data analyst

• ing. veri analisti.
  
  ayrica (bkz: veri analizi)
• analitik olması şart kişidir. excel, tableau gibi programlara aşina olmalıdır. sql bilmesi, database ve big-data terimlerine hakim olması elzemdir. günümüzde pythona da az buçuk bulaşmış olmaları gerekiyor.
  
  nasıl sanat eleştirmeni bir resim tablosuna bakıp bir sürü yorum yapabiliyorsa; data analisti de excel tablosuna bakıp bir sürü yorum yapabilmelidir.
  
  yeni mezun arkadaşlara şiddetle önerilir, biraz sql, python öğrenerek başlayabilirsiniz. data yorumlamayı zaman içinde geliştirirsiniz zaten. ama bütün bunları mühendislik gibi analitik temelli bi geçmişiniz olduğunu varsayarak söylüyorum. zira burada iş var diye hiç karakterinize uymayan bir mesleği yapmaya çalışıp hayatınızı karartmayınız.
• mensubu olduğum meslektir, bu alana girmek isteyenlere cassie kozyrkov makalelerini öneririm,kısacası verilere bakarak basit sonuçlar çıkarmak üzerinedir,ama basitin içeriği çok değişebilir zaten uzmanlık buradan gelmektedir. günlük hayatta en basitinden hava durumuna bakmak bile buna örnektir karşılaştırmak vsvsv.ama yinede visualization ve doğru soruları sormak ehemmiyetlidir.
  
  post-edit: 1.5 yıl çalıştıktan sonra mesleği bıraktım çok mesaj geliyor o yüzden tecrübelerimi aktarmak istedim.
  
  1- sql bu işin en önemli teknik kısmı, kurs değil kitap bitirin .sql güzelcene derinlemesine ve bol pratik yaparak öğrenin oturun hackerrankteki leetcodedaki sql sorularını çözün.
  
  2-data analystlikte en önemli olay teknik değil business skilldir. yani iş bir noktada iş yaparak öğrenilir mutlaka bir staj veya iş kovalayin linkedinde darlayin milleti staj için iş için
  
  3- yukarıdaki gibi iş başvurularında elinizin güçlü olması için birkaç adet veri analizi yapın, internette zibilyon tane ham veri var bu ham verileri üzerinde sql queryleyip sorular sorun, sonra bunları bir bi tool kullanarak gorsellestirin ne kadar çok bi tool bilirseniz o kadar iyi elbette zaten temel olarak öğrenmesi zor değil.kisacasi internette bulduğunuz ham verileri kullanarak güzel dashboardlar oluşturun.bu dashboardlari yaparken kendi kendinize metrikler oluşturun, oluaturamiyorsaniz veri seti hangi sektör üzerineyse o sektör üzerine araştırma yapın, atıyorum enerji kullanımı üzerine veri buldunuz, yaz google veya chatgpt ye enerji sektöründeki en temel metrikler kpilar neler diye.sonra onları dashboard kullanarak sorular sorarak görselletir,atıyorum metrik günlük enerji kullanımı/ enerji santrali sayısı, bu metrigi zamana göre ülkeye göre görsellestir.
  
  4-cassie kozyrkov makalelerini okuyun, ozellikle analytics minicourse
  
  5-ıstatistik öğrenin, sağlam bir istatistik altyapınız olsun, biri size şu a/b ye göre feature çalışıyor dediğinde hop p-value diye bisi var diyebilin. hatta daha çılgınsaniz bayesian muhabbetleri falan var onlar apayrı bir noktaya taşır sizi.
  
  6- eğer ise girerseniz, öğrenmeniz devam eder ve öğrenme vaktinizin çoğunu iş bilgisine ayırın, oturun ben ceoyum bu şirketin diyip, ona göre okumalar yapın soru sorarken bu mentaliteyi kullanın.
  
  7-teknik skillere ek olarak excel, vba , dax muhabbetlerine girin, microsoft bu bi konusunda mükemmel bir ekosisteme sahip.
• (bkz: an entire mba in four weeks by gennaro cuafano)
  (bkz: fernandez-granda, carlos. "probability and statistics for data science." (2017) )