AI ile Veri Analizi Rehberi

AI ile Veri Analizi Kapsamlı Rehberi

Bu rehber, yapay zeka kullanarak veri analizi süreçlerini hızlandırmak, içgörüler elde etmek ve etkili raporlar oluşturmak için tasarlanmış kapsamlı prompt şablonlarını içermektedir. Excel, CSV, veritabanı verileri ve iş zekası uygulamaları için kullanabileceğiniz pratik şablonlar sunulmaktadır.

📊 Kullanım Notu: Şablonlardaki [KÖŞELİ PARANTEZ] içindeki alanları kendi verilerinize göre doldurun. Hassas verileri AI ile paylaşmadan önce anonimleştirin.

Veri Temizleme ve Hazırlama

Veri Kalitesi Analizi

Veri setinin kalitesini değerlendirme şablonu.

VERİ KALİTESİ ANALİZİ



Bu veri setini analiz et ve kalite raporu oluştur.



VERİ:

[Veri setini veya örnek satırları yapıştır]



ANALİZ KRİTERLERİ:



1. TAMLAMA (Completeness):

   Eksik değer sayısı ve oranı

   Hangi sütunlarda eksiklik var

   Eksiklik pattern i var mı



2. DOĞRULUK (Accuracy):

   Mantıksız değerler

   Aykırı değerler (outliers)

   Format tutarsızlıkları



3. TUTARLILIK (Consistency):

   Sütunlar arası tutarsızlık

   Tekrarlayan kayıtlar

   Referans bütünlüğü



4. GEÇERLİLİK (Validity):

   Veri tipi uyumsuzlukları

   Aralık dışı değerler

   Format hataları



ÇIKTI FORMATI:

Toplam satır, sütun, genel kalite skoru

Sütun bazlı analiz

Sorunlar ve öneriler listesi

Veri Temizleme Scripti

Otomatik veri temizleme kodu üretme.

VERİ TEMİZLEME SCRİPTİ



Bu veri seti için temizleme scripti yaz.



VERİ YAPISI:

[Sütun isimleri ve veri tipleri]



TESPİT EDİLEN SORUNLAR:

[Sorun listesi]



PROGRAMLAMA DİLİ: [Python / R / SQL]



TEMİZLEME İŞLEMLERİ:

1. Eksik değerler: [Sil / Doldur / Impute]

2. Duplikasyonlar: [İlkini tut / Sonuncuyu tut]

3. Format düzeltme: [Tarih formatı, metin temizleme]

4. Aykırı değerler: [IQR / Z-score / Manuel]



ÇIKTI:

Çalışır Python/R kodu

Temizleme log u

Önce/sonra istatistikler

Veri Analizi Şablonları

Keşifsel Veri Analizi (EDA)

Veri setini keşfetme ve anlama.

KEŞİFSEL VERİ ANALİZİ (EDA)



Bu veri seti için kapsamlı EDA yap.



VERİ:

[Veri seti veya açıklaması]



HEDEF DEĞİŞKEN: [varsa belirt]

ANALİZ AMACI: [ne öğrenmek istiyorsunuz]



ANALİZ ADIMLARI:



1. GENEL BAKIŞ:

   Veri boyutu, veri tipleri, ilk/son satırlar



2. TEK DEĞİŞKEN ANALİZİ:

   Sayısal: mean, median, std, min, max, histogram

   Kategorik: frekans dağılımı, bar chart



3. ÇİFT DEĞİŞKEN ANALİZİ:

   Korelasyon matrisi

   Scatter plot önerileri

   Cross-tabulation



4. ÇOKLU DEĞİŞKEN:

   Segment analizi

   Pattern tespiti



ÇIKTI:

Özet bulgular (en önemli 5-10)

Görselleştirme önerileri

Hipotezler ve sonraki adımlar

İstatistiksel Analiz

İstatistiksel testler ve yorumlama.

İSTATİSTİKSEL ANALİZ



Bu veriler üzerinde istatistiksel analiz yap.



