Cortexgrafikdatamining

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

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

Presentation Outline

November 19,

2014

1.

SECTION

Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

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.

Presentation Outline

November 19,

2014

2.

SECTION


Finansal Karar Verme Süreçlerinde Grafik-

Datamining Analizi

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.

Kazanımınız…4

Finansal Karar Verme Süreçlerinde Grafik-Datamining AnaliziNovember 19,

2014

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

AMACIMIZGerçek zamanlı verilerden bir

aksiyon alabiliyor muyuz?

5

Finansal Karar Verme Süreçlerinde Grafik-Datamining AnaliziNovember 19, 2014

Finansal Karar Verme Süreçlerinde Grafik-Datamining

Analizi

Akan veriyi nasıl yakalıyoruz?

Real-time information,

Gerçek zamanlı/batch,

Acquire-organize-Analysis,

SQL Database,

Ad-Hoc Reporting-R software

6

Data Analizinde Yeni Dönem: In Memory System

Akan veri üzerinde karar verebiliyor muyuz!

November 19, 2014Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

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.

‘Unique Data Analysis’7

Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014

Analitik Dünya’nın Ölü Diyagramları…8

Günümüz İş Modellerinin Temel Sorunları

Yaşayan çok boyutlu işletmeleri

kâğıt üzerindeki iki boyutlu ölü

diyagramlara indirgemek

faydadan çok zarara yol

açmaktadır.

November 19, 2014Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

9

Otomotiv Sektörü için çok boyutlu sibernetik-organik

tabanlı diyagramları…

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.

Gerçek Zamanlı Risk Analizi10

İşletmelerin Yeni Gündemi?


Değişimle Müttefik Olmak!S

trate

jik K

ara

lar

İçin

Her

Kayna

kta

n G

ele

n V

eri

lere

Ko

nsa

ntr

asyo

n

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

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!!!


http://www.google.com.tr/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&cad=rja&uact=8&docid=G1f_i4QoN05WuM&tbnid=LEcDC3jnEbFHGM:&ved=0CAUQjRw&url=http://www.reitix.com/Makaleler/Filozoflar-ile-ilgili-Soylenmis-Guzel-Sozler/ID%3D970&ei=3oc6U_DIKsjt0gWbnYHoCw&bvm=bv.63934634,d.bGE&psig=AFQjCNEopE2K-Gqz9r8Gi-JswnEHQbAskQ&ust=1396431144748088

http://www.google.com.tr/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&cad=rja&uact=8&docid=G1f_i4QoN05WuM&tbnid=LEcDC3jnEbFHGM:&ved=0CAUQjRw&url=http://www.reitix.com/Makaleler/Filozoflar-ile-ilgili-Soylenmis-Guzel-Sozler/ID%3D970&ei=3oc6U_DIKsjt0gWbnYHoCw&bvm=bv.63934634,d.bGE&psig=AFQjCNEopE2K-Gqz9r8Gi-JswnEHQbAskQ&ust=1396431144748088

“Veri Bilimcileri” sahneye çıkıyor !

Master Data Management…13

Demir tozları arasında elmas bulmak gibi !

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

‘Unique Data’nın Potansiyel İş Hacmi! 14

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.

Yani performansın zaman metriği değişti aynı zamanda

performans düzeyi de arttı.15

Bütünleşik kuramsal uygulamalar ve entegre

raporlamalarla;

Gerçek Zamanlı Risk Analizi Nasıl Olmalı?

(Entegre Kurumsal Performans Yönetimi)

Object Tabanlı Entegre Kurumsal Performans

Yönetimi (Object Oriented Complexity

Management)” modeline geçip, gerçek zamanlı risk

analizleriyle firmanın yarattığı gerçek değerlerin

ölçülmesi sağlanabilecektir.

November 19,

2014Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

Veri madenciliğinde kullanan birçok

algoritma var.

Kendi tool’unu yazan ve ona göre mining

çalışması yapan şirket sayısı maalesef çok

az…

Yeni Algoritmalar/Yeni Toollar16

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.

Cortex BI (Cortex Business Intelligence)17


November 19, 2014

Ko

nv

an

siy

on

el

ista

tisti

kte

n f

inan

sal

en

tro

pik

an

ali

ze

ge

çiy

oru

z.

19.11.2014

18

COMPLEXITY SYSTEM - FRAKTAL AG MODELİ

19.11.2014COMPLEXITY SYSTEM - FRAKTAL AG MODELİ19

Excel dosyasından SQL modülüyle çekilen

data üzerinden gerçekleştirilen finansal risk

haritası.

