AZƏRBAYCAN RESPUBLİKASININ PREZİDENTİ YANINDA

DÖVLƏT İDARƏÇİLİK AKADEMİYASI

Fakültə: İnzibati idarəetmə

Kafedra: Dövlət idarəçiliyində informasiya texnologiyaları
İxtisas: Kompüter elmləri
Qrup: K 211
Şöbə: Əyani

VERİLƏNLƏRİN EMALI MÖVZUSUNDA

KURS İŞİ

Tələbə: Əsgərov Əli Elmar oğlu

(imza) soyad, ad, ata adı

Elmi rəhbər: Əliyev Atiq Əsban oğlu

(imza) elmi dərəcəsi, soyad, ad, ata adı

Kafedra müdiri: i.ü.f.d., dos. Abbasov Elçin Arif oğlu

(imza) elmi dərəcəsi, soyad, ad, ata adı

BAKI – 2024
 MÜNDƏRİCAT
GİRİŞ........................................................................................................................3
1. Verilənlərin toplanılması....................................................................................5
2. Verilənlərin Təmizlənməsi və Hazırlanması.....................................................6
3. Verilənlərin Analizi və Emalı.............................................................................8
4. Verilənlərin Vizualizasiyası..............................................................................10
5. Verilənlərin Təhlükəsizliyi və Məxfilik...........................................................12
NƏTİCƏ.................................................................................................................14
ƏDƏBİYYAT SİYAHISI......................................................................................15
GİRİŞ

3
 Müasir dövrdə verilənlərin emalı (Data Processing) elmi və texnoloji inkişafların
əsasını təşkil edir. Bu sahə məlumatların toplanması, təmizlənməsi, analizi,
vizualizasiyası və saxlanması proseslərini əhatə edir. Həyatımızın hər sahəsində
verilənlərin rolu böyükdür, çünki onlar qərar qəbul etmə, planlaşdırma və strateji
fəaliyyətlərdə kritik rol oynayır. Bu kurs işinin məqsədi verilənlərin emalı prosesinin
müxtəlif mərhələlərini araşdırmaq, metod və alətləri təhlil etmək və onların praktiki
tətbiq sahələrini göstərməkdir.

Verilənlərin emalı prosesi müxtəlif sahələrdə, o cümlədən biznes, tibb, elm,

hökumət və digər sahələrdə tətbiq olunur. Məsələn, biznes sahəsində verilənlərin
analizi müştəri davranışlarını anlamaq və marketinq strategiyalarını inkişaf etdirmək
üçün istifadə olunur. Tibb sahəsində isə xəstəliklərin diaqnozu və müalicəsi üçün
böyük verilənlərdən istifadə edilir.

Verilənlərin həcmi və müxtəlifliyi sürətlə artdıqca, onları effektiv şəkildə emal

etmək üçün yeni metodlar və texnologiyalar inkişaf etdirilir. Böyük verilənlər (Big
Data) anlayışı son illərdə çox populyarlaşmışdır və bu, verilənlərin emalı sahəsində
yeni imkanlar açmışdır. Məsələn, Hadoop və Spark kimi texnologiyalar böyük həcmli
məlumatların emalı üçün istifadə olunur.

Verilənlərin emalı həm də maşın öyrənməsi və süni intellektin inkişafında

mühüm rol oynayır. Maşın öyrənməsi alqoritmləri verilənlərdən öyrənərək proqnozlar
və qərarlar qəbul edir. Bu, müxtəlif sahələrdə tətbiq olunur, məsələn, maliyyə
sahəsində risklərin idarə edilməsi, səhiyyə sahəsində xəstəliklərin
proqnozlaşdırılması və s.

