Veri Analizi (Data Analizi) Hakkında Bilgi
Veri analizi, yani data analizi toplanan bütün verilerin kullanılarak bir sonraki aksiyonun ne olması gerektiği konusunda yapılan analizlerin tümüdür. Örneğin bir bankanın bir önceki yılda dijital pazarlama faaliyeti için harcadığı para ve kazandığı parayı dikkate alarak bir sonraki yıl için dijital pazarlama bütçesini artırıp artırmama kararı veri analizi yardımı ile verilir.
Veri Analizi Nasıl Yapılır?
Veri analizinde, neden yapıldığı sorusuna göre nasıl yapılacağı da çok değişir. Ayrıca verinin büyüklüğü de burada önem arz etmektedir. Örneğin 1 milyon satırdan daha yüksek bir veriyi inceleyecekseniz, Excel gibi tablo temelli analiz araçları yetersiz kalabilir. İstatistik tabanlı programlama dillerine başvurmak gerekebilir.
Bazı veri analizlerinde değeri bulunmaya çalışılan metriğin ne olduğu önceden bellidir. Örneğin bir önceki yılda bir eticaret firmasının karlılık oranı hesaplanırken satılan bütün ürünlerin her birinin ilgili aydaki satın alması üzerinden karlılık oranı ile çarpılıp toplam kar tutarı bulunur. Ancak bazen de bulunmaya çalışılan değer önceden belli değildir. Örneğin en çok satılan ürün nedir sorusunda ise veri analizinde sıralama gibi fonksiyonlar kullanılarak satış rakamlarına göre sıralama gibi yöntemler kullanılır.
Tahminleme Modelleri (Forecasting Models)
Tahminleme modelleri, veri analizi yoluyla bir metriğin gidişatına göre sonraki verilerin ne olacağını tahmin eden matematiksel modellerdir. Örneğin geçmiş dönemlerde elde edilen tıklama rakamları ve gerçekleşen sipariş bilgilerine göre bütçenin 2 katına çıkartılması durumunda nasıl bir satış rakamı elde edileceği tespit edilebilir.
Bir diğer örnek olarak diyelim ki önümüzdeki Cumartesi günü için hava durumu yağışlı görünüyor. Bir önceki yıla göre de yaklaşık 2 katı daha yüksek bir pazarlama bütçemiz var. Bu durumda geçmiş yıllarda pizza satış rakamları ve hava durumu bilgilerini bir tabloda değerlendirerek yağmurun yağacağı bir Cumartesi günü için nasıl bir pizza satışı bekleyebileceğimizi öngörebiliriz. Bu sayede de pazarlama ekibi bu tarih için bütçeyi artırmak üzere aksiyon alabilecektir.
Veri Temizleme (Data Cleaning)
Veri temizleme, yani İngilizce sıklıkla kullanılan tabiri ile data cleaning, veri analizine başlamadan önce verinin hazırlanması ve analiz edilecek datanın hazırlanması aşamalarını içerir.
Örneğin bir eticaret firmasından 95 adet olarak sipariş verilen tükenmez kalem siparişi bir önceki yılın en çok satan ürününü bulmak üzere yapılan bir analizde dikkate alınmak istemeyebilir. Bu gibi dışa düşen (outlier data) verilerin veri analizi öncesinde temizlenmesi gerekir.
Veri Analizi Araçları
Veri Analizi, üç temel adımda yapılır ve her adımda farklı programlar kullanılır:
1- Veriye Ulaşma
Eğer şirketiniz veriye sahipse genellikle SQL veritabanlarından, veri dışarıda tutuluyorsa API aracılığıyla çekilir. Burada kullanılan programlar şirketin boyutuna ve ihtiyaçlarına göre değişmekle birlikte MySQL, MSSQL, Access, Oracle, PostgreSQL gibi SQL veritabanları, Cassandra, MangoDB, NoSQL veritabanları veya Google AdWords, Google Analytics, Facebook Ads API gibi aracılar kullanılabilir.
2- Veri Analizi
Verinin boyutuna, analiz türüne ve istenilen çıktının niteliğine göre farklı veri analizi araçları kullanılabilir. Sektörde sık kullanılan araçların başlıcaları olarak Excel, R, Python, SAS, SPSS sayılabilir.
3- Veri Görselleştirme ve Raporlama
İnsan beyni, veriyi sayısal algılamak yerine görsel olarak algılamakta daha başarılıdır. Doğamıza uygun olarak, veriyi daha iyi anlamlandırabilmek ve aktarabilmek adına veri görselleştirme yapılır. Başlıca veri görselleştirme ve raporlama araçları olarak Excel, Tableau, QlikView, D3.JS ve R gösterilebilir. |