Play with Data: Data Science(Veri Bilimi)

7 min readFeb 8, 2022

Veriler, günümüz dünyasında gerçekten bir kaynak olarak kabul edilmektedir. Çünkü bizim için önemli olan bilgileri biz verileri ayrıştırarak buluyoruz. Dünyamızda veriler üzerinde çokça işlem yaparız. Örneğin dünyada değişen nufüs değişimini biz veri olarak işleyebiliriz. Benzer şekilde türkiyedeki işsizlik oranlarını veri setlerinden alarak işleyip analizini yapabiliyoruz. Bunun gibi bir sürü işlemleri veri bilimi kullanarak yapabiliyoruz.

Veri Bilimi Nedir?

Veri bilimi, yetenekli profesyoneller için en umut verici ve talep gören kariyer yollarından biri olarak gelişmeye devam ediyor. Günümüzde başarılı veri uzmanları, büyük miktarda veriyi analiz etme, veri madenciliği ve programlama becerileri gibi geleneksel becerilerin ötesine geçmeleri gerektiğini biliyorlar. Kuruluşları için yararlı zekayı ortaya çıkarmak için veri bilimciler, veri bilimi yaşam döngüsünün tüm yelpazesine hakim olmalı ve sürecin her aşamasında getirileri en üst düzeye çıkarmak için bir esneklik ve anlayış düzeyine sahip olmalıdır.

Veri Bilimi Yaşam Döngüsü

“Veri bilimcisi” terimi, şirketlerin büyük miktarda veriyi organize etme ve analiz etme becerisine sahip veri uzmanlarına olan ihtiyacı fark ettikleri 2008 yılında ortaya çıktı. 1 2009 tarihli bir McKinsey&Company makalesinde, Google’ın baş ekonomisti ve UC Berkeley bilgi bilimleri, işletme ve ekonomi profesörü Hal Varian, teknolojinin etkisine uyum sağlamanın ve farklı endüstrileri yeniden yapılandırmanın önemini öngördü.

“Veri alma yeteneği — onu anlayabilmek, işleyebilmek, ondan değer elde edebilmek, görselleştirebilmek, iletebilmek — bu, önümüzdeki on yıllarda çok önemli bir beceri olacak.”

– Hal Varian, Google baş ekonomisti ve UC Berkeley bilgi bilimleri, işletme ve ekonomi profesörü

Etkili veri bilimcileri, ilgili soruları belirleyebilir, çok sayıda farklı veri kaynağından veri toplayabilir, bilgileri düzenleyebilir, sonuçları çözümlere dönüştürebilir ve bulgularını iş kararlarını olumlu yönde etkileyecek şekilde iletebilir. Bu beceriler hemen hemen tüm sektörlerde gereklidir ve yetenekli veri bilimcilerinin şirketler için giderek daha değerli olmasına neden olur.

Veri Bilimcisi Ne Yapar?

Son on yılda, veri bilimcileri gerekli varlıklar haline geldi ve neredeyse tüm organizasyonlarda mevcut. Bu profesyoneller, kuruluşlarında soruları yanıtlamak ve stratejiyi yönlendirmek için kullanılan büyük miktarda bilgiyi organize etmek ve sentezlemek için karmaşık nicel algoritmalar oluşturabilen, üst düzey teknik becerilere sahip çok yönlü, veri odaklı kişilerdir. Bu, bir kuruluş veya işletme genelinde çeşitli paydaşlara somut sonuçlar sağlamak için gereken iletişim ve liderlik deneyimi ile birleştirilir.

Veri bilimcilerin, yüksek düzeyde teknik sonuçları teknik olmayan meslektaşlarına açıklamalarına olanak tanıyan, sektöre özel olağanüstü bilgi ve iletişim becerilerine sahip, meraklı ve sonuç odaklı olmaları gerekir. İstatistik ve lineer cebirde güçlü bir nicel altyapıya ve ayrıca algoritmaları oluşturmak ve analiz etmek için veri ambarı, madencilik ve modellemeye odaklanan programlama bilgisine sahiptirler.

Ayrıca, aşağıdakiler de dahil olmak üzere temel teknik araç ve becerileri kullanabilmelidirler:

piton

Apache Hadoop’u

Harita indirgeme

Apaçi Kıvılcımı

NoSQL veritabanları

Bulut bilişim

Apaçi Domuzu

tablo

iPython not defterleri(JUPYTER NOTEBOOK)

GitHub

Neden Veri Bilimcisi Olmalısınız?

Glassdoor, 2016'dan bu yana Amerika’daki en iyi üç iş arasında veri bilimcisini sıraladı. 4 Artan miktarda veri daha erişilebilir hale geldikçe, veri bilimcilerine ihtiyaç duyan sadece büyük teknoloji şirketleri değil. Büyük ve küçük endüstrilerdeki veri bilimi uzmanlarına yönelik artan talep, açık pozisyonları doldurmak için uygun nitelikli aday eksikliğiyle karşı karşıya kalıyor.

