Veri Bilimci / Veri Analisti

Veri bilimci ve veri analisti, kurumların ürettiği büyük hacimli verileri toplayan, temizleyen, analiz eden ve karar vericilerin anlayacağı bilgilere dönüştüren uzmanlardır. İki unvan sık sık birlikte anılsa da odakları biraz farklıdır:

• ›Veri analisti, mevcut verilerden raporlar, gösterge panelleri (dashboard) ve görselleştirmeler üreterek "ne oldu, neden oldu?" sorularına yanıt arar.
• ›Veri bilimci, istatistik ve makine öğrenmesi yöntemleriyle tahmin modelleri kurar; "ne olacak, ne yapmalıyız?" sorularına odaklanır.

Günlük işler arasında veri tabanlarından SQL ile veri çekmek, Python veya R ile analiz yapmak, model geliştirmek, sonuçları iş birimlerine sunmak ve veri kalitesini denetlemek sayılabilir. Meslek; matematik, istatistik ve programlamayı iş bilgisiyle birleştiren disiplinler arası bir alandır.

Türkiye'de veri bilimci/veri analisti olmak için tek bir zorunlu bölüm, meslek sınavı, staj zorunluluğu ya da oda/baro kaydı yoktur; giriş genellikle sayısal ağırlıklı bir lisans eğitimi ve güçlü bir beceri-portföy birleşimiyle olur. Başlıca yollar:

• ›Doğrudan bu alana yönelik lisans programları: Son yıllarda üniversitelerde "Veri Bilimi ve Analitiği" ile "Yapay Zeka ve Veri Mühendisliği" gibi lisans bölümleri açılmıştır (ör. İTÜ Yapay Zeka ve Veri Mühendisliği, İTÜ Veri Bilimi ve Analitiği). Bu programlara YKS'nin sayısal (SAY) puan türüyle yerleşilir.
• ›Yakın bölümler: Bilgisayar Mühendisliği, İstatistik, Matematik, Endüstri Mühendisliği, Ekonometri ve Yazılım Mühendisliği mezunları da bu mesleğe yaygın biçimde geçiş yapar.
• ›Lisansüstü eğitim: Farklı bölüm mezunları için "Veri Bilimi", "Büyük Veri ve İş Analitiği" gibi yüksek lisans programları güçlü bir geçiş kapısıdır.
• ›Sertifika ve portföy: Çevrim içi kurslar, açık veri projeleri ve GitHub/Kaggle portföyü işe alımlarda önemli rol oynar; ancak bunlar lisans eğitiminin yerini almaz, tamamlar.

Bölüm tercihi yaparken taban puan ve başarı sıralamaları her yıl değiştiği için güncel verilere mutlaka ÖSYM duyuruları ve YÖK Atlas üzerinden bakmalısınız. Ayrıca bu alandaki programların bir bölümü (ör. İTÜ'deki iki program) tamamen İngilizce eğitim verir; tercih öncesi eğitim dilini de kontrol edin.

• ›Matematik ve istatistik temeli: Olasılık, hipotez testleri, regresyon.
• ›Programlama: Python ve/veya R; veri çekmek için SQL neredeyse standarttır.
• ›Veri görselleştirme ve raporlama: Power BI, Tableau gibi araçlar; sonuçları sade biçimde anlatabilme.
• ›Makine öğrenmesi bilgisi (veri bilimci için): Model kurma, değerlendirme ve yorumlama.
• ›İş/alan bilgisi: Çalışılan sektörün (finans, sağlık, perakende vb.) dinamiklerini anlama.
• ›İletişim ve problem çözme: Teknik bulguları teknik olmayan ekiplere aktarabilme.
• ›İngilizce: Kaynakların ve araç dokümantasyonunun büyük bölümü İngilizcedir.

Veri üreten hemen her sektör bu meslek grubuna kapı açar:

• ›Finans ve bankacılık: Risk analizi, dolandırıcılık tespiti, kredi skorlama.
• ›E-ticaret ve perakende: Öneri sistemleri, talep tahmini, müşteri analitiği.
• ›Telekomünikasyon, sigorta ve enerji: Müşteri kaybı tahmini, fiyatlama, şebeke optimizasyonu.
• ›Sağlık ve ilaç: Klinik veri analizi, görüntü işleme destekli teşhis çalışmaları.
• ›Teknoloji ve oyun şirketleri, danışmanlık firmaları, savunma sanayii.
• ›Kamu kurumları ve akademi: İstatistik kurumları, bakanlıklar, üniversitelerde araştırma.

Uzaktan ve hibrit çalışma bu alanda görece yaygındır; işin doğası gereği yurt dışı ve uluslararası şirketlerde çalışma fırsatları da bulunabilir. Maaşlar deneyime, sektöre, şehre ve şirkete göre önemli ölçüde değişir; kamu tarafında ücretler resmî katsayı ve mevzuata tabidir. Bu nedenle güncel ve güvenilir maaş bilgisi için resmî kaynaklara ve güncel sektör raporlarına bakmak gerekir.

Tipik bir ilerleme yolu şöyledir:

• ›Stajyer / Junior Veri Analisti: Rapor hazırlama, veri temizleme, temel analizler.
• ›Veri Analisti → Kıdemli Veri Analisti: Daha karmaşık analizler, iş birimleriyle doğrudan çalışma.
• ›Veri Bilimci → Kıdemli Veri Bilimci: Makine öğrenmesi modelleri geliştirme ve üretime alma.
• ›Uzmanlaşma seçenekleri: Makine öğrenmesi mühendisliği, veri mühendisliği (veri altyapıları), yapay zeka araştırmacılığı, iş analitiği.
• ›Yöneticilik: Analitik takım lideri, veri bilimi yöneticisi ve üst düzeyde CDO (Chief Data Officer) gibi roller.

Alan çok hızlı geliştiği için sürekli öğrenme mesleğin doğal parçasıdır: yeni kütüphaneler, büyük dil modelleri ve bulut platformları (AWS, Azure, GCP) takip edilmelidir. Üniversite yıllarında yapılacak gönüllü staj ve projeler, mezuniyette ciddi avantaj sağlar. Bölüm tercihinde son karar için mutlaka YÖK Atlas üzerindeki güncel program bilgilerini ve üniversitelerin resmî sayfalarını inceleyin.