Web Tabanlı Veri Toplama Yöntemleriyle Küresel Firma Bilgilerinin Analizi: İletişim Bilgileri ve Sektörsel Dağılım Üzerine Bir Çalışma

Öz

Günümüz dijital çağında veri, stratejik karar alma süreçlerinin temel bileşenlerinden biri haline gelmiştir. Web scraping yöntemi bu bağlamda, internet üzerinden otomatik veri toplama ve analiz süreçlerinde etkin bir şekilde kullanılmaktadır. Bu çalışmanın temel amacı, küresel ölçekte faaliyet gösteren firmaların iletişim bilgilerini (telefon numarası, e-posta adresi, web sitesi) sistematik biçimde elde etmek ve bu bilgileri ülke ve sektör bazında analiz etmektir. Çevrim içi kaynaklar aracılığıyla 23,985 uluslararası firma ismi toplanmış ve büyük veri hacmini yönetilebilir kılmak amacıyla firmalar gruplandırılmıştır. Veri toplama sürecinde Python dili ve ilgili kütüphaneler (Selenium, BeautifulSoup, Requests, Regex, Pandas) kullanılmıştır. Ülke tahmininde web sitesi uzantıları, coğrafi referanslar ve telefon alan kodları; sektörel sınıflandırmada ise firma adları ve web sitesi içerikleri dikkate alınmıştır. Verilerin doğruluğunu değerlendirmek amacıyla, Cochran’ın örneklem büyüklüğü formülüyle seçilen 378 birimlik örneklem üzerinde manuel analiz yapılmıştır. Sonuçlara göre, web sitesi ve telefon numarası bilgilerinin doğruluğu %90’ın, e-posta ve ülke bilgilerinin %80’in, sektör bilgisinin ise %70’in üzerindedir. Bu doğruluk oranları, web scraping yönteminin büyük ölçekli veri toplama süreçlerinde etkin ve güvenilir bir araç olduğunu göstermektedir. Ayrıca, analizde özellikle ABD, Kanada ve Birleşik Krallık gibi ülkelerde teknoloji ve sağlık sektörlerinin öne çıktığı gözlemlenmiştir.

Anahtar Kelimeler

• Web Scraping
• Veri Toplama
• Veri Analizi
• Doğruluk Analizi
• Cochran Yöntemi

An Analytical Study of Global Firm Information via Web-Based Data Collection: Contact Information and Sectoral Distribution Analysis

Öz

Data is a key component of strategic decision-making in today’s digital age. Web scraping is widely used for automated data collection and analysis across various domains. This study aims to systematically extract the contact information (phone numbers, email addresses, websites) of globally operating companies and analyze it by country and sector. 23,985 international company names were collected online and grouped for efficient processing. The data collection process employed Python with libraries such as Selenium, BeautifulSoup, Requests, Regex, and Pandas. Country identification was based on website domains, geographic references in company names, and phone area codes, while sector classification relied on analyzing names and website content. A sample of 378 units was manually validated using Cochran’s formula to evaluate accuracy. Results showed that website and phone data had over 90% accuracy, email and country data over 80%, and sector classification over 70%. These findings confirm that web scraping is a reliable method for large-scale data collection. Additionally, the analysis showed that technology and healthcare sectors are especially prominent in the United States, Canada, and the United Kingdom.  

Anahtar Kelimeler

• Web Scraping
• Data Collection
• Data Analysis
• Accuracy Evaluation
• Cochran Method

