Öne çıkan

Bulut Performans Endeksi [BE] Simülasyonu

Bulut Performance Index [BI] Simulation

Giriş

Bulut Endeksi (BE)‘nin ilk uygulamaları her ne kadar finansal performans analizi alanında olsa da diğer çok kriterli karar verme (ÇKKV) problemlerinin çözümünde ve performans analizlerinde de kullanılabilmektedir. Bu endeksle maximum ve minimum prensibine dayalı olarak çalışan diğer Çoklu Karar Verme Yöntemlerinin eksikliklerinin giderilmesi de amaçlanmıştır. Nihai olarak, geliştirilen endekse ilişkin çalışmanın makalesi hakemli bir dergi olan Verimlilik Dergisi’nin 2017 yılı 3. sayısında yayınlanmış olup, uygulamayı göstermesi ve somutlaştırması adına Microsoft Excel 2016’da hazırladığım bütün seviyeleri içeren Bulut Endeks (BE) simülasyonu aşağıdaki linkten indirilebilir. Simülasyonun daha iyi anlaşılması adına yayınlanmış makaleyle birlikte değerlendirilmesi önem arz etmektedir.

Makaleyi indirmek için buraya tıklayınız: Bulut Endeksi

Dergi Bilim Kurulu: Bilim Kurulu

Bulut Endeks (BE) Metodolojisi

Endeksin uygulama adımları Şekil 1’de gösterilmiştir.

Şekil 1. BE Uygulama Adımları

BE, karar vericiye genel (Level 1), orta (Level 2) ve çekirdek (Level 3) olmak 3 seviyede statik ve dinamik çıktı üretme olanağı tanır. Bu seviyeler Şekil 2’te özetlenmiştir. Çekirdek (core) denilen her bir kriter seviyesinde üretilen Bulut Endeks sonuçları ile hem alternatifler arasında (horizontal analysis: yatay analiz) hem de kriterler bazında her bir alternatifin kendi içerisinde (vertical analysis: dikey analiz) değerlendirilmesine olanak sağlanır. Bu seviyede yatay analiz açısından kriter sayısı (satır sayısı) X alternatif sayısı (sütun sayısı) kadar (horizantal analysis) sonuç üretilerek çok daha derinlemesine analiz yapılabilir. Dikey analiz için ise matrisin sütun (alternatif) sayısı kadar sonuç üretilmiş olacaktı. Örneğin,  kullanılacak karar kriteri (satır) sayısı 10, alternatif (sütun) sayısı 50 ise yatay ve dikey analiz açısından 10×50=500 adet sonuç üretilmiş olacaktı. Verimlilik dergisinde yer alan örnek esas alınarak aşağıda excel dokümanı üzerindeki uygulamada, yatay ve dikey analiz için üretilecek sonuç 24 (kriter) x 23 (alternatif) = 552’dir.

Karar vericinin araştırma tasarıma ve amacına bağlı olarak orta ve çekirdek seviyede çıktı üretilmek istenmeyebilir, genel seviyede elde edilen BE sonuçları karar vericiye yeterli olabilir.

BE çıktı üretme seviyeleri 3 seviyede ele alınabilir;

  1. Seviye 1 (Genel)’de alternatiflerin bütün kriterlerinin değerlerinden hareketle genel bir BE değeri üretilir.
  2. Seviye 2 (Kategorize edilmiş kriter değerleri)’de kriter kümelerine göre BE değeri üretilir.
  3. Seviye 3 (Çekirdek)’de kriter değerleri baz alınarak alternatifler kendi içinde ve aralarında analiz edilerek BE değeri üretilir.

Şekil 2. BE Çıktı Üretme Seviyeleri

be

BE 3 seviyede çıktı üretmekte olup, bu 3 çıktı seviyesine göre üretilen çıktı sayısı ile üretilen BE skorların dayalı olduğu seviye değişkenleri Şekil 3’te gösterilmiştir.

Burada,

L:  seviye (Level),

m: matristeki satır veya kriter sayısı (the number of rows or criteria in the matrix),

n: matristeki sütun veya alternatiflerin sayısı (the number of columns or alternatives in the matrix),

c: benzer özelliklere sahip kriterlerden oluşan toplam küme sayısı olmak üzere (the total number of clusters of criteria with similar characteristics)

göstermek üzere seviyelere göre üretilen çıktı sayısı

Seviye 1 için üretilen sonuç sayısı (Number of results produced for Level 1)

L1=n

Seviye 2 için üretilen sonuç sayısı (Number of results produced for Level 2)

L2=cxm

Seviye 3 için üretilen sonuç sayısı (Number of results produced for Level 3)

L3=mxn

kadardır.

Şekil 3. BE Çıktı Üretme Seviyeleri ve BE Çıktılarının Dayalı Olduğu Tabaka Değişkenleri

BE Tabaka

Alt seviyelerde (2. ve 3. seviyeler) analiz neden önemlidir?

Bu önemlidir çünkü genel endeks değerleri çok iyi bir alternatif, kriterler kategorize edilerek oluşturulmuş 2. seviyede ve kriterlerin tek başına değerlendirildiği 3. seviyede Bulut Endeksleri skorlarında farklılık gösterebildiği, başka alternatiflerin bu alt endekslerde öne çıktığı görülebilmektedir. Benzer şekilde, Seviye 3’te kriter bazlı değerlendirmelere de olanak tanıyan bu endeksle alternatiflerin gerçekleşen kriter değeri ile olması gereken değerleri karşılaştırılarak çekirdek seviyede Bulut Endeksi değerleri elde edilebilir.

Geliştirilen endeks yöneylem araştırma (operation research) alanı içerisinde yer alan Çok Kriterli Karar Verme (ÇKKV) problemlerinin çözümünde sektör ayrımı olmaksızın rahatlıkla kullanılabilecektir. Karar kriterlerinin açık uçlu ve tek yönlü eşitsizlik içerdiği durumlarda alt seviyeleriyle birlikte (genel, orta ve çekirdek) uygulama alanı sunarak bir çok çıktı elde edilmesine olanak tanır. Bahsedilen bu yönleriyle Bulut Endeksi (BE) literatüre önemli bir katkı sunmaktadır.

Aşağıda excel ortamında uygulaması yapılan Bulut Endeksi (BE) simülasyonunda kriterlerin yönüne göre veri kümesi içerisindeki değerlerin minimum ve maksimum olanı alınarak kriter değerlerinin standart değeri olarak belirlenerek (Aşağıdaki örneğimizde kriterin yönüne göre kriterlerin maksimum ve minimum değerleri standart değer olarak alınmıştır. Karar verici yapılan işin, sektörün niteliğine ve literatürde öngörülen değerlere göre kriterlerin standart değerlerini belirleyebilir. Belirlenen kritere ait standart değer, veri kümesindeki değerlerin minimum olanı olabileceği gibi maksimum olanı, veri kümesindeki değerlerin ortalaması ya da literatürdeki değeri de olabilir.) varsayımsal olarak bu değerler ideal değerler olarak alınmıştır. Exceldeki örneğimizde ağırlıklandırma işlemi yapılmamıştır. Eğer karar verici ağırlıklandırma yapacaksa Adım 5 (Minimum Olması İstenen Değerlerin Tersine Çevrilmesi)‘te mutlak eşleştirme yapıldıktan sonra elde edilen matristeki kriterlerin değerleri ile belirlenen ağırlık katsayıları ile çarpılarak ağırlandırılmış karar matrisi elde edilir. Daha sonra Adım 6 (Endeks Referans Değerlerinin Belirlenmesi)’ya geçilir. Ağırlıklandırma işleminde karar verici veri setinin yapısına, araştırmanın içerik ve niteliğine göre istediği ağırlıklandırma yöntemini (nitel ya da nicel yöntemler) kullanılabilir.  

Excel simülasyonunda Minimum Olması İstenen Değerlerin Tersine Çevrilmesi aşamasında kriter değerlerinin tersine sıralanarak ilgili değeri ilgili alternatifin altına yazdırmak için kullanılan formül:

=KÜÇÜK($D$60:$H$60;RANK(D60;$D$60:$H$60;0)))

Şimdi sırasıyla formül içinde kullanılan fonksiyonları dışardan içe doğru açıklayalım.

=KÜÇÜK fonksiyonu, bir veri kümesinde n. en küçük değeri verir. Bir veri kümesinde belirli bir göreli konumu olan değerleri elde etmek için bu fonksiyon kullanılır.

=RANK fonksiyonu, bir veri kümesi içindeki bir değerin o veri kümesi içindeki sırasını verir. Bu fonksiyonun içinde yer alan 0 ise yapılacak sıralamanın tersine olacağı anlamına gelir. Eğer bu formülde 0 yerine 1 kullanılmış olsaydı ya da hiç bir şey kullanılmamış olsaydı (default olarak) normal sıralama değerlerini elde edecektik.

Özetle, Minimum Olması İstenen Değerlerin Tersine Çevrilmesi aşamasında =KÜÇÜK($D$60:$H$60;RANK(D60;$D$60:$H$60;0))) formülünde tersine sıralama yaparak veri kümesindeki seçili değerin sırasını belirliyoruz. Daha sonra belirlenen bu sıraya göre o sırada yer alan değeri getirmesini istiyoruz. Diğer bir deyişle, kriter yönü minimum olan değerlerin kendi içerisinde tersine sıralama yaparak yerini değiştirmiş oluyoruz. Böylece verilerde hiç bir bozulma olmadan Mutlak Eşleştirme yapmış oluyoruz.