Verilənlərin emalının effektivliyinin artırılması üçün inkişaf etdirilən metodlar və

alətlər çox müxtəlifdir. Bu alətlər verilənlərin müxtəlif mənbələrdən toplanmasından,
onların strukturlaşdırılmasına və analiz edilməsinə qədər bütün mərhələlərdə istifadə
olunur. Bu kurs işində bu proseslərin hər bir mərhələsi detallı şəkildə araşdırılacaq və
onların praktiki tətbiqləri nümunələrlə göstəriləcəkdir.
4
 Məlumatların toplanması, təmizlənməsi, analiz edilməsi və vizualizasiyası
proseslərində verilənlərin keyfiyyəti və dəqiqliyi böyük əhəmiyyət daşıyır. Bu
səbəbdən, verilənlərin keyfiyyətinin təmin edilməsi üçün müxtəlif metodlar və alətlər
istifadə olunur. Məlumatların məxfiliyi və təhlükəsizliyi də bu prosesin ayrılmaz
tərkib hissəsidir və onların qorunması üçün ciddi tədbirlər görülməlidir.

Verilənlərin emalı sahəsində əldə olunan nəticələr müəssisələrə və təşkilatlara

daha dəqiq və etibarlı qərarlar qəbul etməyə imkan verir. Bu, onlara rəqabət
üstünlüyü qazandırır və onların fəaliyyətlərinin effektivliyini artırır. Beləliklə,
verilənlərin emalı müasir dünyada iqtisadiyyat, elm və texnologiya sahələrində
mühüm rol oynayır.

1. VERILƏNLƏRIN TOPLANILMASI

Məlumat Mənbələri

Məlumatların toplanması prosesi onların müxtəlif mənbələrdən əldə edilməsini təmin

edir. Məlumat mənbələri müxtəlif formalarda ola bilər: strukturlaşdırılmış (məsələn,
verilənlər bazaları), yarı-strukturlaşdırılmış (məsələn, XML və JSON sənədləri) və
strukturlaşdırılmamış (məsələn, mətn sənədləri və sosial media postları).
5
Real dünya nümunəsi olaraq, bir e-ticarət şirkəti satış məlumatlarını və müştəri
rəylərini toplamaq üçün müxtəlif mənbələrdən istifadə edə bilər. Satış məlumatları
şirkətin daxili verilənlər bazasında saxlanılır, müştəri rəyləri isə sosial media və
rəylər platformalarından toplanır. Bu məlumatların müxtəlif mənbələrdən toplanması
onların analizini və strateji qərarların qəbul edilməsini təmin edir.

Toplama Texnikaları

Məlumatların toplanması üçün müxtəlif texnikalar mövcuddur. Bu texnikalar arasında

web scraping, API inteqrasiyası, sensorlar və IoT cihazları, sorğular və anketlər yer
alır.

Web scraping: Bu texnika veb saytlardan avtomatik olaraq məlumat toplamaq üçün
istifadə olunur. Məsələn, bir tədqiqatçı müştəri rəylərini toplamaq üçün veb scraping
texnikasından istifadə edə bilər.

API inteqrasiyası: API-lər vasitəsilə müxtəlif platformalardan məlumatları toplamaq

mümkündür. Məsələn, bir şirkət sosial media platformalarından məlumatları
toplamaq üçün API-lərdən istifadə edə bilər.

Sensorlar və IoT cihazları: Bu cihazlar real zamanlı məlumatları toplamaq üçün

istifadə olunur. Məsələn, bir ağıllı şəhər layihəsi üçün trafik və hava keyfiyyəti
məlumatları sensorlar və IoT cihazları vasitəsilə toplanır.

Sorğular və anketlər: Bu metodlar vasitəsilə insanların fikirlərini və rəylərini

toplamaq mümkündür. Məsələn, bir şirkət müştəri məmnuniyyətini ölçmək üçün
anketlərdən istifadə edə bilər.

Keyfiyyətin Təmin Edilməsi

Məlumatların keyfiyyəti onların dəqiq, tam və etibarlı olmasını təmin edir.

Keyfiyyətin təmin edilməsi üçün müxtəlif metodlar və alətlər istifadə olunur. Bu
metodlar arasında məlumatların düzgün toplanması, təmizlənməsi və doğrulanması
yer alır.

6
Düzgün toplanma: Məlumatların düzgün toplanması onların keyfiyyətini təmin edir.
Məsələn, anketlərin düzgün dizayn edilməsi və iştirakçıların dəqiq cavablar verməsi
üçün düzgün sualların seçilməsi vacibdir.

