Veri Analizi Nedir? Nasıl Yapılır?

# Veri Analizi Nedir? Nasıl Yapılır?

Bilgisayar oyununda kaç saat geçirdiğimizden, alışveriş alışkanlıklarımıza; bir e-ticaret sitesinin ürün tavsiyelerinden, banka uygulamalarının dolandırıcılık tespit sistemlerine kadar günlük hayatın her köşesinde veri analizi çalışmaktadır. Bu disiplin, ham veriyi anlamlı bilgiye dönüştürmenin sanatı ve bilimidir.

Bu rehberde veri analizi nedir, ne anlama gelir, nasıl yapılır, türleri (betimleyici, teşhis, tahmin, öneri analizi) nelerdir, hangi yöntemler kullanılır, veri analisti ne iş yapar ve kariyer yolu nasıldır sorularının hepsine kapsamlı şekilde cevap vereceğiz.

Veri Analizi Nedir? Kısaca Tanımı

Veri analizi, ham veriyi inceleyerek anlamlı içgörüler (insights) elde etme sürecidir. İngilizce karşılığı "data analysis", kısaca veri analizi nedir kısaca sorusunun cevabı: veriden bilgi üretme işidir.

Basit bir örnekle açıklayalım: Bir markette 1.000 müşterinin alışveriş listesi olsun. Bu ham veridir. Bu listeleri analiz edip "Cuma akşamları ekmek satışı %40 artar" sonucuna ulaşmak ise veri analizidir.

Modern dünyada veri analizi sayesinde:

• Şirketler müşterilerinin davranışlarını anlar
• Doktorlar hastalıkları erken teşhis eder
• Hükümetler ekonomik politika belirler
• Spor takımları rakiplerini analiz eder
• Trafik mühendisleri yol planlaması yapar
• Tarımcılar verim tahmini yapar

Veri Analizi Ne Anlama Gelir? Farklı Alanlardaki Tanımlar

Veri analizi ne anlama gelir sorusunun cevabı, sorulduğu alana göre küçük farklılıklar gösterir.

Veri Analizi Nedir Matematik (Genel Tanım)

Matematiksel olarak veri analizi, sayısal veya kategorik veri kümeleri üzerinde istatistiksel teknikler uygulayarak sonuç çıkarma sürecidir. Ortalama, medyan, mod, standart sapma, korelasyon gibi temel istatistik kavramları veri analizinin matematiksel altyapısını oluşturur.

Veri Analizi 6. Sınıf ve 7. Sınıf Müfredatında

İlköğretim seviyesinde veri analizi, basit veri toplama, tablo oluşturma, grafik çizme ve sonuç çıkarma olarak öğretilir. Örnek konular:

• Sınıftaki öğrencilerin en sevdiği renkler
• Bir haftada izlenen TV süresi
• Sınav notları ortalaması

Bu seviyede sütun grafiği, daire grafiği, çizgi grafiği gibi görselleştirme araçları kullanılır.

Veri Analizi 8. Sınıf ve 9. Sınıf Müfredatında

Ortaöğretim seviyesinde konu derinleşir: merkezi eğilim ölçüleri (ortalama, medyan, mod), dağılım ölçüleri (varyans, standart sapma) ve daha karmaşık grafik türleri (histogram, kutu grafiği) öğretilir.

Veri Analizi Nedir Tarih?

Veri analizi tarih dersi veya veri analizi ne demek tarih dersi araması yapan öğrenciler için: Tarih dersinde veri analizi, tarihsel kaynakları (yazılı belgeler, arkeolojik buluntular, demografik veriler) eleştirel bir şekilde incelemek anlamına gelir. Yani tarihçinin verilerden geçmişi yeniden inşa etme sürecidir.

Örnek: 16. yüzyıl Osmanlı tahrir defterlerinden nüfus, vergi gelirleri, üretim miktarları gibi verileri inceleyerek dönemi anlamak — tarihsel veri analizidir.

Profesyonel Anlamda Veri Analizi

İş dünyasında veri analizi çok daha karmaşık ve geniş bir disiplindir. Veri biliminin (data science) bir alt dalı olarak büyük veri kümeleri üzerinde istatistik, programlama, makine öğrenmesi ve alan uzmanlığı kullanır.

