Sky · Veri Analizi

Hızlı yol: DuckDB

Kurulum yok denecek kadar kolay, dosyalar üzerinde doğrudan SQL, milyonlarca satırda hızlı:

-- duckdb CLI veya Python: import duckdb; duckdb.sql("…").df()
SELECT date_trunc('month', starts_at) AS ay, service, count(*) AS adet, sum(price) / 100.0 AS gelir
FROM read_csv('randevular.csv', delim=';', header=true, dateformat='%d.%m.%Y')
WHERE status = 'completed'
GROUP BY ALL ORDER BY ay, gelir DESC;

Parquet, JSON, uzak dosyalar (S3/HTTP), Postgres'e doğrudan bağlanma (ATTACH) da var. Geliştiricilerin yeni favorisi.

Python: pandas / polars

import polars as pl
df = (pl.read_csv("randevular.csv", separator=";", encoding="utf8-lossy")
        .with_columns(pl.col("starts_at").str.strptime(pl.Datetime, "%d.%m.%Y %H:%M"),
                      pl.col("price").str.replace_all(r"\.", "").str.replace(",", ".").cast(pl.Float64)))
summary = (df.filter(pl.col("status") == "completed")
             .group_by(pl.col("starts_at").dt.truncate("1mo").alias("ay"))
             .agg(pl.len().alias("adet"), pl.col("price").sum().alias("gelir"))
             .sort("ay"))

polars büyük veride hızlı ve tutarlı API; pandas ekosistemi en geniş. İkisi de DuckDB ile birlikte çalışır.

Temizleme kontrol listesi

• Kodlama (UTF-8, gerekirse Windows-1254), ayraç (;), ondalık virgül
• Tipler (tarih, sayı, kategori) doğru; tarih saat dilimi bilinçli
• Eksik değerler: ne kadar, neden, nasıl ele alınacak (sil / doldur / ayrı kategori)
• Tekrar eden satırlar, test verileri, iç kullanıcılar ayıklandı
• Aykırı değerler incelendi (hata mı gerçek mi?)
• Metin normalizasyonu (büyük/küçük harf tr kurallarıyla, boşluk)

Keşifsel analiz

Satır/sütun sayıları, describe(), kategori dağılımları, zaman içinde trend, segment karşılaştırması. Her bulgunun yanında "bu ne anlama geliyor?" cümlesi. Korelasyon ≠ nedensellik; örneklem küçükse belirt.

Ürün metrikleri

• Huni: adım adım dönüşüm (ziyaret → kayıt → ilk randevu → ödeme) ve en büyük düşüş.
• Cohort retention: kayıt ayına göre gruplar, sonraki aylarda aktif oranı (ısı haritası tablo).
• Retention / churn, ARPU, LTV kabası, aktif kullanıcı (DAU/WAU/MAU) — tanımları yaz (ne "aktif" sayılır?). Analitik olay verisi büyükse ClickHouse/BigQuery veya PostHog'un SQL'i (bkz. sky-observability).

Görselleştirme

matplotlib/seaborn (statik rapor), plotly (etkileşimli), Altair (bildirimsel). Kurallar sky-dataviz ile aynı: soruya uygun grafik, başlık mesajı söyler, Türkçe biçimler (ticker.FuncFormatter ile 1.234,5), renk körlüğüne dayanıklı palet.

Defterler ve tekrar üretilebilirlik

• marimo (reaktif, .py dosyası — Git dostu) veya Jupyter; Jupyter'de "baştan çalıştır" ile hatasız bitmeli.
• Ham veri değiştirilmez; temizleme adımları kodda; bağımlılıklar uv ile sabit (bkz. sky-python).
• Kişisel veriyi analiz ortamına gereksiz taşıma; anonimleştir (bkz. sky-privacy-engineering).

Paylaşma

Kısa rapor: 3 ana bulgu (rakamla) → her biri için grafik → öneriler → yöntem ve sınırlamalar. Sürekli izlenecekse panoya dönüştür (bkz. sky-dashboard).