Təmizləmə: Məlumatların təmizlənməsi mərhələsində onların səhvlərdən, boş

dəyərlərdən və təkrar məlumatlardan azad edilməsi təmin olunur. Bu mərhələdə
müxtəlif texnikalar və alətlər istifadə olunur. Məsələn, Python proqramlaşdırma dili
və Pandas kitabxanası vasitəsilə məlumatlar təmizlənə bilər.

Doğrulama: Məlumatların doğruluğunu təmin etmək üçün onların mənbələrini

yoxlamaq və müxtəlif mənbələrdən toplanan məlumatları müqayisə etmək vacibdir.
Məsələn, bir şirkət müştəri məlumatlarının doğruluğunu yoxlamaq üçün müxtəlif
mənbələrdən (məsələn, CRM sistemi və müştəri sorğuları) toplanan məlumatları
müqayisə edə bilər.

2. VERİLƏNLƏRİN TƏMİZLƏNMƏSİ VƏ HAZIRLANMASI

Təmizləmə Texnikaları

Verilənlərin təmizlənməsi mərhələsində onların analiz üçün uyğun vəziyyətə

gətirilməsi təmin olunur. Bu mərhələdə müxtəlif texnikalar və alətlər istifadə olunur.
Məlumatların təmizlənməsi zamanı səhvlər, boş dəyərlər, təkrar məlumatlar və
uyğunsuzluqlar aradan qaldırılır.

Səhvlərin düzəldilməsi: Məlumatlarda olan səhvlər onların analiz nəticələrini təsir

edə bilər. Bu səhvlər müxtəlif metodlar vasitəsilə düzəldilə bilər. Məsələn, statistik
metodlar vasitəsilə boş dəyərlər təxmin edilə bilər və ya təkrar məlumatlar aradan
qaldırıla bilər.

Boş dəyərlərin doldurulması: Məlumatlarda olan boş dəyərlər müxtəlif metodlarla

doldurula bilər. Məsələn, bir verilənlər dəstində müştəri yaşları boş ola bilər və bu
boş dəyərlər statistik metodlarla təxmin edilə bilər.

7
Təkrar məlumatların aradan qaldırılması: Təkrar məlumatlar verilənlərin
keyfiyyətini azaldır və analiz nəticələrini təhrif edə bilər. Təkrar məlumatlar müxtəlif
texnikalar vasitəsilə aradan qaldırıla bilər. Məsələn, SQL verilənlər bazası idarəetmə
sistemləri vasitəsilə təkrar məlumatlar aradan qaldırıla bilər.

Məlumatların Strukturlaşdırılması

Məlumatların strukturlaşdırılması prosesi onların analiz üçün uyğun vəziyyətə

gətirilməsini təmin edir. Bu mərhələdə məlumatlar müxtəlif formatlarda (məsələn,
cədvəl, mətn, rəqəm) ola bilər və onların uyğun formatlara çevrilməsi tələb olunur.

SQL verilənlər bazası idarəetmə sistemləri: Bu sistemlər vasitəsilə məlumatlar

strukturlaşdırıla bilər. Məsələn, bir e-ticarət şirkəti satış məlumatlarını SQL verilənlər
bazasında saxlayır və bu məlumatlar strukturlaşdırılmış formada təqdim edilir.

Python və R proqramlaşdırma dilləri: Bu dillər vasitəsilə məlumatlar

strukturlaşdırıla bilər. Məsələn, Python vasitəsilə bir verilənlər dəstində olan mətn
məlumatları kodlaşdırıla və rəqəmsal məlumatlara çevrilə bilər.

ETL (Extract, Transform, Load) alətləri: Bu alətlər məlumatların müxtəlif

mənbələrdən toplanması, təmizlənməsi və strukturlaşdırılması üçün istifadə olunur.
Məsələn, bir şirkət müştəri məlumatlarını müxtəlif mənbələrdən toplayaraq ETL
alətləri vasitəsilə strukturlaşdırır və analiz üçün hazır vəziyyətə gətirir.

