Kısa cevap: İktisat bölümü ve veri analizi birleşimi; bankacılıkta risk ve kredi analistliği, kamu kurumlarında politika ve araştırma uzmanlığı, şirketlerde fiyatlandırma, talep tahmini ve iş zekâsı rolleri ile pazar araştırması ve danışmanlık gibi geniş bir kariyer alanı açar. Bu kapıları açmak için ekonometri bilgisine Excel, SQL, R veya Python becerisi ve gerçek veriyle hazırlanmış birkaç portföy projesi eklemek gerekir.
Bu rehberde iktisatçının veri analizindeki avantajını, rollerin günlük işini, gereken araçları ve mezuniyet öncesi uygulanabilecek altı aylık bir yol haritasını somut örneklerle anlatıyoruz.
İktisat bölümü ve veri analizi neden iyi bir eşleşmedir?
İktisat eğitimi zaten bir veri yorumlama disiplinidir. Ekonometri derslerinde regresyon kurmak, katsayıları yorumlamak, değişen varyans ve otokorelasyon gibi sorunları test etmek öğretilir. Bu nedenle iktisat mezunu, birçok veri analistinin sonradan öğrendiği nedensellik ve model varsayımları konusunda güçlü bir temelle başlar.
Ayrıca iktisatçı, rakamın arkasındaki mekanizmayı sorar. Örneğin bir perakende zincirinde satışlar düştüğünde yalnızca grafiğe bakmaz; fiyat esnekliğini, rakip fiyatlarını ve hane gelirindeki değişimi birlikte değerlendirir. Dolayısıyla “ne oldu?” sorusundan “neden oldu ve ne yapmalı?” sorusuna geçebilen analistler iş dünyasında öne çıkar.
Öte yandan çoğu iktisat programında programlama ve veri tabanı dersleri sınırlıdır. Bu açığı kapatmak, mezuniyet sonrası iş arama sürecini belirgin biçimde kısaltır.
Mezunlar hangi pozisyonlarda çalışabilir?
Aşağıdaki tablo, ekonometri ve veri becerilerini birlikte kullanan başlıca rolleri ve bu rollerde sık kullanılan araçları özetler.
| Rol | Tipik sektör | Günlük iş örneği | Sık kullanılan araçlar |
|---|---|---|---|
| Veri analisti | E-ticaret, perakende, telekom | Satış ve müşteri verisinden haftalık rapor | Excel, SQL, Power BI |
| Kredi / risk analisti | Bankacılık, finans | Temerrüt olasılığı modeli, portföy izleme | SQL, Python, SAS |
| Araştırma uzmanı / ekonomist | Kamu kurumları, merkez bankası, kalkınma ajansları | Enflasyon, istihdam veya bölgesel büyüme analizi | EViews, Stata, R |
| Fiyatlandırma analisti | Havayolu, otel, perakende | Fiyat esnekliği ve kampanya etkisi ölçümü | Excel, Python |
| Talep planlama uzmanı | Üretim, FMCG, lojistik | Zaman serisi ile aylık talep tahmini | Excel, R, ERP sistemleri |
| Pazar araştırması analisti | Araştırma şirketleri, ajanslar | Anket verisinden segment analizi | SPSS, Excel |
Örneğin bir bankanın risk biriminde çalışan analist, lojistik regresyonla müşterilerin temerrüt olasılığını tahmin eder. Benzer şekilde bir kalkınma ajansındaki uzman, ilçe bazlı istihdam verisini panel veri yöntemleriyle inceler. İki işte de temel, ekonometri derslerinde öğrenilen yöntemlerdir.
İktisat bölümü ve veri analizi için hangi beceriler gerekir?
İşverenlerin ilanlarında en sık gördüğümüz beceriler dört grupta toplanabilir:
- Excel ileri düzey: PivotTable,
ÇAPRAZARA/DÜŞEYARA,ÇOKETOPLA, Power Query ve grafik. Neredeyse her pozisyonda temel beklentidir. - SQL: Veri tabanından veri çekmek için
SELECT,WHERE,GROUP BYveJOINkomutları. Analistlik mülakatlarında sık sorulur. - Bir programlama dili: R (özellikle akademik ve kamu tarafında) veya Python (özel sektörde). pandas, ggplot2 ve temel istatistik paketleri yeterli bir başlangıçtır.
- Ekonometri yazılımı: EViews veya Stata; zaman serisi ve panel veri çalışmaları için hâlâ yaygındır.
Bunun yanı sıra görselleştirme (Power BI veya Tableau) ve iletişim becerisi belirleyicidir. Çünkü bir analizin değeri, karar vericinin onu anlayıp uygulayabilmesine bağlıdır. Zaman serisi araçlarına hızlı bir giriş için EViews varsayım testleri rehberimiz iyi bir başlangıçtır.
Portföy için hangi projeler hazırlanabilir?
