Data analitika xam məlumatların toplanması, təmizlənməsi və təhlil edilməsi yolu ilə onlardan qərar verməyə yarayan mənalı nəticələr çıxarma prosesidir. Sadə dillə desək, rəqəmləri biznesin anladığı dilə çevirməkdir.
Bu gün marketlərin hansı məhsulu rəfə qoyacağı, bankın kimə kredit verəcəyi, kuryer şirkətinin hansı marşrutu seçəcəyi hamısı data analitikasının nəticəsidir. Aşağıda bu sahənin nə olduğunu, hansı növlərə bölündüyünü, hansı alətlərlə işlədiyini və Azərbaycanda hansı imkanlar açdığını addım-addım izah edirik.
Data nədir?
21-ci əsrdə "data" sözü biznes proseslərində ən çox işlədilən anlayışlardan birinə çevrilib. Çünki toplanan bu məlumatlar növbəti mərhələdə müəssisənin inkişafına və atacağı addımlara birbaşa təsir edir.
Marketlər, restoranlar, dövlət müəssisələri, banklar, sığorta şirkətləri, milyonlarla istifadəçisi olan tətbiqlər, sosial şəbəkələr hamısı data toplayır. Bizim hər addımımız, aldığımız məhsul, yediyimiz yemək, götürdüyümüz kredit kimsə üçün datadır.
Data ilə informasiyanın fərqi
Data sözü informasiya ilə tez-tez qarışdırılır, amma bunlar eyni şey deyil.
-
Data ayrılıqda heç bir məna ifadə etməyən xam məlumatdır. Rəqəmlər, sözlər toplusu, tarixlər.
-
İnformasiya həmin datanın təmizlənmiş, analiz edilmiş və məna kəsb edən formasıdır.
Məsələn, bir marketin kassa qeydlərindəki 500 min sətir datadır. "Şənbə axşamları çörək və süd birlikdə 3 dəfə çox satılır" isə informasiyadır.
Data analitikası nədir?
Data analitikası rəqəmsal əsrin təməl daşlarından biridir. Gələcək tendensiyaların proqnozlaşdırılması, müştərinin satınalma davranışının təhlili, marketinq kampaniyalarının optimallaşdırılması bunların hamısı data analitikasının işidir.
Sahənin fərqləndirici cəhəti odur ki, o, təxminlə deyil, sübutla işləyir. Şirkət "bizə elə gəlir ki, müştərilər bu məhsulu bəyənir" deməkdən çıxıb "son 6 ayın datası göstərir ki, bu məhsul təkrar alışın 34%-ni təşkil edir" deyə bilir.
Nəyə görə data analitikaya tələb bu qədər çoxdur?
Bütün şirkətlər insanlar kimi öz keçmişinə baxaraq əvvəl etdikləri səhvləri təkrarlamaq istəmirlər. Bunu isə yalnız keçmişi analiz edərək etmək mümkündür. Şirkətlərin keçmişi onların datalarındadır və bu datalar çoxaldıqca milyonlarla, hətta milyardlarla sətrə çatdıqca məlumatdan baş çıxarmaq çətinləşir.
Dünya İqtisadiyyat Forumunun (WEF) 2026-cı ildə təqdim etdiyi "Future of Jobs Report" hesabatına əsasən, "Data Analysts", "Big Data Specialists" və "Business Intelligence Analysts" kimi vəzifələrə tələbin 30-35% artacağı gözlənilir.
Buna görə də deyirlər: məlumat toplaya bilən hər müəssisənin ya artıq data analitiki var, ya da gec-tez ehtiyacı olacaq.
Data analitikanın 4 növü
Data analitika tək bir iş deyil verdiyi suala görə dörd səviyyəyə bölünür. Şirkətlər adətən birincidən başlayıb yuxarı doğru irəliləyir.
