GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| EYON315 | Veri Analitiği | Ders | 3 | 5 | 5.00 | 3.00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, işletmelerin veriye dayalı karar alma süreçlerini etkin biçimde yönetebilmeleri için veri analitiği disiplinine ilişkin temel kavram, yöntem ve yaklaşımları bütüncül olarak öğretmektir. Öğrencilerin, analitik düşünme becerilerini geliştirerek işletme problemlerini sayısal verilere dayalı biçimde analiz edebilme, modelleyebilme ve elde ettikleri bulguları stratejik kararlara dönüştürebilme yetkinliği kazanmaları hedeflenmektedir. Ayrıca, veri analitiği uygulamalarının kurumsal düzeyde ortak bir anlayışa dönüştürülmesi ve bu doğrultuda karar destek mekanizmalarının güçlendirilmesi amaçlanmaktadır.
Dersi Veren Öğretim GörevlisiGörevlileri
Dr. Öğr. Üyesi Ertan AKGENÇ
Öğrenme Çıktıları
| 1 | Veri analitiği disiplininin temel kavramlarını, bileşenlerini ve analitik türlerini (açıklayıcı, öngörücü, tanılayıcı, yönlendirici) kavramsal düzeyde açıklayabilme. |
| 2 | İşletme veri analitiği, iş zekâsı, veri bilimi ve istatistiksel modelleme kavramları arasındaki kuramsal ve metodolojik farklılıkları analiz edebilme. |
| 3 | Veri temizleme, dönüştürme ve aykırı değer tespitine yönelik istatistiksel yöntemleri uygun biçimde seçip uygulayabilme. |
| 4 | Betimsel, çıkarımsal ve keşfedici analiz tekniklerini (parametrik, non-parametrik testler, regresyon, kümeleme) R ve SPSS ortamlarında uygulayabilme. |
| 5 | Çok değişkenli istatistiksel analizler aracılığıyla veri analitiği işlemi yapabilme ve değerlendirebilme. |
| 6 | Analiz bulgularını, veri temelli hikâyeleştirme (data storytelling) ilkeleri doğrultusunda akademik bir rapor veya sunum biçiminde aktarabilme. |
| 7 | Gerçek veya örnek veri setleri üzerinde çok değişkenli istatistiksel yöntemleri kullanarak bütüncül bir veri analitiği projesi tasarlayabilme ve yürütebilme. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Bu ders kapsamında, işletme verileri üzerinde veri temizleme, dönüştürme, betimleyici ve kestirimci analizlerin uygulanması ele alınmaktadır. Öğrenciler, R, SPSS ve Excel ortamlarında gerçekleştirilecek uygulamalar aracılığıyla veri analitiği sürecinin tüm aşamalarını deneyimleyeceklerdir. Ders, verilerin analitik yöntemlerle çözümlenmesi, istatistiksel bulguların görselleştirilmesi ve sonuçların PowerPoint destekli raporlama teknikleriyle anlatı formatında sunulmasını kapsamaktadır. Böylece, öğrencilerin hem analitik hem de iletişimsel boyutta güçlü, veri temelli hikâyeleştirme becerileri kazanmaları sağlanır.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Veri Analitiğine Giriş ve Analitik Süreçlerin Temelleri: Veri bilimi ve analitik yaklaşımlar, Veri kaynakları, Veri yaşam döngüsü, Analitik yaklaşımlar, Gövde-yaprak gösterimi. | Bu haftada veri analitiği kavramı, tarihsel gelişimi ve modern veri bilimi içerisindeki konumu incelenir. Veri analitiğinin türleri (açıklayıcı, öngörücü, tanılayıcı ve yönlendirici analitik) kuramsal çerçevede ele alınır. Analitik sürecin aşamaları (veri toplama, temizleme, analitik modelleme, yorumlama ve karar desteği) sistematik olarak açıklanır. R ve SPSS yazılımlarının arayüzlerine giriş; veri seti yükleme ve değişken tanımlama işlemleri gösterilir. | |
| 2 | Tanımlayıcı İstatistikler ve Veri Özetleme Teknikleri: Değişkenlerin Tanımlanması, Merkezi Eğilim ve Dağılım Ölçüleri, Sınıflandırılmış ve Sınıflandırılmamış Verilerin Analizi. | Veri setlerinin özetlenmesi, merkezi eğilim (ortalama, ortanca, mod) ve yayılım ölçülerinin (varyans, standart sapma, çarpıklık, basıklık) kuramsal temelleri açıklanır. Ayrıca frekans dağılımları, sınıf aralıkları ve grafiksel özetleme teknikleri üzerinde durulur. R ortamında summary(), sd(), describe() vb. fonksiyonları ile betimsel analiz yapılması SPSS’te Analyze __Descriptive Statistics menüsüyle özet tablo üretimi ve analizinin yapılması | |
