Veri analisti olarak ilk 90 günüm

15 yıl sonra geriye bakınca · 12 dakika okuma

İlk günüm aklımda. Bilgisayarın başına geçtim, ekrana baktım. Kimse bana "şunu yap" demedi. Veri neredeydi? Hangi sisteme bakacaktım? Nereden başlayacaktım?

O his — boş ekran önünde ne yapacağını bilememek — veri kariyerinin ilk gerçeğidir. Kimse sana bunu söylemez. Kurslar söylemez, bootcamp'lar söylemez. Ben söyleyeyim.

İlk 30 gün: anlamaya çalış, üretmeye değil

İlk ayın tek görevi şu: ortamı anlamak. Hangi veri nerede duruyor? Şirketin hangi soruları var? Ekip nasıl çalışıyor? Hangi araçlar kullanılıyor?

Ben bu dönemde çok şey üretmeye çalıştım. Hata. İlk hafta yazdığım analiz raporunu kimse okumadı çünkü o soruyu kimse sormamıştı. Veri analistinin işi veri üretmek değil, doğru soruya doğru cevabı bulmak.

İlk 30 günde en değerli şey yaptığın analiz değil, kurduğun ilişkiler. Hangi müdür hangi metriğe takıntılı? Hangi ekip veriyle en çok çalışıyor? Bunları öğren.

Pratik öneri: ilk haftada 10 farklı kişiyle 30'ar dakikalık bire bir görüşme ayarla. "En çok hangi soruların cevabını merak ediyorsun?" diye sor. Not al. Bu notlar ileriki 6 ayın içerik planı olacak.

31-60. günler: bir şeyi sahiplen

İkinci ayda bir "sahiplenme" alanı bulman lazım. Küçük olsun, ama senin olsun. Haftalık satış raporu, müşteri kayıp analizi, operasyonel bir dashboard — ne olursa. Düzenli ürettiğin, insanların beklediği bir şey.

Bu çok önemli çünkü "Ali ne yapıyor?" sorusuna net bir cevap oluyor. Görünmez olmak veri kariyerinin en büyük tehlikelerinden biri. Kod yazıyorsun, analiz yapıyorsun, ama kimse bilmiyor. Sahiplendiğin bir çıktı seni görünür kılar.

Ben bu dönemde ilk büyük hatamı da yaptım: yöneticime "SQL ile şu tabloyu çektim, sonuç şu" dedim. Yanlış. Yönetici SQL'i umursamıyor. Yönetici şunu duymak istiyor: "Müşteri kaybımız geçen aya göre %12 arttı, sebebi muhtemelen şu, önerim bu."

Teknik detayı arka plana göm. Öne çıkan şey her zaman iş etkisi olmalı. "Pandas ile merge yaptım" değil, "Şu fırsatı bulduk."

61-90. günler: derinleş ve sistem kur

Üçüncü ayda artık temel işleyişi anlamışsındır. Şimdi soru şu: bu işi sürdürülebilir nasıl yaparsın?

Çoğu analist bu dönemde "firefighting" tuzağına düşer — sürekli acil istekler, ad-hoc analizler, hiç bitmez. Bunu kırmak için sistematik olmak gerekiyor. Tekrarlayan soruları otomatize et. Sık sorulan sorular için self-servis dashboard yap, "bana şunu çeker misin?" sorusunu ortadan kaldır.

Bu dönemde öğrendiğim en değerli şey: hayır diyebilmek.Her analiz isteğini kabul etmek seni meşgul eder ama etkisiz bırakır. "Bu soruyu cevaplamak ne kadar değer yaratır?" diye sormayı öğren. Önceliklendir.

Keşke bilseydim listesi

15 yıl sonra geriye bakınca, ilk 90 günde keşke bilseydim dediğim şeyler:

• Excel ölmedi.Python öğrenirken Excel'i küçümsedim. Hataydı. Yöneticinin açıp bakabileceği bir Excel, kimsenin çalıştıramadığı Python script'inden değerlidir.
• Veriyi temizlemek analizin yarısı.Kurslar bunu söyler ama gerçekliğini kavramak zaman alır. İlk gerçek projenin %60'ını veri temizlemeye harcayacaksın.
• Yanlış olmaktan korkma."Emin olmadan söylemeyeyim" tuzağı. Emin olmak mümkün değil. Varsayımlarını açıkça belirt, tahminde bulun, güncelle.
• Sunum yapmayı öğren. En iyi analiz kötü sunulursa kaybolur. Storytelling, veri analistinin en az veri kadar önemli becerisi.
• Mentor bul. Sektörde 2-3 yıl önünde birini bul, düzenli konuş. Yıllarca kendin keşfedeceğin şeyleri 30 dakikada öğretir.
• Dokümantasyon yaz."Bunu nasıl yaptığımı biliyorum" diyorsun. 6 ay sonra bilmiyorsun. Her şeyi yaz.
• İş bağlamını anlamadan veri anlamsız.Şirketin nasıl para kazandığını, hangi KPI'ların önemli olduğunu, rakiplerin kim olduğunu bilmeden doğru analiz yapılamaz.

Araçlar hakkında gerçekler

İlk işe başlarken "hangi aracı öğreneyim?" sorusu herkeste var. Dürüst cevap:

• SQL: Zorunlu. Pazarlık yok. Hangi şirkete gidersen git, SQL bilmek şart.
• Python: Güçlü ama önce iş problemi anla, sonra öğren. Araç amaç değil.
• Power BI / Tableau: Şirketin ne kullandığını öğren, onu öğren. İkisi de 2 haftada temel seviye öğrenilir.
• Excel: Hâlâ en yaygın, küçümseme.
• İstatistik: Araçtan önemli. Araç değişir, istatistik bilgisi değişmez.

15 yılda öğrendim: en iyi veri analistleri en iyi Python yazanlar değil. En iyi soru soranlar, en net anlatanlar ve en hızlı öğrenenler.

Son söz

Veri kariyeri sabır isteyen bir yolculuk. İlk 90 günde her şeyi bilmek zorunda değilsin. Merak et, sor, hata yap, öğren. Veriyle çalışmak bir beceri değil, bir düşünce biçimi — ve bu biçimi edinmek zaman alır.

Eğer şu an bu yolun başındaysan ve aklında sorular varsa, bana X'ten veya mail ile ulaşabilirsin. Cevaplarım.

Sıradaki yazı: Pandas'ta en çok yanlış bilinen 7 şey— yıllarca yaygın ama yanlış kullanılan pattern'ler.