Mülakatta “ne yaptın?” sorusuna gösterilecek somut bir iş, diplomadaki not ortalamasından çoğu zaman daha etkilidir. Kamuya açık verilerle hazırlanabilecek proje örnekleri şunlardır:
- Enflasyon ve döviz kuru ilişkisi: TCMB EVDS’ten aylık TÜFE ve kur serilerini indirip durağanlık testleri, VAR modeli ve Granger nedensellik testi uygulamak.
- İl bazlı işsizlik analizi: TÜİK verileriyle illerin işsizlik oranlarını eğitim düzeyi ve sanayi payıyla panel regresyonla incelemek.
- Talep tahmini: Bir e-ticaret veri setinde (örneğin Kaggle’daki açık veri setleri) haftalık satışları üstel düzeltme veya ARIMA ile tahmin etmek.
- Fiyat esnekliği: Fiyat ve satış miktarı verisinde log-log regresyonla esneklik katsayısını hesaplamak ve yorumlamak.
Her projeyi GitHub’da kod, kısa bir rapor ve iki üç grafikle yayımlamak gerekir. Ayrıca raporda yöntem seçimini gerekçelendirmek, iktisatçının farkını gösterir. VAR ve nedensellik uygulaması için EViews ile Granger nedensellik testi ve panel çalışmaları için EViews ile panel veri modelleri yazılarımız adım adım yol gösterir.
Ekonometri ve veri analizi projenizde destek alın
İktisat tezinizde EViews, Stata, R veya SPSS ile ekonometrik analiz yaptırmak, portföy projenizi gözden geçirtmek ya da bulgularınızı raporlatmak istiyorsanız WhatsApp üzerinden yazabilir ya da iletişim ve teklif sayfamızı kullanabilirsiniz. Kapsam netleştikten sonra çalışma planı ve ücret bütçenize göre birlikte belirlenir.
Örnek proje: fiyat esnekliği nasıl hesaplanır?
İktisat bölümü ve veri analizi becerilerinin birleştiği en iyi portföy örneklerinden biri fiyat esnekliği projesidir. Çünkü hem mikroiktisat bilgisini hem de regresyon becerisini aynı anda gösterir. Adımlar şöyledir:
- Veri: Bir ürünün haftalık fiyatı ve satış miktarı (en az 52 hafta) bir tabloya alınır. Kampanya haftaları ayrı bir 0/1 değişkenle işaretlenir.
- Dönüşüm: Excel’de
=LN(B2)ve=LN(C2)ile fiyat ve miktarın doğal logaritması alınır. - Model: Veri > Veri Çözümleme > Regresyon menüsünde ln(miktar) bağımlı, ln(fiyat) ve kampanya değişkeni bağımsız olarak girilir.
- Yorum: ln(fiyat) katsayısı doğrudan fiyat esnekliğidir. Örneğin −1,4 bulunursa fiyattaki %1’lik artış, diğer koşullar sabitken satış miktarını yaklaşık %1,4 azaltır; dolayısıyla talep esnektir.
Ancak bu basit model, fiyatın talepten etkilenebileceğini (içsellik) göz ardı eder. Bu nedenle raporun sınırlılıklar bölümünde bu konuyu belirtmek ve araç değişken yöntemi gibi alternatiflere değinmek, iktisatçının analitik derinliğini gösterir. Ayrıca mevsimsellik için ay kuklaları eklemek modelin açıklama gücünü artırır. Benzer bir yaklaşımı R’de lm(log(miktar) ~ log(fiyat) + kampanya, data = veri) komutuyla tek satırda kurabilirsiniz.
Altı aylık öğrenme planı nasıl kurulur?
Üçüncü veya dördüncü sınıftaki bir öğrenci için uygulanabilir bir plan şöyle olabilir:
| Ay | Odak | Somut çıktı |
|---|---|---|
| 1 | Excel ileri düzey ve PivotTable | Kamu verisiyle tek sayfalık bir pano |
| 2 | SQL temelleri | Örnek veri tabanında 20 sorgu alıştırması |
| 3 | R veya Python ile veri düzenleme | Bir veri setini temizleyip özetleyen betik |
| 4 | Ekonometri tekrarı ve uygulama | Regresyon projesi ve yorumlu rapor |
| 5 | Zaman serisi veya panel veri projesi | EVDS ya da TÜİK verisiyle portföy çalışması |
| 6 | Görselleştirme ve sunum | Power BI panosu ve 5 dakikalık proje sunumu |
Bununla birlikte planı ders yükünüze göre esnetmek gerekir. Örneğin bitirme tezinizi bu projelerden biriyle birleştirmek, hem zaman kazandırır hem de daha derin bir çalışma ortaya çıkarır. Ekonometri tezlerinde SPSS ile regresyon uygulaması için iktisat tezlerinde SPSS ile regresyon rehberimize bakabilirsiniz.
Akademik kariyer düşünenler için veri analizi ne kadar önemli?
Yüksek lisans ve doktora yapmayı planlayan iktisat mezunları için veri analizi artık temel bir yetkinliktir. Uygulamalı iktisat çalışmalarının büyük kısmı mikro veri setleri, panel veriler veya yüksek frekanslı finansal serilerle yapılır. Dolayısıyla tez danışmanları, öğrencinin veri setini kendisi temizleyip modelleyebilmesini bekler.
