Upload
fatma-cinar
View
313
Download
2
Embed Size (px)
Citation preview
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
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
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?
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014
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!!!
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014
“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
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi
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.
Excel dosyasından SQL modülüyle çekilen
data üzerinden gerçekleştirilen finansal risk
haritası.
2007-2013 yılları arasında İzmir vb. finansal
yapıdaki şehirlerin Finansal Risk Haritası20
Finansal Karar Verme Süreçlerinde Grafik-Datamining AnaliziNovember 19,
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.
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.)
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
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014
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
Finansal Karar Verme Süreçlerinde Grafik-Datamining Analizi November 19, 2014
19.11.2014COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
43
Banka Faktörüne Göre Konut Kredi Başına Takip Oranı
19.11.2014COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
44
Banka Segmentinin Yüzdeleri Hesaplanıyor
Bankaların Kredi Risk Sıralaması…
19.11.2014COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
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
Banka Faktörüne Göre Konut Kredi Başına Takip Oranı
19.11.2014COMPLEXITY SYSTEM - FRAKTAL AG MODELİ
48
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
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
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
Finansal Karar Verme Süreçlerinde Grafik-Datamining AnaliziNovember 19,
2014
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.
http://www.riskonomi.com
http://www.ieu.edu.tr/tr
http://www.coskunkucukozmen.com
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/