Çatışmazlıqların Aradan Qaldırılması

Məlumatların təmizlənməsi və strukturlaşdırılması mərhələsində müxtəlif

çatışmazlıqların aradan qaldırılması tələb olunur. Bu çatışmazlıqlar arasında
məlumatların əksikliyi, uyğunsuzluqları və ziddiyyətləri yer alır.

Məlumatların eksikliyi: Məlumat dəstlərində bəzi dəyərlər eksik ola bilər və bu

eksikliklərin doldurulması üçün müxtəlif metodlar istifadə olunur. Məsələn, eksik
dəyərlər orta və ya median dəyərlərlə doldurula bilər və ya eksik məlumatlar statistik
modellər vasitəsilə təxmin edilə bilər.

8
Uyğunsuzluqların aradan qaldırılması: Məlumatların müxtəlif formatlarda olması
uyğunsuzluqlara səbəb ola bilər. Bu uyğunsuzluqlar məlumatların eyni formatda
olması ilə aradan qaldırıla bilər. Məsələn, tarix formatlarının eyni olması üçün
məlumatlar müəyyən bir tarix formatına çevrilə bilər.

Ziddiyyətlərin aradan qaldırılması: Məlumatlarda olan ziddiyyətlər onların

keyfiyyətini azalda bilər. Bu ziddiyyətlər müxtəlif metodlarla aradan qaldırıla bilər.
Məsələn, bir müştəri haqqında fərqli mənbələrdən toplanan məlumatlar arasında
ziddiyyətlər olduqda, bu məlumatlar birləşdirilərək ziddiyyətlər aradan qaldırıla bilər.

3. VERİLƏNLƏRİN ANALİZİ VƏ EMALI

Verilənlərin analizi və emalı mərhələsində müxtəlif analitik metodlar və

alqoritmlər istifadə olunur. Bunlar arasında regresiya analizləri, klasterləşdirmə,
təsnifat və digər metodlar yer alır. Analiz prosesində verilənlərin təsviri statistikası da
istifadə olunur ki, bu da məlumatların ümumi xüsusiyyətlərini və trendlərini
anlamağa kömək edir.

Analitik Metodlar və Alqoritmlər - Analitik Metodlar və Alqoritmlər

Verilənlərin analizi mərhələsində müxtəlif analitik metodlar və alqoritmlər istifadə

olunur. Bu metodlar arasında statistik analiz, maşın öyrənməsi və dərin öyrənmə
alqoritmləri yer alır.

Statistik analiz: Bu metodlar məlumatların təsviri statistikası və hipotez testləri üçün

istifadə olunur. Məsələn, bir marketinq tədqiqatı zamanı müştəri məlumatlarının
statistik analizi aparıla bilər və bu məlumatlar əsasında müxtəlif hipotezlər test edilə
bilər.

Maşın öyrənməsi (Machine Learning): Bu alqoritmlər vasitəsilə verilənlər üzərində

modellər qurulur və bu modellər vasitəsilə müxtəlif proqnozlar və təsnifatlar aparıla
bilər. Məsələn, bir bank kredit müraciətlərini təsnif etmək üçün maşın öyrənməsi
alqoritmlərindən istifadə edə bilər.
9
Dərin öyrənmə (Deep Learning): Bu alqoritmlər vasitəsilə verilənlər üzərində daha
kompleks modellər qurulur və bu modellər vasitəsilə daha dəqiq proqnozlar və
təsnifatlar aparıla bilər. Məsələn, bir tibbi tədqiqat zamanı xəstəliklərin diaqnozu
üçün dərin öyrənmə alqoritmlərindən istifadə edilə bilər.

Verilənlərin Təsviri Statistikası

Verilənlərin təsviri statistikası onların əsas xüsusiyyətlərini təsvir etmək üçün istifadə
olunur. Bu mərhələdə məlumatların orta, median, standart sapma kimi statistik
göstəriciləri hesablanır.

