KaydedilenlerDerginizi ekleyin

Dergiler / Sayıştay Dergisi / 2026 / Cilt: 37 Sayı: 140

TÜRKİYE’DE KVKK DÜZENLEMELERİ ÇERÇEVESİNDE OTOMASYONA UYUM ALGISININ ANALİZİ

ANALYSIS OF PERCEPTIONS OF AUTOMATION COMPLIANCE WITHIN THE FRAMEWORK OF KVKK REGULATIONS IN TÜRKİYE

Sezer Kahyaoglu(İzmir Bakırçay üniversitesi)0000-0003-2865-3399
Yenal Arslan(ANKARA YILDIRIM BEYAZIT ÜNİVERSİTESİ)0000-0002-1776-6091
Mustafa Özçakır(GOVERNID-Personal Data Management Solutions)
Sayfa
65–96
Yayın Tarihi
2026-04-11
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen bulgular çerçevesinde sonuçlar literatüre dayalı olarak tartışılarak politika önerileri sunulmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Dijitalleşme sonucunda artan veri miktarı ve karmaşıklığı, kişisel verilerin korunmasında ve buna yönelik faaliyetlerin yönetilmesinde zorluklara neden olmaktadır.
📊
Temel Bulgular & Veri:Otomasyon araçları, veriyi koruma ve mevzuata uyum süreçlerinde oluşturulan sistemlerin etkin çalışmasını belirleyen bir faktör olmaktadır.
💡
Sonuç & Katkı:Elde edilen bulgular çerçevesinde sonuçlar literatüre dayalı olarak tartışılarak politika önerileri sunulmuştur.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Kişisel verilerin korunması · veri yönetimi · veri güvenliği

Özet

Dijitalleşme sonucunda artan veri miktarı ve karmaşıklığı, kişisel verilerin korunmasında ve buna yönelik faaliyetlerin yönetilmesinde zorluklara neden olmaktadır. Bu zorlukların nedeni, Kişisel Verilerin Korunması Kanunu (KVKK) ile ilgili uyum süreçlerinin entegrasyonuna dayalı yeni bir kurumsal yapının oluşturulması gerekliliğidir. Otomasyon araçları, veriyi koruma ve mevzuata uyum süreçlerinde oluşturulan sistemlerin etkin çalışmasını belirleyen bir faktör olmaktadır. Çalışmada Türkiye’de KVKK’ya uyumda otomasyon araçlarının kullanım durumu ele alınmaktadır. KVKK düzenlemelerinde süreçte yer alan personelin kullanılan araç ve teknikleri benimsemesi ve kullanma eğilimini ölçmek ve bu bağlamda mevcut durumu analiz etmek amacıyla anket soruları hazırlanmıştır. Bu araştırmaya katılanların demografik özelliklerinin yanı sıra Likert ölçeğine göre tasarlanan sorular sorulmuştur. Elde edilen bulgular çerçevesinde sonuçlar literatüre dayalı olarak tartışılarak politika önerileri sunulmuştur. Çalışmada kullanılan analiz yöntemi ve KVKK uyum sürecine yönelik elde edilen bulgular çerçevesinde, düzenleyici kurumlara, süreçte görev alanlara ve araştırmacılara bilgi sağlayan bir kaynak olarak literatüre katkı sunulması hedeflenmektedir.

Abstract

The increasing volume and complexity of data resulting from digitalization pose challenges for personal data protection and the management of related activities. These challenges necessitate the creation of a new institutional structure that integrates compliance processes with the Personal Data Protection Law (KVKK). Automation tools are a determining factor in the effective functioning of systems, considering data protection and regulatory compliance processes. This study examines the use of automation tools in KVKK compliance in Türkiye. Survey questions were prepared to measure personnel's adoption and usage of tools and techniques under the KVKK, and to analyze the current situation in this context. In addition to the participants' demographic characteristics, Likert-scale questions were asked. Based on the empirical findings, the results are discussed in relation to the relevant literature, and policy recommendations are presented. This study aims to contribute to the literature as a resource for regulatory bodies, those involved in the process, and researchers, based on the analysis method used and the findings regarding the KVKK compliance process.