Microsoft Excel ortamında hazırlamış olduğum simülasyon çalışmasını aşağıdaki linkten indirebilirsiniz. Simülasyon uygulamasında tekrarlı basit tesadüfi örnekleme tekniği kullanarak sentetik alternatif kriter değerleri üretilmiştir. F9 tuşuna basılı tutarak alternatiflere yönelik yeni kriter değerleri üreterek farklılaşmaları görebilirsiniz. Simülasyon çalışmasındaki sayfalar formül korumalı olduğu için tbulut şifresini girerek çalışmalarınıza uyarlayabilirsiniz. Bu simülasyon çalışması Bulut Endeksi (BE)’nin bütün seviyelerinde hazırlanarak kullanıcılara Bulut Endeksi (BE)’nin anlaşılmasının ve kullanılmasının kolaylaştırılması amaçlanmıştır.

Bulut Endeksi (BE) Hangi Alanlarda Kullanılır?

Dinamik bir nitelik de taşıyan Endeks açık uçlu ve tek yönlü eşitsizlikleri (standart değeri olan ya da hesaplanan) içeren;

  1. Sıralama (Ranking)
  2. Seçim (Selection)
  3. Etkinlik ve verimlilik ölçümleri (measurements  of efficiency and productivity)
  4. Performans değenlendirme (performance evaluation)
  5. Risk tahmini (risk estimation)
  6. Optimal çözüm (optimal solution)

problemlerinin çözümünde sektör ayrımı gözetmeksizin rahatlıkla uygulanabilir. Kamu kurum ya da kuruluşları ile birlikte özel sektör oluşturacağı endekslerde ve analizlerde hem genel değerlendirmeye hem de alt seviyelerde değerlendirmelere olanak tanıdığı ve aynı zamanda dinamik bir yapıya sahip olduğu için Bulut Endeksi (BE)’ni kullanabilirler. Bu noktada, kurum ya da kuruluşların yapması gereken tek şey, değerlendirmeye konu kriterlerin ve gerekliyse bu kriterlerin ağırlıklarının belirlenmesidir.

Bulut Endeks (BE) Yöntemini Kullanan Bilinen Çalışmalar

  1. Kıran, Şafak. (2018). Sağlık kurumları finansal tablo analizlerinde kullanılabilecek anahtar finansal oranların belirlenmesi: Bir performans endeksi önerisi, Kahramanmaraş Sütçü İmam Üniversitesi, Sosyal Bilimler Enstitüsü, Sağlık Yönetimi Ana Bilim Dalı. Yüksek Lisans Tezi. YÖK Tez No: 524092. Bulut Performans Endeksi (BE)’nin 1. ve 2. seviyelerinde yapılan örneklem büyüklüğü (n) geniş kapsamlı bir çalışmadır.
  2. Güden, Merve.(2021). “Metal Eşya Endeksine Kayıtlı Şirketlerin Finansal Performanslarının Bulut Endeks Performans Yöntemiyle Değerlendirilmesi” Yüksek Lisans Tezi, Adnan Menderes Üniversitesi, İşletme Anabilim Dalı, Muhasebe ve Finansman Yüksek Lisans Programı. YÖK Tez No: 659934. Bulut Performans Endeksi (BE)’nin 1, 2 ve 3. seviyelerinde yapılan bir çalışmadır.

Faydalı olması ve farkındalık oluşturması dileğiyle.

Bilimle ve teknolojiyle kalınız.

Saygılarımla.

Not: Kaynak gösterilmeden alıntı yapılamaz veya kopyalanamaz.

Note: It can not be cited or copied without referencing.

Yararlanılan Kaynaklar

Organize Sanayi Bölgelerinde Arsa ve Parsel Fiyatlandırma Model Önerileri: Land and Parcel Pricing Model Suggestions in Organized Industrial Zones

Ağırlıklı olarak reel üretimin gerçekleştirildiği organize sanayi bölgeleri (OSB’ler) bugün gelinen noktada 1 milyon 900 bin istihdamıyla gerek ekonomik gerekse toplumsal katma değer üretmeye devam etmektedir. Ancak, belirli bölgelerdeki parsel veya arsa fiyatlarının yüksekliği, firmaların sabit yatırım maliyetlerini artırarak gerek OSB’ler içerisinde yapılacak yatırımları gerekse bu bölgelerde yatırım yapan firmaların üretim aşamasına geçmesini olumsuz etkilemektedir. Parsel fiyatlarının yüksekliği ve fiyatların artan dalgalı bir seyir izlemesi süregelen, diğer bir deyişle kronik bir sorundur.

Parsel fiyatlandırmasının OSB mevzuatı gereği temelde belirlenmesi gereken birbiriyle doğrudan ilişkili üç bileşeni vardır. Bu bileşenler aşağıdaki şekilde verilmiştir.

Parsel Fiyatlandırma Bileşenleri

Bu çalışmada parsel fiyatlandırma bileşenlerinden parsel satış fiyatlarının belirlenmesine yönelik mevcut durumdaki model ile geliştirmiş olduğum matematiksel model önerilerine karşılaştırmalı olarak yer verilmiştir. Parsel satış fiyatlarının yüksekliğinde hareketle yoğun bir çalışma temposu ve testlerden sonra geliştirdiğim bu modellere 2017 yılının Ağustos ayında nihai şekli verilmiştir. Öne çıkan modellerden bazılarının burada paylaşılmak istenmesinin nedeni geliştirilen parsel satış modellerinin üzerine konularak veya tek başına gelecekte yapılacak bu ve buna benzer çalışmalarda fayda sağlayabilecek olmasıdır. Bu modeller geliştirilirken iki husus özellikle dikkate alınmıştır.

  1. OSB’lerin de giderlerinin olduğu, dolayısıyla sürdürülebilir bir finansman modeline olan ihtiyacı da dikkate alınmıştır. OSB mevzuatı gereği OSB’lerin kar amacı gütmediği ve en büyük gelir getiren kalemlerinin başında parsel veya arsa satışından elde ettiği gelirler olduğu bilinmektedir.
  2. Yatırımcı ve katılımcı firmalar tarafından bakıldığında parsel ya da arsa maliyetleri sabit yatırım maliyetleri arasında önemli bir paya sahiptir.
  3. Her ilin gelişmişlik seviyesi dikkate alınması gerçekçi bir fiyatlandırma modelinin ortaya konulması açısından önemlidir.

Yukarıda belirtilen hususlar dikkate alınarak OSB yönetimleri, katılımcı firmalar ve girişimciler arasında bir denge (trade-off) kurulması amaçlanmıştır.

Parsel fiyatlandırma modelleri, mevcut ve yeni parsel fiyatlandırma modelleri ayrımı yapılarak kolayca anlaşılabilmesi adına olabildiğince yalın bir dille ele alınmaya çalışılmıştır.

Mevcut Parsel Satış Modeli

Bilindiği üzere 7033 sayılı Kanunla 4562 sayılı OSB Kanunu’nun 15’inci maddesine Ek fıkra ilave edilerek arsa ve parsel satışının hesaplanma şekli belirlenmiştir. Bu maddenin ilgili fıkra hükmüne göre OSB’lerde parsel birim maliyeti, altyapısı tamamlanmış ve işletmeye geçmiş OSB’nin muhasebe kayıtlarındaki kamulaştırma, altyapı inşaatı, arıtma tesisi maliyeti, genel idare giderleri ve yatırım ile ilgili cari giderlerden oluşan toplam yatırım tutarının 213 sayılı Kanun uyarınca belirlenen yeniden değerleme oranı ile güncellenerek toplam sanayi alanına bölünmesiyle hesaplanmaktadır.

Aynı maddenin ilgili fıkra hükmünde ise parsel birim satış fiyatı, bulunan birim maliyetinin %25 fazlasını geçmemek üzere hesaplanmaktadır. Diğer bir deyişle, bulunan parsel birim maliyeti üzerinden % 25 artışla parsel birim satış fiyatı belirlenmektedir. Burada elde edilen birim satış fiyatı aynı zamanda azami arsa satış fiyatını ifade etmektedir.

Mevcut Parsel Satış Modelinin Dezavantajları

  • OSB’lerin bulunduğu ilin sosyo-ekonomik yapısına ve daha özelde OSB’nin durumuna duyarlı değildir. Örneğin, İstanbul ile Muş için gelişmişlik düzeyi aynı olmadığı için bu iller aynı düzlemde değerlendirilmemesi ve arsa satış fiyat tavanları aynı olmamalıdır. Diğer taraftan, OSB’nin bulunduğu durum, diğer bir deyişle yapılaşma durumu, arsa tahsis/satış ya da doluluk oranı dikkate alınmamaktadır.
  • Mevcut model yapısı itibariyle statiktir ve gelişime açık değildir. Diğer taraftan OSB içi dinamikleri de dikkate almamaktadır. Şöyle ki; arsa satış modeli belirlerken OSB doluluk oranı artıkça OSB içindeki arsa fiyatlarının da bununla aynı yönlü tepki göstererek bir dereceye kadar (% 100 doluluk oranına ulaşıncaya kadar) artış göstermesi gerekmektedir. Aynı zamanda serbest piyasa mentalitesi de bunu gerekli kılmaktadır.
  • Üst limitin % 25 gibi doğrudan ve sadece oranla sınırlanması blimsel olarak açıklanamamaktadır. Örnek vermek gerekirse, OSB’nin belirlediği arsa satış maliyetinin 10 milyon olduğu ve buna %25 fiyat artışı işletilerek 12,5 milyona satıldığını varsayalım. Aradaki farka bakacak olursak 2,5 milyon gibi büyük bir fark ortaya çıktığı görülmektedir. Bahse konu aradaki fark tutarıyla orta ölçekte bir yatırım yapılabilir ve işletme dönemine bile geçilebilir. Model belirlenme aşamasında duruma uygun birden fazla oran aynı anda ya da oranlarla miktar limiti ile birlikte belirlenerek daha makul bir üst limit belirlenebilirdi. Böylelikle üst limitin yatırımcı açısından getireceği yükler en aza indirgenerek absorbe edilebilirdi.
  • % 25 gibi doğrudan bir limit koymak doğrudan OSB içi piyasaya müdahale anlamında gelmektedir ki piyasa dengesini bozucu etkisi vardır. Diğer taraftan oran şeklinde belirlenen limitlerde piyasa aktörlerinin eşik değerdeki oranları kullandığı, bu eşik değerlerinin altına genellikle inilmediği ve rantını maksimum kıldığını literatür taramaları açıkça göstermektedir.

