Veri Bilimci Ne Yapar, Ne Kadar Kazanır?

Veri bilimci, şirketin birikmiş ham verisini karar üreten içgörüye çeviren kişidir. Bir on yıl önce “21. yüzyılın en seksi mesleği” olarak adlandırılan bu rol, bugün teknoloji, bankacılık, perakende ve sağlık sektörlerinin karar altyapısının merkezindedir. Yapay zekâ çağında rolü yeniden tanımlandı: artık yalnızca model kurmak değil, yapay zekâ sistemlerinin doğru veriyle, doğru sorularla ve doğru ölçümlerle çalışmasını sağlamak da veri bilimcinin iş tanımına girdi.

Veri Bilimci Ne Yapar?

İş, iyi bir soruyla başlar. “Müşterilerimiz neden ayrılıyor?” gibi belirsiz bir soru, veri bilimci tarafından ölçülebilir sorulara ayrıştırılır: hangi davranış kalıbı ayrılmadan kaç hafta önce görünür, hangi segment en riskli, hangi müdahale kanıtlanmış etki sağlıyor. Bu çeviri aşaması, mesleğin en az konuşulan ama en değerli becerisidir; yanlış sorulan soruya doğru model kurulamaz.

Ardından keşif ve modelleme gelir: verinin dağılımları incelenir, değişkenler arası ilişkiler araştırılır, aykırı değerler sorgulanır. Modelleme aşamasında amaç türe göre değişir — müşteri kaybı tahmini için sınıflandırma modelleri, gelir öngörüsü için zaman serisi, segmentasyon için kümeleme. Veri bilimci ile ML mühendisini ayıran çizgi burada belirginleşir: veri bilimci modeli kurar ve yorumlar; üretime ölçekli taşıma genellikle mühendislik ekibinin işidir. Üçüncü ve en kritik aşama iletişimdir: teknik bulguyu, karar vericinin “ne yapalım?” sorusuna yanıt verecek biçimde sunmak. Bir modelin %85 doğruluk vermesi, toplantı odasında anlamsızdır; “bu modeli kullanırsak kayıplarımızın üçte birini erken yakalayıp her ay şu kadar tasarruf ederiz” demek, işin fiili çıktısıdır.

Deney tasarımı da rolün kalıcı bir parçasıdır: A/B testlerinin doğru kurulması, örneklem boyutlarının hesaplanması, sonuçların istatistiksel anlamlılık açısından yorumlanması. Kötü tasarlanmış bir deney, şirketi yanlış ürün kararına götürebilir; bu yüzden olgun şirketlerde deney platformları veri bilimciler tarafından yönetilir.

Günlük İş Hayatı

Günün büyük bölümü üç ortam arasında geçer: SQL sorgu ekranı, Python defteri (Jupyter) ve sunum yazılımı. Sabah tipik olarak veri kalitesi kontrolüyle başlar: dünkü veri doğru aktarıldı mı, anormal bir düşüş var mı. Ardından analiz ya da modelleme çalışması gelir; bu, kırılgan ve döngüsel bir süreçtir — hipotez kurulur, test edilir, çoğu zaman çürütülür ve yenisi kurulur. Günün sonunda bulgular yazılır: not defteri yorumları, ekip raporları veya yönetici sunumları.

Haftalık ritimde iş birliği yoğundur: ürün ekipleriyle metrik tanımları, pazarlama kampanyalarının etkisi ölçümleri, mühendislikle veri boru hattı tartışmaları. Veri bilimcinin en çok duyduğu şikâyet de buradadır: zamanın önemli bir kısmı model kurmaya değil, veriyi toparlamaya ve temizlemeye gider; sektörde bu durum “veri bilimcinin işinin %80’i veri temizlikçiliği” esprisiyle özetlenir.

Hangi Beceriler Gerekir?

