Problem
Dış ticaret verileri çoğu zaman farklı kaynaklarda, farklı formatlarda ve doğrudan karşılaştırmaya uygun olmayan yapıda bulunuyor. Bu da araştırma sürecini yavaşlatıyor ve rapor üretimini manuel hale getiriyor.
Dış Ticaret Veri Analitiği ve Web Scraping Projesi
Parçalı dış ticaret kaynaklarını tek bir veri hattında birleştirip karar destek çıktısına dönüştüren araştırma ve ürünleşme çalışması.
Dış ticaret verilerini toplayan, temizleyen ve görselleştiren uçtan uca analitik veri hattı.
Ne geliştirildi
Python ile veri toplama ve temizleme katmanı, SQL ile sorgulanabilir veri modeli ve Streamlit ile karar destek arayüzü oluşturdum. Amaç sadece scraping yapmak değil; veriyi yeniden kullanılabilir bir analiz sistemine çevirmekti.
Teknoloji yığını
- Python ile veri çekme ve dönüştürme
- SQL ile sorgulanabilir yapı ve filtreleme mantığı
- Streamlit ile hızlı raporlama arayüzü
- Web scraping ile dağınık kaynakları standartlaştırma
Veri / operasyon akışı
- Kaynaklardan veri çekme
- Ham veriyi normalize etme ve temizleme
- SQL katmanında analitik sorgulara hazırlama
- Rapor ve görselleştirme çıktıları üretme
Sonuç ve etki
Tekrarlanabilir analiz akışı sayesinde ham veri karar destek raporlarına daha hızlı dönüşüyor. Aynı metodoloji farklı veri kümelerine genişletilebilecek bir altyapı oluşturuyor.
Neden önemli
Bu çalışma veri mühendisliği, analitik düşünme ve ekonomik bağlamı aynı projede bir araya getiriyor. Portfolyodaki veri odaklı karar yapısının en somut örneklerinden biri.
İlgili sayfalar