Yeni Durumda Geliştirilen Parsel Satış Modellerinin Avantajları

  • Yeni durumda geliştirilen modellerde, OSB’nin bulunduğu ilin sosyo-ekonomik gelişmişlik seviyesi dikkate alınmasının yanısıra daha özelde OSB’nin durumu da göz önüne alınmıştır. Diğer bir ifadeyle, ilin ekonomik durumu ve OSB’nin doluluk oranı değişkenleri modele dahil edilmiştir. Böylece yerel dinamikleri de dikkate alan daha gerçekçi bir fiyat belirleme modeli oluşturulmuştur. Bu modellere sadece yatırımcı açısından değil aynı zamanda OSB yönetimleri açısından da bakmak gerekir. Bu modeller doğrudan bir üst limit belirlemiyor. Belirlenen üst limit bir nevi OSB’nin doluluk oranı ve ilin sosyo-ekonomik gelişmişlik endeksi değeridir. Başka bir ifadeyle, OSB doluluk oranı, ilin gelişmişlik endeksi değeri ve yeniden değerleme oranı artıkça parsel satış fiyatı da artacaktır.
  • Piyasaya doğrudan müdahale olmadığından geliştirilen arsa satış fiyatlama modellerinin piyasa üzerinde bozucu etkisi yok denecek kadar azdır. Belirlenen üst limitler hem ilin ekonomik durumunu hem de OSB’nin doluluk oranını dikkate alındığından ve özellikle OSB doluluk oranı değişkeni dinamik bir özellik gösterdiğinden zamanla değişerek (doluluk oranı artıkça) kendini güncelleyecektir.
  • Geliştirilen modeller hem yatırımcı hem de OSB için fiyat belirleme aşamasında denge rolü üstlenmektedir. Çünkü bu modellerde doğrudan bir üst limit belirleme yoktur. İlin ekonomik yapısını da dikkate aldığından bütün aktörlerin (OSB ve yatırımcı firmaların) kabullenebileceği ve sahipleneceği bir arsa veya parsel satış modeli vardır.
  • OSB’lerde arsa satış fiyatının artması doluluk oranına da bağlı olduğundan doluluk oranının modellerin geliştirildiği zaman diliminde % 65 seviyelerinde olduğu Türkiye’de özellikle doluluk oranı düşük olan OSB’lerin doluluk oranını artırma yönlü hareket etmesini sağlayacaktır. Bu durum OSB’ler açısından bir yönüyle performansa dayalı arsa ve parsel fiyatı artırma hareketi doğuracaktır. Bu durum OSB’lerin daha yüksek gelir etmesi anlamına gelmekle birlikte kamunun yürüttüğü OSB politikaları açısından da daha çok firma daha çok istihdam anlamına gelecektir. Bu yönüyle bakıldığında üç taraflı kazan kazan ilişkisi ortaya çıkacaktır.

Mevcut Modelde Kullanılan Parsel Satış Eşitliği

Parsel Birim Satış Fiyatı (PBSF)= Parsel Maliyeti (PM) + Parsel Maliyeti (PM) X %25 Artış

Yeni Durumda Geliştirilen Arsa Satış Modelleri ve Eşitlikleri

Parsel birim satış fiyatının belirlenmesine yönelik deneysel ve özgün olarak 6 yeni model geliştirilmiş olup, en iyisi olduğunu düşündüğüm 4 model aşağıda paylaşılmıştır. Modellerde kullanılan değişkenlerin kısaltması şöyledir;

Parsel Birim Satış Fiyatı = PBSF

Parsel Maliyeti = PM

OSB Doluluk Oranı  = DO (OSB’deki toplam sanayi parselleri içinde tahsis edilen ve satılan parsel yoğunluğunu gösteren orandır.)

Doğal Logaritma = LN

Yeniden Değerleme Oranı = YDO (Maliye Bakanlığının yayınladığı değerleme oranı, diğer bir ifadeyle güncelleme oranıdır.)

İl Katsayısı = İK (Bu katsayı 2011 yılı sosyo-ekonomik gelişmişlik endeksi (SEGE-2011) de geliştirilen 4 farklı modele dahil edilerek çalışmaya özgü olarak yeniden revize edilmiştir.). Revizyonda modellere ilişkin eşitlikleri negatif katsayıdan kurtarmak için bütün illerin endeks değerleri pozitif endeks değerlerine dönüştürülmüştür. Bu amaçla, endeks değeri en yüksek olan ilin değeri bütün illerin endeks değerlerine ilave edilmiştir. Böylece, negatif endeks değerlerinden il katsayısı arındırılmıştır.

Sosyo-ekonomik gelişmişlik endeksi (SEGE) çalışmaları, ilçe, il ve bölgelerin gelişmişlik düzeylerini farklı boyutlarıyla ele alarak analiz etmeyi ve karşılaştırmayı amaçlamaktadır. Bu çalışmalar başta Sanayi ve Teknoloji Bakanlığı olmak üzere diğer pek çok kamu kurumu tarafından yatırım ve teşvik politikaları gibi pek çok alanda baz alınmaktadır.

SEGE il düzeyinde en son 2011 yılına ait olarak yayınlanmıştır. İlçe düzeyinde ise 2004 yılında yayınlanan SEGE, Sanayi ve Teknoloji Bakanlığı, Kalkınma Ajansları Genel Müdürlüğü tarafından güncellenmiştir. En son İlçe düzeyinde en son yayınlanan SEGE-2017 ise 2019 yılının Aralık ayında yayınlanmıştır. Dolayısıyla parsel fiyatlandırma modelleri 2017 yılının Ağustos ayında tamamlandığı için SEGE-2017 endeksi modellere dahil edilmemiştir.

Öneri olarak sunulan modellere ilişkin eşitlikler aşağıda verilmiştir.

Uygulama

Bu kısımda mevcut ve yeni modeller kullanılarak parsel birim satış fiyatları karşılaştırmalı olarak il bazında ortaya konulmuştur. Çalışmada iller arasındaki parsel satış fiyatlarına ait farklılıkların ya da net etkinin görülebilmesi ve aynı düzlemde değerlendirilebilmeleri için, parsel maliyetleri ve doluluk oranı bütün iller için sabit kabul edilerek aynı değerler alınmıştır.

Çalışmada kullanılan değişkenler ve değişkenlere ait uygulamaya esas değerler aşağıda yer almaktadır.

Parsel Maliyeti (PM) = Karşılaştırma yapılabilmesi adına 1.000.000 TL olarak alınmıştır.

Yeniden Değerleme Oranı (YDO) = 0,0383, diğer bir ifadeyle % 3,83 (2017 yılı için)

OSB Doluluk Oranı (DO) = 0,7, diğer bir ifadeyle % 70

İl Katsayısı illere göre farklılık gösterdiğinden uygulama sonuçlarına ilişkin Tablo 1’de bu değişkenin değerlerine yer verilmiştir.

Yukarıdaki modeller ve değişken değerleri mevcut durumda geçerli olan modele ve yeni durumda geliştirilen modellerde uygulamaya esas olarak kullanılmıştır. Nihai aşamada, mevcut ve yeni modellere göre 81 ilin parsel satış değerleri karşılaştırılabilir uygulama sonuçlarıyla birlikte Tablo 1’de verilmiştir.

Tablo 1: Karşılaştırmalı Parsel Fiyatlandırma Modellerine İlişkin Uygulama Sonuçları

Devamı
Devamı
Devamı

Sonuç

Özetle mevcut parsel fiyatlandırma modeli ile geliştirilen modellerin karşılaştırmalı olarak uygulama sonuçları ortaya konularak mevcut modele alternatif olabilecek modeller gösterilmeye çalışılmıştır.

Modellerin geliştirildiği ve nihai şeklinin verildiği 2017 yılı Ağustos ayında SEGE-2017 endeksi yayınlanmadığı için gelecek çalışmalarda bahse konu modellere il bazlı SEGE-2011 yerine ilçe bazlı SEGE-2017 endeksi değerleri dahil edilerek il bazlı yerine ilçe bazlı parsel satış fiyatları belirlenerek bütün kesimlerin üzerinde uzlaşabileceği bir model ortaya konulabilir. Böylece, il düzeyinden ilçe düzeyine inilerek daha doğru ve gerçekçi parsel veya arsa fiyatları belirlenebilir ve girişimcilerin sabit yatırım maliyetleri içerisinde önemli bir paya sahip parsel maliyetlerinin azaltılmasına katkıda bulunabilir.

