Veri Bilimi ve Analitiği Mezunu Ne İş Yapar? Yeni Program, Maaş ve Taban Puan (SAY) — Program Tanıtım Raporu (2025-2026)

1. Bu Sektör Ne İle Uğraşır? Topluma Ne Çözer?

Veri bilimi ve analitiği, büyük veri kümelerinden anlamlı örüntüler ve iş içgörüleri çıkarma, istatistiksel modelleme ve makine öğrenmesi teknikleriyle geleceğe yönelik tahminler üretme becerisiyle ilgilenir. Bu takip listesindeki #40 Yapay Zeka ve Veri Mühendisliği ile #51 Yapay Zeka Mühendisliği’nden farkı şudur: bu iki program mühendislik ağırlıklı olup yapay zeka sistemlerinin/algoritmalarının inşasına odaklanırken, veri bilimi ve analitiği daha çok istatistik, veri analizi ve iş zekası (business intelligence) ağırlıklı, veriyi yorumlayıp karar destek sistemlerine dönüştürmeye odaklanan bir programdır.

Somut olarak: bir veri bilimci, bir e-ticaret şirketinin müşteri davranış verilerini analiz ederek satış tahmin modeli kurabilir, bir sağlık kuruluşunun hasta verilerinden hastalık risk örüntülerini çıkarabilir, ya da bir finans kuruluşunun kredi risk skorlama modelini geliştirebilir. Bu, verinin “yeni petrol” olarak tanımlandığı bir ekonomide doğrudan katma değer üreten bir uzmanlıktır.

2. Toplumsal Algı ve Gerçeklik Farkı

Toplumda veri bilimi, “yapay zeka” ile neredeyse eş anlamlı, çok cazip ve yüksek maaşlı bir meslek olarak algılanıyor. Gerçekte bu bölüm Türkiye’de ilk kez 2024 yılında açılan çok yeni bir lisans programı — henüz kitlesel mezun vermemiş, ilk örgün mezunların 2028 yılında iş gücü piyasasına katılması bekleniyor. Bu, bölümü tercih eden bir öğrencinin, henüz iş piyasasında test edilmemiş, kanıtlanmış bir mezun profili/network’ü olmayan bir programa girdiği anlamına geliyor — hem bir risk hem de erken girenler için bir fırsat penceresi.

Ekşi Sözlük’teki tartışmalarda dikkat çeken bir tavsiye var: veri bilimine girerken önceliğin “iş bulmak” değil, işin mantığını (istatistik, programlama, alan bilgisi) gerçekten anlamak olması gerektiği, iş fırsatlarının bunun ardından geldiği vurgulanıyor — bu, mesleğin yüzeysel bir “trend” olarak değil derinlemesine bir uzmanlık alanı olarak ele alınması gerektiğine işaret ediyor.

3. Bölümün Varoluş Gerekçesi: Mevzuattaki Konum ve Yasal Yetkiler

Veri bilimi ve analitiği, düzenlenmiş bir meslek (imza yetkisi, oda üyeliği gerektiren) değildir. Mezunlar “veri bilimci”, “veri analisti” gibi sektörde yaygın ama yasal olarak korunmayan unvanlarla çalışır. Kişisel Verilerin Korunması Kanunu (KVKK) çerçevesinde veri işleme süreçlerinde uyumluluk bilgisi mesleki pratikte önemli bir sorumluluk alanı oluşturuyor, ama bu ayrı bir hukuki uzmanlık (KVKK uzmanlığı) gerektiriyor, doğrudan diplomayla gelen bir yetki değil.

4. Eğitim İçeriği: Ne Öğretiliyor, Nasıl Farklılaştırıyor?

Müfredatın ilk iki yılı istatistik, olasılık, lineer cebir ve programlama temellerine dayanır. Son iki yılda makine öğrenmesi, büyük veri teknolojileri, veri görselleştirme ve iş zekası gibi uygulamalı dersler ve genellikle bir şirkette veri analitiği stajı yer alır. #40/#51’e kıyasla derin öğrenme/algoritma geliştirme derslerinden çok, istatistiksel çıkarım ve iş problemi çözme becerisine ağırlık verilir — bu, mezunların hem teknik hem iş zekası tarafında konumlanabildiği bir profil sunuyor.

5. Kariyer ve İş İmkanları

Bölüm çok yeni olduğu için (2024’te açıldı, ilk mezunlar 2028’de bekleniyor) bu bölüme özgü, güncel ve somut bir istihdam/maaş verisi mevcut değil. Genel olarak veri bilimi/analitiği alanındaki maaşlar, veri mühendisliği pozisyonlarına yakın seyrediyor; teknoloji şirketleri, finans sektörü, sağlık bilişimi ve savunma sanayii bu alandaki mezunlar için ana istihdam alanları olarak öne çıkıyor.