1. Təsviri analitika (Descriptive Analytics)
Ən çox yayılmış və ən sadə növdür. Keçmişdə nə baş verdiyini rəqəmlərlə göstərir: aylıq satış hesabatları, saytın ziyarətçi sayı, müştəri şikayətlərinin sayı. Əksər şirkətlərin Excel və Power BI hesabatları məhz bu səviyyədədir.
2. Diaqnostik analitika (Diagnostic Analytics)
Bir addım dərinə gedir və səbəbi axtarır. Satış niyə düşdü? Hansı seqmentdə? Hansı kanalda? Burada korrelyasiya təhlili, seqmentasiya və drill-down metodları işə düşür.
3. Proqnozlaşdırıcı analitika (Predictive Analytics)
Keçmiş datadan istifadə edərək gələcəyi təxmin edir. Hansı müştəri gedəcək (churn), hansı məhsulun tələbi artacaq, hansı kredit geri qayıtmayacaq. Statistik modellər və maşın öyrənməsi bu mərhələdə tətbiq olunur.
4. Təyinatlandırıcı analitika (Prescriptive Analytics)
Ən mürəkkəb səviyyədir: nəinki nə olacağını, həm də nə etmək lazım olduğunu təklif edir. Optimallaşdırma alqoritmləri, ssenari modelləşdirməsi və avtomatlaşdırılmış qərar sistemləri buraya daxildir.
Data analitikası prosesi: 5 mərhələ
Bir analitikin işi əvvəldən sona qədər bu mərhələlərdən keçir.
- Məlumatların toplanması (Data Collection) verilənlər bazaları, IoT cihazları, sosial media platformaları və digər mənbələrdən datanın yığılması. Toplanan məlumatın keyfiyyəti və həcmi bütün sonrakı işin əsasını qoyur.
- Təmizlənmə və hazırlıq (Data Cleaning) xam məlumat demək olar ki, həmişə uyğunsuzluqlar, səhvlər və çatışmayan dəyərlərdən ibarət olur. Analitiklər datanı təmizləyir, transformasiya və normallaşdırma aparır. Praktikada bu mərhələ vaxtın 60-70%-ni alır.
- Təhlil (Analysis) verilənlərin strukturu və datalar arasındakı əlaqələr araşdırılır. Statistik təhlil, korrelyasiya və seqmentasiya bu mərhələdə aparılır.
- Vizuallaşdırma (Visualization) nəticələr qrafiklər və dashboard-lar vasitəsilə ötürülür. Rəhbərlik cədvələ deyil, şəklə baxıb qərar verir.
- Qərarın qəbulu (Decision) sonda məqsəd datanı biznesin böyüməsinə təkan verən, əməliyyatları optimallaşdıran və müştəri təcrübəsini yaxşılaşdıran strategiyalara çevirməkdir.
Data analitikada istifadə olunan alətlər
Excel
Analitikin gündəlik iş masası. Datanın ilkin emalı, sürətli hesablamalar və Pivot Table ilə analiz üçün istifadə olunur. Power Query və Power Pivot əlavələri ilə Excel artıq kiçik həcmli BI platformasına çevrilir. Analitiklərdən Exceli mükəmməl səviyyədə bilməsi tələb olunur.
SQL
Verilənlər bazasından datanın çəkilməsi və manipulyasiyası üçün sorğu dili. Data analitika vakansiyalarının demək olar ki, hamısında tələb olunur bu, sahənin "olmazsa olmaz"ıdır.
Vizuallaşdırma alətləri (Power BI, Tableau)
İş zəkası (Business Intelligence) proqramları dataların düzgün analizi və qərarvermə prosesinin sürətləndirilməsi üçün istifadə olunur. Microsoft Power BI və Tableau dinamik dashboard qurmaq imkanı və istifadəçi rahatlığına görə üstünlük təşkil edir.
Python və R
Böyük datalar üzərində mürəkkəb riyazi-statistik əməliyyatları sürətli aparmaq üçün proqramlaşdırma dilləri. Geniş kitabxanaları, rahat inteqrasiyası və tətbiq sahələrinin genişliyi ilə Python və R bu sahədə digər dilləri qabaqlayır.