| 3 | İstatistiksel Grafik Türleri: Çubuk Grafiği, Pasta Grafiği, Çizgi Grafiği, Histogram, Kutu Grafiği, Dağılım/Saçılım Grafiği. | İstatistikte grafik türlerinin sınıflandırılması, kullanım alanları ve veri türlerine göre uygun grafik seçimi. Çubuk grafikler (bar charts) ile kategorik verilerin karşılaştırılması; pasta grafikler (pie charts) ile oranların görselleştirilmesi; çizgi grafikler (line charts) ile zaman serisi analizleri; histogramlar ile sürekli değişkenlerin dağılım yapısının incelenmesi; dağılım grafikleri (scatter plots) ile iki değişken arasındaki ilişki biçiminin yorumlanması; kutu grafikleri (box plots) ile aykırı değer ve medyan odaklı dağılım incelemesi; alan grafikler (area charts) ile kümülatif eğilimlerin gösterimi. Teorik sunum, R ve SPSS ortamlarında görsel veri analizi uygulamaları, laboratuvar destekli örnek çözümleri. R’da ggplot2, barplot(), hist(), plot(), boxplot() fonksiyonları; SPSS’te Chart Builder modülü üzerinden grafik oluşturma ve yorumlama çalışmaları yapılır. | |
| 4 | Normallik Varsayımı: Shapiro-Wilk, Kolmogorov-Smirnov testleri, Veri Düzenleme ve Temizleme, Veri dönüşümleri (Box-Cox, Logaritmik, Karekök, Standardizasyon ve Normalizasyon) | Normallik varsayımının istatistiksel testlerdeki önemi açıklanır. Shapiro-Wilk ve Kolmogorov-Smirnov testlerinin matematiksel formülasyonları ve karar kuralları tanıtılır. Box-Cox dönüşümü ve logaritmik, karekök gibi üssel dönüşümlerle normalliğe yaklaşım yöntemleri tartışılır. R: shapiro.test(), ks.test(), qqnorm() fonksiyonları kullanılır. SPSS: Analyze → Descriptive Statistics → Explore analizinin yapılması. | |
| 5 | Parametrik Testlere Giriş 1: Bağımsız örneklem t-testi, Bağımlı örneklem t-testi, Varyans homojenliği (Levene,Bartlett testleri). | Parametrik testlerin varsayımları, hipotez yapıları ve hata türleri üzerinde durulur. Bağımsız örneklem t-testi ve bağımlı örneklem t-testi teorik olarak karşılaştırılır; varyans homojenliği varsayımı (Levene, Bartlett testi) açıklanır. R: t.test(), var.test(), SPSS: Compare Means → Independent/Paired Samples t-Test kullanılarak analiz edilir. | |
| 6 | Parametrik Testlere Giriş 2: Tek yönlü ANOVA, Çok yönlü ANOVA, Post-hoc Analizler (Tukey, Bonferroni...), Ki-kare Analizi. | Tek yönlü ANOVA modeli, grup ortalamaları arasındaki farkların test edilmesinde kullanılır. Modelin F-istatistiği, serbestlik dereceleri ve varyans bileşenleri açıklanır. Çoklu karşılaştırmalarda hata düzeltme yöntemleri (Tukey, Bonferroni) incelenir. Ki-kare analizi yapılır. R: aov(), TukeyHSD(), SPSS: Analyze → Compare Means → One-Way ANOVA vb. kullanılarak analiz yapılır. | |
| 7 | Parametrik Olmayan Testlere Giriş (Bağımsız ve Bağımlı Değişkenler): Wilcoxon Sign Testi, Mann-Whitney U testi, Kruskal-Wallis Testi, Friedman Testi. | Parametrik varsayımların sağlanmadığı durumlarda kullanılacak alternatif testler tanıtılır. Mann-Whitney U ve Kruskal-Wallis testlerinin teorik yapıları, sıra istatistikleri temelinde açıklanır. Wilcoxon işaretli sıralar testi ve Friedman testi tanıtılır. Sıra temelli bağımlı örnek analizleri ile parametrik eşdeğerlerin karşılaştırması yapılır. Ayrıca Spearman ve Kendall korelasyon katsayıları ile doğrusal olmayan ilişkilerin ölçümü açıklanır. R: wilcox.test(), kruskal.test(), wilcox.test(), friedman.test() ve SPSS: Analyze → Nonparametric Tests → Independent Samples üzerinden uygulama yapılır. | |
| 8 | Vize Sınavı | ||
