cansu ayaz.

VERİ × İNSAN DAVRANIŞI × GERÇEK ETKİ

VerininÖtesinde.

Karmaşık verileri, insan odaklı bir bakış açısıyla analiz ederek anlamlı içgörülere dönüştürüyorum.

Projelerimi keşfet Hakkımda daha fazla ↓

Doğru sorular. Güçlü analiz. Anlamlı kararlar.

01 / SEÇİLMİŞ ÇALIŞMALAR

Veriden içgörüye.

Gerçek sorular, şeffaf yöntemler,
kanıta dayalı bulgular.

01FİNANSAL PERFORMANS · 2024–2025

InsightFlow AI

Gelir büyürken kârlılık
aynı hızda ilerliyor mu?

Üç ürün ve üç bölgede gelir, maliyet ve brüt kârı inceleyen finansal analiz. Büyümenin arkasındaki maliyet baskısını görünür kılan bir çalışma.

BigQueryPythonPandasEDA
%13,23Yıllık gelir büyümesi
−0,58 puanBrüt marj değişimi
GitHub’da incele ↗
INSIGHTFLOW / FINANCIAL ANALYSIS
Gerçek notebook çıktısı Görseli büyüt ↗
BULGU

Maliyetler %14,62 büyüyerek gelir artışını aştı. Büyüme, marjı korumaya tek başına yetmedi.

Vaka çalışmasını oku

İş sorusu

Core, Plus ve Premium ürünlerinde; Central, North ve South bölgelerinde büyüme ve kârlılık nasıl değişiyor?

Veri & yöntem

216 gözlem, 19 kaynak sütunu ve 24 ay. BigQuery’den alınan veride Python ile eksik değer, tekrar ve finansal mutabakat kontrolleri; ürün, bölge ve aylık analizler.

Karara katkısı

Premium, %53,95 ile en yüksek toplam ürün marjına sahip. Core’un marjı %49,87. Fiyat, indirim ve birim maliyetlerin ürün bazında incelenmesi öneriliyor.

Kapsam & sınırlar

Rakamlar kayıtlı notebook çıktılarından alınmıştır; veri kaynağına erişim gerektiren analiz yeniden çalıştırılmadı. Para birimi tutarlılığı doğrulanmalı. Power BI dosyaları repoda yok; dbt ve AI Financial Analyst planlanan uzantılar. Analiz nedensellik göstermez.

POWER BI · GERÇEK PROJE GÖRÜNTÜSÜ ↗
02OYUN VERİSİ & DAVRANIŞ

Steam Analytics

Oyuncu deneyimini
veriden okumak.

Oyun türleri, fiyatlandırma, oynanma süreleri ve memnuniyeti bir araya getiren uçtan uca ekip projesi.

SQLdbtPower BIPython
≈99 binAnaliz edilen oyun
3 katmandbt veri modelleme
GitHub’da incele ↗
Vaka çalışmasını oku

Problem & yöntem

Oyunların fiyatı, türü, oynanma süresi ve olumlu değerlendirme oranı arasındaki örüntüler incelendi. BigQuery ve dbt ile staging, intermediate ve mart katmanları kuruldu; Power BI ile analiz ekranları hazırlandı.

Somut çıktı

Repo sunumunda 33 tür, 42 kategori ve yaklaşık 99 bin oyun yer alıyor. Oynanma segmentleri kısa (<2,33 saat), orta (2,33–5,63 saat) ve uzun (>5,63 saat) olarak tanımlanıyor.

Makine öğrenmesi

Python kodunda fiyat, DLC, başarımlar, öneriler ve tür gibi özelliklerle olumlu değerlendirme oranı tahmini ele alınıyor. Bu portfolyo doğrulanmamış model başarı skoru sunmuyor.

Ekip & sınırlar

Seren Erbaş, Cansu Ayaz, Esra Cantürk ve Mustafa Can. Bireysel görev dağılımı repoda açıklanmıyor. Dashboard ekranları farklı filtre kapsamlarına sahip; yorum sayıları tek bir genel toplam gibi sunulmuyor.

Proje sunumunu aç ↗
POWER BI · GERÇEK PROJE GÖRÜNTÜSÜ ↗
03İŞ PİYASASI ANALİZİ · ABD

LinkedIn İş İlanları

İş fırsatları
nerede yoğunlaşıyor?

2023–2024 ABD iş ilanlarında sektör, şirket, lokasyon, maaş ve aday etkileşimini inceleyen ekip projesi.

BigQuerydbtPower BIİstatistik
≈124 binİş ilanı
389Sektör
GitHub’da incele ↗
Vaka çalışmasını oku

Problem & yöntem

İşe alım talebinin sektör, şirket ve coğrafyaya dağılımı araştırıldı. BigQuery ve SQL/dbt veri modelleri, Power BI görselleştirmeleri ve istatistiksel hipotez testleri bir araya getirildi.

Öne çıkan bulgu

Hastaneler ve sağlık hizmetleri yaklaşık 18 bin ilanla toplamın %14,34’ünü oluşturuyor. California yaklaşık 11 bin, Texas yaklaşık 10 bin ilanla öne çıkıyor.

İçgörü & modelleme

İlanın yayında kalma süresi ile görüntülenmesi arasında pozitif ama zayıf ilişki bildiriliyor. Maaş tahmini için Linear Regression; eksik değer işleme, IQR, One-Hot Encoding ve eğitim/test ayrımı kullanılıyor.

Ekip & sınırlar

Seren Kayran Erbaş, Cansu Ayaz, Esra Cantürk ve Gökberk Ozan. Bulgular repo README’sine dayanıyor; model başarısı için sayısal skor yayımlanmıyor. İlişki, nedensellik anlamına gelmez.

Proje bilgileri GitHub README, kod, sunum ve kayıtlı çıktılarından derlendi · 28 Ekim 2026. Kaynak notları ↗

02 / HAKKIMDA

Veriye insan
perspektifinden
bakıyorum.

Klinik psikoloji geçmişim, insan davranışlarını anlamaya, doğru soruları sormaya ve örüntüleri dikkatle değerlendirmeye dayanıyor.

Bu bakış açısını veri analitiğiyle birleştiriyorum. SQL ve Python ile veriyi hazırlıyor; BigQuery, dbt ve Power BI ile analizden anlaşılır görselleştirmelere uzanan çalışmalar yapıyorum.

SQL & BigQueryPython & PandasPower BIdbtİstatistik & EDAVeri görselleştirme
Özgeçmişimi incele ↗

03 / İLETİŞİM

Birlikte anlam
çıkaralım.

Veri analitiği fırsatları, projeler
ve yeni fikirler için tanışalım.

01 / TANIŞALIMLinkedIn ↗02 / KODLARI KEŞFETGitHub ↗03 / DENEYİMİ İNCELECV indir ↓04 / DOĞRUDAN YAZE-posta ↗