VERİ:

[Veri veya özet istatistikler]



ANALİZ TÜRÜ: [Seç]

- Tanımlayıcı istatistik

- Hipotez testi

- Korelasyon analizi

- Regresyon analizi

- ANOVA

- Ki-kare testi



ARAŞTIRMA SORUSU:

[Ne test etmek istiyorsunuz]



HİPOTEZLER:

H0: [Null hipotez]

H1: [Alternatif hipotez]



ÇIKTI:

Kullanılan test ve varsayımlar

Test istatistiği ve p-değeri

Güven aralığı

Pratik yorum ve sınırlılıklar

Trend ve Tahmin Analizi

Zaman serisi analizi ve tahminleme.

TREND VE TAHMİN ANALİZİ



Bu zaman serisi için analiz yap.



VERİ:

[Tarih ve değer çiftleri]



ZAMAN ARALIĞI: [Günlük / Haftalık / Aylık]

TAHMİN DÖNEMİ: [Kaç periyot ileri]



ANALİZ İSTEKLERİ:



1. TREND: Yön, güç, kırılma noktaları

2. MEVSİMSELLİK: Pattern, döngü uzunluğu

3. ANOMALİ: Aykırı dönemler

4. TAHMİN: Değerler ve güven aralıkları



ÇIKTI:

Trend özeti

Mevsimsel pattern açıklaması

Tahmin tablosu

Model performansı (MAPE, RMSE)

Raporlama ve Görselleştirme

Yönetici Özeti

Üst yönetim için veri özeti.

YÖNETİCİ ÖZETİ



Bu analiz sonuçlarından executive summary oluştur.



ANALİZ SONUÇLARI:

[Detaylı bulgular]



HEDEF KİTLE: [CEO / CFO / Departman Müdürü]

KARAR NOKTASI: [Ne kararı destekleyecek]



ÖZET FORMATI:



1. ANA BULGULAR (30 saniyede okunabilir):

   3-5 kritik bulgu, bullet point



2. KPI ÖZETİ:

   Metrik | Mevcut | Hedef | Değişim | Durum



3. RİSKLER VE FIRSATLAR:

   Kısa listeler



4. ÖNERİLER:

   Acil, kısa vade, uzun vade



KURALLAR:

Jargon kullanma, sayıları yuvarla

Maksimum 1 sayfa

Dashboard Tasarımı

Veri dashboard ı planlama.

DASHBOARD TASARIMI



Bu veriler için dashboard tasarla.



VERİ KAYNAKLARI:

[Mevcut veri setleri]



KULLANICILAR: [Kim, ne sıklıkla]



İŞ SORULARI:

[Cevaplanması gereken sorular]



TASARIM:



1. KPI KARTLARI (Üst):

   4-6 ana metrik



2. ANA GRAFİKLER (Orta):

   Grafik türü, veri, boyut, konum



3. FİLTRELER:

   Tarih aralığı, kategori filtreleri



4. DETAY TABLOLARI (Alt):

   Drill-down veriler



RENK ŞEMASI:

Pozitif: Yeşil, Negatif: Kırmızı

Marka renkleri



ARAÇ ÖNERİSİ:

[Power BI / Tableau / Looker / Excel]

Excel ve Spreadsheet İşlemleri

Excel Formül Oluşturma

Karmaşık Excel formülleri üretme.

EXCEL FORMÜL OLUŞTURMA



Bu iş için Excel formülü yaz.



YAPILACAK İŞ:

[Ne hesaplanacak]



VERİ YAPISI:

Sütun A: [İçerik]

Sütun B: [İçerik]

Veri aralığı: [Başlangıç:Bitiş]



KOŞULLAR:

[Varsa if koşulları]



ÖRNEK:

Girdi: [örnek]

Beklenen çıktı: [sonuç]



EXCEL VERSİYONU: [365 / 2019 / 2016]



ÇIKTI:

Formül

Açıklama (ne yaptığı)

Kullanım notu

Alternatif yöntem

Pivot Tablo Tasarımı

Pivot tablo yapısı önerme.