Veri Analizi Türleri

Profesyonel veri analizinde dört temel analiz türü vardır. Her biri farklı soruları cevaplar:

1. Betimleyici Analiz (Descriptive Analysis)

"Ne oldu?" sorusunu cevaplar. Geçmiş verilerden mevcut durumu özetleyen analizdir. En basit ve en yaygın veri analizi türüdür.

Örnekler:

• Geçen ay kaç ürün sattık?
• En çok satan ürün hangisiydi?
• Web sitemizi geçen hafta kaç kişi ziyaret etti?
• Hangi şehirlerden en çok sipariş geldi?

Kullanılan araçlar: Excel, Google Sheets, Power BI, Tableau, dashboard'lar, raporlar.

2. Teşhis Analizi (Diagnostic Analysis)

"Neden oldu?" sorusunu cevaplar. Betimleyici analizden bir adım derindir; neden-sonuç ilişkilerini araştırır.

Örnekler:

• Geçen ay satışlar neden düştü?
• Müşteri kaybı neden arttı?
• Belirli bir kampanya neden başarısız oldu?
• Ürün iadelerinin nedeni nedir?

Kullanılan teknikler: Korelasyon analizi, drill-down analizi, kök neden analizi (root cause analysis), veri madenciliği.

3. Tahmin Analizi (Predictive Analysis)

"Ne olacak?" sorusunu cevaplar. Geçmiş veriden faydalanarak gelecekteki olası sonuçları tahmin eden, en güçlü analiz türlerinden biridir.

Örnekler:

• Önümüzdeki ay satışlarımız ne olacak?
• Hangi müşteriler bizi terk etme riski taşıyor (churn prediction)?
• Bu kredi başvurusu geri ödenir mi?
• Bu hasta hastalığa yakalanma riski taşıyor mu?
• Hava durumu yarın nasıl olacak?

Kullanılan teknikler: Makine öğrenmesi (machine learning), istatistiksel modelleme, regresyon analizi, zaman serisi analizi, yapay sinir ağları.

4. Öneri Analizi (Prescriptive Analysis)

"Ne yapmalıyız?" sorusunu cevaplar. En gelişmiş analiz türüdür. Sadece geleceği tahmin etmekle kalmaz, en iyi aksiyon önerisini sunar.

Örnekler:

• Maksimum kâr için ürün fiyatını ne yapmalıyız?
• Stoğumuzu nasıl optimize etmeliyiz?
• Müşteri kaybını önlemek için kime, ne zaman, hangi teklifle ulaşmalıyız?
• Reklam bütçemizi hangi kanallara dağıtmalıyız?

Kullanılan teknikler: Optimizasyon algoritmaları, simülasyon, yapay zeka (AI), öneri sistemleri (recommendation engines).

Karşılaştırma Tablosu

Şirketlerin çoğu betimleyici analiz seviyesindedir. Tahmin ve öneri analizine geçmek ciddi yatırım ve veri altyapısı gerektirir.

Veri Analizi Nasıl Yapılır? Adım Adım Süreç

Veri analizi nasıl yapılır sorusunun standart bir yanıtı yoktur, ancak profesyonel bir veri analizi sürecinde tipik adımlar şunlardır:

Adım 1: Soruyu Belirleyin

Veri analizine başlamadan önce net bir soru olmalıdır. "Satışlar düştü, neden?" net bir sorudur. "Verilere bakalım" net değildir.

Adım 2: Veri Toplayın

Sorunuza cevap verebilecek doğru veriyi belirleyin ve toplayın. Veri kaynakları:

• Şirket veritabanları (CRM, ERP)
• Web analitik araçları (Google Analytics)
• Müşteri anketleri
• Sosyal medya verileri
• Açık veri kaynakları (TÜİK, dünya bankaları)
• Web scraping

Adım 3: Veriyi Temizleyin (Data Cleaning)

Bu adım veri analizinin en uzun ve en kritik kısmıdır. Bir veri analistinin zamanının %60-80'i veri temizleme ile geçer.