Orta: Verilənlərin orta dəyəri onların ümumi səviyyəsini göstərir. Məsələn, bir şirkət
satış məlumatlarının ortasını hesablayaraq ümumi satış səviyyəsini müəyyən edə
bilər.

Median: Verilənlərin medianı onların orta nöqtəsini göstərir. Məsələn, bir şirkət
əmək haqqı məlumatlarının medianını hesablayaraq işçilərin orta əmək haqqı
səviyyəsini müəyyən edə bilər.

Standart sapma: Verilənlərin standart sapması onların yayılmasını göstərir. Məsələn,

bir şirkət müştəri xərclərinin standart sapmasını hesablayaraq xərclərin yayılma
səviyyəsini müəyyən edə bilər.

Model Qurulması və Təhlili

Verilənlərin analizi mərhələsində müxtəlif modellər qurulur və bu modellər vasitəsilə

məlumatlar təhlil edilir. Bu mərhələdə maşın öyrənməsi və dərin öyrənmə
alqoritmləri istifadə olunur.

Maşın öyrənməsi modelləri: Bu modellər vasitəsilə verilənlər üzərində müxtəlif

proqnozlar və təsnifatlar aparıla bilər. Məsələn, bir bank kredit müraciətlərini təsnif
etmək üçün maşın öyrənməsi modellərindən istifadə edə bilər. Bu modellər arasında
qərar ağacları, təsnifat modelləri və regresiya modelləri yer alır.

Dərin öyrənmə modelləri: Bu modellər vasitəsilə verilənlər üzərində daha kompleks

proqnozlar və təsnifatlar aparıla bilər. Məsələn, bir tibbi tədqiqat zamanı xəstəliklərin
10
diaqnozu üçün dərin öyrənmə modellərindən istifadə edilə bilər. Bu modellər arasında
neyron şəbəkələri və konvolyusiya neyron şəbəkələri yer alır.

4. VERİLƏNLƏRİN VİZUALİZASİYASI

Verilənlərin vizualizasiyası məlumatların daha yaxşı anlaşılması və analiz

nəticələrinin effektiv təqdim edilməsi üçün vacibdir. Vizualizasiya üçün müxtəlif
alətlər və texnikalardan istifadə olunur. Bunlara qrafiklər, diaqramlar və cədvəllər
daxildir.
Vizualizasiya Alətləri və Texnikaları - Vizualizasiya alətləri və texnikaları
məlumatların vizual təqdimatında istifadə olunur. Bunlara Microsoft Excel, Tableau,
Power BI və digər proqramlar daxildir. Məsələn, Microsoft Excel vasitəsilə
məlumatları qrafik və diaqram şəklində təqdim etmək mümkündür. Tableau isə daha
interaktiv və dinamik vizualizasiyalar təqdim edir.
Vizualizasiya alətləri vasitəsilə verilənlər daha yaxşı anlaşılır və analiz nəticələri daha
effektiv təqdim edilir. Məsələn, Tableau vasitəsilə interaktiv qrafiklər və diaqramlar
yaratmaq mümkündür və bu qrafiklər vasitəsilə məlumatların müxtəlif aspektlərini
araşdırmaq asanlaşır. Power BI isə müəssisələr üçün daha geniş və kompleks
vizualizasiya imkanları təqdim edir.
Qrafiklər və Cədvəllər - Məlumatların vizualizasiya vasitəsi kimi qrafiklər və
cədvəllərdən geniş şəkildə istifadə olunur. Bu vasitələr məlumatları daha anlaşılır və
nəzərə çarpan formada təqdim etməyə imkan verir. Məsələn, xətti qrafiklər
məlumatların zaman üzrə dəyişməsini göstərir, bar qrafiklər isə müxtəlif
kateqoriyaların müqayisəsini asanlaşdırır.
Qrafiklər və cədvəllər vasitəsilə məlumatların müxtəlif aspektləri araşdırıla bilər.
Məsələn, satış məlumatlarının qrafiklər və cədvəllər vasitəsilə təhlili zamanı satışların
zaman üzrə dəyişməsi, müxtəlif məhsul kateqoriyalarının satış həcmi və digər
aspektlər araşdırıla bilər. Bu vasitələr məlumatların vizual təqdimatını asanlaşdırır və
onların daha yaxşı anlaşılmasını təmin edir.
Verilənlərin Təhlili üçün Vizualizasiya Nümunələri - Vizualizasiya
nümunələri vasitəsilə məlumatların təhlili daha effektiv olur. Bu bölümdə müxtəlif
11
nümunələrə yer veriləcək və onların tətbiq sahələri göstəriləcəkdir. Məsələn, bir
marketinq kampaniyasının uğurunu qiymətləndirmək üçün müştəri məlumatlarının
qrafiklər və diaqramlar vasitəsilə təhlil edilməsi göstərilə bilər.
Vizualizasiya nümunələri vasitəsilə məlumatların təhlili daha asan və effektiv olur.
Məsələn, bir satış kampaniyasının uğurunu qiymətləndirmək üçün müştəri
məlumatlarının qrafiklər və diaqramlar vasitəsilə təhlil edilməsi göstərilə bilər. Bu
nümunələr vasitəsilə məlumatların müxtəlif aspektləri araşdırılır və onların təhlili
asanlaşır.