Farkındalık oluşturması dileğiyle.

Bilimle ve teknolojiyle kalınız.

Note: It can not be cited or copied without referencing.

Not: Kaynak gösterilmeden alıntı yapılamaz veya kopyalanamaz.

Yararlanılan Kaynaklar

İllerin ve Bölgelerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması (SEGE-2011). http://www.sbb.gov.tr/wp-content/uploads/2018/11/Illerin_ve-Bolgelerin_Sosyo-Ekonomik_Gelismislik_Siralamasi_ArastirmasiSEGE-2011%E2%80%8B.pdf

İlçelerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması (SEGE-2017). https://bakkakutuphane.org/upload/dokumandosya/lce_sege-2017.pdf

https://www.resmigazete.gov.tr/eskiler/2019/02/20190202-6.htm

https://anahtar.sanayi.gov.tr/tr/news/organize-sanayi-bolgelerinde-arsa-fiyatlarina-ust-limit-getirilmesine-yonelik-model-onerileri-tmax-ve-bln-modeli/5292

Döviz Kurlarının OSB Firmalarının Yatırım Kararlarına Etkisi

Organize Sanayi Bölgeleri (OSB) ile ilgili olarak ilk mevzuat düzenlemesi 2000 yılında uygulamaya giren 4562 sayılı OSB Kanunudur. Bu kanuna göre Organize Sanayi Bölgeleri (OSB), verimliliğe dayalı olarak elektrik, su, doğalgaz, yol, telekomünikasyon ve diğer altyapı hizmetleriyle donatılmış organize bir yapı içerisinde ağırlıklı olarak mal üretiminin yanında hizmet üretiminin de gerçekleştirildiği bölgelerdir. Bu yasal düzenlemenin ardından OSB Kanunu’nun uygulama usul ve esaslarını gösteren OSB Uygulama Yönetmeliği 2002 yılında yürürlüğe girmiştir. Yasal düzenlemelere göre Sanayi ve Teknoloji Bakanlığı (STB), OSB’lerden sorumlu olup, OSB’ler, özel hukuk tüzel kişiliği haiz örgütsel yapılardır. OSB’ler, faaliyet gösterdiği konu alanlarına göre üç gruba ayrılmaktadır:

  1. Karma OSB’ler: Farklı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir.
  2. İhtisas OSB’ler: Aynı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir.
  3. Islah OSB’ler: 01/06/2017 tarihinden önce inşaa edilen sanayi tesislerinin bulunduğu OSB’lerdir. Bu OSB’ler ıslah şartlarını sağladıktan sonra ıslah statüsü kaldırılarak karma veya ihtisas OSB’lere dönüşürler.

Ekonomik gelişim bölgelerinden biri olan OSB’lerin amaç ve hedefleri şöyle özetlenebilir:

  • Organize bir yapı içerisinde firmaların sanayi faaliyetlerini yürütmesine mekânsal ortam sağlayarak ve kaynakların rasyonel kullanımına aracılık ederek sürdürülebilir yatırım ortamının oluşturulmasına katkıda bulunmak.
  • Gelişmemiş bölgelerde sanayiyi teşvik ederek bölgesel gelişmişlik farklılıklarını azaltmak.

Mevcut durumda yaklaşık 1.900.000 istihdam sağlayan OSB’ler, içerisindeki bütün sanayi parselleri firmalara tahsis edildiğinde yaklaşık 2.500.000 istihdam oluşturması öngörülmektedir. Dolayısıyla bu ölçekte ekonomik ve sosyal bir katma değer oluşturan OSB’lerin karşılaştığı yatırım engellerinin ortaya konulması üreten, tüketen ve türev piyasa tarafında iyileştirici politika tedbirlerinin alınması açısından büyük önem arz etmektedir. Bu amaçla “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması”  yapılmıştır. İki aşamadan oluşan araştırmanın birinci aşaması, 23 Ekim ile 21 Kasım 2018 tarihleri arasında 59 il’de faaliyet gösteren 139 OSB’de üretimde bulunan 847 firmanın doğrudan katılımı ile gerçekleştirilmiştir. Ulusal düzeyde bir örneklem araştırması olan bu araştırmayla Sanayi ve Teknoloji Bakanlığı’nın ve OSB’lerin veriye dayalı politika geliştirmesine katkıda bulunulması amaçlanmıştır.

Bu yazımda OSB’lerdeki firmaların karşılaştığı yatırım engellerini ve yatırım engellerinin boyutunu kapsamlı bir şekilde ortaya koyan bu araştırmada firmaların karşılaştığı yatırım engellerinden sadece birisi olan döviz kurları ele alınmıştır.Döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisine ilişkin bulgular, 23 Ekim ile 21 Kasım 2018 tarihleri arasında araştırmaya katılan firmalara “Döviz kurlarının şu anki durumu OSB içindeki firmanızın yatırım kararlarını nasıl etkiliyor?” sorusuna verilen cevaplardan oluşmaktadır.

Ulusal Ölçekte Döviz Kurlarının Firmalara Etkisi

Ülke düzeyinde döviz kurlarının OSB’lerde işletme aşamasındaki firmaların yatırım kararlarına etkisi, Şekil 1’de sunulmuştur. Bulgular, 821 firmanın yanıtlardan oluşmakta olup, Şekil 1’e göre öne çıkan bulgular şöyledir:

  • Döviz kurları, firmaların % 5,3’ünün yatırım kararlarını olumlu,  % 87,1’inin yatırım kararlarını ise olumsuz etkilemiştir. Diğer taraftan, döviz kurlarından yatırım kararları “Çok Olumsuz” (% 55,4) etkilenen firmaların oranı, yatırım kararları “Çok Olumlu” (% 1,3) etkilenen firmaların oranından yaklaşık 43 kat daha yüksektir.

Şekil 1. Döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi

Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Döviz Kurlarının OSB Türüne Göre Etkisi

Döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi, firmaların faaliyette bulunduğu OSB türüne göre Tablo 1’de sunulmuştur. Bulgular, 821 firmanın cevaplarından olup, Tablo 1’e göre döviz kurları;

  • OSB türü ıslah olan OSB’lerdeki firmaların % 85,4’ünün,
  • OSB türü ihtisas olan OSB’lerdeki firmaların % 86,1’inin,
  • OSB türü karma olan OSB’lerdeki firmaların ise % 88,5’inin

yatırım kararını olumsuz etkilemiştir.

Tablo 1. OSB Türüne Göre Döviz Kurları

Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Döviz Kurlarının Sektörlere Göre Etkisi

Bütün sektörler ve imalat sektörü ayrımına göre döviz kurlarının OSB’lerde işletme aşamasındaki firmaların yatırım kararlarına etkisi, Tablo 2’de sunulmuştur. Bulgular, bütün sektörlerde faaliyet gösteren 780 ve imalat sektöründe faaliyet gösteren 650 firmanın cevaplarından oluşmakta olup, Tablo 2’ye göre öne çıkan bulgular şöyledir:

  • Döviz kurları, bütün sektörlerdeki firmaların % 87,1’inin, imalat sektöründeki firmaların ise 86,6’sının yatırım kararını olumsuz etkilemiştir.

Tablo 2. SektörlereGöre Döviz Kurları

Bütün sektörler ve imalat sektörüne göre döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi

Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Döviz Kurlarının İmalat Sanayi Teknoloji Sınıflamasına Göre Etkisi

İmalat sanayi teknoloji sınıflamasına göre döviz kurlarının OSB’lerde işletme aşamasındaki firmaların yatırım kararlarına etkisi, Tablo 3’te sunulmuştur. Bulgular, 649 firmanın cevaplarından oluşmakta olup, Tablo 3’e göre döviz kurları;

  • Düşük teknoloji sınıfında üretim yapan firmaların % 87,3’ünün,
  • Orta-düşük teknoloji sınıfında üretim yapan firmaların % 85,6’sının,
  • Orta-yüksek teknoloji sınıfında üretim yapan firmaların ise % 88’inin

yatırım kararını olumsuz etkilemiştir. Bu bulgulardan döviz kurlarının bütün teknoloji sınıflarında üretim yapan her 10 firmadan yaklaşık 9’unun yatırım kararını olumsuz etkilediği anlaşılmaktadır. Diğer taraftan, döviz kurlarından yatırım kararları olumsuz etkilenen firmaların oranının en yüksek olduğu teknoloji sınıfı, % 88 ile orta-yüksek iken, yatırım kararları “Olumlu” etkilenen firmaların oranının en yüksek olduğu teknoloji sınıfı ise % 6,4 ile düşük’tür.

Tablo 3. İmalat Sanayi Teknoloji Sınıflamasına Göre Döviz Kurları

İmalat sanayi teknoloji sınıflamasına göre döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi

*Vaka sayısı 25’in altında olanlar yorumlanmamıştır (HÜNEE, 2014).
Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Özetle, karar alıcı konumundaki Sanayi ve Teknoloji Bakanlığı’nın ve OSB’lerin veri dayalı politika geliştirmesine katkı sunmayı amaçlayan “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması” ile OSB’lerde faaliyet gösteren firmalarımızın karşılaştığı yatırım engellerinin ve yatırım engellerinin boyutunun çok yönlü olarak bir röntgeni çekilmiştir. Yatırım engellerinden biri olan döviz kurları ise bu yatırım engellerinden sadece birini oluşturmaktadır.

