Data Analitikası nədir? Data Analitik kimdir? Nəyə görə Data Analitikası gələcəyin ixtisası sayılır?
Salam, dəyərli oxucular. Bugünkü oxuyacağınız məqalədə sizə yazılı formada olsa belə, sadə dillə Data Analitikası barədə danışmağa çalışacam.
Əgər yaxşı tənqidi düşünmə qabiliyyətiniz varsa, kompleks problemləri həll etmək üçün can atır və rəqəmlərlə işləməkdən zövq alırsınızsa, yaxın oturun. Maraqlı yola çıxırıq.
Yolun başında sizə özümü təqdim edim : İbrahim Orucoğlu Əlizadə.
267 saylı məktəb-liseydə orta, Qafqaz (indiki adıyla desək BMU) universitetində isə “Information Technology” ixtisası üzrə bakalavr təhsili almışam. Məktəbi qızıl medalla, universiteti qırmızı diplomla bitirmişəm. Hazırda Vaşinqtonda ADA və George Washington universitetinin ikili diplomlu “Computer Science and Data Analytics” magistr proqramında təhsil alıram. Kapital Bankda “Data Analitik”, QSS Analytics şirkətində “Data Science” dərslərində təlimçi olaraq fəaliyyət göstərmişəm.
Bu qədər tanışlıq kifayətdir, məncə. Qayıdaq mövzumuza.
Data Analitikası barədə danışmaq üçün ilk növbədə data və analitika sözünün nə olduğunu anlamağımız lazımdır. Beləliklə, Data Analitikası nədir?
Data sözü 21-ci ərsdə texnoloji sferada ən çox istifadə edilən sözlərdən birinə çevirilib. Sadə dildə desək, Data, analiz edilmədən özündə heç bir məna daşımayan məlumatdır. Yəni, informasiya üçün xammaldır. İnformasiya isə toplu olaraq məntiqi məna daşıyan data qrupudur. Data faydalı olması üçün müəyyən bir kontekstdə təqdim edildikdə, ona informasiya deyilir.
Bəzən analoji nümunə kimi Datanı Neftə, İnformasiyanı isə Benzinə bənzədirlər. Necə ki xam neft emal edilmədən, gündəlik istifadə üçün yararlı maddələrə (benzin) çevrilmədən xüsusi dəyərə malik olmursa, Data da informasiyaya çevrilmədikdə öz dəyərini itirir.
Beləliklə, Data Analitikasının əsas məqsədlərindən birini aydınlaşdırdıq: Emal edilmədən məna daşımayan məlumatdan müəyyən məqsəd üçün yararlı informasiya əldə edilməsini, bunun üçün lazımi üsul və metodları araşdıran elm sahəsidir.
Əslində, məlumat təhlili hər birimizin gündəlik həyatda etdiyi bir işdir. Hər birimiz daim yeni məlumat (data) qəbul edir, qavrayır, öyrənir, sonra bir nəticəyə gəlir və nəticəyə əsaslanan qərarlar qəbul edirik (analiz). Yəni, ilkin olaraq əldə etdiyimiz Datanı İnformasiyaya çeviririk.
Bəs Data Analitik kimdir?
Ən sadə mənada, bir Data Analitikin yuxarıda qeyd etdiyimiz prosesi iş mühitində tətbiq etməsi tələb olunur - data toplamaq, analiz etmək və nəticədə əldə olunan məlumatlara əsaslanan qərarlar qəbul etmək.
Başqa sözlə, Data analitik müxtəlif üsul və sistemlərdən istifadə edərək dataları götürür, həmən dataları təhlil və analiz edir, nəticələr və onlara əsaslanan proqnozlar barədə vizual hesabatlar hazırlayaraq şirkətlərə daha yaxşı iş qərarları vermələrinə kömək edir.
Data Analitikasının tətbiqi sahələrini görmək üçün analitikanın növləri barədə danışmağımız da lazımdır:
Data Analitikasının növləri:
Təsviri (descriptive) analitika keçmişdə baş verən hadisələri araşdırır və hadisələr haqqında statistik məlumatları ehtiva edir: Aylıq gəlir, rüblük satış, illik veb-trafiki və s. Bu növdə kontekst qrafik cədvəllər, hesabatlar və dashboard-lar şəklində təqdim oluna bilər.
