Java Tabanlı bir SQL Query tekniği ile geliştirdiğimiz  “CORTEX Grafik Datamining” programıyla finansal performansları etkileyen faktörleri çok boyutlu grafikler olarak analiz edebiliyoruz.

1. FİNANSAL KARAR VERME SÜREÇLERİNDE
GRAFİK-DATAMINING ANALİZİ
FATMA ÇINAR, CAPITAL MARKET BOARD OF TURKEY
Assoc. Prof. Dr. C. COŞKUN KÜÇÜKÖZMEN İZMİR UNIVERSITY OF ECONOMICS
TROUG Turkish Oracle User Group
BI/DW SIG Day 3 April 2014

2. Presentation Outline
Finansal Karar Verme Süreçlerinde Grafik-
Datamining Analizi
 Gerçek Zamanlı İnteraktif Data Analizi
 Effect and Response Analysis
 Model; Cortex Dashboard Management
 Teknik; Java Tabanlı Bir SQL Query Tekniği
 Araç; Cortex Grafik Datamining Programı
November 19,
2014
1.
SECTION
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

3. Presentation Outline
Finansal Karar Verme Süreçlerinde Grafik-
Datamining Analizi
 Java Tabanlı bir SQL Query tekniği ile geliştirdiğimiz “CORTEX Grafik
Datamining” programıyla finansal performansları etkileyen faktörleri
çok boyutlu grafikler olarak analiz edebiliyoruz.
 Uygulama BDDK FINTURK Excel verileri aracılığı ile
gerçekleştirilecektir.
 Java Tabanlı yazılım herhangi bir veri bankasına da kolayca
bağlanabilmektedir. Ayrıca SQL ile çekilen verileri R programına aktarıp
analizleri buradan yapabiliyoruz.
November 19,
2014
2.
SECTION
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

4. 4 Kazanımınız…
Katılımcıların sunumdan kazanacağını düşündüğünüz en
önemli üç edinim;
 Katılımcıların BI uygulamalarının karar verme süreçlerindeki
etkinliği konusundaki anlayışları gelişecektir.
 Büyük veri kütlerinin grafiğe dönüşme konusundaki
anlayışları değişecek.
 Effect ve Response analizi konusu bilgi edinebilecekler.
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi
November 19,
2014

5. Finansal Karar Verme Süreçlerinde Grafik-Datamining
 Yöneticilerin, IT dünyasının
karmaşık kavram ve
süreçlerinden arındıran,
interaktif ve yalın görseller
aracılığı ile veri
bankalarının karmaşıklığını
yok eden bir yaklaşımla
stratejik karar verme
pozisyonuna
ulaştırabilmektir.
 Data üzerinde
transformasyonlar ve
filtrelemeler
 Yüksek ölçeklendirme ve
interaktif analiz
AMACIMIZ
Gerçek zamanlı verilerden bir
aksiyon alabiliyor muyuz?
5
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi
November 19, 2014
Analizi

6. Data Analizinde Yeni Dönem: In Memory System
 Akan veriyi nasıl yakalıyoruz?
 Real-time information,
 Gerçek zamanlı/batch,
 Acquire-organize-Analysis,
 SQL Database,
 Ad-Hoc Reporting-R software
6
Akan veri üzerinde karar verebiliyor muyuz!
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

7. 7 ‘Unique Data Analysis’
Data kütlelerindeki kompleksiteyi
yorumlanabilir hale getirmeye çalışıyoruz.
SQL ile okutulan Database’ler analiz
edilirken, yapılan analizlerin sonuçları
hem anlık olarak değerlendirilebiliyor hem
de grafik üzerinde interaktif sorgulamayla,
grafik revize edilebiliyor ve Cortex
Dashboard’da saklanabiliyor.
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

8. Günümüz İş Modellerinin Temel Sorunları
8 Analitik Dünya’nın Ölü Diyagramları…
Yaşayan çok boyutlu işletmeleri
kâğıt üzerindeki iki boyutlu ölü
diyagramlara indirgemek
faydadan çok zarara yol
açmaktadır.
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

9. 9
Otomotiv Sektörü için çok boyutlu sibernetik-organik
tabanlı diyagramları…

10. İşletmelerin Yeni Gündemi?
10 Gerçek Zamanlı Risk Analizi
İşletmelerin, kuruluşların etkinlik ve
finansal fayda elde etmek amacıyla
performansla ilgili gerekli kararları en
iyi şekilde verebilmeleri ve ölçümleri
yapabilmelerini sağlayacak,
performansı optimize edebilmeleri
için bütünleşik kuramsal
uygulamalarla gerçek zamanlı risk
analizleriyle firmanın yarattığı gerçek
değerlerin ölçülmesini sağlayabilecek İş
Zekası (BI) tekniklerin geliştirilmesi
gündemdedir.
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

