Veri Bilimci kimdir?

Veri Bilimci kimdir, ne yapar ve neden Veri Bilimci olmak istersiniz?

Veri bilimcileri, karmaşık sorunları çözmek için teknik becerilere ve hangi sorunların çözülmesi gerektiğini keşfetme merakına sahip yeni nesil analitik veri uzmanlarıdır.

Yarı matematikçi, yarı bilgisayar bilimcisi, kısmen de trendleri fark eden kişilerdir. Hem iş hem de BT dünyasını destekledikleri için çok rağbet görmekte ve yüksek ücretler almaktadırlar. Kim bir veri bilimci olmak istemez ki?

Bu kişiler aynı zamanda çağımızın da temsilcileridir. Veri bilimciler on yıl önce çok fazla kişinin radarında değildi, ancak aniden popüler olmaları, işletmelerin artık büyük veri hakkında nasıl düşündüklerini yansıtıyor. Bu yapılandırılmamış hantal bilgi yığını artık göz ardı edilemez ve unutulamaz. Bu veriler, daha önce kimsenin aramayı düşünmediği, işle ilgili içgörüleri araştıran ve ortaya çıkaran biri olduğu sürece geliri arttırmaya yardımcı olan sanal bir altın madenidir. Bu noktada veri bilimci devreye girer.

Veri Bilimci rolü nasıl ortaya çıktı?

Birçok veri bilimci, kariyerine istatistikçi veya veri analisti olarak başladı. Ancak büyük veri -ve Hadoop gibi büyük veri depolama ve işleme teknolojileri- büyümeye ve gelişmeye başladıkça bu roller de gelişti. Veriler artık BT'nin işlemesi için sonradan akla gelen bir şey değil. Analiz, yaratıcı merak ve yüksek teknoloji fikirlerini kâr elde etmenin yeni yollarına dönüştürmek için ustalık gerektiren temel bilgilerdir.

Veri bilimci rolünün akademik kökenleri de vardır. Üniversiteler birkaç yıl önce işverenlerin programcı ve ekip oyuncusu olan kişiler istediğini fark etmeye başladı. Profesörler, buna uyum sağlamak için derslerinde bazı düzenlemelere gittiler ve North Carolina Eyalet Üniversitesi'ndeki İleri Analitik Enstitüsü gibi bazı programlar, yeni nesil veri bilimcilerini ortaya çıkarmak için hazırlandı. Şu an ülke genelindeki üniversitelerde 60'tan fazla benzer program var.

“Günlerim birbirine çok benzer şekilde geçebilir ancak haftadan haftaya işler büyük ölçüde değişebilir. Birkaç hafta boyunca bir metin madenciliği projesi üzerinde çalışıyor olabilirim ve sonrasında müşteriler için tahmine dayalı bir model oluşturuyor olabilirim. Arada da analitik ve bunun, işin farklı bölümlerine nasıl fayda sağlayabileceği konusunda toplantılar olur.”

Alex Herrington
büyük bir ABD perakendecisinin veri bilimcisi

Hikayeyi Okuyun

Booz Allen Hamilton’ın Uzman Veri Bilimcisi Dr. Kirk Borne, veri biliminin bir BT işlevi olduğu konusundaki yanlış kanıya ve veri bilimcilerinin daha büyük, daha karmaşık verilerin yer aldığı yeni çağda nasıl fayda sağlayabileceğine değiniyor.

Başlangıç için kaynaklar

Veri bilimci olun. SAS Veri Bilimi Akademisi'nin yolculuğunuza başlamanıza nasıl yardımcı olabileceğini öğrenin.
SAS University Edition'ı (öğrencilerin ve öğrenenlerin analitikleri kullanmasına olanak tanıyan ücretsiz SAS yazılımı) indirin.

Veri bilimcileri ile ilgili daha fazla bilgi

Bir veri bilimci ile tanışın: Kristin Carney ile röportaj.
Veri Bilimcilerinizden Değer Sağlama hakkında çalışmamızı indirin.

Veri bilimcilerinin tipik görevleri

Veri bilimci rolü söz konusu olduğunda kesin bir iş tanımı yoktur. Ancak muhtemelen şunları yapıyor olursunuz:

Büyük miktarlarda düzensiz veri toplamak ve bu verileri daha kullanılabilir bir biçime dönüştürmek.
İşle ilgili sorunları, veri güdümlü teknikler kullanarak çözmek.
SAS, R ve Python dahil olmak üzere çeşitli programlama dilleriyle çalışmak.
İstatistiksel testler ve dağılımlar da dahil olmak üzere sağlam bir istatistik kavrayışına sahip olmak.

Makine öğrenimi, derin öğrenme ve metin analitiği gibi analitik teknikler konusunda kapsamlı bilgi sahibi olmak.
Hem BT hem de iş paydaşları ile iletişim içinde olmak ve iş birliği yapmak.
Verilerdeki düzen ve örüntüleri araştırmanın yanı sıra işletmenin kârının arttırılmasına yardımcı olabilecek trendleri tespit etme.

Bir veri bilimcinin alet çantasında neler vardır?

Şu terim ve teknolojiler, veri bilimciler tarafından yaygın olarak kullanılmaktadır:

Veri görselleştirme: verilerin kolayca analiz edilebilmesi için resim veya grafik formatında sunulması.
Makine öğrenimi: matematiksel algoritmalar ve otomasyona dayalı bir yapay zeka dalı.
Derin öğrenme: karmaşık soyutlamaları modellemek için verileri kullanan bir makine öğrenimi araştırması alanı.