Çalışma kapsamında ortaya konulan bulgular araştırmaya katılan işletme aşamasındaki her 10 firmadan yaklaşık 9’unun döviz kurlarından olumsuz etkilendiğini göstermektedir. Yatırım kararları olumsuz etkilenen firmaların oranın en yüksek olduğu OSB türü ise karma’dır. Diğer taraftan,  yatırım kararları olumsuz etkilenen firmaların oranının en yüksek olduğu imalat sanayi teknoloji sınıfı, “Orta-yüksek” tir.

Farkındalık oluşturması dileğiyle.

Bilimle ve teknolojiyle kalınız.

Yararlanılan Kaynaklar

  • Bulut, T. (2019). “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması”. Organize Sanayi Bölgeleri Üst Kuruluşu (OSBÜK), Ankara, Türkiye.
  • Bulut, T. (2019). Organize Sanayi Bölgelerindeki Firmalar Üzerinde Posta ve İnternet Veri Toplama Yöntemlerinin Karşılaştırılması. Hacettepe Üniversitesi, Nüfus Etütleri Enstitüsü, Sosyal Araştırma Yöntemleri Anabilim Dalı, Yüksek Lisans Tezi (İngilizce).
  • Resmi Gazete. (2000). Organize Sanayi Bölgeleri Kanunu (OSB Kanunu). Kanun Sayısı: 4562. Resmi Gazete Tarihi: 15 Nisan 2000, Madde 3. Ankara.
  • Resmi Gazete. (2019). Organize Sanayi Bölgeleri Yönetmeliği (OSBUY). Yönetmelik Sayısı: 30674, Resmi Gazete Tarihi: 2 Şubat, 2019, Madde 3. Ankara.
  • Türkiye Cumhuriyeti Sanayi ve Teknoloji Bakanlığı (STB). (2019). Kurumiçi Veri Tabanı, Ankara. Ulaşım Tarihi: 15 Nisan 2019.
  • Türkiye Cumhuriyeti Sanayi ve Teknoloji Bakanlığı (STB). (2019). Sanayi Bölgeleri Genel Müdürlüğü, https://kss.sanayi.gov.tr, Ulaşım Tarihi: 24 Nisan 2019.
  • Hacettepe Üniversitesi Nüfus Etütleri Enstitüsü (HÜNEE). (2014). 2013 Nüfus ve Sağlık Araştırması. Ankara.

Organize Sanayi Bölgesi (OSB) Firmalarının Karakteristikleri-II: Teknoloji Düzeyi

Organize Sanayi Bölgeleri (OSB), verimliliğe dayalı olarak elektrik, su, doğalgaz, yol, telekomünikasyon ve diğer altyapı hizmetleriyle donatılmış organize bir yapı içerisinde ağırlıklı olarak mal üretiminin yanında hizmet üretiminin de gerçekleştirildiği bölgelerdir. Bu bölgelerle ilgili olarak ilk mevzuat düzenlemesi 2000 yılında uygulamaya giren 4562 sayılı OSB Kanunu’dur. Bu yasal düzenlemenin ardından OSB Kanunu’nun uygulama usul ve esaslarını gösteren OSB Uygulama Yönetmeliği 2002 yılında yürürlüğe girmiştir. OSB’ler, özel hukuk tüzel kişiliği haiz örgütsel yapılardır (OSB Kanunu, 2000).  OSB’ler, faaliyet gösterdiği sektörlere göre üç grupta sınıflandırılabilmektedir:

  1. Karma OSB’ler: Farklı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir (OSBUY, 2019).
  2. İhtisas OSB’ler: Aynı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir (OSB Kanunu, 2000).
  3. Islah OSB’ler: 01/06/2017 tarihinden önce inşaa edilen sanayi tesislerinin bulunduğu OSB’lerdir. Bu OSB’ler ıslah şartlarını sağladıktan sonra ıslah statüsü kaldırılarak karma veya ihtisas OSB’lere dönüşürler (OSBUY, 2019).

Ekonomik gelişim bölgelerinden biri olan OSB’lerin amaç ve hedeflerinden öne çıkanlar şöyledir (OSB Kanunu, 2000; STB, 2019):

  • Organize bir yapı içerisinde firmaların sanayi faaliyetlerini yürütmesine mekânsal ortam sağlamak,
  • Sürdürülebilir yatırım ortamının oluşturulmasına katkıda bulunmak,
  • Şehrin planlı kalkınmasına katkı sağlayarak çarpık sanayileşmeyi ve çevre sorunlarını önlemek,
  • Kaynakların rasyonel kullanımına aracılık ederek üretimde kâr artışını ve etkililiği sağlamak,
  • Gelişmemiş bölgelerde sanayiyi teşvik ederek, bölgesel gelişmişlik farklılıklarını azaltmak,

İki aşamadan oluşan 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması’nın birinci aşaması, 23 Ekim ile 21 Kasım 2018 tarihleri arasında gerçekleştirilmiştir. Araştırmanın birinci aşamasına 59 İl’de faaliyet gösteren 139 OSB’de üretimde bulunan 847 firma doğrudan katılım sağlamıştır.

2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması” nın birinci aşaması kapsamında firmaların ağırlıklı olarak faaliyet gösterdikleri sektöre göre imalat sanayi teknoloji sınıflaması yapılmıştır. İmalat sanayi teknoloji sınıflaması, Avrupa İstatistik Ofisi (EUROSTAT) tarafından NACE Rev.2 sınıflaması kullanılarak 2 ve 3 basamak düzeyinde imalat sanayi için geliştirilen sınıflamadır (EUROSTAT, 2018). TÜİK, Avrupa İstatistik Ofisi tarafından belirlenen bu sınıflamayı kullanmaktadır (TÜİK, 2018). Bu bağlamda, araştırmaya katılan firmaların faaliyet gösterdiği OSB türüne ve imalat sanayi teknoloji sınıflamasına göre dağılımı, Tablo 1’de sunulmuştur. Tablo 1’e göre öne çıkan bulgular şöyledir:

  • Ulusal ölçekte OSB’lerdeki firmaların en yüksek oranda üretim gerçekleştirdiği teknoloji sınıfı, % 41,8 ile orta-düşük iken, en düşük oranda üretim gerçekleştirdiği teknoloji sınıfı, % 2,3 ile yüksek’tir.
  • Islah OSB’lerdeki firmaların en yüksek oranda üretim gerçekleştirdiği teknoloji sınıfı, % 38 ile orta-yüksek iken, en düşük oranda üretim gerçekleştirdiği teknoloji sınıfı, % 2,2 ile yüksek’tir.
  • İhtisas OSB’lerdeki firmaların üretim yoğunluğunun en yüksek olduğu teknoloji sınıfı, % 44,7 ile orta-düşük’tür. Bu oranla ihtisas OSB’ler, OSB türleri içerisinde orta-düşük teknoloji sınıfında üretimin en yoğun olarak gerçekleştirildiği OSB’lerdir. Diğer taraftan, ihtisas OSB’lerdeki firmaların üretim yoğunluğunun en düşük olduğu teknoloji sınıfı, % 2,8 ile yüksek’tir.
  • Karma OSB’lerdeki firmaların üretim yoğunluğunun en yüksek olduğu teknoloji sınıfı, % 43,9 ile orta-düşük iken, en düşük olduğu teknoloji sınıfı, % 1,7 ile yüksek’tir.

Tablo 1. Firmaların faaliyet gösterdiği OSB Türüne ve İmalat Sanayi Teknoloji Sınıflamasına Göre Dağılımı

Kaynak: Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Tablo 1’den öne çıkan bulgulara göre alınması gerekli politika tedbirleri öneri maliyetinde kısaca aşağıda sıralanmıştır.