Misal olaraq, data analitiklər satış trendlərini müəyyən etmək üçün satış datalarını gözdən keçirərkən əvvəlki illərdə hansı bölgədə hansı sürətlə satışların artıb-azaldığını müəyyənləşdirib bunun əsasında vizuallaşdırma alətlərindən istifadə edərək statistik hesabatlar hazırlayırlar.
Diaqnostik (diagnostic) analitika təsviri analitika kimi keçmişdəki məlumatlara diqqət yetirir. Ancaq bu analiz bir şeyin niyə baş verdiyini göstərmək üçün səbəb və nəticə axtarır. Məqsəd, səbəbləri müəyyən etmək üçün keçmiş hadisələr arasındakı əlaqələri müəyyən etməkdir. Diaqnostik analitika şirkətə alınan müsbət və ya mənfi nəticənin səbəbini təyin etməyə kömək edir.
Əvvəlki misalımıza qayıtsaq, data analitiklər satışların azaldığını təsviri analitika mərhələsində öyrəndikdən sonra, azalmanın səbəbini müəyyən etməyə çalışırlar. Əlaqəli dataları (marketinq büdcəsi, veb-saytın trafiki kimi) araşdıran analitiklər ehtimal nəzəriyyəsi, reqressiya təhlillərindən istifadə edirlər.
Proqnozlaşdırıcı (predictive) analitika təsviri və diaqnostik təhlillərdəki meylləri aşkar edərək nəyin baş verəcəyini ehtimal edir. Proqnozlaşdırıcı analitik keçmiş dataları alır və əsas tendensiyaları anlaması üçün onları maşın öyrənmə modelinə verir. Model daha sonra nə olacağını proqnozlaşdırmaq üçün cari dataya tətbiq olunur.
Misalımızın üzərində göstərsək, satışların azalmasının səbəbini öyrəndikdən sonra proqnozlaşdırdıcı analitika növbəti ay, rüb və ya il ərzində gözlənilən satışın nə olacağını tapmağa kömək edir.
Proqnozlaşdırıcı analitikadan sonra gələcəkdə nələrin baş verəcəyi ilə bağlı fikrimiz varsa, nə etməliyik? Təlimat verən analitik (Prescriptive), elə bu mərhələdə ortaya çıxaraq hansı işin edilməli olduğunu müəyyən etməyə çalışır. Bu analiz ehtimal olunan potensial problemləri həll etmək məqsədi güdür və tez -tez maşın öyrənmə alqoritmlərinin istifadəsini tələb edir.
Nümunəmizdə satışlar azalarsa, qiymətləri azaltmaq, yeni marketinq strategiyaları formalaşdırmaq və ya məhsulun satışını dayandırmaq kimi vaxtında qərarlar qəbul edə bilərik.
Sonda onu da qeyd etməliyəm ki, diaqnostik və proqnozlaşdırıcı analitika praktikada təşkilatlar üçün daha çox əhəmiyyət kəsb edir.
Niyə Data Analitik olmalısınız?
Data Analitiklər dataları informasiyaya çevirməklə şirkətin gələcəyini formalaşdırır və işlədikləri qurumlarda aparıcı rola sahib olurlar.
Data Analitikası üçün gərəkli xammal məmulatı olan DATA tükənməzdir, artandır, mövcud olduğu müddətcə də Data Analitiklərə ehtiyac yaradır.
Forbes nəşrinin araşdırması göstərir ki, 2010-2020 -ci illər arasında datanın yaradılması və istehlakı 5000% artmışdır.
Statistika portalının proqnozu isə data həcminin 2025-ci ilə qədər 180 zettabaytdan çox olacağını göstərir. Bu, 2020-ci illə müqayisədə 120 zettabayt çoxdur.
Bu rola böyük tələbat var. Araşdırmalar göstərir ki, işəgötürənlər ixtisaslı data analitikləri tapmaqda çətinlik çəkirlər və tələbat artmaqda davam edir. Maraq üçün qeyd edim ki, ABŞ -da ixtisaslı data analitiklər 80000 dollardan artıq əmək haqqı alırlar.
Data Analitiklər müxtəlif ixtisaslı şirkətlərdə işləyə bilirlər.
Data Analitik olaraq banklarda, dövlət və özəl qurumlarda, agentliklərda, böyük şirkətlərdə, bir sözlə Datanın istifadə olunduğu hər bir müəssisədə çalışmaq imkanınız var. Sahədə freelance olaraq işləmək də mümkündür.
Niyə Data Analitik olmamalısınız?