Temizlenecek sorunlar:

• Eksik değerler (missing values)
• Yinelenen kayıtlar (duplicates)
• Tutarsız formatlar ("İstanbul", "istanbul", "ISTANBUL")
• Yanlış girişler ve aykırı değerler (outliers)
• Hatalı veri tipleri

Adım 4: Veriyi Keşfedin (Exploratory Data Analysis)

Veriyi anlamak için görselleştirme ve özet istatistikler kullanın. Hangi değişkenler önemli? Hangi örüntüler var? İlginç bulgular neler?

Adım 5: Analiz Yapın

Sorunuza uygun analiz tekniği seçin:

• Sayıları karşılaştırmak için → grup karşılaştırma testleri (t-test, ANOVA)
• İlişki aramak için → korelasyon, regresyon
• Gruplandırma için → kümeleme (clustering)
• Tahmin için → makine öğrenmesi modelleri
• Zaman içinde değişimi görmek için → zaman serisi analizi

Adım 6: Sonuçları Yorumlayın

Sayılar tek başına anlamlı değildir. Onları iş bağlamı içinde yorumlayın. "X değişkeni %20 arttı" yerine "Reklam kampanyası başarıyla %20 daha fazla müşteri çekti".

Adım 7: Sunuş Yapın (Veri Görselleştirme)

Bulgularınızı karar vericilerle paylaşırken uygun grafikler ve görseller kullanın. Veri görselleştirme, bulgularınızın anlaşılması için en az analiz kadar önemlidir.

Adım 8: Aksiyon Önerin

Sadece "şu oldu" demek yetmez. "Şunu yapmalıyız" önerisi getirin. Bu, veri analizini değerli kılan kısımdır.

Veri Analizi Yöntemleri

Veri analizi yöntemleri çok geniş bir yelpazeye yayılır. Başlıca yaklaşımlar:

Kantitatif (Niceliksel) Analiz

Sayısal verilerle yapılan analiz. İstatistik teknikleri ağırlıktadır.

• Tanımlayıcı istatistikler: Ortalama, medyan, varyans
• Çıkarımsal istatistikler: Hipotez testleri, güven aralıkları
• Regresyon analizi: Değişkenler arası ilişkiyi modelleme
• Korelasyon analizi: İki değişken arasındaki ilişki gücü
• Zaman serisi analizi: Zamanla değişen verileri analiz etme

Kalitatif (Niteliksel) Analiz

Sayısal olmayan verilerle yapılan analiz. Anketler, röportajlar, metin verileri kullanılır.

• İçerik analizi: Metinlerdeki temaları belirleme
• Tematik analiz: Verideki örüntüleri ortaya çıkarma
• Söylem analizi: Dilin nasıl kullanıldığını inceleme

Modern Yaklaşımlar

• Makine öğrenmesi: Algoritmaların veriden örüntü öğrenmesi
• Derin öğrenme: Çok katmanlı yapay sinir ağları
• Doğal dil işleme (NLP): Metin verilerinin analizi
• Bilgisayarla görü (computer vision): Görüntü verilerinin analizi
• Büyük veri analitiği (big data): Devasa veri kümeleri üzerinde analiz

Veri Analizi Örnekleri: Gerçek Hayattan

Veri analizi örnekleri ile konuyu somutlaştıralım:

E-Ticaret Örneği

Bir online mağaza, sepete ürün ekleyen ama satın almayan müşterileri analiz eder. Veri analizi sayesinde:

• Hangi ürünlerin "terk edilme" oranı yüksek?
• Hangi saatlerde terk daha çok yaşanıyor?
• Mobilde mi yoksa masaüstünde mi daha çok terk var?

Bu analiz sonrası, mağaza terk eden müşterilere otomatik indirim kuponu gönderebilir; bu da satışları %15-20 artırabilir.

Sağlık Örneği

Bir hastane, COVID-19 hastalarının verilerini analiz ederek:

• Yaş, cinsiyet, eşlik eden hastalıklar ve sonuç arasındaki ilişkiyi
• Hangi tedavi protokollerinin daha başarılı olduğunu
• Yoğun bakım gereksinimini tahmin eden faktörleri

ortaya çıkarır. Bu analiz gelecek hastaların tedavisi için altın değerinde rehber olur.