Veri bilimcilerine duyulan ihtiyaç, önümüzdeki yıllarda yavaşlama belirtisi göstermiyor. LinkedIn, veri bilimini 2021'de en çok gelecek vaat eden işlerden biri olarak sıraladı ve şirketler tarafından en çok talep edilen veri bilimi ile ilgili birden fazla beceriye sahip.

Aşağıda listelenen istatistikler, veri bilimcileri için önemli ve artan talebi temsil etmektedir.

%282026'ya Kadar Talep Artışı

5,971

Açık İş Sayısı

127.500 $

Ortalama Baz Maaş

Amerika’da En İyi İş 2021

Kaynaklar: GlassdoorDış bağlantı:open_in_new ve ForbesDış bağlantı:open_in_new

Kaynak:https://ischoolonline.berkeley.edu/data-science/what-is-data-science/

Veri Bilimi örnekleri

→Şimdi ise biraz veri bilimi örneklerini görelim.

1. İmalat sanayi için talep tahmini

Veri biliminin ilk gerçek hayat örneği imalat endüstrisidir. Birçok üretici, ürün talebi tahminlerini oluşturmak için veri bilimine güvenir. Tedarik zincirlerini optimize etmelerine ve siparişleri fazla/yetersiz sipariş verme riski olmadan teslim etmelerine yardımcı olur.
Veri bilimi, özellikle tedarik zinciri optimizasyonunda üretim şirketiniz için çok fazla tasarruf sağlayabilir. İşte şirketinize veri bilimi uygulamasının bazı faydaları:

Parçaların zamanında teslim edilmemesi ve stoklanmaması riskini en aza indirir.
Tedarik zinciri optimizasyonunda veri bilimi, örneğin nakliye maliyetleri, hava durumu, malzeme mevcudiyeti, pazar kıtlığı ve daha fazlası gibi tüm süreç üzerinde etkisi olabilecek birçok faktörü dikkate alır.
Şirketiniz, veri analizini kullanarak müşterilerin ihtiyaçlarını ve davranışlarını analiz edebilecektir. Bu analizin sonuçları, hangi ürünlerin piyasada en çok talep gördüğünü anlamada çok önemlidir.
Tahminlerin ve uygun şekilde öğrenilen sonuçların yardımıyla, şirket kaynakları en uygun şekilde tahsis edebilir ve harcamalar üzerinde daha iyi kontrol sahibi olabilir.

2. Lojistik sektöründe tedarik zinciri optimizasyonu

Tedarik zincirini optimize etmekten bahsederken, doğrudan veri bilimi projelerinin ikinci örneğine geçiyoruz: lojistik endüstrisinde de büyük önem taşıyor.

Optimizasyon algoritmaları teslimat süresini kısaltabilir ve araçlar için en uygun rotayı seçebilir — böylece işletme maliyetlerini düşürür ve işi hızlandırır!
Ulaştırma hizmeti sağlayıcıları, tarihsel verileri tüketici profilleri ve makroekonomik göstergeler hakkındaki bilgilerle birleştirerek hizmetlere olan talebi yüksek doğrulukla tahmin edebilir.
Veri bilimi, depo sektörünü de optimize edebilir. Ayrıca, depo yönetimindeki hataları azaltırken zaman, alan ve kaynak tasarrufu sağlar.

3. Perakende sektöründe müşteri analitiği

Bir başka veri bilimi örneği, perakende sektöründeki müşteri analitiğidir. Bu veri bilimi projesi örneğinin avantajlarına daha yakından bakalım.

Veri bilimi uygulamaları, promosyonları ve indirimleri gerçek zamanlı olarak yönetebilir. Ayrıca, eski ürünlerin satılmasına veya yeni ürünlere ilgi yaratılmasına yardımcı olabilir.
Veri bilimi, yakın gelecekte hangi ürünlerin talep göreceğini tahmin etmek ve tam olarak aynı ürünleri pazara tanıtmak için tüm sosyal medya ağını tarayabilir.
Veri bilimi, her bir müşteri için çevrimiçi alışveriş sepetini analiz edebilir ve bu müşterinin tercihlerine göre öneriler görüntüleyebilir!
Artan satış ve çapraz satış gibi teknikler, veri bilimi olmadan imkansız olurdu. Bu, e-ticaret dünyasında veri bilimi kullanmanın en yaygın örneklerinden biridir.

4. Pazarlama ve reklamcılıkta öneri sistemleri

Pazarlamacılar için web sitelerindeki kullanıcı davranışlarını analiz etmek çok değerlidir. Bu nedenle, pazarlamada veri bilimini kullanarak şirketler şunları belirleyebilir:

müşterilerin zevkleri ve tercihleri nelerdir
ne tür bir bilgi veya yardım aradıklarını
neyle ilgileniyorlar
ne satın almak istiyorlar
bunun için ne kadar ödemek istiyorlar.