Karyeranız boyunca daim öyrənmək, sahədəki inkişafı izləmək, müasir texnologiyaları araşdırmaq və tətbiq etməklə özünüzü inkişaf etdirmək fikrindən uzaqsınızsa.
"Çirkli iş" görməkdən zövq almırsınızsa.
Maşın öyrənmə modelləri qurmaq kimi nisbətən əyləncəli proseslər üzərində işləmək data analitikin işinin kiçik bir hissəsini təşkil edir. Vaxtınızın çox hissəsini (adətən 80%-i) datanın araşdırılmasına, başa düşülməsinə, səliqəyə salınmasına, istifadəyə hazır vəziyyətə gətirilməsinə sərf etmək darıxdırıcı gələ bilir.
Səbirli və təşəbbüskar deyilsizsə.
Bəzən uyğun metodların müəyyən edilməsi və bu üsulların test edilməsi günlərlə, aylarla vaxt ala, hətta sonda uğursuz nəticəylə də tamamlana bilir. İş prosesində daim araşdırma aparmağınız, oxşar problemlərin həll yollarını öyrənməyiniz və istər texniki, istərsə də işinizi tətbiq etdiyiniz sahənin əsasları (domain knowledge) barədə biliklərinizi artırmağınız mütləqdir.
Hələ də Data Analitikanın sizə uyğun olduğunda qərarlısınızsa sizə lazım olacaq bilik və bacarıqları qeyd edərək fikrimi yekunlaşdırıram:
Data Analitik üçün lazım olan bilik və bacarıqlar:
İşlədiyiniz sahəni yaxşı bilməli, yəni çalışdığınız sahədə domain biliklərə sahib olmalısınız.
Kapital Bankda işə başladığım birinci ayda öz işimlə bərabər banking-lə bağlı kitablar, bloqlar oxuduğumu misal gətirə bilərəm. Əks halda verilən tapşırıqları anlamaqda və uyğun analizlər aparmaqda əziyyət çəkəcək və uğursuz olacaqsınız.
Proqramlaşdırma bilikləri
Python və ya R proqramlaşdırma dili ilə bağlı praktiki təcrübəniz olmalıdır. Proqramlar və maşın öyrənmə alqoritmləri yazmaq mürəkkəb problemləri həll etməyə kömək edəcək.
Verilənlər bazası (Database) ilə işləmə bacarığı
SQL bilikləri data analitika sahəsində karyeranın təməl daşıdır. SQL sorğu və prosedurlarını yazmaqda bacarıqlı olmalısınız. İşləyəcəyiniz şirkətlərdə (xüsusən ölkəmizdə) təhlillər üçün Microsoft Excel-in analitik funksiyalarını bilməyiniz tələb oluna bilər.
Statistika və Maşın Öyrənmə Alqoritmlərini Anlamaq
Ehtimal paylamaları, hipotez testləri, reqressiya təhlili və müxtəlif təsnifat (classification) və qruplaşma (clustering) üsullarını öyrənməli və real problemə tətbiq edə bilməlisiniz.
Data Vizualizasiya Alətləri haqqında biliklər
Bir data analitik nəticələri və hesabatları təqdim etmək üçün vizual vasitələrindən istifadə etməyi bacarmalıdır. Tableau, Power BI kimi proqramlarda işləməyi, hesabatlar hazırlamağı öyrənməlisiniz. Bundan əlavə, yaxşı ünsiyyət və təqdimat bacarıqlarına sahib olmalısınız. Bu, kömək edəcək.
Bundan əlavə data analitik olmaq istəyənlərin inkişaf etdirməli olduğu fərdi keyfiyyətlər (soft skillər) də mövcuddur:
Rəqəmlərlə dost olmaq
Xırda, kiçik nüanslara diqqətlə yanaşmaq
Yaradıcı və Analitik Düşüncə
Fikirlərinizi maraqlı tərəflərə və müştərilərə çatdırmaq üçün yaxşı ünsiyyət və təqdimat bacarığı
Beləliklə, bu yazıda biz data analitikasının nə olduğunu, növlərini, data analitikin vəzifə öhdəliklərini, malik olmalı olduğu bilik və bacarıqları, peşənin müsbət və mənfi cəhətlərini müzakirə etdik.
Məqalə uzun olsa da, ümid edirəm ki, maraqlı və öyrədici oldu. Əlavə suallarınız olarsa, e-mail və linkedin vasitəsilə əlaqə saxlaya bilərsiniz.
İbrahim Orucoğlu Əlizadə