Spor Örneği

Profesyonel futbol takımları, rakip oyuncuların her dakikasını veri olarak kaydeder:

• Hangi oyuncu hangi alandan en çok geçiyor?
• Şutlar genellikle nereden çekiliyor?
• Set parçalarında zayıf noktaları neresi?

Moneyball kitabıyla popülerleşen bu yaklaşım, modern sporun ayrılmaz parçası olmuştur.

Türkiye'den Örnek

Bir Türk e-ticaret sitesi, ramazan ayında satış verilerini analiz ederek:

• İftar saatlerinde mobil siparişlerin patladığını
• Sahur öncesi tatlı satışlarının artığını
• Kandil günlerinde hediye kategorisinin yükseldiğini

görür ve kampanyalarını bu örüntülere göre yapılandırır.

Veri Analizi Yapan Araçlar

Profesyonel veri analizi için kullanılan başlıca araçlar:

Elektronik Tablo Araçları

• Microsoft Excel: En yaygın temel araç
• Google Sheets: Bulut tabanlı, ücretsiz
• LibreOffice Calc: Açık kaynak alternatif

İş Zekası (BI) Araçları

• Microsoft Power BI: Kurumsal ortamların en yaygın aracı
• Tableau: Görselleştirme konusunda lider
• Looker: Google'ın BI çözümü
• Qlik Sense: Self-service analiz

Programlama Dilleri

• Python: Veri analizi için en popüler dil (Pandas, NumPy, Matplotlib, Scikit-learn)
• R: İstatistiksel analiz için güçlü
• SQL: Veritabanından veri çekme için olmazsa olmaz
• Julia: Yüksek performanslı sayısal hesaplama

Büyük Veri Araçları

• Apache Spark: Dağıtık veri işleme
• Hadoop: Büyük veri saklama ve işleme
• Kafka: Gerçek zamanlı veri akışı
• Databricks: Bulut tabanlı büyük veri platformu

Veri Görselleştirme

• Matplotlib, Seaborn (Python)
• ggplot2 (R)
• D3.js (JavaScript)
• Plotly (interaktif görselleştirme)

Veri Analisti Ne İş Yapar?

Veri analizci ne iş yapar sorusunun cevabı detaylı bir kariyer tanımıdır.

Veri analisti, ham veriyi anlamlı içgörülere dönüştürerek şirketin daha iyi kararlar almasına yardımcı olan profesyoneldir. Günlük görevleri:

Tipik Bir Veri Analistinin Görevleri

• Veri toplama: Şirket sistemlerinden ve dış kaynaklardan veri çekme
• Veri temizleme: Hatalı, eksik veya yinelenen verileri düzenleme
• Veri analizi: İstatistiksel teknikler ve araçlarla analiz yapma
• Rapor hazırlama: Karar vericilere yönelik özet raporlar oluşturma
• Dashboard oluşturma: Sürekli takip edilen metriklere yönelik panel hazırlama
• Sunum yapma: Yönetim ekibine bulguları aktarma
• İş süreçlerini iyileştirme önerileri: Veriye dayalı kararlar için tavsiyeler

Veri Analisti vs Veri Bilimcisi vs Veri Mühendisi

Bu üç rol sıklıkla karıştırılır:

• Veri Analisti (Data Analyst): Mevcut veriden içgörü çıkarır, raporlar
• Veri Bilimcisi (Data Scientist): Makine öğrenmesi modelleri kurar, ileri seviye matematik kullanır
• Veri Mühendisi (Data Engineer): Veri altyapısını kurar ve yönetir (boru hatları, depolama)

Üçü bir ekip olarak çalışır.

Veri Analizcisi Ne Kadar Maaş Alır?

