Veri değer zincirinin tamamını kapsayan kapsamlı Data Analytics müfredatı. Google Sheets ve SQL ile veri manipülasyonundan Power BI ve Looker Studio ile interaktif dashboard oluşturmaya, ELT araçları (dbt, Zapier) ile otomasyon ve Python (Pandas, Scikit-Learn) ile prediktif analize kadar. Veri kaynaklarını belirlemeyi, funnel oluşturmayı, müşteri tutundurma analizi yapmayı ve analizlerden somut eylem önerileri sunmayı öğren.
Google Sheets ve gelişmiş formüllerle veri manipülasyonu
BigQuery ile gelişmiş SQL: analitik sorgular, CTE, window function
Pazarlama, satış ve ürün ekipleri için veri modelleme
ELT araçları: dönüşüm için dbt, otomasyon için Zapier
Google Tag Manager ve takip planları ile web takibi
Veri çıkarma için API ve webhook
Power BI ve Looker Studio (Google Data Studio) ile veri görselleştirme
İstatistiksel analiz ve AB testi
Analiz için Python: Pandas, Plotly, Jupyter, Google Colab
Uygulamalı Machine Learning: churn tahmini, Scikit-Learn ile müşteri segmentasyonu
Analiz metodolojisi: KPI, satış hunisi, tutundurma, kohortlar
Uçtan uca proje: problem tespitinden otomatik dashboard'a
Bu teknolojiyi anlamak ve mülakatlarını başarmak için en önemli kavramlar
Google Sheets: gelişmiş formüller (DÜŞEYARA, INDEX/MATCH, ARRAYFORMULA), pivot tablo, otomasyon
SQL: SELECT, JOIN, GROUP BY, HAVING, window function (ROW_NUMBER, RANK, LAG/LEAD), CTE, alt sorgu
BigQuery: bölümleme, kümeleme, iç içe sorgular, maliyet optimizasyonu, UDF
Veri Modelleme: yıldız şemaları, fact ve dimension tabloları, normalizasyon, denormalizasyon
KPI ve Metrikler: CAC, LTV, MRR, ARR, churn oranı, NPS, dönüşüm oranı, ARPU
Funnel ve Kohortlar: dönüşüm analizi, kohort tutundurma, RFM analizi
ELT ve Veri Hattı: Extract-Load-Transform, dbt (modeller, testler, kaynaklar), orkestrasyon
Zapier ve otomasyon: tetikleyiciler, eylemler, çok adımlı iş akışları, webhook
Google Tag Manager: etiketler, tetikleyiciler, değişkenler, dataLayer, takip planları
Power BI: DAX, hesaplanmış ölçüler, ilişkiler, görselleştirmeler, filtreler, detaya inme
Looker Studio: veri kaynakları, hesaplanmış alanlar, filtreler, parametreler, harmanlama
Görselleştirme: doğru grafik seçimi, veri hikayeciliği, tasarım ilkeleri (Tufte)
AB Testi: hipotezler, örneklem büyüklüğü, istatistiksel anlamlılık, p-değeri, Student t-testi
Python ve Pandas: DataFrame, Series, groupby, merge, pivot_table, temizleme
Plotly: interaktif grafikler, alt grafikler, animasyonlar, dashboard
Scikit-Learn: regresyon, sınıflandırma, kümeleme (K-Means), train/test bölme, metrikler
Metodoloji: problem çerçeveleme, kaynak belirleme, temizleme, analiz, öneriler
Data Analytics hakkındaki en son makale ve rehberlerimizi keşfet
Veri analisti mülakatlarında başarı için kritik olan ileri düzey SQL konuları: korelasyonlu alt sorgular, pivot tablolar, EXPLAIN planları ve indeksleme stratejileri.
Pandas 3.0 Copy-on-Write, PyArrow string ve pd.col() getiriyor. Breaking change'ler, migrasyon desenleri ve veri analizi mülakat soruları incelemesi.
Matplotlib ve Seaborn ile Python veri görselleştirmede uzmanlaşma rehberi. Grafikler, stil düzenleme, alt grafikler ve 2026 veri analitiği mülakatlarında sıkça sorulan sorular.