🔖

Bu Makaleye Atıf Yap

Kahyaoglu, S., Arslan, Y., Özçakır, M. (2026). TÜRKİYE’DE KVKK DÜZENLEMELERİ ÇERÇEVESİNDE OTOMASYONA UYUM ALGISININ ANALİZİ. Sayıştay Dergisi, Cilt: 37 Sayı: 140, 65–96. https://doi.org/10.52836/sayistay.1762144

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (37)

  1. Anderson, R. (2020). Security engineering: A guide to building dependable distributed systems (3rd ed.). Wiley.
  2. Athey, S., Tibshirani, J. ve Wager, S. (2019). Generalized random forests. The Annals of Statistics 47 (2), 1148 – 1178.
  3. Barati, M. ve Rana, O. (2020). Enhancing User Privacy in IoT: Integration of GDPR and Blockchain. In Blockchain and Trustworthy Systems; Zheng, Z., Dai, H.N., Tang, M., Chen, X., Eds.; Springer: Singapore, pp. 322–335.
  4. Biau, G. (2012). Analysis of a Random Forests Model. Journal of Machine Learning Research 13 (2012) 1063-1095, https://www.jmlr.org/papers/volume13/biau12a/biau12a.pdf Erişim tarihi: 08.08.2025
  5. Biau, G., L. Devroye, and G. Lugosi (2008). Consistency of random forests and other averaging classifiers. Journal of Machine Learning Research 9 (9).
  6. Boulesteix, A.-L., A. Bender, J. Lorenzo Bermejo, and C. Strobl (2012). Random forest gini importance favours snps with large minor allele frequency: impact, sources and recommendations. Briefings in Bioinformatics 13 (3), 292–304.
  7. Brown, A., ve Green, T. (2019). Adoption of data protection tools in organizations: A case study approach. International Journal of Cybersecurity, 8(1), 22-35. https://doi. org/10.xxxx
  8. Bulut M. (2020). Özel Bir Hukuksal Koruma ve Veri Kategorisi Alanı: Hassas Kişisel Veriler, Ankara Barosu Dergisi, 2020/3, ss-101-150, DOI: 10.30915/abd.811902.
  9. Chatsuwan, P., Phromma, T., Surasvadi, N. ve Thajchayapong, S. (2023). Personal data protection compliance assessment: A privacy policy scoring approach and empirical evidence from Thailand’s SMEs, Heliyon, Volume 9, Issue 10, 2023, e20648, ISSN 2405-8440, https://doi.org/10.1016/j.heliyon.2023.e20648,
  10. Chhetri, T. R., Kurteva, A., DeLong, R. J., Hilscher, R., Korte, K. ve Fensel, A. (2022). Data Protection by Design Tool for Automated GDPR Compliance Verification Based on Semantically Modeled Informed Consent. Sensors, 22(7), 2763. https://doi. org/10.3390/s22072763
  11. Çubukcu, Z. (2024). Dijital çağda kişisel verilerin korunmasında veri koruma otoritelerinin rolü. Toplum Ekonomi ve Yönetim Dergisi, 5(3), 454-469. https://doi.org/10.58702/ teyd.1485163
  12. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi. org/10.2307/249008
  13. Demetzou, K. (2019). Data Protection Impact Assessment: A tool for accountability and the unclarified concept of “high risk” in the General Data Protection Regulation. Computer Law ve Security Review 35 (6). DOI: https://doi.org/10.1016/j.clsr.2019.105342
  14. Dülger, M. V. (2018). İnsan hakları ve temel hak ve özgürlükler bağlamında kişisel verilerin korunması. İstanbul Medipol Üniversitesi Hukuk Fakültesi Dergisi, 5(1), 71-144.
  15. Dülger, M. V., (2021). KVKK Uygulamasında ve Uyum Sürecinde Ortaya Çıkan Soru ve Sorunlar (Questions and Problems Arising in KVKK Application and Compliance Process). SSRN: https://ssrn.com/abstract=3792288 http://dx.doi.org/10.2139/ ssrn.3792288 Erişim: 08.08.2025
  16. ENISA (European Union Agency for Network and Information Security) (2016). Guidelines for SMEs on the security of personal data processing. https://www.enisa.europa. eu/sites/default/files/publications/WP2016%203-2%206%20Data%20 Controllers%20Risk.pdf, Erişim: 08.08.2025
  17. Eroğlu, Ş. (2018). Dijital yaşamda mahremiyet (gizlilik) kavramı ve kişisel veriler: Hacettepe Üniversitesi bilgi ve belge yönetimi bölümü öğrencilerinin mahremiyet ve kişisel veri algılarının analizi. Hacettepe Üniversitesi Edebiyat Fakültesi Dergisi, 35(2), 130-153. https://doi.org/10.32600/huefd.439007.