Veri analizci ne kadar maaş alır sorusunun cevabı, doğrudan TL rakamı vermek enflasyon ve kur değişimi nedeniyle kısa sürede yanıltıcı hale gelir. Bunun yerine maaşı belirleyen faktörler:

Maaşı Etkileyen Faktörler

1. Deneyim Seviyesi

• Junior (0-2 yıl): Giriş seviyesi
• Mid-level (3-5 yıl): Belirgin artış
• Senior (5+ yıl): Yüksek aralık
• Lead / Manager: Yönetici maaşı + bonus

2. Sektör

• Bankacılık ve finans: En yüksek aralık
• Teknoloji şirketleri: Çok yüksek
• E-ticaret: Orta-yüksek
• Pazarlama ajansları: Orta
• Geleneksel sektörler (üretim, perakende): Daha düşük

3. Şehir

İstanbul, Ankara, İzmir gibi büyük şehirlerde maaşlar Anadolu illerinden belirgin yüksek.

4. Şirket Türü

• Yerli KOBİ: En düşük segment
• Büyük yerli kurumsal şirket: Orta-yüksek
• Yabancı sermayeli şirket: Yüksek
• Uzaktan çalışan yurt dışı firma: En yüksek (döviz bazlı)

5. Teknik Beceri Yelpazesi

• Sadece Excel/Power BI → giriş seviyesi
• Python/R + SQL → orta seviye
• ML + Big Data + Cloud → senior seviye

6. İngilizce Seviyesi

İngilizce konuşan analistler uluslararası fırsatlara açıktır ve maaşları 2-3 kat artabilir.

Güncel Maaş Bilgisi İçin

En sağlıklı bilgi için:

• Kariyer.net, LinkedIn Jobs ilanları
• Glassdoor maaş raporları
• Levels.fyi (uluslararası teknoloji şirketleri)
• LinkedIn üzerinden veri analistleriyle doğrudan iletişim

Veri Analizi Nasıl Öğrenilir? Kariyer Yolu

Veri analisti olmak için izleyebileceğiniz yollar:

Yol 1: Üniversite Eğitimi

İlgili bölümler:

• İstatistik
• Matematik
• Bilgisayar Mühendisliği
• Endüstri Mühendisliği
• Yönetim Bilişim Sistemleri
• Ekonomi (kantitatif odaklı)

Yol 2: Online Eğitim ve Sertifikalar

• Google Data Analytics Professional Certificate (Coursera)
• IBM Data Analyst Professional Certificate
• Microsoft Power BI Data Analyst (PL-300) sertifikası
• Tableau Desktop Specialist
• DataCamp, Dataquest, Udacity kursları

Yol 3: Kendi Kendine Öğrenme

• YouTube tutorialları
• Kaggle yarışmaları (gerçek veri ile pratik)
• GitHub portföyü oluşturma
• Açık kaynak veri projelerine katkı

Öncelik Sırası: Hangi Beceriler İlk?

1. Excel (her veri analistinin başlangıç noktası)
2. SQL (veritabanından veri çekmek)
3. Power BI veya Tableau (görselleştirme)
4. Python veya R (ileri analiz)
5. Makine öğrenmesi (senior seviye için)

Büyük Veri ve Sunucu Altyapısı

Modern veri analizinin, özellikle büyük veri analitiği seviyesine geçtiğinizde, kritik bir bileşeni vardır: sağlam sunucu altyapısı.

Veri analizi projelerinin büyük çoğunluğunda:

• Veri tabanları sunucularda barınır
• ETL (extract-transform-load) süreçleri sunucularda çalışır
• Makine öğrenmesi modelleri bulut sunucularında eğitilir
• Dashboard ve raporlar web sunucularından servis edilir
• Veri yedeklemeleri uzak sunucularda saklanır

Yani veri analisti veya veri ekibi olarak çalışacaksanız, sunucu kavramı, performans, depolama ve ağ altyapısı sizin için yabancı olmamalıdır.

Netlen olarak VPS, dedicated server ve hosting hizmetlerimizle veri analizi projelerinin ihtiyaç duyduğu altyapıyı sunuyoruz:

• NVMe SSD altyapısı ile veritabanı sorguları çok hızlı çalışır
• Yüksek RAM seçenekleri ile büyük veri kümeleri belleğe sığar
• Tam SSH/root erişimi ile Python, R, Jupyter Notebook, PostgreSQL, MongoDB gibi araçları özgürce kurabilirsiniz
• Yedekleme altyapısı ile veri kayıplarını önlersiniz
• Türkiye lokasyonlu sunucular ile düşük gecikme süresi
• Snapshot desteği ile analiz öncesi sistem durumunu kaydedebilirsiniz
• 7/24 teknik destek ile sunucu kaynaklı sorunlarda uzman yardımı

Veri analizi eğitimi alan öğrenciler için küçük bir VPS ile başlamak, hem gerçek dünya pratiği kazandırır hem kariyer portföyünüze profesyonel bir ortam katar.