11. Değişimle Müttefik Olmak!
Stratejik Karalar İçin Her
Kaynaktan Gelen Verilere
Konsantrasyon
MIT ve IBM İş Değ. Ens. Raporu Ocak 2014;
 Digital Dünyanın en büyük iki degişimi; Veri
Patlaması
 Sosyal Medya.
 CMO %82 si veri patlamasına, %66 sı
Sosyal Medyaya hazır olmadığını ifade
ediyorlar…
 Sosyal Medya kullanımı Küresel Şirketlerde
hala %20.
11

12. Her Şey Digital, Tercihler Duygusal!

12
 Gerçek Deger Data Setlerinde!
 Hayatı eskiden filozoflardan anlamaya çalışırdık.
Şimdi digital platforma taşıyıp bir veriye
dönüştürdük.
 Artık filozoflara degil, bilgisayarlara soruyoruz!
 İnsan davranışlarını anlamaya bir adım daha
yaklaştıgımız sofistike bir dönem!
 Ancak Datalar bize hayatın anlamını hala söylemiyor.
O kısım hala filozoflarda!!!
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

13. Demir tozları arasında elmas bulmak gibi !
13 Master Data Management…
“Veri Bilimcileri” sahneye çıkıyor !
Bir sihirbaz edasıyla “veri” nin
şirket için en karlı şekle
dönüşümünde rol alan büyük
oyuncular…
Tıpkı para avcıları gibi…Wolf of
the Wall Street Filmi…Martin Scorsese

14. 14 ‘Unique Data’nın Potansiyel İş Hacmi!
İlk tahminler, ABD’nin saglık sektörünün yıllık
300Milyar Dolarlık “BIG DATA” katma degerinde bir
iş hacmine sahip.
Özellikle saglık ve finans sektörü ile hükümetlerin
“Unique Data” konusuna daha çok kafa yormaları
gerekecek. Çünkü hukuki olarak geriye dönük bu
devasa sayısal bilgilerin saklanması,
yedeklenmesi, arşivlenmesi ve gerektiğinde hızlı
olarak erişilebilir olması gerekiyor.

15. Gerçek Zamanlı Risk Analizi Nasıl Olmalı?
(Entegre Kurumsal Performans Yönetimi)
Yani performansın zaman metriği değişti aynı zamanda
performans düzeyi de arttı. 15
Bütünleşik kuramsal uygulamalar ve entegre
raporlamalarla;
Object Tabanlı Entegre Kurumsal Performans
Yönetimi (Object Oriented Complexity
Management)” modeline geçip, gerçek zamanlı risk
analizleriyle firmanın yarattığı gerçek değerlerin
ölçülmesi sağlanabilecektir.
November 19,
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi 2014

16. 16 Yeni Algoritmalar/Yeni Toollar
Veri madenciliğinde kullanan birçok
algoritma var.
Kendi tool’unu yazan ve ona göre mining
çalışması yapan şirket sayısı maalesef çok
az…

17. 17 Cortex BI (Cortex Business Intelligence)
Analitik dünyanın analizleriyle bu yüksek
veri kütlelerinden anlamlı sonuçlar
çıkartmak mümkün olmuyor. Matematiğin
egemen olduğu bir dünyada geliştirildiler.
Düşük veri kütleleriyle başa çıkabilmek
için tasarlandılar bugün yüksek veri
kütlelerinden yorum çıkartabilecek yeni
teknik ve yaklaşımlara ihtiyacımız var.
Finansal Karar Verme Süreçlerinde Grafik-DataminingAnalizi
November 19, 2014
Konvansiyonel
istatistikten finansal
entropik analize
geçiyoruz.

18. 19.11.2014
18
COMPLEXITY SYSTEM - FRAKTAL AG MODELİ

19. 19 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

20. 2007-2013 yılları arasında İzmir vb. finansal
yapıdaki şehirlerin Finansal Risk Haritası
Excel dosyasından SQL modülüyle çekilen
data üzerinden gerçekleştirilen finansal risk
haritası.
20
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19,
2014

21. 21 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

22. 22 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

23. 23 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

24. 24 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

25. 25
Exceldeki verileri filtrelenebilen ve sort edilebilen Java Tablosuna dönüştürdük.
Buradan da Cortex’in Grafik Modülene geçtik.

26. 26 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

27. 27 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

28. 28
Aynı Java Tablosundaki verileri tablo üzerindeki tek bir tuşla R programına
aktardık. Ayrıca R üzerinden de yeni grafikler elde ettik.

29. 29 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

30. 30

31. 31 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

32. 32 Oto Analizi
Benzer bir uygulamayı 2010 yılında satılan
oto verileri dosyası üzerinden
gerçekleştirdik.