Örüntü tanıma: verilerdeki örüntüleri tanıyan teknoloji (genellikle makine öğreniminin yerine geçecek şekilde kullanılır)..
Veri hazırlama: ham verileri daha kolay tüketilebilmesi için başka bir formata dönüştürme işlemi.
Metin analitiği: temel işletme içgörüleri elde etmek için yapılandırılmamış verileri inceleme işlemi.

“Tipik bir günde, ekibimle birlikte iş birimlerinden gelen soruları nasıl yanıtlayacağımız konusunda beyin fırtınası yapar ve sorun çözeriz, personelim tarafından tamamlanan analiz ve önerileri gözden geçiririm ve çeşitli toplantılara katılırım.”

Kristin Carney
Data scientist, World’s Foremost BankVeri Bilimci, World’s Foremost Bank
Hikayeyi okuyun

Nasıl veri bilimci olabilirsiniz?

Kendinizi veri biliminde bir kariyer için konumlandırmak akıllıca bir hareket olabilir. Pek çok iş fırsatına sahip olacaksınız, ayrıca teknoloji alanında deneme yapma ve yaratıcılık imkanına sahip olarak çalışma şansınız olacak. Peki stratejiniz nedir?

Öğrenciyseniz
Veri bilimi diploması sunan veya en azından veri bilimi ve analitiği dersleri veren bir üniversite seçmek önemli bir adımdır. Oklahoma Eyalet Üniversitesi, Alabama Üniversitesi, Kennesaw Eyalet Üniversitesi, Southern Methodist Üniversitesi, North Carolina Eyalet Üniversitesi ve Texas A&M, veri bilimi programları olan üniversite örnekleridir.

Kariyer değişikliği yapmak isteyen bir profesyonelseniz
Çoğu veri bilimci, veri analisti veya istatistik geçmişine sahipken diğerleri işletme veya ekonomi gibi teknik olmayan alanlardan gelmektedir. Bu kadar farklı geçmişlere sahip profesyoneller nasıl aynı alanda yer alabilmektedir? Ortak yönlerine bakmak önemlidir: Sorun çözme becerisi, iyi iletişim kurma yeteneği ve işlerin nasıl yürüdüğüne dair doyumsuz bir merak. SAS Veri Bilimi Akademisi’nin, size, sertifikalı bir veri bilimci olmanız için gereken araçları nasıl sağladığını öğrenin.

Bu niteliklerin yanı sıra, aşağıdaki konularda da kapsamlı bilgi sahibi olmaya ihtiyacınız duyacaksınız:

İstatistik ve makine öğrenimi.
SAS, R veya Python gibi kodlama dilleri.
MySQL ve Postgres gibi veri tabanları.
Veri görselleştirme ve raporlama teknolojileri.
Hadoop ve MapReduce.

Bu becerileri kendi başınıza öğrenmek istemiyorsanız çevrimiçi bir kursa katılın veya bir eğitim kampına kaydolun. Ve sonra tabii ki bu alandaki iletişim ağınızı geliştirmelisiniz. Şirketinizdeki diğer veri bilimcilerle bağlantı kurun veya çevrimiçi bir topluluk bulun. Veri bilimcilerin ne yaptığı ve en iyi işleri nerede bulacağınız konusunda size içeriden bilgi vereceklerdir.

Bir işletme ne zaman bir veri bilimciyi işe almaya hazırdır?

Bir veri bilimci pozisyonunu kabul etmeden önce ilgili kurum hakkında değerlendirmeniz gereken birkaç şey vardır:

Bu kurum büyük miktarlarda veriyle ilgileniyor mu ve çözülmesi gereken karmaşık sorunları var mı? Veri bilimcilere gerçekten ihtiyaç duyan kurumların iki ortak noktası vardır: Çok büyük miktarlarda veriyi yönetirler ve günlük olarak ağır sorunlarla karşı karşıya kalırlar. Genellikle finans, kamu ve ilaç gibi sektörlerde bulunurlar.
Kurum verilere değer veriyor mu? Bir şirketin kültürünün, bir veri bilimci işe alıp almama konusunda etkisi vardır. Analitiği destekleyen bir ortama sahip mi? Yönetim desteği var mı? Yok ise bir veri bilimciye yatırım yapılması, paranın boşa harcanması demek olacaktır.
Değişmeye hazır mı? Bir veri bilimci olarak, ciddiye alınmayı beklersiniz; bunun bir parçası da çalışmanızın sonuç verdiğini görmenizle ilgilidir. Vaktinizi, işletmenizin daha iyi çalışması için yollar bulmaya ayırırsınız. Buna karşılık, işletmenin, bulgularınızın sonuçlarına göre hareket etmeye hazır ve istekli olması gerekir.

Verilere dayalı olarak iş kararlarını yönlendirmesi için bir veri bilimciyi işe almak, bazı kuruluşlar için büyük bir adım olabilir. Çalıştığınız işletmenin doğru zihniyete sahip olduğundan ve bazı değişiklikler yapmaya hazır olduğundan emin olun.

“Esnek olmamı ve koşullara uyum sağlamamı gerektiren çevik bir şirket için çalışıyorum. Örneğin geçen hafta, öneri puanlarını iyileştirmek; operasyonel içerik yönetim sistemi ile entegrasyonu ayarlamak; “affinity” modelleri için kullanılacak, tüketici davranışına dayalı yeni dönüştürülmüş değişkenler yaratmak ve mevcut performans raporlarının/analitik kontrol panellerini yeniden düzenlemek gibi çeşitli işler yapıyordum."

Manuel-David Garcia
Almanya Heidelberg'deki orta ölçekli bir şirketin veri bilimcisi
Hikayeyi okuyun