  • Henüz Islah OSB’ler, İhtisas ve Karma OSB’ler kadar kurumlaşmış yapıya sahip olmasalar da bu OSB’lerdeki firmaların yoğunluklu olarak üretim gerçekleştirdiği sınıfı diğer OSB türlerine göre daha yüksektir. Diğer bir ifadeyle, Islah OSB’lerdeki firmaların teknoloji düzeyi dikkate alındığında oluşturabileceği katma değer potansiyeli diğer OSB’lerdeki firmalara göre daha yüksektir.Dolayısıyla, Islah OSB’ler kurumsallaşma süreci hızlandırılarak tam anlamıyla İhtisas ve Karma OSB statüsü kazandırma işlemleri hızlandırılmalı ve kolaylaştırılmalıdır.
  • Türkiye geneli olarak OSB firmalarına bakıldığında ağırlıklı olarak orta-düşük teknoloji sınıfında üretim yapılıyor olması 4. sanayi devrimine geçişi, diğer bir deyişle sanayinin yüksek teknoloji alanlarına adapte olmasını zorlaştırmaktadır. Araştırma kapsamında ortaya konulan diğer bulgular da bu tezi destekler mahiyettedir. Bu bağlamda OSB’lerde yüksek teknoloji alanlarında proje bazlı teşvik sisteminin etkin ve verimli bir şekilde hayata geçirilmesi ile birlikte etkin bir izleme ve değerlendirme sistemi kurulmalıdır. Diğer taraftan gelişme potansiyeli yüksek orta yüksek teknoloji sınıfında üretim yapan firmaların daha düşük teknoloji seviyelerinde üretim yapan firmalara göre yüksek teknoloji sınıfına geçişi çok daha kolay ve olası olduğundan bu sınıfta yer alan firmalara da yüksek teknoloji sınıfında yer alan firmalarda olduğu gibi firma ölçeği de dikkate alınarak öncelik tanınmalıdır. Sayılan bu adımlar firmaların yüksek teknoloji sınıfına geçişine ve bu sınıfta kalmasına önemli bir destek sağlayarak toplumsal ve ekonomik katma değer oluşturacaktır.
  • Ülkemizde yapay zekâ hakkında konuşulanlar, yazıp çizilenler oldukça fazla gündem oluşturmaktadır. Ancak yapay zekânın kurumsallaşması adına gözle görünen atılan adımlar yok denecek kadar azdır. Sanayi ve Teknoloji Bakanlığı’nın ivedilikle başta merkez teşkilatı olmak üzere Sanayi ve Teknoloji Bakanı Sayın Mustafa Varank’ın da belirttiği üzere TÜBİTAK bünyesinde Yapay Zekâ Enstitüsü’nün kurulması, öncü ve düzenleyici rol alması bahsedilen adımlara büyük katkı sunacak ve ivme kazandıracaktır. Ancak bu adımlar geleneksel yapay zekânın ötesine geçerek Derin Öğrenme (Deep Learning) Enstitüleri ile birlikte ivedilikle atılmalı ve yaygınlaştırılmalıdır. Bu alanda gelişmeyi sağlamanın diğer bir kurumsal adımı da Türkiye Büyük Millet Meclisi bünyesinde Yapay Zekâ Komisyonu’nun kurulmasıdır. Bu adım şundan dolayı önemlidir: Yapay zekâ sadece sanayi sektöründe uygulanan bir teknoloji değildir. Aksine bütün sektörlerde kendisine uygulama alanı bulan en kritik teknolojidir. Dolayısıyla meclis bünyesinde böyle bir kurumsal yapı oluşturularak dünyanın konuştuğu bu teknolojiyi kurumsal bir çatı altında ele alarak getireceği fırsatları ve tehditleri tartışma ve bu teknolojiyi geliştirme imkânına kavuşulmuş olacaktır. Zira ülkelerin gelişmesi, büyümesi, kalkınması ve güçlü bir ülke yapısına dönüşmesini sağlayan temel itici güç, bilindiği üzere reel sektör, diğer bir deyişle sanayidir. Bu perspektiften bakıldığında günümüzün ve geleceğin teknolojisi yapay zekâ ve yapay zekâ teknolojileri girdiği bütün sektörleri yüksek teknolojili sektörlere, dolayısıyla katma değeri yüksek ürünlere dönüştürme potansiyeline sahiptir. Başta Cin, Amerika, Kanada, Almanya, Fransa, İngiltere, Singapur olmak üzere çok sayıda ülke yapay zekâ alanına dev bütçeler ayırmış,  kurumsal yapılarını oluşturmaya ve ona göre dizayn etmeye çoktan başlamıştır.
  • 11. Kalkınma Planı’nda Kritik Teknolojiler başlığı altında ele alınan politika tedbirlerinden biri de “yapay zekâ, nesnelerin interneti, artırılmış gerçeklik, büyük veri, siber güvenlik, enerji depolama, ileri malzeme, robotik, mikro/nano/opto-elektronik, biyoteknoloji, kuantum, sensör teknolojileri ve katmanlı imalat teknolojilerine ilişkin gelişim yol haritalarının hazırlanması, gerekli altyapının tesis edilmesi, ihtiyaç duyulan nitelikli insan kaynağının yetiştirilmesi ve toplumsal yönelimin bu alanlara odaklanması sağlanacaktır.” şeklindedir.  Ancak bu teknolojilerin sürdürülebilir kılınması ve bu teknolojilerle katma değer üretilmesi herşeyden önce hızlı kurumsal kapasite inşaasını zorunlu kılmaktadır. Hızlı kurumsal kapasite inşa edildiğinde ve yatırım iklimini etkileyen faktörler olabildiğince stabil hale getirildiğinde 11. Kalkınma Planı’ndaki 2023 imalat sanayi hedeflerine bir adım daha yaklaşılmış olacaktır.

Sayılan bu politika tedbirlerinin tamamı Milli Teknoloji Hamlesi’nin gerçekleştirilmesine de büyük katkı sunacaktır.

Bilimle ve teknolojiyle kalınız…

Yararlanılan Kaynaklar

  • Bulut, T. (2019). “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması”. Organize Sanayi Bölgeleri Üst Kuruluşu (OSBÜK), Ankara, Türkiye.
  • Avrupa İstatistik Ofisi (EUROSTAT). (2018). İmalat Sanayi Teknoloji Sınıflaması. https://ec.europa.eu/eurostat/statistics-explained/index.php/Glossary:High-tech_classification_of_manufacturing_industries.
  • Bulut, T. (2019). Organize Sanayi Bölgelerindeki Firmalar Üzerinde Posta ve İnternet Veri Toplama Yöntemlerinin Karşılaştırılması. Hacettepe Üniversitesi, Nüfus Etütleri Enstitüsü, Sosyal Araştırma Yöntemleri Anabilim Dalı, Yüksek Lisans Tezi.
  • Hacettepe Üniversitesi Nüfus Etütleri Enstitüsü (HÜNEE). (2014). 2013 Nüfus ve Sağlık Araştırması. Ankara.
  • Resmi Gazete. (2000). Organize Sanayi Bölgeleri Kanunu (OSB Kanunu). Kanun Sayısı: 4562. Resmi Gazete Tarihi: 15 Nisan 2000, Madde 3. Ankara.
  • Resmi Gazete. (2019). Organize Sanayi Bölgeleri Yönetmeliği (OSBUY). Yönetmelik Sayısı: 30674, Resmi Gazete Tarihi: 2 Şubat, 2019, Madde 3. Ankara.
  • Türkiye Cumhuriyeti Sanayi ve Teknoloji Bakanlığı (STB). (2019). Kurumiçi Veri Tabanı, Ankara. Ulaşım Tarihi: 15 Nisan 2019.
  • Türkiye Cumhuriyeti Sanayi ve Teknoloji Bakanlığı (STB). (2019). Sanayi Bölgeleri Genel Müdürlüğü, https://kss.sanayi.gov.tr, Ulaşım Tarihi: 24 Nisan 2019.
  • Türkiye İstatistik Kurumu (TÜİK).(2019). İstatistiki Bölge Birimleri Sınıflaması (İBBS), 2005. https://biruni.tuik.gov.tr.
  • Türkiye İstatistik Kurumu (TÜİK).(2018). NACE Rev.2-Altılı Ekonomik Faaliyet Sınıflaması, 2018. https://biruni.tuik.gov.tr.
  • Türkiye İstatistik Kurumu (TÜİK).(2018). İmalat Sanayi Teknoloji Sınıflaması. https://biruni.tuik.gov.tr.
  • 11. Kalkınma Planı. http://www.sbb.gov.tr/wpcontent/uploads/2019/07/OnbirinciKalkinmaPlani.pdf

Organize Sanayi Bölgesi (OSB) Firmalarının Karakteristikleri-I

Organize Sanayi Bölgeleri (OSB), verimliliğe dayalı olarak elektrik, su, doğalgaz, yol, telekomünikasyon ve diğer altyapı hizmetleriyle donatılmış organize bir yapı içerisinde ağırlıklı olarak mal üretiminin yanında hizmet üretiminin de gerçekleştirildiği bölgelerdir. Bu bölgelerle ilgili olarak ilk mevzuat düzenlemesi 2000 yılında uygulamaya giren 4562 sayılı OSB Kanunu’dur. Bu yasal düzenlemenin ardından OSB Kanunu’nun uygulama usul ve esaslarını gösteren OSB Uygulama Yönetmeliği 2002 yılında yürürlüğe girmiştir. OSB’ler, özel hukuk tüzel kişiliği haiz örgütsel yapılardır (OSB Kanunu, 2000).  OSB’ler, faaliyet gösterdiği sektörlere göre üç grupta sınıflandırılabilmektedir:

  1. Karma OSB’ler: Farklı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir (OSBUY, 2019).
  2. İhtisas OSB’ler: Aynı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir (OSB Kanunu, 2000).
  3. Islah OSB’ler: 01/06/2017 tarihinden önce inşaa edilen sanayi tesislerinin bulunduğu OSB’lerdir. Bu OSB’ler ıslah şartlarını sağladıktan sonra ıslah statüsü kaldırılarak karma veya ihtisas OSB’lere dönüşürler (OSBUY, 2019).