2007-2013 yılları arasında İzmir vb. finansal

yapıdaki şehirlerin Finansal Risk Haritası20


2014





25

Exceldeki verileri filtrelenebilen ve sort edilebilen Java Tablosuna dönüştürdük.

Buradan da Cortex’in Grafik Modülene geçtik.



28

Aynı Java Tablosundaki verileri tablo üzerindeki tek bir tuşla R programına

aktardık. Ayrıca R üzerinden de yeni grafikler elde ettik.


30


Benzer bir uygulamayı 2010 yılında satılan

oto verileri dosyası üzerinden

gerçekleştirdik.

Oto Analizi 32


34Java Tablosundaki verileri tablo Cortex grafik modülene aktarıp, motor hacmi

karşısında motor gücüne çeker tipine göre grafikledik.


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

Gövde tipine göre yapılan analizin maksimum ve minimum aralık analizi ve Entropi

Analizi

38Aynı Java Tablosundaki verileri tablo üzerindeki tek bir tuşla R programına

aktardık. Ayrıca R üzerinden de yeni grafikler elde ettik.


40

Java tablosundaki oto datasını hafıza tuşuyla R a aktardık. Motorgücüne karşı

ağırlığın gövde tipi yerli ve yabancı arasındaki dağılımını grafikledik.

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 Entropik Analize Geçiş41


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 Entropik Analiz42


19.11.2014COMPLEXITY SYSTEM - FRAKTAL AG MODELİ

43

Banka Faktörüne Göre Konut Kredi Başına Takip Oranı


44

Banka Segmentinin Yüzdeleri Hesaplanıyor

Bankaların Kredi Risk Sıralaması…


45

Şehir Faktörüne Göre Konut Kredi Başına Takip Oranı

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…

Şehirlerin Konut Kredi Takip Analizi46


47

Şehir Segmentinin Yüzdeleri Hesaplanıyor

Banka Faktörüne Göre Konut Kredi Başına Takip Oranı


48

Segmentlerin Yüzdeleri Hesaplanıyor


49

Takipteki Alacakların Toplam Nakdi Kredileri Üzerindeki

Oranının İl Bazında Dağılımı50

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.

Takipteki Alacakların Toplam Nakdi Kredileri

Üzerindeki Oranının İl Bazında Dağılımı51

November 19,

2014Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi

Takipteki Alacakların Toplam Nakdi Kredileri Üzerindeki

Oranının İl Bazında Dağılımı

52

Segmentlerin Entropik Anatomisi


53

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.

Bankaların Kredi Risk Sıralaması54

Finansal Karar Verme Süreçlerinde Grafik-Datamining AnaliziNovember 19, 2014

Takipteki Alacakların Toplam Nakdi Kredileri

Üzerindeki Oranının İl Bazında Dağılımı55

Takibe Düşen Taşıt Kredilerinin Banka Bazında

Dağılımı 56

Toplam Nakdi Krediler İçinde Takipteki Alacakların

Banka Bazında Dağılımı57

Toplam Mevduatın Takipteki Alacakların

Üzerindeki Payı58

Takibe Düşen Kredilerin Gnakdi Kredileri

İçindeki Payı59

Takibe Düşen Kredilerin Toplam Nakdi Kredilere Oranı

60

Takipteki Alacakların Toplam Mevduat Üzerindeki Payı

61

62


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…

Bank Data Analiz63


2014


Mum Grafik64

Takipteki Enerjinin Takipteki Alacaklar Üzerindeki Payı

65

Şehir Faktörüne Göre TakipTaşıt-TakipKonut Kredileri

66

Toplam Nakit Kredilerin Takipteki Alacaklar Üzerindeki

Payı

67

Toplam Nakit Kredilerin Takipteki Alacaklar Üzerindeki

Payı68

Takipteki Kredi Kartının İllere Göre Dağılımı


69

Object-tabanlı İnteraktif Kontrol70

CONCLUSION

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.

“21.th CENTURY

WILL BE COMPLEX

SCIENCE CENTURY”

Stephen HAWKING71

[email protected]

[email protected]

http://www.riskonomi.com

[email protected]

http://www.ieu.edu.tr/tr

[email protected]

http://www.coskunkucukozmen.com

[email protected]

http://www.spk.gov.tr/

@fatma_cinar_ftm

@ckucukozmen

tr.linkedin.com/in/fatmacinar/

tr.linkedin.com/in/coskunkucukozmen

72

Contact

References73

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/

Data & Analytics

Cortexgrafikdatamining