PIVOT TABLO TASARIMI



Bu analiz için pivot tablo tasarla.



KAYNAK VERİ:

[Sütunlar ve açıklamaları]



ANALİZ SORUSU:

[Ne öğrenmek istiyorsunuz]



PIVOT YAPISI:



SATIRLAR: [Gruplama alanları]

SÜTUNLAR: [Karşılaştırma alanları]

DEĞERLER: [Metrikler ve hesaplama türleri]

FİLTRELER: [Filtreleme alanları]



HESAPLANAN ALANLAR:

[Özel formüller]



KOŞULLU FORMATLAMA:

[Renk kuralları]



ÖRNEK ÇIKTI:

[Tablonun görünümü]

SQL ve Veritabanı Sorguları

SQL Sorgu Oluşturma

Veri analizi için SQL sorguları.

SQL SORGU OLUŞTURMA



Bu analiz için SQL sorgusu yaz.



VERİTABANI: [MySQL / PostgreSQL / SQL Server]



TABLO YAPISI:

Tablo: [tablo_adi]

  - [sütun1] [tip]

  - [sütun2] [tip]



İLİŞKİLER:

[Foreign key ilişkileri]



ANALİZ İSTEĞİ:

[Ne çekilecek / hesaplanacak]



FİLTRELER: [WHERE koşulları]

GRUPLAMA: [GROUP BY]

SIRALAMA: [ORDER BY]



ÇIKTI:

SQL sorgusu (formatlı, yorumlu)

Açıklama

Performans notu

Beklenen sonuç yapısı

Python ile Veri Analizi

Pandas Veri İşleme

Python pandas ile veri manipülasyonu.

PANDAS VERİ İŞLEME



Bu veri işleme görevi için Python kodu yaz.



VERİ:

[DataFrame yapısı veya örnek]



GÖREV:

[Ne yapılacak - filtreleme, gruplama, pivot, merge, vb.]



GEREKSİNİMLER:

[Özel istekler]



ÇIKTI FORMATI:

[Beklenen sonuç]



KOD GEREKSİNİMLERİ:

- Yorumlu ve açıklamalı

- Best practices

- Hata yönetimi

- Performans ipuçları

Veri Görselleştirme Kodu

Matplotlib, Seaborn, Plotly grafik kodları.

VERİ GÖRSELLEŞTİRME KODU



Bu veri için görselleştirme kodu yaz.



VERİ:

[Veri yapısı]



GRAFİK TÜRÜ: [line / bar / scatter / histogram / heatmap / pie]



KÜTÜPHANE: [matplotlib / seaborn / plotly]



GRAFİK GEREKSİNİMLERİ:

Başlık: [...]

X ekseni: [...]

Y ekseni: [...]

Renklendirme: [...]

Legend: [...]



STİL:

Tema: [minimal / profesyonel]

Boyut: [genişlik x yükseklik]



ÇIKTI:

Çalışır Python kodu

Özelleştirme seçenekleri

Veri Analizi İpuçları

Veri Temizleme İçin:

• Her zaman orijinal veriyi yedekleyin
• Temizleme adımlarını dokümante edin
• Önce küçük örnekle test edin
• Aykırı değerleri silmeden önce nedenini araştırın

Analiz İçin:

• Analizden önce soruyu netleştirin
• Basit analizle başlayın, gerekirse derinleştirin
• Korelasyon nedensellik değildir
• Sample size ı göz önünde bulundurun

Raporlama İçin:

• Hedef kitleye göre detay seviyesi ayarlayın
• En önemli bulguyu ilk söyleyin
• Görselleştirmeleri basit tutun
• Aksiyon önerisi ile bitirin

AI Kullanırken:

• Hassas verileri anonimleştirin
• AI çıktılarını manuel doğrulayın
• Formül ve kodları test edin
• Büyük veri setlerini örnekleyerek paylaşın