Ekonomik gelişim bölgelerinden biri olan OSB’lerin amaç ve hedefleri (OSB Kanunu, 2000; STB, 2019):

  • Organize bir yapı içerisinde firmaların sanayi faaliyetlerini yürütmesine mekânsal ortam sağlamak,
  • Sürdürülebilir yatırım ortamının oluşturulmasına katkıda bulunmak,
  • Şehrin planlı kalkınmasına katkı sağlayarak çarpık sanayileşmeyi ve çevre sorunlarını önlemek,
  • Kaynakların rasyonel kullanımına aracılık ederek üretimde kâr artışını ve etkililiği sağlamak,
  • Gelişmemiş bölgelerde sanayiyi teşvik ederek, bölgesel gelişmişlik farklılıklarını azaltmak,
  • Sanayide tarım alanlarının kullanımını düzenlemek,
  • Sağlıklı, ucuz, güvenilir altyapı, üstyapı ve ortak arıtma tesisleri kurmak,
  • Arıtma tesisleriyle çevre kirliliğini önlemek,
  • Devlet denetimi ve gözetimi altında OSB’yi oluşturan organlar aracılığıyla OSB’lerin yönetimini sağlamak

2018 Türkiye Organize Sanayi Bölgeleri (OSB’ler) Yatırım Engelleri Araştırmasıyla;

  • OSB’nin pazara olan mesafesi, OSB’nin altyapı tamamlanma durumu ve OSB’nin ulaşım merkezlerine olan mesafesinin firmaların OSB’lerdeki ilk kuruluş kararlarına etkisi,
  • OSB’lerin firmaların yatırım yeri tercihlerine etkisi,
  • Firmaları kuruluş ve işletme aşamasında olumlu etkileyen en önemli faktörler,
  • Firmaların kuruluş ve işletme aşamasında karşılaştığı en önemli yatırım engelleri,
  • Firmaların 4. sanayi devrimine hazırlık durumu,
  • OSB’nin bulunduğu ilin güvenlik ortamının firmaların yatırım kararlarına etkisi,
  • OSB’nin bulunduğu ilin sosyo-ekonomik gelişmişlik durumunun firmaların yatırım kararlarına etkisi,
  • Suriye’den Türkiye’ye gelen göçmenlerin firmaların yatırım kararlarına etkisi,
  • Makroekonomik faktörlerin firmaların yatırım kararlarına etkisi,
  • Ülkenin genel siyasi ortamının firmaların yatırım kararlarına etkisi,
  • Firmaların kullandığı finansman metotları,
  • Finansmana erişim olanaklarının firmaların ilk kuruluş kararlarına etkisi,
  • Bürokratik iş ve işlemlerin firmaların yatırım kararlarına etkisi,
  • Hammadde, ara malı, enerji gibi girdi maliyetleri ile iş gücü maliyetlerinin firmalara etkisi,
  • Kalifiye personel eksikliğinin firmalara etkisi,
  • Teşvik ve vergi mevzuatları ile Avrupa Birliği mevzuatına uyum çalışmalarının firmalara etkisi,
  • Firmaların ilk kuruluş kararlarını olumsuz etkileyen faktörlerin karşılaştırması

hakkında bulgular ortaya konulmuştur.

İki aşamadan oluşan araştırmanın birinci aşaması, 23 Ekim ile 21 Kasım 2018 tarihleri arasında gerçekleştirilmiştir. Araştırmanın birinci aşamasına 59 il’de faaliyet gösteren 139 OSB’de üretimde bulunan 847 firmanın doğrudan katılım sağlamıştır. Ulusal düzeyde bir örneklem araştırması olan bu araştırmayla Sanayi ve Teknoloji Bakanlığı’nın ve OSB’lerin veriye dayalı politika geliştirmesine, OSB’lerde yapılacak araştırmalara yönelik araştırma altyapısı oluşturulmasına ve kurumsal araştırma kültürüne katkıda bulunulması amaçlanmıştır.

2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması” nın birinci aşamasına katılım sağlayan firma sayılarının OSB içinde ilk kuruluş ve işletme aşamasına geçiş yıllarına göre dağılımı, Tablo 1’de verilmiştir. Tablo 1’e göre öne çıkan bulgular şöyledir:

  • Kurulan ve işletme aşamasına geçen firmaların oranının en yüksek olduğu dönem 2008 ile 2013 yıllar arasını kapsamaktadır. Bu dönemde her 100 firmadan yaklaşık 32’si kuruluş ve işletme aşamasına geçmiştir.
  • Kurulan ve işletme aşamasına geçen firmaların oranının en düşük olduğu dönem ise 1990 öncesi’dir. Her 100 firmadan yaklaşık 6’sı 1990 öncesi dönemde kurulurken, aynı dönemde her 100 firmadan yaklaşık 5’i işletme aşama geçmiştir.
  • 2002’den araştırmanın gerçekleştirildiği zaman aralığındaki son tarihe kadar (21 Kasım 2018) geçen dönemde her 100 firmadan 75’i, 2002 öncesi dönemde ise her 100 firmadan sadece 25’i kurulmuştur. Diğer bir deyişle, 2002’den araştırmanın gerçekleştirildiği zaman aralığındaki son tarihe kadar geçen dönemde kurulan firmaların sayısı 2002 öncesi dönemde kurulan firma sayısından yaklaşık 3 kat yüksektir.
  • 2002’den araştırmanın gerçekleştirildiği zaman aralığındaki son tarihe kadar (21 Kasım 2018) geçen dönemde her 100 firmadan yaklaşık 79’u, 2002 öncesi dönemde ise her 100 firmadan sadece yaklaşık 22’si işletme aşamasına geçmiştir. Diğer bir deyişle, 2002’den araştırmanın gerçekleştirildiği zaman aralığındaki son tarihe kadar geçen dönemde işletme aşamasına geçen firmaların sayısı 2002 öncesi dönemde işletme aşamasına geçen firma sayısından yaklaşık 4 kat yüksektir.

Tablo 1. Firmaların Kuruluş ve İşletme Aşamasına Geçiş Yıllarına Göre Dağılımı

Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Özetle, ortaya konulan bulgular, hem kuruluş hem de işletme aşamasına geçmiş firmaların oranının 1990 öncesi dönemden 2008-2013 dönemi sonuna kadar sürekli artan bir seyir izlediğini göstermektedir. Firma sayılarındaki en belirgin artış, 2002 ile 2013 yılları arasında görülmekte olup, bu artış aynı yıllar arasında yaklaşık olarak iki katına ulaşmıştır. Ancak, 2014 ve sonrası dönemde (araştırmanın gerçekleştirildiği zaman aralığındaki son tarihe kadar) hem kuruluş hem de işletme aşamasına geçen firmaların oranında belirgin bir düşüş gözlenmiştir.

Dengeli büyüme ve kalkınmanın sürdürülebilir yegâne anahtarı olan bilim ve onun çıktısı olan teknoloji ile verimlilik ve refah artışı sağlanacağı için makro ve mikro ölçekte bütün sanayi politikaları veriye dayalı olarak geliştirilmesi, ülke gündeminin kısır ve verimsiz tartışma alanlarından uzak tutularak enerjisinin tamamen katma değeri yüksek alanlara yönlendirilmesi ve kaynaklar sınırlı olduğundan önceliklendirilmesi büyük önem arz etmektedir.

Bilimle ve teknolojiyle kalınız…

Yararlanılan Kaynaklar

  • Bulut, T. (2019). “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması”. Organize Sanayi Bölgeleri Üst Kuruluşu (OSBÜK), Ankara, Türkiye.
  • Bulut, T. (2019). “Organize Sanayi Bölgelerindeki Firmalar Üzerinde Posta ve İnternet Veri Toplama Yöntemlerinin Karşılaştırılması”. Hacettepe Üniversitesi, Nüfus Etütleri Enstitüsü, Sosyal Araştırma Yöntemleri Anabilim Dalı, Yüksek Lisans Tezi.
  • Resmi Gazete. (2000). Organize Sanayi Bölgeleri Kanunu (OSB Kanunu). Kanun Sayısı: 4562. Resmi Gazete Tarihi: 15 Nisan 2000, Madde 3. Ankara.
  • Resmi Gazete. (2019). Organize Sanayi Bölgeleri Yönetmeliği (OSBUY). Yönetmelik Sayısı: 30674, Resmi Gazete Tarihi: 2 Şubat, 2019, Madde 3. Ankara.
  • Türkiye Cumhuriyeti Sanayi ve Teknoloji Bakanlığı (STB). (2019). Sanayi Bölgeleri Genel Müdürlüğü, https://kss.sanayi.gov.tr, Ulaşım Tarihi: 24 Nisan 2019.

2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması (Elekronik Versiyon): 2018 Turkey Organized Industrial Zone Investment Barriers Survey (Electronik Version)

Hazırlıklarına 2016 yılında başladığım ulusal düzeyde örneklem araştırması olan 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması, araştırma raporunun yazımıyla birlikte 2019 yılında tamamlanmıştır.

847 firmanın katılımıyla gerçekleştirilen araştırmayla;

  • Organize Sanayi Bölgeleri (OSB’ler)’ndeki firmaların teknoloji düzeyi,
  • OSB’nin pazara olan mesafesi, OSB’nin altyapı tamamlanma durumu ve OSB’nin ulaşım merkezlerine olan mesafesinin firmaların OSB’lerdeki ilk kuruluş kararlarına etkisi,
  • OSB’lerin firmaların yatırım yeri tercihlerine etkisi,
  • Firmaları kuruluş ve işletme aşamasında olumlu etkileyen en önemli faktörler,
  • Firmaların kuruluş ve işletme aşamasında karşılaştığı en önemli yatırım engelleri,
  • Firmaların 4. sanayi devrimine hazırlık durumu,
  • OSB’nin bulunduğu ilin güvenlik ortamının firmaların yatırım kararlarına etkisi,
  • OSB’nin bulunduğu ilin sosyo-ekonomişlik gelişmik durumunun firmaların yatırım kararlarına etkisi,
  • Suriye’den Türkiye’ye gelen göçmenlerin firmaların yatırım kararlarına etkisi,
  • Makroekonomik faktörlerin firmaların yatırım kararlarına etkisi,
  • Ülkenin genel siyasi ortamının firmaların yatırım kararlarına etkisi,
  • Firmaların kullandığı finansman metotları,
  • Finansmana erişim olanaklarının firmaların ilk kuruluş kararlarına etkisi,
  • Bürokratik iş ve işlemlerin firmaların yatırım kararlarına etkisi,
  • Hammadde, ara malı, enerji gibi girdi maliyetleri ile iş gücü maliyetlerinin firmalara etkisi,
  • Kalifiye personel eksikliğinin firmalara etkisi,
  • Teşvik ve vergi mevzuatları ile Avrupa Birliği mevzuatına uyum çalışmalarının firmalara etkisi,
  • Firmaların ilk kuruluş kararlarını olumsuz etkileyen faktörlerin karşılaştırması

hakkında bulgular ortaya konulmuştur. Araştırmanın bulguları genel olarak;

  • Cevaplayıcıların ve firmanın özelliklerine,
  • Türkiye ölçeğine,
  • Firmaların faaliyette bulunduğu OSB türüne,
  • Firmanın faaliyet gösterdiği ana sektörlere,
  • İmalat sanayi teknoloji sınıflamasına,
  • Düzey 1 (NUTS1) bölge sınıflamasına

göre olabildiğince yalın bir şekilde sunulmuştur.