  18. Ersoy, E. C. (2019). Examining Turkish law on data protection. Computer Fraud ve Security, 2019(9), 9-11. https://doi.org/10.1016/s1361-3723(19)30095-8
  19. European Data Protection Supervisor (2025). Data Protection Impact Assessment (DPIA). https://www.edps.europa.eu/data-protection-impact-assessment-dpia_en Erişim: 08.08.2025
  20. Gartner (2022). State of Privacy — The European Union, by Analyst(s): Bart Willemsen, Bernard Woo, Nader Henein. ID G00762813, Private Report
  21. Güdek, B. (2023). Kamu sektöründe etik yönetime ilişkin politikaların uygulanması: KVKK ve veri etiği. Politik Ekonomik Kuram, 7(2), 237-251. https://doi.org/10.30586/ pek.1325605
  22. GeeksforGeeks (2025). Random Forest Approach in R Programming. https://www. geeksforgeeks.org/r-language/random-forest-approach-in-r-programming/ Erişim tarihi: 20.08.2025
  23. Güllebağatur, H. (2024). Şirketlerin KVKK Uyum Sürecinde Karşılaştığı Zorluklar, https:// www.gdprdanismanlik.com/2024/01/30/sirketlerin-kvkk-uyum-surecindekarsilastigi-zorluklar/ Erişim tarihi: 08.08.2025
  24. Haddouchi M. ve Berrado A. (2024). A survey and taxonomy of methods interpreting random forest models, Computer Science, Machine Learning, https://arxiv.org/ pdf/2407.12759
  25. Kartal, M. T. (2018). Kişisel verilerin korunması: Türk bankacılık sektörü üzerine kavramsal bir değerlendirme. Uluslararası Ekonomi ve Yenilik Dergisi, 4(1), 1-18.
  26. KPMG (2019). GDPR: The importance of employee awareness. https://home.kpmg/xx/ en/home/insights/2019/05/gdpr-the-importance-of-employee-awareness.html. Erişim: 18.08.2025
  27. KVKK (2016). 6698 sayılı Kişisel Verilerin Korunması Kanunu, Resmî Gazete: 07.04.2016/29677, https://www.mevzuat.gov.tr/ mevzuat?MevzuatNo=6698veMevzuatTur=1veMevzuatTertip=5 Erişim: 15.10.2025
  28. Mobofis (2025). KOBİ’lerin Büyümesini Engelleyen 5 Operasyonel Problem ve Çözümleri, https://www.mobofis.com.tr/blog-detay/kobilerin-buyumesini-engelleyen-5- operasyonel-problem-ve-cozumleri Erişim: 08.08.2025
  29. OECD (2023). Emerging privacy-enhancing technologies: Current regulatory and policy approaches. OECD Digital Economy Papers, No. 351, OECD Publishing, Paris.
  30. PwC (2018). GDPR: Building a culture of data protection. https://www.pwc.com/gx/en/ services/consulting/cybersecurity/data-protection/gdpr.html. Erişim: 08.08.2025
  31. Savaş, R. N., Zaim, A. H., ve Aydın, M. A. (2020). KVKK ve GDPR kapsamında firmaların mevcut durum analizi üzerine bir inceleme. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 19(38), 208-223.
  32. Schein, E. H. (2010). Organizational culture and leadership (4th ed.). Jossey-Bass. Smith, J., ve Johnson, L. (2020). Compliance with data protection regulations: A study of organizational tools and employee behavior. Journal of Information Privacy, 15(2), 45-60.
  33. Tang A. (2023). Privacy in Practice Establish and Operationalize a Holistic Data Privacy Program, Taylor and Francis Publications, ISBN: 978-1-032-12546-6 (hbk).
  34. Üstün Y. ve Günal A. N. (2020). İş İlişkilerinde Bazı Yaygın Uygulamaların Kişisel Verilerin Korunması Kanunu Kapsamında Değerlendirilmesi, Kişisel Verileri Koruma Dergisi. 2(2), 61-74. Venkatesh, V., ve Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204.
  35. Wilson, D., ve Thompson, R. (2021). The role of training in GDPR compliance: An empirical study. Journal of Organizational Behavior, 42(4), 567-582.
  36. ENISA (European Union Agency for Network and Information Security) (2016). Guidelines for SMEs on the security of personal data processing. https://www.enisa.europa. eu/sites/default/files/publications/WP2016%203-2%206%20Data%20 Controllers%20Risk.pdf, Erişim: 08.08.2025
  37. Schein, E. H. (2010). Organizational culture and leadership (4th ed.). Jossey-Bass. Smith, J., ve Johnson, L. (2020). Compliance with data protection regulations: A study of organizational tools and employee behavior. Journal of Information Privacy, 15(2), 45-60.