Data Analitikası Nədir? Yeni Başlayanlar üçün Tam Bələdçi (2026)

Nyu-Yorkda «BrightThreads» adlı geyim butiki olan Anna hər mövsüm eyni problemlə üzləşir: mağazası üçün nə qədər məhsul almalıdır? Çox alsa, mövsüm sonunda endirimlə satmaq riski var; az alsa, müştəriyə kifayət qədər çeşid təklif edə bilmir. Anna bu sualı hisslə deyil, keçmiş satış datası ilə həll edir — məhz budur data analitikası. Bu bələdçidə data analitikasının nə olduğunu, data analitikinin nə etdiyini və bu sahəyə sıfırdan necə başlamaq lazım olduğunu izah edirik.

Bu ana (pillar) yazı mövzunun beş sütununu qısa açır və hər birini dərinləşdirən 5 ayrıca yazıya yönləndirir.

Data analitikası mürəkkəb bir elm kimi səslənə bilər, amma özəyində sadə bir fikir dayanır: qərarları təxminlə deyil, rəqəmlərlə vermək. Anna «bu geyim yaxşı satılar» demir; keçmiş datasına baxıb «keçən qış bu brend ən çox mənfəət gətirib, ona görə bu il ondan daha çox sifariş verirəm» deyir. Bu fərq — hissdən dataya keçid — bütün data analitikasının mahiyyətidir və onu öyrənmək bugün ən dəyərli bacarıqlardan biridir.

Data analitikası nədir?

Data analitikasını datanı toplamaq, təmizləmək, təşkil etmək, təhlil etmək və şərh etmək prosesi kimi tərif edə bilərik — məqsəd fikir (insight) çıxarmaq və əsaslandırılmış qərarlar verməkdir. Tərifin hər hissəsini açaq:

• Toplamaq (obtain) — datanı bazalardan, cədvəllərdən və onlayn platformalardan yığmaq.
• Təmizləmək (scrub) — təkrarları, uyğunsuzluqları və səhvləri aradan qaldırmaq.
• Təşkil etmək — datanı mənalı qruplara çeşidləyib kateqoriyalaşdırmaq.
• Təhlil etmək — statistik və riyazi metodlarla əlaqələri və fikirləri aşkar etmək.
• Şərh etmək — nəticəni anlaşıqlı şəkildə təqdim etmək və datanın danışdığı hekayəni çatdırmaq.

Anna butikində məhz bunu edir: satış proqramından keçən qışın datasını çəkir (toplama), ölçülərdəki uyğunsuzluqları düzəldir (təmizləmə), brendlərə görə çeşidləyir (təşkil), proqnoz modeli ilə növbəti qışın satışını təxmin edir (təhlil) və nəticəni səhər qəhvəsi üzərində əməkdaşları ilə bölüşür (şərh). Sadə görünsə də, bu, tam bir data analitikası dövrəsidir.

Data analitiki nə edir?

Data analitiki — fikir çıxarmaq və əsaslandırılmış qərarlar vermək üçün data analitikasından istifadə edən mütəxəssisdir. O, datanı toplayır, təmizləyir, təşkil edir, təhlil edir və vizuallaşdırır. Data artdıqca bu rol getdikcə daha vacib olur, çünki şirkətlər rəqabətdə öndə olmaq üçün data ilə qərar verməyə can atır.

Data analitikləri müxtəlif sahələrdə çalışır. Səhiyyədə sığorta şirkəti üçün risk faktoru olan xəstələri (məsələn, astma xəstələri) müəyyən edib, müntəzəm idmanın xəstəliyi yaxşılaşdırdığını aşkar edə və şirkətə idman zalı abunəsini güzəştə təklif etməyi məsləhət görə bilər. Maliyyədə səhm qiymətlərini və iqtisadi göstəriciləri təhlil edir. Marketinqdə isə istehlakçı davranışını öyrənib, məsələn, büdcəni Twitter-dən Instagram və YouTube-a keçirməyi tövsiyə edir, çünki datası bunun daha çox satış gətirəcəyini proqnozlaşdırır.

Data analitikasının 5 sütunu: OSEMN çərçivəsi

Bütün data layihələri fərqli olsa da, ortaq elementləri var. Onları təşkil etmək üçün OSEMN çərçivəsindən istifadə olunur (Hilary Mason və Chris Wiggins tərəfindən təsvir edilib). OSEMN beş mərhələni bildirir və bu bələdçinin 5 cluster yazısı məhz bu mərhələlərə uyğun qurulub:

1. Toplamaq (Obtain) və 2. Təmizləmək (Scrub)

Datanı harada tapmaq — pulsuz açıq mənbələr, şirkət daxili data, yoxsa özün toplamalısan? Sonra bu datanı təmizləyib istifadəyə hazır hala gətirməlisən.

👉 Əlaqəli: data toplama və təmizləmə

3. Araşdırmaq (Explore) və 4. Modelləşdirmək (Model)

Datanı tanıyıb içindəki nümunələri axtarırsan, sonra isə model qurub gələcəyi proqnozlaşdırırsan.