| 9 | Korelasyon ve Basit Regresyon Analizi: Spearman Korelasyonu, Kendall Korelasyonu, Pearson Korealsyonu, Doğrusal Regresyon Analizi. | Doğrusal regresyonun temel varsayımları, hata terimi yapısı, model katsayılarının anlamı ve belirleme katsayısı (R²) ayrıntılı biçimde açıklanır. Ayrıca Spearman ve Kendall korelasyon katsayıları ile doğrusal olmayan ilişkilerin ölçümü açıklanır. R: lm(y~x) ile summary() fonksiyonu ve SPSS: Analyze → Regression → Linear kullanılarak analizler yapılır. | |
| 10 | Çoklu Regresyon ve Lojistik Regresyon: Çoklu Doğrusal Regresyon Analizi, Binomial Lojistik Regresyon Analizi. | Birden fazla bağımsız değişken içeren çoklu regresyon modellerinin kurulumu, çoklu doğrusal bağlantı ve model seçimi (stepwise, backward) yöntemleri açıklanır. Kategorik bağımlı değişkenler için lojistik regresyon modeli tanıtılır; Odds Ratio ve Pseudo-R² değerlerinin yorumu yapılır. R: glm(family=binomial) fonksiyonu ve SPSS: Binary Logistic Regression kullanılarak analiz yapılır. | |
| 11 | Çok Değişkenli Analiz: Faktör Analizi Güvenirlik Analizi | Çok değişkenli analiz yöntemlerinden biri olan Faktör Analizi üzerinde durulur. Temel bileşenler (Principal Component Analysis) ve ortak faktör analizi modelleri açıklanır; özdeğer (eigenvalue), varyans açıklama oranı, yük matrisleri (factor loadings) ve faktör rotasyonları (Varimax, Promax) tartışılır. Ölçüm araçlarının iç tutarlılığını değerlendirmeye yönelik Güvenirlik Analizi (Reliability Analysis) üzerinde durulur. Cronbach’s Alpha katsayısının yorumu, madde-toplam korelasyonu ve güvenirliğin iyileştirilme yolları ele alınır. R: Faktör Analizi: psych::fa(), principal() ve factanal() fonksiyonları ile temel ve döndürülmüş faktör analizleri. Güvenirlik: psych::alpha() fonksiyonu ile Cronbach’s Alpha hesaplanması. SPSS: Analyze → Dimension Reduction → Factor (Extraction, Rotation, Scree Plot). Analyze → Scale → Reliability Analysis (Cronbach’s Alpha) analizleri yapılır. | |
| 12 | Kümeleme Analizi Alıcı İşlem Karakteristiği Analizi | Kümeleme analizi (Cluster Analysis). Hiyerarşik ve K-ortalama yöntemleri, uzaklık ölçütleri (Euclidean, Manhattan), dendrogram ve Elbow yöntemiyle küme sayısı belirlenirek analiz sonuçlandırılır. ROC (Receiver Operating Characteristic) analizi, eğri altında kalan alan (AUC), duyarlılık (sensitivity) ve özgüllük (specificity) kavramları, Youden indeksi değerlendirilir. R: kmeans(), hclust(), factoextra ve SPSS: Analyze → Classify → Cluster kullanılır. | |
| 13 | Veri Görselleştirme, Bilgi Tasarımı ve Raporlama | Veri görselleştirme ilkeleri (renk seçimi, ölçeklendirme, açıklık, bütünlük) tartışılır. Karmaşık verilerin etkili biçimde sunumu için grafik tasarım stratejileri incelenir.R: ggplot2, cowplot, patchwork kütüphaneleriyle çoklu grafik üretimi, SPSS: Chart Builder ile özel grafik tasarımları kullanılarak hazırlanır. Dönem boyunca öğrenilen yöntemlerin bütüncül biçimde uygulanacağı proje sunumları gerçekleştirilir. | |
| 14 | Final Sınavı |
Ders Kitabı Malzemesi Önerilen Kaynaklar
İşletme Analitiği Muzaffer Kapanoğlu, Fikret Er, Anadolu Üniversitesi, 2019
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 80 |
| Ev Ödevi | 1 | 20 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok.
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 3 | 42 |
| Proje Sunma | 1 | 10 | 10 |
| Proje Tasarımı /Yönetimi | 1 | 31 | 31 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 20 | 20 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 20 | 20 |
| Toplam İş Yükü (saat) | 125 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 2 | 2 | 3 | 4 | 4 | 2 | |||||||||
| ÖÇ 2 | 5 | 3 | 4 | 3 | 5 | 4 | 5 | 4 | 4 | ||||||
| ÖÇ 3 | 4 | 3 | 3 | 5 | 3 | ||||||||||
| ÖÇ 4 | 3 | 4 | 4 | 4 | 4 | ||||||||||
| ÖÇ 5 | 5 | 4 | 4 | 4 | 3 | ||||||||||
| ÖÇ 6 | 4 | 4 | 4 | 3 | 3 | 2 | 4 | 3 | 5 | 4 | 3 | ||||
| ÖÇ 7 | 5 | 5 | 5 | 4 | 3 | 2 | 5 | 5 | 5 | 3 | 3 | 3 | 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek