# Veri & Analitik, forgehouse

> Sayılarına güven. Analitik ve ölçüm kurulumu, veri hatları, kendi verin üzerinde yapay zeka destekli arama ve süslemek yerine soruya cevap veren panolar.

Ortak çizgi, tek bir sayıya asla güvenmemek. "GA4 yanlış gösteriyor" vakalarının çoğunda sorun kurulumdan çıkar; bu yüzden iki kaynağı birbiriyle karşılaştırmak buradaki varsayılan alışkanlık. Arama ve veri getirme parçaları, kendi kullandığımız hafıza sisteminden geliyor.

## Kim için
- GA4 sayıları reklam platformuyla bir türlü tutmayan pazarlamacı
- Kimsenin okumadığı panolar hazırlamaktan bıkmış analist
- Gerçek bir ürüne arama ve veri getirme ekleyen geliştirici

## Nereden başla
Burada kit yok; belirtiden yola çıkın. Güvenmediğiniz sayılar mı var? Analytics Tracking ve Data Quality Frameworks ile başlayın. Kimsenin okumadığı raporlar mı? Data Storytelling ile başlayın.

## Beceriler (25)
- [Airflow DAG Patterns](https://forgehouse.ai/tr/skiller/airflow-dag-patterns/), Apache Airflow DAG'lerini doğru şekilde inşa etmek için bir üretim kılavuzu; operatörler, sensörler, dallanma, test ve dağıtım için sahada sınanmış desenlerle.
- [Analytics Tracking](https://forgehouse.ai/tr/skiller/analytics-tracking/), İş sorularını temiz, karar verilebilir bir ölçüm katmanına çeviren GTM öncelikli bir analitik kurulum rehberi.
- [Brain GraphRAG Entity Relation](https://forgehouse.ai/tr/skiller/brain-graphrag-entity-relation/), Hafıza katmanınızın üzerine, ayrı bir grafik veritabanı yerine Postgres grafik eklentisi Apache AGE ile Microsoft GraphRAG tarzı bir bilgi grafiği kurma rehberi.
- [Data](https://forgehouse.ai/tr/skiller/data/), Önemli metrikler için bir analitik ve raporlama sorgu deseni kütüphanesi: aktif kullanıcılar, büyüme, tutundurma kohortları, hunileri ve gelir.
- [Data Quality Frameworks](https://forgehouse.ai/tr/skiller/data-quality-frameworks/), Great Expectations, dbt testleri ve versiyonlanmış veri sözleşmeleri kullanarak boru hatlarınıza veri kalitesi doğrulaması inşa etmek için üretim desenleri.
- [Data Storytelling](https://forgehouse.ai/tr/skiller/data-storytelling/), Ham veriyi karar aldıran ikna edici anlatılara dönüştüren bir yöntem.
- [Database Migration](https://forgehouse.ai/tr/skiller/database-migration/), Veritabanı migrasyonlarını güvenle yürütmek için ORM'ler ve platformlar arası bir kılavuz: Sequelize, TypeORM ve Prisma'da: kesintisiz stratejiler, veri dönüşümleri ve test edilmiş geri alma prosedürleriyle.
- [dbt Transformation Patterns](https://forgehouse.ai/tr/skiller/dbt-transformation-patterns/), Analitik mühendisliği için üretime hazır dbt desenleri: model organizasyonu, test, dokümantasyon ve artımlı işleme.
- [Embedding Strategies](https://forgehouse.ai/tr/skiller/embedding-strategies/), Anlamsal arama ve geri getirmeli üretim için embedding modeli seçme ve optimize etme konusunda pratik bir rehber.
- [Firecrawl CLI](https://forgehouse.ai/tr/skiller/firecrawl-cli/), Web scraping, arama, tarama ve tarayıcı otomasyonunu disiplinli bir komut satırı akışında toplayan, dağınık HTML yerine LLM için temizlenmiş markdown döndüren bir araçtır.
- [Grafana Dashboards](https://forgehouse.ai/tr/skiller/grafana-dashboards/), Operatörlerin bir olay anında gerçekten güvendiği Grafana panelleri tasarlamak için üretim seviyesinde bir yöntem.
- [KPI Dashboard Design](https://forgehouse.ai/tr/skiller/kpi-dashboard-design/), Yalnızca sayı göstermeyen, karar aldıran KPI gösterge panelleri tasarlamak için eksiksiz bir metodoloji.
- [MCP Data Toolkit](https://forgehouse.ai/tr/skiller/mcp-data-toolkit/), Arama Konsolu, Analytics ve Ads Anahtar Kelime Planlayıcı genelinde pazarlama veri araçları için doğru kullanım kılavuzu: 46 araç, belgelenmiş parametre kuralları ve 22 bilinen tuzak.
- [Postgres pgvector RAG Pipeline](https://forgehouse.ai/tr/skiller/postgres-pgvector-rag-pipeline/), PostgreSQL + pgvector üzerinde her aşamayı kapsayan uçtan uca bir RAG hattı: parçalama, gömme (embedding), indeksleme, getirme ve kalite değerlendirmesi.
- [PostgreSQL Table Design](https://forgehouse.ai/tr/skiller/postgresql-table-design/), Veri tipleri, indeksleme, kısıtlar, performans desenleri ve gelişmiş özellikleri kapsayan PostgreSQL'e özgü bir şema tasarım disiplini, yük altında ayakta kalan bir şema ile zamanla şişip yavaşlayan bir şema arasındaki fark.
- [Product Tracking Instrumentation](https://forgehouse.ai/tr/skiller/product-tracking-instrumentation/), "GA4 ekle" demenin çok ötesine geçen, üretim seviyesinde olay izleme kurulumudur.
- [Projection Patterns](https://forgehouse.ai/tr/skiller/projection-patterns/), Olay akışlarından CQRS okuma tarafı için okuma modelleri ve maddeleştirilmiş görünümler kurar; kontrol noktası, idempotent işleyiciler ve sıfırdan yeniden kurulabilen disposable projeksiyonlarla birlikte gelir.
- [RAG Implementation](https://forgehouse.ai/tr/skiller/rag-implementation/), Üretim ortamı için hazırlanmış bir Retrieval-Augmented Generation taslağı sunar; LLM yanıtlarını modelin tahminine bırakmak yerine kendi belgelerinize dayandırır.
- [Runtime Datalayer Inspect](https://forgehouse.ai/tr/skiller/runtime-datalayer-inspect/), Runtime DataLayer Inspect, Playwright tarayıcı otomasyonuyla GA4 ve GTM event'lerinizin canlı sayfada gerçekten tetiklenip tetiklenmediğini kanıtlar, kodun doğru görünmesi yetmez.
- [Similarity Search Patterns](https://forgehouse.ai/tr/skiller/similarity-search-patterns/), Gerçekten ölçeklenen semantik ve vektör arama kurmak için üretime hazır şablonlar.
- [Spark Optimization](https://forgehouse.ai/tr/skiller/spark-optimization/), Yavaş Apache Spark işlerini hızlı ve uygun maliyetli hale getiren üretim rehberi.
- [SQL Optimization Patterns](https://forgehouse.ai/tr/skiller/sql-optimization-patterns/), Yavaş veritabanı sorgularını hızlıya dönüştüren, EXPLAIN odaklı bir araç seti.
- [Supabase Operations](https://forgehouse.ai/tr/skiller/supabase-operations/), Supabase projelerinizde postgres MCP katmanı üzerinden doğrudan ham Postgres işlemleri çalıştırın: RLS politika denetimi, migration doğrulama, kullanıcı ve sipariş nokta kontrolü, yavaş sorgu teşhisi.
- [Supabase Postgres Best Practices](https://forgehouse.ai/tr/skiller/supabase-postgres-best-practices/), Supabase projeleri için üretim seviyesinde Postgres disiplini; sorgu performansından gelişmiş özelliklere kadar sekiz öncelikli kural kategorisinde düzenlenmiş.
- [Vector Index Tuning](https://forgehouse.ai/tr/skiller/vector-index-tuning/), Vektör aramayı üretimde hızlı, doğru ve uygun maliyetli hale getiren mühendislik rehberi.

## Ajanlar (1)
- [Data Weaver](https://forgehouse.ai/tr/ajanlar/data-weaver/), Supabase ve Postgres için bir veri mühendisi.

## MCP Bağlayıcıları (1)
- [Google Analytics MCP](https://forgehouse.ai/tr/mcpler/google-analytics-mcp/), Google Analytics 4'ü okuyan ve yapılandıran bir konnektör: raporlar, dönüşümler, kitleler, özel boyutlar ve key event'ler, analitik işin altyapının geri kalanının yanında yaşasın.

## Sık sorulanlar

### GA4 sayılarım yanlış geliyor, nereden başlamalıyım?
Analytics Tracking’den: neyin tetiklendiğini, neyin çift sayıldığını, neyin hiç gelmediğini denetler. “GA4 yanlış” vakalarının çoğu araç değil kablolama sorunudur, skill, üstüne pano kurmadan kırık eklemi bulur.

### RAG ve vektör arama düzgün kapsanıyor mu?
Evet, kendi hafıza sistemimizin çıktığı raf bu. Brain Graphrag Entity Relation ve RAG skill’leri chunking, embedding, hibrit arama ve cevapları zeminde tutan getirme kontrollerini kapsar.

### Panolar, skill’ler kuruyor mu, eleştiriyor mu?
İki yön de var: Data Storytelling panoyu süslemek yerine soruya cevap verecek şekilde yapılandırır; Data Quality Frameworks ise onu besleyen sayıların bu güveni hak ettiğinden emin olur.

## İlgili konular
- [Yapay Zeka & LLM](https://forgehouse.ai/tr/katalog/yapay-zeka/), 18 parça
- [Büyüme & Dönüşüm](https://forgehouse.ai/tr/katalog/buyume-cro/), 22 parça
- [SEO & AEO](https://forgehouse.ai/tr/katalog/seo-aeo/), 39 parça

https://forgehouse.ai/tr/katalog/veri-analitik/