Veri madenciliğinin türk işletmelerin finansal tablolarına uygulanması ve uygulama örneği

Abstract

nansal Tablo Analizi, Veri Madenciliği, Kümeleme Analizi ÖZET VERİ MADENCİLİĞİNİN TÜRK İŞLETMELERİN FİNANSAL TABLOLARINA UYGULANMASI VE UYGULAMA ÖRNEĞİ Çağımız bilgi çağı olup, her türlü bilgiye hakim olmayı gerektirmektedir. Veri içerisinden anlamlı örüntüler çıkartıldığında kimse tarafından bilinmeyen, rakiplerin önüne geçilmesini sağlayacak anlamlı bilgiler elde edilebilir. İlgili yöntemler, şirketlerin finansal göstergeleri olan finansal tablolara uygulandığında şirketlerin finansal davranışlarıyla ilgili faydalı bilgiler elde etmek mümkün olacaktır. Veri madenciliği, finansal analiz yöntemleri olarak yaygın olarak kullanılan yatay analiz, dikey analiz, eğilim yüzdeleri analizi ve oran analizinin yanında beşinci bir finansal analiz şekli olarak düşünülebilir. Veri madenciliğinin, bahsi geçen analiz tekniklerine olan üstünlüğü yoğun veri ile çalışılabilmesi ve kimse tarafından bilinmeyen bilgileri ortaya çıkartmayı amaçlamasıdır. Veri madenciliğinin uygulamasındaki en büyük iki kısıt veri madenciliği ve alan bilgisine sahip uzman bulmaktaki zorluk ve kullanılacak bilgisayar yazılım ve donanımının maliyetli olmasıdır. nancial Statement Analysis, Data Mining, Clustering Analysis

IMPLEMENTATION OF DATA MINING ON TURKISH COMPANY’S FINANCIAL STATEMENTS AND A CASE STUDY In this era, it is required that people should control every kind of information because this age is named as “knowledge age”. Recognition of patterns in data may provide previously unknown and useful information than can provide competitive advantages. If related techniques are applied on financial statements, it is possible to acquire usable information about companies’ financial situations. It is considered that data mining could be an alternative of common financial analysis techniques such as vertical analysis, horizontal analysis, trend analysis and ratio analysis. Against existing financial analysis methods, data mining provide some advantages, which are ability of manipulation of huge data and competence of obtaining previously unknown information. There exist two major constraints of data mining implementation that are lack of experts on both data mining and related domain and cost of computer software and hardware used.