İstatistik okuryazarlığı notu: Bu bölüme özel, resmi ve güncel bir istihdam/maaş verisi bulunamadı — bunun temel nedeni programın 2024’te açılmış olması ve henüz mezun vermemiş olmasıdır. Bu rapordaki kariyer beklentileri, genel veri bilimi/analitiği sektör trendlerinden ve komşu programlardan (yapay zeka/veri mühendisliği) yola çıkılarak tahmini olarak sunulmuştur — bu tahminlerin gerçek mezun deneyimleriyle doğrulanması için henüz zaman geçmesi gerekiyor.

Network/Referans Bağımlılığı: Karma. Teknik yetkinlik (portföy, kaggle projeleri, staj deneyimi) işe alımda belirleyici olsa da, veri bilimi ekosisteminin (meetup’lar, konferanslar, LinkedIn topluluğu) güçlü olması nedeniyle network kurmak iş bulma sürecini hızlandırabiliyor. Networkü olmayan bir öğrenci için güçlü bir teknik portföy ve bölüm 13’teki görüşmeler, sektöre giriş için önemli bir telafi yolu.

6. Kariyer Doygunluğu: Diploma mı Yeterli, Sürekli Gelişim mi Şart?

Bu meslek net biçimde “işletme modeli”ne örnektir: veri bilimi araçları ve yöntemleri (yeni makine öğrenmesi kütüphaneleri, büyük dil modelleri, bulut veri platformları) hızla değiştiği için, lisans diploması yalnızca bir başlangıç; kariyer ilerlemesi sürekli öğrenmeye ve güncel araç/yöntem bilgisine doğrudan bağlı.

7. İstihdam Dağılımı: Mezunlar Nerede Çalışıyor?

Program henüz mezun vermediği için bu bölüme özel bir istihdam dağılımı verisi mevcut değil. Genel veri bilimi sektör eğilimlerine göre, bu alandaki profesyoneller teknoloji şirketleri, finans/bankacılık, e-ticaret, sağlık bilişimi ve kamu kurumlarının veri analitiği birimlerinde istihdam ediliyor.

8. Mesleğin Geleceği: Teknoloji/Otomasyon Etkisi ve Arz-Talep Dengesi

Yapay zeka ve büyük dil modellerinin yaygınlaşması, veri biliminin hem daha da önemli hale gelmesine (verinin AI modellerini besleyen ham madde olması nedeniyle) hem de bazı rutin analiz görevlerinin otomasyonuna yol açıyor — bu, mesleğin daha çok stratejik/yorumlayıcı işlere kaymasına neden olabilir. Arz-talep dengesi açısından, program Türkiye’de 31 üniversitede (devlet ve vakıf karışık) ve toplam 680 kontenjanla sunuluyor; çok yeni bir program olduğu için gerçek arz-talep dengesi henüz test edilmedi.

9. YÖK Atlas 2025-2026 İstatistik Özeti

Ölçüt	Tüm Üniversiteler	Devlet + TB Üniversiteleri	Fark/Not
Toplam kontenjan	680	469	Ücretli/%50 burslu vakıf kontenjanları dahil edildiğinde toplam kontenjan artıyor
Ortalama kapanış sırası	471.963	240.372	Ücretli kontenjanlar ortalamayı belirgin biçimde düşürüyor (kötüleştiriyor)
En iyi (min) sıra	7.662	7.662	İstanbul Teknik Üniversitesi (İngilizce) — incelenen en yüksek taban puanlı programlardan biri
En düşük (max) sıra	1.257.667	1.257.667	Tüm üniversiteler verisinde ücretli/%50 burslu kontenjanlar dahil

Dikkat çekici bulgu: İTÜ’nün Veri Bilimi ve Analitiği (İngilizce) programı 7.662 sırayla dolmuş — bu, bu takip listesinde incelenen en yüksek taban puanlı programlardan biri, Tıp ve Diş Hekimliği gibi geleneksel olarak en elit programlara yakın bir seviye. Ancak devlet/burslu (7.662-402.984) ile ücretli/%50 burslu vakıf kontenjanları (586.996-1.257.667) arasında da yine çok büyük bir fark var.

Veri sınırlılığı notu: Bu rapordaki başarı sıraları, ÖSYM’nin resmi yerleştirme puan tablosu ile yığınsal puan dağılımı tablosundan interpolasyon yöntemiyle türetilmiştir, doğrudan yayınlanan resmi bir başarı sırası değildir. Program çok yeni olduğu için elimizde yalnızca tek bir yılın verisi bulunuyor; gelecek yıllarda taban puanın nasıl değişeceğini öngörmek şu an için mümkün değil.

10. Öne Çıkan Üniversiteler (2025-2026 Taban Sıralamasına Göre)

Veri Bilimi ve Analitiği Türkiye’de 31 üniversitede (devlet ve vakıf karışık) sunulmaktadır.

