İş Verisi Analitiği Eğitimi (IIBA CBDA) Yeni Dönem

Bu eğitim, IIBA® CBDA (Certification in Business Data Analytics) rehberinde yer alan altı temel uygulama alanı üzerine yapılandırılmıştır. Katılımcılar, iş kararlarını veriyle desteklemek için gerekli analitik teknikleri, araçları ve süreçleri öğrenir. Eğitim, iş analistleri, proje yöneticileri, ürün sahipleri ve veri analitiği projelerinde görev alan profesyoneller için uygundur.

Katılımcılar, gerçek vaka çalışmaları ve veri setleri üzerinden iş problemi tanımı ,veri analizi, içgörü geliştirme , öneri oluşturma döngüsünü adım adım uygular. Böylece veriyle hikâye anlatımı (data storytelling), görselleştirme, ve iş değeri optimizasyonu becerileri gelişir. Eğitim sonunda, katılımcılar veri analitiği projelerinde hem analitik hem de iş stratejisi perspektifini bütünleştirebilir hale gelirler.

• İş verisi analitiğinin tanımı ve IIBA® CBDA çerçevesi
• İş analizi ile veri analitiği arasındaki sinerji
• Veri analitiği türleri: tanımlayıcı, kestirimsel, öngörücü, normatif
• Analitik olgunluk düzeyleri ve veri temelli organizasyon yapısı

• İş probleminin veri açısından tanımlanması
• Hipotez oluşturma ve doğrulama yaklaşımları
• Mevcut iş süreçlerinde veri fırsatlarını keşfetme
• Veri analitiği kullanım senaryoları: müşteri davranışı, risk yönetimi, operasyonel verimlilik

• Analiz kapsamı ve hedeflerin tanımlanması
• Veri kaynaklarının seçimi (iç ve dış kaynaklar)
• Doğru metrik ve göstergelerin belirlenmesi (KPIs, OKRs)
• Analitik projelerde paydaşların rolü ve beklenti yönetimi

• Veri toplama, temizleme (data cleansing) ve dönüştürme (data wrangling) teknikleri
• Veri kalitesi, bütünlük ve güvenilirlik kontrolleri
• Veri entegrasyonu: farklı sistemlerden veri çekme ve birleştirme
• Uygulamalı örnek: Excel / SQL / Power BI ile veri hazırlama

• Veri keşfi (Exploratory Data Analysis) ve örüntü tespiti
• Temel istatistiksel analiz teknikleri
• Görselleştirme yöntemleri: histogram, dağılım grafiği, korelasyon matrisi
• Araç örnekleri: Power BI, Tableau, Python (pandas, matplotlib

• Analiz sonuçlarını iş hedefleriyle ilişkilendirme
• Nedensel ilişkileri belirleme (cause-effect analysis)
• Trend ve anomalilerin yorumlanması
• Karar alma destek sistemleri ve veri temelli strateji oluşturma

• Veri hikâyeleştirme (data storytelling) prensipleri
• Görsel anlatım teknikleri (dashboard, infografik, KPI kartları)
• Karar vericilere yönelik sunum hazırlama ve etki yaratma
• Analitik çıktının eyleme dönüşmesi: öneri, aksiyon planı, iş senaryosu

• Uygulanan çözümün performansını izleme (monitoring)
• Veri temelli geri bildirim döngüleri oluşturma
• Beklentilere göre fark analizi (gap analysis)
• Sürekli iyileştirme ve model güncelleme süreçleri