Kaynakça

1. Draxl, V. (2018). Web scraping: Data extraction from websites [Lisans tezi, University of Applied Sciences Technikum Wien]. https://www.academia.edu/35901535/BACHELOR_PAPER_Web_Scraping_Data_Extraction_from_websites
2. Demir, Ö. ve Narlıkaya, Z. (2021). Muhasebe meslek mensuplarının büyük ve orta boy işletmeler için finansal raporlama standardına yönelik algılarının incelenmesi: Elazığ ili örneği. Fırat Üniversitesi Harput Araştırmaları Dergisi, 8(16), 105–125. https://izlik.org/JA75LN78ML
3. Foerderer, J. (2023). Should we trust web-scraped data. arXiv Preprint. https://doi.org/10.48550/arXiv.2308.02231
4. Gheorghe, M., Mihai, F. C. ve Dârdală, M. (2018). Modern web scraping techniques for data scientists. International Journal of User-System Interaction, 11(1), 63-75.
5. Glez-Peña, D., Lourenço, A., López-Fernández, H., Reboiro-Jato, M. ve Fdez-Riverola, F. (2014). Web scraping technologies in an API world. Briefings in Bioinformatics, 15(5), 788-797. https://doi.org/10.1093/bib/bbt026
6. Gül, M. ve Ö. Demir. (2023). Muhasebe meslek mensuplarının etik farkındalıklarının analizi: Elazığ ilinde bir araştırma. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 11(1), 35-49. https://doi.org/10.18506/anemon.1052583
7. Hayran, O. (2012). Sağlık bilimlerinde araştırma ve istatistik yöntemler. Nobel Tıp Kitabevi.
8. Khder, M. A. (2021). Web scraping or web crawling: State of art, techniques, approaches and application. International Journal of Advances in Soft Computing & Its Applications, 13(3), 145-168. https://www.i-csrs.org/Volumes/ijasca/2021.3.11.pdf

9. Lotfi, C., Srinivasan, S., Ertz, M., & Latrous, I. (2022). Web scraping techniques and applications: A literature review. R. Pal ve P. K. Shukla (Ed.), SCRS conference proceedings on intelligent systems içinde (ss. 381–394). Soft Computing Research Society. https://doi.org/10.52458/978-93-91842-08-6-38
10. Nongthombam, K. ve Sharma, D. (2021). Data analysis using Python. International Journal of Engineering Research & Technology, 10(7), 463-468.
11. Öntaş, E., Sezer, B. ve Okyay, P. (2024). Çevrimiçi veri toplamanın temelleri: Yöntemler ve yaklaşımlar için pratik bir kılavuz. Sürekli Tıp Eğitimi Dergisi, 32(5), 401-414. https://doi.org/10.17942/sted.1430097
12. Özçelik, Z. ve Aykan, E. (2020). Sosyal bilimlerde büyük veri kullanımı, veri toplamada akademik çalışmalara ne tür kolaylıklar sağlayabilir? Anadolu Üniversitesi Sosyal Bilimler Dergisi, 20(3), 131-142. https://doi.org/10.18037/ausbd.801834
13. Saabith, S., Vinothraj, T. ve Fareez, M. (2021). A review on Python libraries and IDEs for data science. International Journal of Research in Engineering and Science, 9(11), 36-53.
14. Sezgin, E. E. ve Düşükcan, M. (2020). Hemşirelerin öz yeterlilik inanç düzeylerinin performansları üzerindeki etkisi: Elazığ ili örneği. MANAS Sosyal Araştırmalar Dergisi, 9(3), 1689-1702. https://doi.org/10.33206/mjss.536372
15. Üzümcü, A. C. ve Eligüzel, N. (2023). Predictive analysis using web scraping for the real estate market in Gaziantep. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, 12(1), 17-24. https://doi.org/10.17798/bitlisfen.1155725
16. Yılmaz, S. ve Selvi, İ. H. (2023). Price prediction using web scraping and machine learning algorithms in the used car market. Sakarya University Journal of Computer and Information Sciences, 6(2), 140-148. https://izlik.org/JA28KY64YB
17. Zhao, B. (2017). Web scraping. L. A. Schintler ve C. L. McNeely (Ed.), Encyclopedia of big data içinde (ss. 1–3). Springer. https://doi.org/10.1007/978-3-319-32001-4_483-1