5. VERİLƏNLƏRİN TƏHLÜKƏSİZLİYİ VƏ MƏXFİLİK

Təhlükəsizlik Texnologiyaları

Verilənlərin təhlükəsizliyi onların qorunması üçün vacibdir və bu prosesdə müxtəlif

təhlükəsizlik texnologiyaları istifadə olunur. Bu texnologiyalar arasında şifrləmə,
autentifikasiya və icazələrin idarə edilməsi yer alır.

Şifrləmə: Verilənlərin şifrlənməsi onların təhlükəsizliyini təmin etmək üçün istifadə

olunur. Bu texnologiya məlumatların şifrəli formada saxlanılması və ötürülməsi üçün
istifadə olunur. Məsələn, bir bank müştəri məlumatlarını şifrləyərək onların
təhlükəsizliyini təmin edə bilər.

Autentifikasiya: Bu texnologiya istifadəçilərin kimliklərinin doğrulanması üçün

istifadə olunur. Məsələn, bir şirkət müştərilərinin təhlükəsiz girişini təmin etmək üçün
iki mərhələli autentifikasiya istifadə edə bilər. Bu, məlumatların yalnız doğru şəxslər
tərəfindən əldə edilməsini təmin edir.

İcazələrin idarə edilməsi: Bu texnologiya məlumatlara giriş hüquqlarının idarə

edilməsi üçün istifadə olunur. Məsələn, bir şirkət müxtəlif işçilərə müxtəlif
səviyyələrdə giriş hüquqları verə bilər. Bu, məlumatların yalnız müvafiq şəxslər
tərəfindən əldə edilməsini təmin edir.

Məxfilik və Hüquqi Tələblər

12
Məxfilik və hüquqi tələblər məlumatların qanuni və etik şəkildə istifadə olunmasını
təmin edir. Bu tələblər arasında GDPR, HIPAA və CCPA kimi qanunlar yer alır.

GDPR (General Data Protection Regulation): Avropa İttifaqı tərəfindən qəbul

edilən bu qanun, istifadəçi məlumatlarının qorunması və məxfiliyini təmin edir.
Məsələn, bir Avropa şirkəti müştəri məlumatlarını GDPR tələblərinə uyğun olaraq
idarə etməlidir.

HIPAA (Health Insurance Portability and Accountability Act): ABŞ-da qəbul

edilən bu qanun, tibbi məlumatların qorunmasını təmin edir. Məsələn, bir tibbi
müəssisə xəstə məlumatlarını HIPAA tələblərinə uyğun olaraq idarə etməlidir.

CCPA (California Consumer Privacy Act): Kaliforniya ştatında qəbul edilən bu

qanun, istifadəçi məlumatlarının məxfiliyini təmin edir. Məsələn, bir şirkət
Kaliforniya müştərilərinin məlumatlarını CCPA tələblərinə uyğun olaraq idarə
etməlidir.