Üç bacaklı bir sandalye olarak tarif edilir: istatistik ve matematik, programlama ve alan bilgisi. İstatistik bacağı vazgeçilmezdir — dağılımlar, hipotez testleri, regresyon ve deneysel tasarım; bu temel olmadan model sonuçları yanlış okunur. Programlama tarafında Python fiili standarttır (pandas, scikit-learn, PyTorch), SQL ise mesleğin ortak dilidir; bulut araçları ve veri tabanı bilgisi giderek zorunluluğa kayar. Alan bilgisi ise farklılaşmayı sağlar: finansal veride çalışacak kişi risk matematiğini, sağlık verisinde kişi klinik süreçleri bilmelidir.

Bununla birlikte işe alımcıların en çok aradığı ve ilanlarda yazmayan beceri, şüpheci düşünmedir. Veri, her zaman yalan söylemez ama yanıltır: örnekleme hatası, kırık ölçüm pencereleri, survivorship bias. İyi veri bilimci, “bu sayı gerçekten bu yüzden mi arttı?” sorusunu refleks olarak sorar. Portföy tarafında beklenen standart da netleşti: Kaggle yarışmalarından çok, gerçek görünümlü veri setleriyle uçtan uca yapılmış, sonuçları dürüstçe raporlanmış projeler.

2026 Maaş Tablosu

ABD’de veri bilimci ücretleri 2026’da yüksek seyrini koruyor: Coursera’nın 2026 rehberine göre giriş seviyesi bile ortalama 152.000 dolar civarındadır; Glassdoor verilerinde ortalama toplam ücret 130.000-160.000 dolar bandında, deneyimli ve yönetici seviyesinde 200.000 doların üzerindedir. ABD İstatistik Bürosu (BLS) veri bilimcileri ayrı bir meslek kategorisi olarak izliyor ve alanın on yıllık büyüme projeksiyonunun meslekler ortalamasının çok üzerinde olduğunu raporluyor. ML ve MLOps uzmanlığı olan veri bilimcilerin, eşdeğer kıdemedeki genel veri bilimcilerden %15-40 daha fazla kazandığı gözlemleniyor.

Türkiye’de bankalar, e-ticaret platformları ve operatörler ana işverendir: 2026’da giriş seviyesi aylık 60.000-100.000 TL, orta seviye 100.000-180.000 TL, liderlik rollerinde 200.000-350.000 TL bandı tipik kabul ediliyor. Yurtdışı şirketlerle uzaktan çalışmak dolar/euro bazında gelir sağladığından en yüksek toplam kazanç yine bu segmenttedir. Avrupa’da yıllık 55.000-110.000 euro aralığı yaygındır.

Kariyer Yolu ve Gelecek

Klasik ilerleme üç kola ayrılır: teknik derinlik (kıdemli veri bilimci → baş bilim insanı → baş veri bilimci), yönetim (veri bilimi müdürü → baş veri ve analitik yöneticisi) ve kesişim rolleri (yapay zekâ ürün yöneticiliği, karar bilimi). Veri bilimcilerin önemli bir bölümü son yıllarda ML mühendisliğine ve yapay zekâ ürün rollerine geçti; bu geçiş, büyük dil modelleri çağında değerlendirme (eval) uzmanlığı için yeni bir kapı açtı.

Gelecek tartışmasında iki karşıt güç var. Otomasyon tarafında yapay zekâ asistanları, rutin analiz ve raporlamayı hızla devralıyor; bu, alt kademedeki “sorgu yazan” rolleri daraltıyor. Karşı tarafta şirketlerin ürettiği veri hacmi ve yapay zekâ sistemlerinin karar riski, nicel yargıya olan talebi artırıyor: modellerin eğitildiği verinin temsilciliği, çıktıların ölçülmesi ve deneysel kültürün yönetimi veri bilimcinin yeni iş tanımıdır. Kısacası meslek kaybolmuyor; koddan karara, araçtan yargıya doğru yükseliyor.