Veri bilimi süreci: soru → veri → model → karar

Kanca

Bir e-ticaret sitesinin sepet terk etme oranı yüksek. “Veri bilimiyle çözelim” diyorsun — ama nereden başlıyorsun? Elindeki veriyi açıp rastgele grafikler mi çiziyorsun, yoksa bir sıra mı var? 2000 sipariş denemesiyle bu süreci baştan sona, gerçek bir kararla bitirecek şekilde yürütüyoruz.

Sezgi

Veri bilimi, “veriye bak ve bir şeyler bul” değildir — bu, sonu belirsiz bir keşif gezisine çıkmaktır. Gerçek süreç dört adımlı bir döngüdür: önce net bir SORU sor, sonra o soruyu cevaplayacak VERİYİ topla, veriyi anlaşılır bir MODELE (çoğu zaman basit bir karşılaştırma bile olur) indirgeyip, sonunda somut bir KARAR ver ve etkisini ölç.

Sondaki “karar” adımı olmayan bir analiz, veri bilimi değil sadece meraktır. Her adım bir sonrakini kısıtlar: net olmayan bir soru, hangi veriyi toplayacağını bilemezsin demektir; yanlış veri, ne kadar iyi bir model kursan da yanlış sonuç verir.

Mekanizma

Somut bir örnekle ilerleyelim.

1. SORU. “Sepet terk etme oranını nasıl azaltırız?” — çok genel. Daha keskin bir soruya indirgeyelim: “Kargo ücretinin ödeme adımına kadar gizli kalması, terk etme oranını artırıyor mu?”
2. VERİ. Bu soruyu cevaplayacak veriyi topla: 2000 sipariş denemesi, yarısında kargo ücreti baştan görünür, yarısında ödeme adımına kadar gizli.

# SORU: "Sepet terk etme oranını nasıl azaltırız?"
# VERİ: 2000 sipariş denemesi. Bir kısmında kargo ücreti ödeme adımına kadar
# gizli kaldı (sürpriz oldu), bir kısmında baştan gösterildi.
n = 2000
kargo_gizli = rng.random(n) < 0.5  # deneylerin yarısında kargo ücreti gizli

# Kargo gizliyken terk etme olasılığı daha yüksek olsun (gerçek dünya deseni)
terk_olasiligi = np.where(kargo_gizli, 0.42, 0.24)
terk_etti = rng.random(n) < terk_olasiligi

print(f"Toplam deneme: {n}")
print(f"Kargo ücreti gizli olan: {kargo_gizli.sum()}")
print(f"Kargo ücreti baştan görünen: {(~kargo_gizli).sum()}")

Toplam deneme: 2000
Kargo ücreti gizli olan: 1008
Kargo ücreti baştan görünen: 992

3. MODEL. Burada “model” karmaşık bir makine öğrenmesi algoritması değil — iki grubun terk etme oranını karşılaştırmak.

# MODEL: karmaşık bir makine öğrenmesi modeline gerek yok — burada "model" basitçe
# iki grubun terk etme oranını karşılaştırmak. Bazen en iyi model en basit olandır.
oran_gizli = terk_etti[kargo_gizli].mean()
oran_gorunur = terk_etti[~kargo_gizli].mean()

print(f"\nKargo gizliyken terk etme oranı:  %{oran_gizli * 100:.1f}")
print(f"Kargo görünürken terk etme oranı: %{oran_gorunur * 100:.1f}")
print(f"Fark: {(oran_gizli - oran_gorunur) * 100:.1f} puan")

Kargo gizliyken terk etme oranı:  %44.0
Kargo görünürken terk etme oranı: %23.9
Fark: 20.2 puan

Kargo gizliyken terk etme %44.0, görünürken %23.9 — 20.2 puanlık bir fark. Çoğu kişi “veri bilimi” deyince akla hemen karmaşık modeller gelir. Değil, çünkü burada iki oranı karşılaştırmak sorunun cevabı için fazlasıyla yeterli — daha karmaşık bir model, daha iyi bir karar anlamına gelmez.

4. KARAR. Bulguyu somut bir karara çevir ve etkisini tahmin et:

# KARAR: kargo ücretini sepetin en başında göster. Bu kararın olası etkisini
# mevcut trafiğe uygulayarak tahmin edelim.
aylik_ziyaretci = 50_000
mevcut_terk_sayisi = aylik_ziyaretci * oran_gizli
yeni_terk_sayisi = aylik_ziyaretci * oran_gorunur
kurtarilan_siparis = mevcut_terk_sayisi - yeni_terk_sayisi

print(f"\nAylık {aylik_ziyaretci} ziyaretçide:")
print(f"Mevcut durumda tahmini terk: {mevcut_terk_sayisi:.0f} sipariş")
print(f"Karardan sonra tahmini terk: {yeni_terk_sayisi:.0f} sipariş")
print(f"Kurtarılması beklenen sipariş: {kurtarilan_siparis:.0f} / ay")

Aylık 50000 ziyaretçide:
Mevcut durumda tahmini terk: 22024 sipariş
Karardan sonra tahmini terk: 11946 sipariş
Kurtarılması beklenen sipariş: 10078 / ay

Kargo ücretini baştan göstermek, ayda tahmini 10.078 siparişi kurtarabilir. İşte veri bilimi süreci burada biter — bir grafik değil, ölçülebilir bir iş kararı.

Matematik

Kod

Nerede işe yarar

Bu döngü, veri biliminin yapıldığı her yerde (şirket içi analiz, akademik araştırma, ürün kararları) aynı şekilde işler:

• Ürün kararları. Bir özelliği yayınlamadan önce “bu değişiklik gerçekten metriği etkiliyor mu” sorusunu bu döngüyle test etmek.
• Pazarlama. Hangi kanalın gerçekten dönüşüm getirdiğini bulup bütçeyi ona göre kaydırmak.
• Operasyon. Bir sürecin neresinde zaman kaybedildiğini bulup, o adımı değiştirme kararı almak.

Bu 3 hatayı yaparsın:

1. Net bir soru olmadan doğrudan veriye dalmak — sonunda “ilginç ama ne yapacağımı bilmiyorum” bulgularla çıkarsın.
2. Kararı atlayıp analizi rapor olarak bırakmak — veri bilimi bir sunum değil, bir eylemdir.
3. Basit bir karşılaştırmanın yeterli olduğu yerde gereksiz karmaşık bir model kurmaya çalışmak.

Kendini test et

Özet