33. 33 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

34. 34
Java Tablosundaki verileri tablo Cortex grafik modülene aktarıp, motor hacmi
karşısında motor gücüne çeker tipine göre grafikledik.

35. 35 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

36. 36
Java tablosundaki verileri tablo Cortex Grafik Modülene aktarıp, motor
hacmi karşısında motor gücüne gövde tipine göre grafikledik.
(Grafik üzerindeki segment tuşundan gövde tipine göre filtrelendi.)

37. 37
Gövde tipine göre yapılan analizin maksimum ve minimum aralık analizi ve Entropi
Analizi

38. 38
Aynı Java Tablosundaki verileri tablo üzerindeki tek bir tuşla R programına
aktardık. Ayrıca R üzerinden de yeni grafikler elde ettik.

39. 39 COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014

40. 40
Java tablosundaki oto datasını hafıza tuşuyla R a aktardık. Motorgücüne karşı
ağırlığın gövde tipi yerli ve yabancı arasındaki dağılımını grafikledik.

41. 41 Finansal Entropik Analize Geçiş
 Finansın frekansını entropik analizle ortaya
koyuyoruz. Konvansiyonel istatistikten finansal
entropik analize geçiyoruz.
 Entropi olasılıkların (yüzdelerin) geometrik
ortalamasıdır.
 Entropi belirsizlik ölçüsü bize parametrelerin
metriklerini veriyor. Eşitlikten sapmalarını
gösteriyor.
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

42. 42 Finansal Entropik Analiz
 Grafikler segmentlere göre filtrelenebiliyor.
 Segmentlerin ortalamasını (magenta) sistemin ortalaması (kırmızı) ile
karşılaştırabiliyorsunuz. Böylece rakamlara gerek kalmıyor. Diferansları
görsel olarak yorumlayabiliyorsun.
 Entropi tablosu sort edilebiliyor. Böylece toplam entropiyi görebiliyorsun.
 Ekte 2012 yılı bankaların konut kredisi dağıtımı ve takibi var.
 Burada riskli gördüğümüz HSBC’yi (Mavi) filtreleyebiliriz.
 Sistem ortalamasının altında kredi dağıttığı halde ortalamanın çok
üstünde takibi var. (Yapı Kredi (mor) Finansbank (sarı)
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

43. COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
43
Banka Faktörüne Göre Konut Kredi Başına Takip Oranı

44. COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
44
Banka Segmentinin Yüzdeleri Hesaplanıyor
Bankaların Kredi Risk Sıralaması…

45. COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
45
Şehir Faktörüne Göre Konut Kredi Başına Takip Oranı

46. 46 Şehirlerin Konut Kredi Takip Analizi
45 bankanın Konut Kredi Takip oranlarının 25 şehirdeki
dagılımını gösteriyor.
Kayseri, Denizli, Zonguldak ve Adıyaman da takibe düşen
krediler sektör ortalamasının altında kalıyor. Buna karşılık İst.
Ank. İzmir de takibe düşen konut kredi oranları ezici bir
üstünlük gösteriyor.
Konya, Tekirdağ, Samsun ve Kocaeli en ihtiyatlı kredi risk
haritasına sahip bir görünüm içinde…
Şehir Faktörüne göre sistem ortalamasının altında kredi
dağıtımı var iken takibe düşen konut kredilerinde ortalamanın
üzerinde bir artış sözkonusu…

47. COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
47
Şehir Segmentinin Yüzdeleri Hesaplanıyor

48. Banka Faktörüne Göre Konut Kredi Başına Takip Oranı
COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
48

49. Segmentlerin Yüzdeleri Hesaplanıyor
COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
49

50. Takipteki Alacakların Toplam Nakdi Kredileri Üzerindeki
Oranının İl Bazında Dağılımı
50

51. Takipteki Alacakların Toplam Nakdi Kredileri
Üzerindeki Oranının İl Bazında Dağılımı
Kayseri ve Muğla İhtiyatlı
Ankara’da gayri İktisadi saikler yoluyla verilen
krediler söz konusu.
İllerde aynı şartlar altında kredi verilmiyor.
Ankara daki bütün bankalar aynı riskleri alıyor.
51
November 19,
2014
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

52. Takipteki Alacakların Toplam Nakdi Kredileri Üzerindeki
Oranının İl Bazında Dağılımı
52

53. Segmentlerin Entropik Anatomisi
COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
53

54. 54 Bankaların Kredi Risk Sıralaması
Grafiklerde her bir renk Bir Banka
ve her bir nokta o bankasının farklı
illerde dağılımını temsil ediyor.
Bazı grafiklerde sapma yaratan
İstanbul Data setini eledik.
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi
November 19, 2014