Üniversite	Tip	Burs	Sıra
İstanbul Teknik Üniversitesi (İngilizce)	Devlet	Devlet	7.662
Gebze Teknik Üniversitesi (İngilizce)	Devlet	Devlet	67.617
Bursa Teknik Üniversitesi	Devlet	Devlet	117.202
Sakarya Üniversitesi	Devlet	Devlet	124.395
İstanbul Atlas Üniversitesi (İngilizce)	Vakıf	Tam Burslu	127.448
İzmir Katip Çelebi Üniversitesi (İngilizce)	Devlet	Devlet	137.783
Manisa Celâl Bayar Üniversitesi	Devlet	Devlet	159.828
İstanbul Gelişim Üniversitesi	Vakıf	Tam Burslu	171.816
Fenerbahçe Üniversitesi (İstanbul)	Vakıf	Tam Burslu	173.387
İstanbul Topkapı Üniversitesi	Vakıf	Tam Burslu	191.086

Üniversite Kalitesinin/Markasının Etkisi: Doğrudan belirleyici. Bu programda düzenlenmiş bir merkezi sınav olmadığı için işe alım tamamen teknik portföy ve üniversitenin sektörle bağlantısına dayanıyor. İTÜ’nün bu programda 7.662 gibi son derece elit bir taban puanla doldurması, İTÜ’nün veri bilimi alanındaki akademik itibarının güçlü bir sinyal olarak algılandığını gösteriyor; bu, işe alımlarda İTÜ mezunlarına belirgin bir avantaj sağlayabilir.

11. Kimler İçin Uygun?

Veri bilimi ve analitiği; istatistiğe ve veriden anlam çıkarmaya gerçek bir ilgi duyan, hem teknik hem iş zekası perspektifiyle düşünebilen, belirsiz/yeni bir programın riskini kabul edebilen öğrenciler için uygundur. Kanıtlanmış bir mezun profili/network’ü olmayan bu bölümü yalnızca “trend olduğu için” seçen bir öğrenci, ilk mezunlar piyasaya çıkana kadar geçecek belirsizlik döneminde hayal kırıklığı yaşayabilir.

Mücadele tipi: Belirsizlik (yeni bir program olarak kanıtlanmış bir kariyer yolu bulunmaması) ve tanımsız problemler (veri analizinin açık uçlu, keşif odaklı doğası). Günlük pratikte baskın mücadele, hem teknik olarak açık uçlu veri problemleriyle hem de bölümün henüz test edilmemiş olmasının getirdiği kariyer belirsizliğiyle baş etmektir.

12. Fedakarlık-Kazanç Dengesi: Karşılığında Ne Elde Edilir?

İş güvencesi ve bulunabilirlik açısından, program çok yeni olduğu için henüz test edilmiş bir gerçeklik yok — ama veri biliminin genel sektör trendi (büyüyen bir alan) olumlu bir sinyal veriyor. Ekonomik konfor açısından, komşu programlara (veri mühendisliği, yapay zeka mühendisliği) benzer bir gelir potansiyeli bekleniyor, ama bu henüz doğrulanmadı. Coğrafi esneklik açısından, veri bilimi becerileri uluslararası olarak yüksek talep gören bir alan olduğu için yurt dışı geçiş potansiyeli yüksek.

Statü açısından “yapay zeka çağının” popüler ve prestijli mesleklerinden biri olarak algılanıyor. Zaman/esneklik dengesinde, veri analitiği işleri genellikle proje bazlı ve uzaktan çalışmaya elverişli bir yapıya sahip. Bu bölümü seçen bir öğrenci, kanıtlanmamış bir programın belirsizliği fedakarlığının karşılığında, erken girenler için büyüyen bir sektörde öncü bir konumlanma fırsatı kazanıyor.

13. Bilgi Alma Görüşmesi İçin Sorular

Veri bilimi/analitiği alanında çalışan biriyle görüşebiliyor musun, hangi eğitim geçmişinden geldi?
Veri bilimci ile veri mühendisi arasındaki günlük iş farkını nasıl anlatırsın?
Bu alanda iş bulmak için hangi teknik becerilerin/portföyün en çok işe yaradı?
Yeni açılan bir lisans programı olmasının (henüz mezun vermemiş olmasının) seni tercih sürecinde nasıl etkiledi?
İstatistik/matematik temelin olmadan bu alanda ilerlemek mümkün mü?
Yapay zeka araçlarının (büyük dil modelleri gibi) veri biliminin geleceğini nasıl değiştireceğini düşünüyorsun?

14. Sonuç

Veri Bilimi ve Analitiği, #40 Yapay Zeka ve Veri Mühendisliği ile #51 Yapay Zeka Mühendisliği’nden farklı olarak istatistik ve iş zekası ağırlıklı, veriyi karar destek sistemlerine dönüştürmeye odaklanan bir programdır. Türkiye’de 2024’te açılan çok yeni bir program olması, henüz kanıtlanmış bir mezun profili sunmadığı anlamına geliyor — bu hem bir risk hem de erken girenler için bir fırsat. İstatistiğe gerçek ilgi duyan, belirsizlikle çalışabilen ve büyüyen bir sektörde öncü olmaya istekli öğrenciler için anlamlı bir kariyer yoludur.