Etik Məsələlər

Verilənlərin emalı prosesində etik məsələlər də vacibdir. Məlumatların etik şəkildə

toplanması və istifadəsi istifadəçilərin hüquqlarını qorumaq və onların məxfiliyini
təmin etmək üçün vacibdir.

Məlumatların etik toplanması: Məlumatların toplanması zamanı istifadəçilərin

razılığı və məlumatlandırılması vacibdir. Məsələn, bir şirkət müştərilərindən
məlumatları toplamaq üçün açıq və şəffaf bir məlumat siyasəti tətbiq etməlidir.

Məlumatların etik istifadəsi: Məlumatların istifadə edilməsi zamanı istifadəçilərin

hüquqlarının qorunması vacibdir. Məsələn, bir şirkət müştəri məlumatlarını yalnız
müəyyən edilmiş məqsədlər üçün istifadə etməlidir və məlumatların üçüncü tərəflərə
ötürülməsi zamanı istifadəçilərin razılığını almalıdır.

NƏTICƏ

Bu kurs işində verilənlərin emalı prosesinin müxtəlif mərhələləri ətraflı şəkildə

araşdırılmışdır. Verilənlərin toplanması, təmizlənməsi, analizi, vizualizasiyası və
13
təhlükəsizliyi kimi mərhələlər detallı şəkildə izah edilmiş və onların praktik tətbiq
sahələri göstərilmişdir.

Verilənlərin emalı müasir dövrdə hər bir sahədə mühüm rol oynayır.
Müəssisələr və təşkilatlar üçün verilənlərin analizi və emalı onların fəaliyyətlərinin
effektivliyini artırmaq, strateji qərarlar qəbul etmək və rəqabət üstünlüyü əldə etmək
üçün vacibdir. Bu proseslərin effektiv şəkildə həyata keçirilməsi üçün müxtəlif
metodlar və alətlər istifadə olunur.

Verilənlərin toplanması mərhələsində məlumatların müxtəlif mənbələrdən

toplanması və onların keyfiyyətinin təmin edilməsi mühüm rol oynayır. Məlumatların
təmizlənməsi və strukturlaşdırılması mərhələsində isə onların analiz üçün uyğun
vəziyyətə gətirilməsi təmin olunur. Analiz mərhələsində müxtəlif analitik metodlar və
alqoritmlər istifadə olunur və nəticələr vizualizasiya vasitəsilə təqdim olunur.

Verilənlərin təhlükəsizliyi və məxfiliyi onların qorunması üçün vacibdir və bu

prosesdə müxtəlif təhlükəsizlik texnologiyaları və hüquqi tələblərə riayət olunmalıdır.
Etik məsələlər də verilənlərin emalı prosesində mühüm rol oynayır və onların düzgün
və qanuni şəkildə istifadə olunmasını təmin edir.

Nəticə olaraq, verilənlərin emalı prosesinin effektiv şəkildə həyata keçirilməsi

müəssisələr və təşkilatlar üçün böyük əhəmiyyət daşıyır. Bu proseslərin düzgün və
qanuni şəkildə həyata keçirilməsi onların fəaliyyətlərinin effektivliyini artırır və
rəqabət üstünlüyü qazandırır. Verilənlərin emalı sahəsində inkişaf edən texnologiyalar
və metodlar bu prosesləri daha da effektiv və etibarlı edir.

14
 ƏDƏBİYYAT SİYAHISI

1. Provost, F., & Fawcett, T. (2013). Data Science for Business.

2. Han, J., Kamber, M., & Pei, J. (2011).

3. Alpaydin, E. (2016). Machine Learning: The New AI. MIT Press.

4. McKinney, W. (2017). Python for Data Analysis. O'Reilly Media.

5. VanderPlas, J. (2016). Python Data Science Handbook.

6. Chambers, J. M., & Hastie, T. J. (1992). Statistical Models in S. Wadsworth

& Brooks/Cole.

7. Kirk, A. (2016). Data Visualisation: A Handbook for Data Driven Design.

Sage Publications.

15