👉 Əlaqəli: datanı araşdırma və modelləşdirmə

5. Şərh etmək (iNterpret)

Rəqəmləri anlaşıqlı hekayəyə çevirib qərar verənlərə çatdırırsan. Storytelling burada əsas roldadır.

👉 Əlaqəli: data storytelling

Bunlara əlavə olaraq, müasir data analitikinin bilməli olduğu yeni bir mövzu da var: generativ AI (GenAI). O, OSEMN-in hər mərhələsini sürətləndirir.

👉 Əlaqəli: GenAI data analitikası

Datanın gücü: niyə bu qədər vacibdir?

Bu gün ətrafımız nəhəng həcmdə data ilə əhatələnib: alışlarımız, onlayn davranışımız, maliyyə əməliyyatlarımız, demoqrafik məlumatımız və s. Məlumat qıtlığı yoxdur — əksinə, bolluq var. Düzgün alət və texnikalarla bu datanı suallara cavab vermək və problemləri həll etmək üçün istifadə etmək olar. Bu, onu bizneslər və fərdlər üçün əvəzsiz bir resursa çevirir. Amma diqqət: dəyər datanı sadəcə toplamaqdan yox, onu təhlil edib fikir çıxarmaqdan və həmin fikirlə gələcək strategiyanı formalaşdırmaqdan gəlir.

Əslində hamımız hər gün data və müşahidələr əsasında qərarlar veririk — Anna butikində etdiyi də bundan çox da fərqli deyil. Bəzi insanlar isə bu işi peşəkar səviyyədə, data analitiki kimi görür. Data analitikası bəziləri üçün gündəlik işin bir hissəsidir, bəziləri üçün isə tam bir peşədir.

Anna nümunəsi: addım-addım

Data analitikasını daha yaxşı anlamaq üçün Anna-nın butikinə qayıdaq. Anna həm mağazada, həm də saytda satır. Hər satış onun proqramında qeydə alınır: satış qiyməti, satışın yeri, məhsul haqqında məlumat. Qış üçün sifariş verməzdən əvvəl Anna keçən qışın datasını çəkir — tarix, geyim kateqoriyası, məhsulun təsviri, aldığı qiymət, satış qiyməti, mənfəət, satışın butikdə yoxsa onlayn baş verməsi, onlayn satışlar üçün trafik mənbəyi və ölçülər.

Sonra Anna datanı yoxlayır və ölçü məlumatında uyğunsuzluqlar tapır: bəzi məhsullarda «small/medium/large», bəzilərində Amerika rəqəm ölçüləri, bəzilərində İtalyan ölçüləri var. O, hamısını vahid kateqoriyaya çevirir (təmizləmə). Sonra datanı brendlərə görə çeşidləyib qrafik qurur ki, hansı brendi ən çox və ən mənfəətlə satdığını görsün (təşkil). Daha da irəli gedib proqramın proqnoz modelindən istifadə edir: son üç mövsümün trendlərinə əsasən növbəti qışın satışlarını məhsul növü, brend və ölçü üzrə proqnozlaşdırır (təhlil). Nəhayət, nəticəni əməkdaşları ilə bölüşüb yeni kolleksiyanı birlikdə seçir (şərh). Bu, sadə, amma tam bir data analitikası nümunəsidir.

Data analitikası və data elmi (data science) eyni şeydir?

Xeyr, amma yaxındır. Data analitiki əsasən mövcud datadan fikir çıxarır və qərarları dəstəkləyir; data alimi (data scientist) isə daha mürəkkəb modellər və alqoritmlər qurur. Data analitikləri çox vaxt data alimləri komandası ilə birlikdə işləyir — modeli onlar qurur, analitik isə onu düzgün istifadə edir.

Data analitiki hansı alətlərlə işləyir?

Yeni başlayanlar üçün alət seçimi qorxulu görünə bilər, amma təməl dəst sadədir:

• Excel / Google Sheets — datanı təmizləmək, çeşidləmək və sadə təhlil üçün əsas alət.
• Google Analytics — sayt trafikini və istifadəçi davranışını ölçmək üçün (əsasən pulsuz).
• SQL — verilənlər bazasından data çəkmək üçün (irəli səviyyə).
• Python və ya R — daha mürəkkəb təhlil və avtomatlaşdırma üçün (irəli səviyyə).
• Tableau / Power BI — peşəkar vizuallaşdırma və dashboard üçün.

Vacib olan alət deyil, düşüncə tərzidir. Hər hansı alətlə işləyəndə eyni sualı verirsən: «bu data mənə nə deyir və bunun əsasında hansı qərarı verməliyəm?» Bu düşüncə formalaşandan sonra istənilən yeni aləti tez öyrənəcəksən.

Data analitikası harada istifadə olunur?