Sıkça Sorulan Sorular (SSS)

Veri analisti olmak için matematik bilgisi şart mı?

Temel istatistik bilmek şarttır. Yüksek matematik (kalkülüs, doğrusal cebir) ileri seviye veri biliminde gerekirken, başlangıç seviyesi veri analistliği için lise matematiği yeterli olabilir.

Veri analisti olmak için bilgisayar mühendisliği okumam şart mı?

Hayır. İstatistik, matematik, ekonomi, endüstri mühendisliği gibi farklı disiplinlerden de veri analisti olunabilir. Hatta tıp, biyoloji gibi alanlardan veri bilimine geçenler bile vardır.

Excel ile veri analizi yapılır mı?

Evet, başlangıç seviyesi analizler tamamen Excel ile yapılabilir. Ancak büyük veri kümeleri (1 milyon satır+) için Excel yetersiz kalır; Python veya SQL gibi araçlara geçmek gerekir.

Veri analizi kariyerinin geleceği nasıl?

Çok parlak. Dünya genelinde veri analisti talebi her yıl artıyor. Veri üretimi katlanarak büyürken, bu veriyi anlamlandıracak insanlara olan ihtiyaç da yükseliyor. Yapay zeka çağı veri analistlerini değiştirmek yerine, onların aracı haline geliyor.

Python mı R mi öğrenmeliyim?

İkisi de değerli. Python daha genel amaçlı ve iş dünyasında daha yaygın. R akademik ve istatistiksel analizlerde güçlü. Eğer ikilemdeyseniz Python ile başlayın.

Sertifikasız veri analisti olabilir miyim?

Evet. Portföyünüz sertifikalardan daha değerlidir. Kaggle yarışmaları, GitHub'da paylaştığınız projeler, gerçek veri analizi örnekleri sertifika yerine geçer.

Veri analizi yapmak için sunucu şart mı?

Hayır. Küçük projeler için kendi bilgisayarınız yeterlidir. Ancak büyük veri kümeleri, sürekli çalışan modelleri ve takım çalışmalarında bulut sunucu veya VPS gerekir.

Veri analizi nedir 7. sınıf seviyesinde nasıl açıklanır?

1. sınıf seviyesinde veri analizi, bilgileri toplayıp grafikler ve tablolarla anlamlı hale getirme işidir. Örneğin sınıfınızdaki öğrencilerin boy ölçümlerini toplayıp ortalama boyu bulmak, en uzun ve en kısa öğrenciyi belirlemek bir veri analizi örneğidir.

Veri analizci olmak için yaş sınırı var mı?

Hayır. Bu alana her yaşta girilebilir. 40+ yaşında kariyer değiştirip başarılı veri analistleri olmuş insanlar pek çoktur.

Veri analizi uzaktan çalışılan bir meslek mi?

Evet, büyük ölçüde. Veri analistliği dünyanın en uzaktan çalışmaya uygun mesleklerinden biridir. Yurt dışı firmalar için uzaktan çalışıp döviz kazanmak yaygın bir yoldur.

Veri analizi, modern dijital çağın en kritik becerilerinden biridir. İster bir 7. sınıf öğrencisi olun ve ödevinizi yapıyor olun, ister kariyer arayan bir yetişkin ya da büyük bir şirketin yöneticisi — veri ile düşünebilmek size hayatınızın her alanında avantaj sağlar. Doğru sorular sormak, verileri toplamak, temizlemek, analiz etmek ve sonuçları doğru yorumlamak öğrenilebilir bir disiplindir.

Veri analizi projeleriniz için ihtiyaç duyabileceğiniz VPS, dedicated server ve hosting çözümleri için Netlen.com.tr'yi ziyaret edebilirsiniz.