Data analitika hansı sektorlarda istifadə olunur?
-
Pərakəndə və e-ticarət müştərilərin alış və axtarış tarixçəsi, demoqrafik məlumatları təhlil edilir; inventar idarəetməsi, qiymət strategiyaları və tanıtım kampaniyaları optimallaşdırılır.
-
Maliyyə və bank işi şübhəli əməliyyatların aşkarlanması, kredit qabiliyyətinin qiymətləndirilməsi və risklərin azaldılması üçün proqnozlaşdırıcı modellər qurulur.
-
Səhiyyə fərdiləşdirilmiş müalicə üsulları, pasiyent nəticələrinin yaxşılaşdırılması və xəstəliklərin erkən diaqnostikası.
-
İstehsal və təchizat zənciri iş axınlarının sadələşdirilməsi, səmərəliliyin artırılması və texniki xidmət xərclərinin azaldılması.
-
Nəqliyyat və logistika GPS və trafik datası ilə marşrutun optimallaşdırılması, çatdırılma müddətlərinin qısaldılması.
-
Marketinq demoqrafik göstəricilərin və rəqəmsal platformalardakı istifadəçi davranışının təhlili ilə büdcənin effektiv bölüşdürülməsi və ROI-nin artırılması.
Data science və data analitikanın fərqi
Data elmi (data science) və data analitikası tez-tez yanaşı işlədilsə də, aralarında ciddi fərq var.
Data elmi datanın həyat dövrünü mənbədən əldə edilmədən modelləşdirməyə qədər bütövlükdə əhatə edir. Data scientist-lər statistik təhlil, maşın öyrənməsi və proqramlaşdırma sahələrində təcrübəyə malikdirlər; onlar proqnozlaşdırıcı modellər və alqoritmlər hazırlayır.
Data analitikası isə mövcud dataların təhlili ilə qərar qəbuletmə proseslərini dəstəkləyir. Data analitiklər datanın təmizlənməsi, vizuallaşdırılması və statistik modelləşdirmə üsullarında ixtisaslaşırlar.
Qısası: data science daha çox gələcəyə yönəlmiş proqnoz və mürəkkəb məsələlərin həllinə fokuslanır, data analitika isə mövcud məlumatı araşdıraraq ondan məna çıxarmağa yönəlib.
Bu sahədə tez-tez qarışdırılan bir başqa cütlük də var - biznes analitik və data analitik fərqi.
Azərbaycanda data analitika
Yerli bazarda data analitikaya tələb əsasən bank və maliyyə sektorundan, telekommunikasiya şirkətlərindən, iri pərakəndə şəbəkələrindən və e-ticarət platformalarından gəlir. Son illərdə sığorta, logistika və dövlət qurumlarında da analitik vəzifələri açılmağa başlayıb.
Xarakterik cəhət odur ki, yerli vakansiyalarda tələblərin böyük hissəsi Excel, SQL və Power BI üçlüyü ətrafında cəmlənir; Python isə daha çox iri şirkətlərin analitik komandalarında tələb olunur.
Peşənin özü, gündəlik iş öhdəlikləri, maaş aralığı və ixtisas seçimi barədə ayrıca yazımız var: data analitik kimdir.
Data analitikanı necə öyrənmək olar?
Öyrənməyin ən effektiv yolu praktiki və layihə əsaslı yanaşmadır. Coursera, edX kimi platformalardakı onlayn kurslar və YouTube materialları başlanğıc üçün yaxşıdır, lakin real datalarla işləmək təcrübəsi və mentor dəstəyi olmadan bu bilikləri iş mühitinə köçürmək çətindir.
Sistemli və mentor dəstəkli öyrənmək istəyirsənsə, Handex-in data analitika kursu 5 ay ərzində Excel, SQL, Power BI və Python-u real layihələrlə birlikdə əhatə edir.