Müşteri Yolculuğu analizi, bu bilgilere dayanarak müşterilerin satın almak istediği zamana özel ürünleri gösteren daha fazla mükemmel öneri sistemi oluşturmanıza olanak tanır. Ayrıca, bu tür sistemlerin uygulanması, mağazaların müşteriye daha yakın olmasına ve böylece işlerini yürütmesine yardımcı olur.

5. Finansal kurumlar için kredi puanlaması (en popüler Veri Bilimi örnek Uygulamalarından biri)

Bankacılık sektörü bir sonraki veri bilimi proje örneğidir. Ve bu sektörün en büyük sorunlarından biri de TGA — Takipteki Kredilerdir. Bunlar, en az 90 gündür kapatılmayan kredilerdir. Bu dönemden sonra krediler TGA — “tehlikede” hale gelir. Ve sorun çok ciddi. EBF’nin (Avrupa Bankacılık Federasyonu) bildirdiği gibi, dünya çapındaki tüm kredilerin ortalama %3.74'ü takipteki kredilerdir. [1] Veri bilimi bu sorunu çözmeye nasıl yardımcı olabilir?

Verilen müşterinin bankacılık geçmişinin analizine dayanarak, veri bilimi mekanizmaları kredi borçlusunun kredi itibarını tahmin edebilir ve gelecekte hangi kredilerin TGA haline gelebileceğini tahmin edebilir. Dolayısıyla veri biliminin bankacılık sektöründeki kullanımlarından biri de risk yönetimidir.
Veri bilimi ve özellikle makine öğrenimi uygulamaları, finansal eğilimlerin ve piyasadaki durumun tüketicilerin davranışları üzerindeki etkisini, geçmiş verilerinden öğrenerek analiz edebilir.
Veri bilimi, finans kurumlarının en şüpheli işlemleri belirlemesine ve bunları daha derin bir analiz için iletmesine olanak tanır. Ayrıca, çalışanlar için manuel olarak tespit edilmesi çok zor olacak yasa dışı işlemlerin tespit edilmesine yardımcı olur.
Veri bilimi, pazardaki değişikliklerin müşterinin tepkilerini ve kararlarını nasıl etkileyeceğini tahmin edebilir. Dolayısıyla dolandırıcılık tespiti, veri biliminin gerçek hayattaki en önemli örneklerinden biridir.

6. Satış analitiği

Satış — tam olarak her şirketin neyle ilgili olduğu. Satış temsilcilerinin işi çok zor. Yüzlerce telefon görüşmesi, toplantı, takip, teklif ve sunum. Her zaman acelesi var. Her gün. Ancak veri bilimi kullanımı onlara da yardımcı olabilir! İki veri bilimi örneğini düşünün.

Veri bilimi algoritmaları, satış temsilcilerinin potansiyel müşteriye önermeye uygun ürünler veya hizmetler arasında karar vermelerine yardımcı olabilir. Veya hangi indirimin makul olacağını belirtebilirler. Şirkette veri bilimi hızlı, doğru ve yeri doldurulamaz bir destektir.
Veri bilimi, satış temsilcilerinin hangi potansiyel müşterilere odaklanması gerektiğini ve hangi potansiyel müşterilerin anlaşmayı tamamlamak için en büyük şansa sahip olduğunu gösterebilir. Birçok seçenek var.

7. Sağlık hizmetlerinde tahmine dayalı analitik

Bir başka önemli veri bilimi örneği — sağlık hizmetlerinde tahmine dayalı analitik. Tahmine dayalı model, geçmiş verileri analiz eder, ondan öğrenir, eğilimleri tanımlar ve ardından bu eğilimlere dayalı olarak doğru tahminler üretir. Bu nedenle, sağlık hizmetlerinde veri bilimi hastanelere şu konularda yardımcı olur:

semptomların çeşitli korelasyonlarını ve ilişkilerini bulur
hasta bakımını iyileştirmek
tedarik zinciri verimliliğini ve ilaç lojistiğini iyileştirin
kötüleşen hasta sağlığını tahmin edin, önleyici tedbirler alın ve tedaviyi erken bir aşamada başlatın.

8. Tarım sektöründe hava tahminleri

Son veri bilimi örneği, tarım sektöründeki hava tahminleridir. Günümüzde veri bilimi, çiftçilerin ve tarım profesyonellerinin karar verme şeklini değiştiriyor.
Havanın tarımsal üretim üzerinde önemli bir etkisi vardır, mahsulün büyümesini, gelişimini ve üretkenliği etkiler. Tarım sektöründe veri bilimini kullanan çiftçiler, aşağıdaki gibi tarım hava durumu tahmini unsurlarını elde edebilirler:

Gökyüzü kapsamının miktarı ve türü
Kar yağışı ve yağış
Maksimum, minimum ve çiğ noktası sıcaklıkları
bağıl nem
Rüzgarın yönü ve hızı
Alçak basınç alanları
Sis, don, dolu, gök gürültülü fırtınalar ve şiddetli rüzgar gibi olaylar.

Daha Fazla Bilgi için https://addepto.com/data-science-services/ sayfasını ziyaret edebilirsiniz.