55. Takipteki Alacakların Toplam Nakdi Kredileri
Üzerindeki Oranının İl Bazında Dağılımı
55

56. Takibe Düşen Taşıt Kredilerinin Banka Bazında
Dağılımı
56

57. Toplam Nakdi Krediler İçinde Takipteki Alacakların
Banka Bazında Dağılımı
57

58. Toplam Mevduatın Takipteki Alacakların
Üzerindeki Payı
58

59. Takibe Düşen Kredilerin Gnakdi Kredileri
İçindeki Payı
59

60. Takibe Düşen Kredilerin Toplam Nakdi Kredilere Oranı
60

61. Takipteki Alacakların Toplam Mevduat Üzerindeki Payı
61

62. Takipteki Alacakların Toplam Mevduat Üzerindeki Payı
62

63. 63 Bank Data Analiz
Grafiklerdeki ortalama çizgilerin eksenlere yakınlığı
yüksek montanlı kredilerin fantezi olduğunu esas
kütlenin sıfır civarında yoğunlaştığını gösteriyor.
Bu grafiğe göre bankalar düşük rakamları çok
sayıda müşteriye dağıtarak dosya masrafı-sigorta
ve komisyon overhead’den para kazanıyorlar. Aynı
durumu taşıt kredilerinde de gözlemlemek
mümkün…
Finansal Karar Verme Süreçlerinde Grafik-DataminingAnalizi
November 19,
2014

64. Takipteki Alacakların Toplam Mevduat Üzerindeki Payı
Mum Grafik
64

65. Takipteki Enerjinin Takipteki Alacaklar Üzerindeki Payı
65

66. Şehir Faktörüne Göre TakipTaşıt-TakipKonut Kredileri
66

67. Toplam Nakit Kredilerin Takipteki Alacaklar Üzerindeki
Payı
67

68. Toplam Nakit Kredilerin Takipteki Alacaklar Üzerindeki
Payı
68

69. Takipteki Kredi Kartının İllere Göre Dağılımı
COMPLEXITY SYSTEM - FRAKTAL AG MODELİ 19.11.2014
69

70. CONCLUSION
70 Object-tabanlı İnteraktif Kontrol
Sistemde bulunan veriler kullandığımız
Java yazılımıyla SQL tabanlı databaseler
gibi veri kaynağı objectler ile bir araya
getirilmiş, Cortex oluşturulmuş ve
istatistiksel sorgulamaların yapılabilmesine
imkân tanıyan bir alt yapı kurulmuştur.
Tüm veri kaynaklarını, yönetilebilir tek bir
havuzda konsolide ve entegre edilen
raporlarla işletme nabzını tutan özet
raporların ve grafiklerin anında
görüntülenmesi sağlanmış olacaktır.

71. 71 Stephen HAWKING
“21.th CENTURY
WILL BE COMPLEX
SCIENCE CENTURY”

72. kutmerih@gmail.com
kutlu@merih.net
http://www.riskonomi.com
coskun.kucukozmen@ieu.edu.tr
http://www.ieu.edu.tr/tr
coskunkucukozmen@gmail.com
http://www.coskunkucukozmen.com
fatma.cinar@spk.gov.tr
http://www.spk.gov.tr/
@fatma_cinar_ftm
@ckucukozmen
tr.linkedin.com/in/fatmacinar/
tr.linkedin.com/in/coskunkucukozmen
72
Contact

73. References
73
 Merih, K., ve Çınar, F., (2012). “Örgüt Yapılarındaki Değişimin Modellenmesinde
Kompleksite (Complexity) Yaklaşımı”, 32. Ulusal Yöneylem Araştırması ve Endüstri
Mühendisliği Kongresi, s.261, Haziran 2012, <http://yaem2012.org/>, İstanbul.
<http://www.riskonomi.com/wp/?p=2016>
 Merih, K., ve Çınar, F., (2013). “Modelling Of Corporate Performance In Multi-
Dimensional Complex Structured Organizations: “CBBC” Approach”, Submitted to the
third International Conference in Economics ECON2013 to be held in Eskisehir, Turkey on
19-21 June 2013. http://www.econanadolu.org/en/index.php/articles2013/3683-
MODELLING-CORPORATE-PERFORMANCE-MULTI-DIMENSIONAL-COMPLEX-STRUCTURED-
ORGANIZATIONS-CBBC-APPROACH.html
 Küçüközmen, C., and Çınar F., (2013). “Modelling of Corporate Performance In Multi-
Dimensional Complex Structured Organizations “CBBC” Management”, “2nd
International Symposium on Chaos, Complexity and Leadership (ICCLS)”, METU, Ankara,
Turkey on 17 – 19 December 2013, http://2013.iccls.org/