhüdü yok, sadece kurun ve görün. Ama sonra genellikle kurulum, bakım ve geçici çözümlerle aylar süren mühendislik zamanı geliyor ve teknik olarak var olan ama veri ekibi dışında kimsenin karar vermek için gerçekten kullanmadığı görselleştirmeler ortaya çıkıyor. “Ücretsiz” seçenek sessizce en pahalı seçenek haline geliyor.
İster 50 kişiye dağıtın ister 50 bine. İster mühendislik kaynaklarını BI altyapısına harcama lüksü olmayan bir startup olun, ister veri egemenliği güvencesi arayan büyük bir kurum. Ekibiniz teknik olsa da olmasa platform uyum sağlar ve arkanızda dağıtımınızı başarıya taşıyacak bir şirket olur; sorunuzun belki gelecek hafta cevaplanacağı bir forum değil.
Bir BI platformunun gerçek maliyeti lisans için ne ödediğiniz değildir – ekibiniz aracın yapamadığı bir şeye ihtiyaç duyduğunda ve arayacak kimse olmadığında ne olduğudur.
Bu yapının tamamını ve bu farkların arkasındaki teknik detayları bu yazıda ve yukarıdaki videoda belgeledik. Superset'i değerlendiriyorsanız – veya zaten çalıştırıp bahsettiğimiz engellere takılıyorsanız – size farkı göstermekten mutluluk duyarız.
Ekibimizle bir demo planlayın ve platformu kendi verilerinizle canlı olarak görün. Baskı yok – doğru çözümü bulmanızı tercih ederiz.
Dilerseniz, daha fazla kurumsal senaryoda nasıl bir fark yarattığımızı görmek için Tüm BI Karşılaştırmaları sayfamıza göz atabilirsiniz.
Görselleştirme oluşturmayı bırakın, cevap almaya başlayın. Lider Üretken Yapay Zeka özelliklerimizle İş Zekası'nın yeni çağını ücretsiz deneyimleyin.