Veri Bilimi
Veri bilimi; verideki örüntüleri bulmak ve gerçek iş kararları için sonuçları tahmin eden, sınıflandıran veya açıklayan modeller kurmak amacıyla istatistiği, programlamayı ve alan bilgisini birleştiren disiplinlerarası bir alandır.
Veri bilimi nedir?
Veri bilimi araçlarından çok döngüsüyle tanımlanır: bir soruyu çerçevele, modelle, modeli daha önce görmediği veride test et ve sonucu işe koş. Yaygın olarak kullanılan CRISP-DM süreci altı aşama tanımlar: iş anlayışı, veri anlayışı, veri hazırlama, modelleme, değerlendirme ve devreye alma.
Alan, istatistik ve makine öğrenimi ile örtüşür; ancak modelleri canlı veride çalıştırmak için gereken mühendisliği de ekler. Bir veri bilimci genellikle pipeline'ları kuran veri mühendisleri ile bir tahminin neyi değiştirmesi gerektiğine karar veren iş sahipleri arasında çalışır.
İş kabaca üç tür çıktıya ayrılır: tahminler (kim churn edecek, talep ne olacak), açıklamalar (dönüşümü hangi faktörler belirliyor) ve deneyler (yeni onboarding akışı gerçekten işe yaradı mı). Yalnızca ilk türü üreten bir ekip, genellikle kimsenin güvenmediği modeller kurar.
Veri bilimi hangi yöntem ve becerileri kullanır?
İş değerinin büyük kısmı hâlâ en yeni mimarilerden değil, iyi bilinen yöntemlerin özenle uygulanmasından gelir.
İstatistik ve deney tasarımı: güven aralıkları, A/B testleri ve güç analizleri.
Denetimli öğrenme: doğrusal ve lojistik regresyon, random forest'lar ve XGBoost ile LightGBM gibi gradient boosting kütüphaneleri.
Denetimsiz öğrenme: k-means kümeleme ve anomali tespiti.
Değerlendirme: precision = doğru pozitifler / (doğru pozitifler + yanlış pozitifler); recall = doğru pozitifler / (doğru pozitifler + yanlış negatifler); sıralama kalitesi için ROC AUC.
Programlama: pandas ve scikit-learn ile Python, R ve SQL.
Devreye alma: takip için MLflow ve planlı veya API tabanlı skorlama.
Veri bilimi pratikte nasıl görünür?
Pratik bir proje bir model dosyasıyla değil, değişmiş bir iş akışıyla sonuçlanır. İptalleri azaltmak isteyen 300 kişilik bir yemek kiti abonelik şirketini düşünün.
Etiket: bir abone, skorlama tarihinden itibaren 30 gün içinde iptal ederse "churn etmiş" sayılır.
Özellikler: son atlanan teslimattan bu yana geçen hafta sayısı, son sekiz haftadaki atlamalar, destek talepleri ve indirime bağımlılık.
Model: scikit-learn'de gradient boosting; rastgele bir bölme yerine daha sonraki bir zaman aralığında doğrulanır.
Devreye alma: haftalık bir iş, risk skorlarını HubSpot'a yazar.
Test: elde tutma ekibi en yüksek riskli dilimin yarısıyla iletişime geçer, diğer yarısı kontrol grubu olarak ayrılır.
Diyelim ki iletişime geçilen grup, kontrol grubundan belirgin şekilde daha az iptal ediyor; yönetimin önemsediği rakam AUC değil, bu farktır.
Veri biliminde en sık yapılan hatalar nelerdir?
En zararlı hatalar, bir modelin testte mükemmel, production'da ise işe yaramaz görünmesine neden olanlardır.
Veri sızıntısı: bir özellik, iptali tahmin ederken "iade yapıldı" gibi gelecekteki bilgileri sessizce içerir.
Dengesiz veride doğruluk: müşterilerin %1'i churn ediyorsa, "kimse churn etmeyecek" diyen bir model %99 doğrudur ve değersizdir.
Production'a giden yol olmaması: CRM'e veya uygulamaya hiç ulaşmayan notebook'lar hiçbir şeyi değiştirmez.
Kayma (drift): müşteri davranışı değişir ve izlenmeyen bir model sessizce bozulur.
"Üç teslimatı atlamış hesapları işaretle" gibi bir SQL kuralı neredeyse aynı performansı gösteriyorsa ve herkes onu açıklayabiliyorsa modellemeyi atlayın.
Veri bilimi, veri analizi ve makine öğreniminden nasıl ayrılır?
Analiz bir soruyu bir kez yanıtlar, makine öğrenimi bir algoritmalar bütünüdür; veri bilimi ise kararları tekrar tekrar değiştirmek için ikisini de kullanan uçtan uca bir pratiktir. Veri analizi, churn'ün geçen çeyrek neden arttığını açıklayabilir.
Makine öğrenimi gradient boosting modelini sağlar. Veri bilimi ise problemi çerçeveler, özellikleri oluşturur, dürüst bir şekilde değerlendirir, devreye alır ve izler; çoğu zaman da tahmine dayalı analitik panellerini besler.
Yaygın platformlar arasında Jupyter, Databricks, Amazon SageMaker, Azure Machine Learning ve Google Vertex AI bulunur; temel kütüphaneler ise scikit-learn ve PyTorch'tur. Büyük dil modelleri yeni bir dal ekledi; burada işin büyük kısmı eğitimden çok değerlendirme ve retrieval tasarımıdır, ancak daha önce görülmemiş veride test etme disiplini hâlâ geçerlidir.
Veri bilimi ve veri analizi
Veri bilimi | Veri analizi | |
|---|---|---|
Ana çıktı | Devreye alınmış model ve deneyler | Bulgular, raporlar, paneller |
Tipik soru | Gelecek ay kim iptal edecek? | İptaller geçen çeyrek neden arttı? |
Temel yöntemler | Makine öğrenimi, deney tasarımı | Toplulaştırma, kohortlar, hipotez testleri |
Temel araçlar | Python, scikit-learn, MLflow, SageMaker | SQL, Excel, Tableau, Power BI |
Süregelen işler | İzleme, yeniden eğitim, kayma kontrolleri | Raporları yenileme veya genişletme |
VIZIO AI veri bilimine nasıl yaklaşır?
VIZIO AI, tahmine dayalı modelleri ancak temel veriler birleştirildikten sonra kurar ve tahminleri saha ekiplerinin zaten kullandığı araçların içinde sunar. Yedi eyalette klinik işleten ABD merkezli bir odyoloji hizmetleri sağlayıcısı için DX Studio ekibimiz önce devralınan eski sistemlerdeki hasta kayıtlarını, işitme cihazı performans verilerini ve CRM girdilerini tek bir veri ambarında birleştirdi.
Ardından ekip, olası iadeleri ve kopuşları işaretlemek için Python ve Azure ML ile makine öğrenimi modelleri eğitti ve erken uyarıları klinik yöneticileri için bir Power BI panelinde sundu. Sağlayıcı, pilot kliniklerde işitme cihazı iade oranlarını %12–15 azalttı ve manuel raporlama eforunu %40 düşürdü. Nereden başlamalı: iki hafta önceden tahmin edebilseydiniz farklı davranacağınız tek bir sonucu seçin.