Örneğin asgari ücret artışının istihdama etkisini inceleyen bir yüksek lisans tezi, Hanehalkı İşgücü Anketi mikro verisiyle farkların farkı yöntemini kullanabilir. Bu tür bir çalışmada verinin ağırlıklandırılması, kontrol grubunun seçimi ve paralel eğilim varsayımının grafikle gösterilmesi gerekir. Dolayısıyla teorik bilgi kadar veri işleme becerisi de tezin kalitesini belirler.
Özellikle tekrarlanabilirlik giderek daha fazla önem kazanıyor. Pek çok dergi, makaleyle birlikte veri ve kodun paylaşılmasını istiyor. Bu nedenle analizleri menü yerine kodla (R, Stata do-file veya EViews programı) yürütmek, akademik kariyerde önemli bir alışkanlıktır.
Ayrıca akademik süreçte tez, rapor, sunum ve makale gibi farklı çıktılar hazırlanır. Bu süreçte tez, proje, rapor, modelleme, sunum ve dergi makalesi hazırlığına yönelik danışmanlık sayfalarımızdan, akademik metin desteği için hazırlama ve akademik danışmanlık sitelerinden, İngilizce yazım pratiği için ise essay rehberlerinden yararlanabilirsiniz.
İktisat bölümü ve veri analizi ile ilk iş nasıl bulunur?
İlk iş arayışında en etkili yöntem, başvurulan pozisyona uygun bir portföy projesiyle görüşmeye gitmektir. Örneğin bir bankanın risk birimine başvuruyorsanız kredi temerrüdü üzerine küçük bir lojistik regresyon projesi, bir perakende şirketine başvuruyorsanız talep tahmini projesi hazırlamak daha ikna edicidir.
Özgeçmişte ise “regresyon biliyorum” gibi genel ifadeler yerine somut sonuçlar yazmak etkilidir. Örneğin “TCMB EVDS verisiyle enflasyon ve kur ilişkisini VAR modeliyle inceledim; kodu ve raporu GitHub’da” cümlesi, işverene hem yöntemi hem de çalışma disiplinini gösterir. Benzer şekilde mülakatta projenin en zorlandığınız kısmını ve bunu nasıl çözdüğünüzü anlatmaya hazırlıklı olmak gerekir. Ayrıca LinkedIn profilinde proje bağlantılarını paylaşmak, işe alım uzmanlarının sizi bulmasını kolaylaştırır.
Bunun yanı sıra staj, kariyer günleri ve kamu kurumlarının uzman yardımcılığı sınavları önemli giriş kapılarıdır. Kamu tarafında ekonometri ve istatistik bilgisi sınav ve mülakatlarda doğrudan avantaj sağlar.
Sonuç olarak iktisat bilgisini veri becerileriyle birleştiren mezunlar, hem özel sektörde hem kamuda hem de akademide aranan bir profile sahip olur. Teorik bilgiyi Excel, SQL ve bir programlama diliyle tamamlamak ve bunu gerçek veriyle hazırlanmış projelerle göstermek, bu profilin en kısa yoludur.
Sık sorulan sorular
İktisat mezunu veri analisti olabilir mi?
Evet. Ekonometri ve istatistik altyapısı güçlü bir başlangıç sağlar. Excel, SQL ve R veya Python becerileri ile birkaç portföy projesi eklendiğinde veri analisti pozisyonlarına başvurmak mümkündür.
İktisat mezunu Python mu R mı öğrenmeli?
Kamu, akademi ve ekonometri ağırlıklı işlerde R yaygındır. Özel sektörde ve otomasyon gerektiren işlerde Python daha sık istenir; birini iyi öğrenmek diğerine geçişi kolaylaştırır.
EViews öğrenmek hâlâ gerekli mi?
Zaman serisi ve makroekonomik analizlerde EViews hâlâ birçok kurum ve akademisyen tarafından kullanılır. Bununla birlikte R ve Python bilmek, uzun vadede daha geniş bir iş yelpazesi sunar.
Yüksek lisans yapmadan veri analisti olunur mu?
Evet. Birçok giriş seviyesi pozisyon lisans mezunlarına açıktır. Ancak ekonomist veya araştırma uzmanı gibi rollerde, özellikle kamu ve uluslararası kuruluşlarda, yüksek lisans derecesi avantaj sağlar.
Sertifika mı portföy mü daha önemli?
Sertifikalar temel bilgiyi gösterir; ancak işverenler genellikle gerçek veriyle yapılmış, yorumlu ve kodu paylaşılan projeleri daha ikna edici bulur.
İlgili rehberler ve hizmetler
- EViews ile panel veri modelleri
- İktisat tezlerinde Python ile regresyon
- Excel’de zaman serisi analizi
- TCMB Elektronik Veri Dağıtım Sistemi (EVDS)
- Dünya Bankası Açık Veri