Data analitikası demək olar ki, hər sahədə tətbiq olunur. Bir neçə real nümunə:

• Səhiyyə: sığorta şirkəti astma xəstələrini müəyyən edib, müntəzəm idmanın xəstəliyi yaxşılaşdırdığını aşkar edir və idman zalı abunəsini güzəştlə təklif edir — çünki datası göstərir ki, sağlam xəstə daha az sığorta ödənişi deməkdir.
• Maliyyə: analitiklər səhm qiymətlərini, iqtisadi göstəriciləri təhlil edib investorlara hesabat hazırlayır.
• Marketinq: istehlakçı davranışı, sayt trafiki və sosial media aktivliyi təhlil olunur; büdcə ən çox satış gətirən kanala yönləndirilir.
• Pərakəndə: Anna kimi butik sahibləri keçmiş satış datası ilə növbəti mövsümün ehtiyatını planlaşdırır.

Bu nümunələr bir ortaq xüsusiyyəti bölüşür: hər birində bol data mövcuddur və dəyər həmin datanı təhlil edib qərara çevirməkdən gəlir. Data analitikinə tələbatın artmasının səbəbi də budur — hər sənayedə data var, amma onu mənalı fikrə çevirə bilən adam azdır.

Sıfırdan necə başlamalı?

1. Aydın bir məqsəd (SMART goal) və onu ölçən KPI müəyyən et.
2. Datanı harada tapacağını araşdır — pulsuz mənbələr, şirkət datası və ya öz sorğun.
3. Datanı cədvəldə (Excel/Google Sheets) təmizlə və təşkil et.
4. Sadə statistika və qrafiklərlə datanı araşdır.
5. Nəticəni bir hekayə kimi qur və qərar verənlərə təqdim et.

Tez-tez verilən suallar (FAQ)

Data analitikası öyrənmək üçün proqramlaşdırma lazımdır?

Başlanğıc üçün yox. Excel/Google Sheets və əsas statistika kifayətdir. İrəli səviyyədə SQL və Python faydalıdır.

OSEMN nə deməkdir?

Obtain (topla), Scrub (təmizlə), Explore (araşdır), Model (modelləşdir), iNterpret (şərh et). Data layihələrini strukturlaşdıran çərçivədir.

Data analitiki hansı sahələrdə işləyə bilər?

Marketinq, maliyyə, səhiyyə, e-ticarət, təhsil və bir çox digər sahədə — data olan hər yerdə.

Data analitikası ilə data elmi eyni şeydir?

Yox. Data analitiki mövcud datadan fikir çıxarır və qərarları dəstəkləyir; data alimi daha mürəkkəb modellər və alqoritmlər qurur. İkisi çox vaxt birlikdə işləyir.

Data analitikinə tələbat varmı?

Bəli, və artır. Şirkətlər data ilə qərar verməyin rəqabət üstünlüyü olduğunu anladıqca bu bacarığa sahib mütəxəssislərə tələbat böyüyür.

Data analitikası öyrənmək çətindirmi?

Əsasları çətin deyil. Marağı və məntiqli düşüncəsi olan hər kəs Excel və əsas statistika ilə başlaya bilər. Çətinlik deyil, ardıcıllıq və praktika vacibdir.

Data analitikası karyera olaraq

Data analitikasına tələbat sürətlə artır və karyera imkanları çoxdur. Bu sahəyə giriş üçün nə xüsusi diplom, nə də proqramçı olmaq şərtdir — marağı və məntiqli düşüncəsi olan hər kəs Excel, Google Sheets və əsas statistika ilə başlaya bilər. İrəlilədikcə SQL, Python və vizuallaşdırma alətləri sənin dəyərini artırır. İstər karyerana yeni başlayırsan, istər peşə dəyişmək istəyirsən — data analitikası əla seçimdir.

Bu bələdçidə beş sütunu — OSEMN-in mərhələləri və müasir GenAI — qısaca gördün. Növbəti addım hər birini dərinləşdirməkdir. Aşağıdakı beş yazını sırayla oxu, öyrəndiklərini kiçik bir real layihədə tətbiq et və unutma: mükəmməl olmağı gözləmə, sadəcə başla.

Öyrənmə yolu: beş mərhələli səyahət

Bu bələdçidə göstərdiyimiz beş sütun təsadüfi düzülməyib — onlar bir öyrənmə səyahətini təşkil edir. Əvvəlcə datanı toplayıb təmizləməyi öyrənirsən (xammal hazır olur). Sonra onu araşdırıb model qurursan (fikir çıxarırsan). Daha sonra nəticəni şərh edib hekayəyə çevirirsən (qərar yaradırsan). Nəhayət, bütün bu prosesi generativ AI ilə sürətləndirməyi öyrənirsən. Bu ardıcıllığı gözləsən, hər mövzu əvvəlkinin üzərində məntiqli şəkildə qurulur.

Sonda yalnız «data analitikası nədir?» sualına deyil, «mən bunu öz işimdə necə tətbiq edərəm?» sualına da cavab verə biləcəksən. Data analitikası öyrənmək bir maraton kimidir — bir günə bitmir, amma hər addım səni irəli aparır. Ən vacibi başlamaqdır.

Növbəti addım: OSEMN çərçivəsini və KPI anlayışını dərindən öyrən.