Araştırma yayınıyla Sanayi ve Teknoloji Bakanlığının ve OSB’lerin veriye dayalı politika geliştirmesine ve gelecek araştırmalar için araştırma altyapısının oluşturulmasına katkı sağlanması hedeflenmektedir. Yapılan çalışma, konu alanları itibariyle ilk, güncel ve en geniş kapsamlı çalışma niteliği taşımaktadır.

Kitabın basımı 600 adet olarak Organize Sanayi Bölgeleri Üst Kurulu (OSBÜK) tarafından yapılmıştır. Söz konusu kitabın dağıtımı da OSBÜK tarafından ücretsiz yapılmıştır. Dağıtım yapılan kurum ya da kuruluşlar şöyledir:

  • Sanayi ve Teknoloji Bakanlığı Merkez Teşkilatı
  • Organize Sanayi Bölgeleri

Bütün kesimlerin adı geçen araştırma yayınına ücretsiz ulaşılmasını sağlamak adına araştırma yayınının dijital ortamda pdf olarak paylaşılması için Kültür ve Turizm Bakanlığı’ndan basılı olan baskıdan farklı olarak dijital ortamda yayınlanması için ayrı bir ISBN numarası alınmıştır.

Dijital baskıya aşağıdaki linkten doğrudan erişebilirsiniz.

Not: 1. Baskıya ait kitap stoku tükenmiştir.

Ortaya konulan bu araştırma yayınının karar verici ve politika belirleyici konumundaki kurum, kuruluşlara ve akademik camiaya faydalı olmasını dilerim.

Saygılarımla.

Tevfik Bulut

2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması: 2018 Turkey Organized Industrial Zone Investment Barriers Survey

Hazırlıklarına 2016 yılında başladığım ulusal düzeyde örneklem araştırması olan 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması, araştırma raporunun yazımıyla birlikte 2019 yılında tamamlanmıştır.

Bu çalışmada sunulan bulgular, “Organize Sanayi Bölgelerindeki Firmalar Üzerinde Posta ve İnternet Veri Toplama Yöntemlerinin Karşılaştırılması” adlı metodolojik örneklem araştırmasının birinci aşamasına katılan firmaların cevaplarına dayanmaktadır. 847 firmanın katılımıyla gerçekleştirilen araştırmayla;

  • Organize Sanayi Bölgeleri (OSB’ler)’ndeki firmaların teknoloji düzeyi,
  • OSB’nin pazara olan mesafesi, OSB’nin altyapı tamamlanma durumu ve OSB’nin ulaşım merkezlerine olan mesafesinin firmaların OSB’lerdeki ilk kuruluş kararlarına etkisi,
  • OSB’lerin firmaların yatırım yeri tercihlerine etkisi,
  • Firmaları kuruluş ve işletme aşamasında olumlu etkileyen en önemli faktörler,
  • Firmaların kuruluş ve işletme aşamasında karşılaştığı en önemli yatırım engelleri,
  • Firmaların 4. sanayi devrimine hazırlık durumu,
  • OSB’nin bulunduğu ilin güvenlik ortamının firmaların yatırım kararlarına etkisi,
  • OSB’nin bulunduğu ilin sosyo-ekonomişlik gelişmik durumunun firmaların yatırım kararlarına etkisi,
  • Suriye’den Türkiye’ye gelen göçmenlerin firmaların yatırım kararlarına etkisi,
  • Makroekonomik faktörlerin firmaların yatırım kararlarına etkisi,
  • Ülkenin genel siyasi ortamının firmaların yatırım kararlarına etkisi,
  • Firmaların kullandığı finansman metotları,
  • Finansmana erişim olanaklarının firmaların ilk kuruluş kararlarına etkisi,
  • Bürokratik iş ve işlemlerin firmaların yatırım kararlarına etkisi,
  • Hammadde, ara malı, enerji gibi girdi maliyetleri ile iş gücü maliyetlerinin firmalara etkisi,
  • Kalifiye personel eksikliğinin firmalara etkisi,
  • Teşvik ve vergi mevzuatları ile Avrupa Birliği mevzuatına uyum çalışmalarının firmalara etkisi,
  • Firmaların ilk kuruluş kararlarını olumsuz etkileyen faktörlerin karşılaştırması

hakkında bulgular ortaya konulmuştur. Araştırmanın bulguları genel olarak;

  • Cevaplayıcıların ve firmanın özelliklerine,
  • Türkiye ölçeğine,
  • Firmaların faaliyette bulunduğu OSB türüne,
  • Firmanın faaliyet gösterdiği ana sektörlere,
  • İmalat sanayi teknoloji sınıflamasına,
  • Düzey 1 (NUTS1) bölge sınıflamasına

göre olabildiğince yalın bir şekilde sunulmuştur.

Araştırma yayınıyla Sanayi ve Teknoloji Bakanlığının ve OSB’lerin veriye dayalı politika geliştirmesine ve gelecek araştırmalar için araştırma altyapısının oluşturulmasına katkı sağlanması hedeflenmektedir. Yapılan çalışma, konu alanları itibariyle ilk, güncel ve en geniş kapsamlı çalışma niteliği taşımaktadır.

Kitabın basımı 600 adet olarak Organize Sanayi Bölgeleri Üst Kurulu (OSBÜK) tarafından yapılmıştır. Söz konusu kitabın dağıtımı da OSBÜK tarafından ücretsiz yapılacaktır. Dağıtım yapılması planlanan kurum ya da kuruluşlar şöyledir:

  • Sanayi ve Teknoloji Bakanlığı Merkez Teşkilatı
  • Türkiye Odalar ve Borsalar Birliği (TOBB)
  • Organize Sanayi Bölgeleri

Ortaya koyulan bu çalışmanın başta ülkemizde karar verici konumdaki kişi, kurum ya da kuruluşlara faydalı olmasını dilerim.

İlerleyen zaman diliminde okuyucuların adı geçen araştırma yayınına ücretsiz ulaşılmasını sağlamak için araştırma yayınının tarafımca dijital ortamda pdf olarak paylaşılması planlanmaktadır.

Not: 1. Baskıya ait kitap stoku tükenmiştir.

Saygılarımla.

Kredilendirme Model Önerileri: t+1 ve t+0,5 Modeli

Kredi
Kredi, genellikle faiz ve komisyon bedeli karşılığı gerçek veya tüzel kişilere süresi önceden tayin edilmek ve geri verilmek üzere belirli miktardaki satın alma gücünün tahsis edilmesidir.

Zarakolu (1971)’ya göre, krediye ilişkin bir diğer tanım da şu şekildedir: Kredi gerçek ya da tüzel kişilere doğrudan doğruya veya dolaylı olarak teminatlı, teminatsız, uzun veya kısa vadeli nakit, mal, kefalet teminat mektubu şeklinde faiz ve komisyon karşılığında ve belirli bir limit dahilinde borç ve garanti verme işlemidir (Karakaş, 2010).

Kredinin İşlevleri 
Bir ekonomiye arz edilen paranın miktarı kredi bakımından büyük önem taşır. Çünkü arz edilen para miktarı, fiyatların seviyesini ve bazen de karakterini etkiler. Eğer para arzı bir ekonomide ticaretin genişlemesi ile uyumlu olarak genişlemezse –yani para mallara oranla daha kıt hale gelirse- fiyatlar düşme eğilimi gösterecek, üreticilerin cesareti kırılacak ve müteşebbisler için işlerini kurmak ve geliştirmekte gerekli mali kaynakları bulmak zorlaşacaktır. Aksine, eğer çok serbest olarak ihraç edilirse, fiyatlar yükselecek ve yatırımlar fiyat artışından en çabuk etkilenen faaliyet alanlarına kayacaktır (Deane, 2000). Kredi de bahsedilen para arzının bir yönünü oluşturduğundan kredinin ekonomik işlevlerinin özetlenmesi yerinde olacaktır. Aras (1996)’a göre kredinin işlevleri üç grupta özetlenebilir (Tokel, 2004):

  1. Ekonomideki atıl ve dağınık fonlar (sermaye ve tasarruflar), kredi sistemi sayesinde ekonomik faaliyetlerin gelişmesine yönlendirilmektedir. Sahiplerinin kullanmadığı fonlar, kredi şeklinde paraya ihtiyaç duyanlara aktarılabilmektedir. Bu şekilde fon sahipleri açısından gelir yaratılırken ekonomide de arz ve talep genişlemesi yaratılmaktadır. Böylece tasarruflar, ülke ekonomisinin gelişmesi yönünde değerlendirilmiş ve ekonomik faaliyetlere hız verilmiş olur.
  2. Kredi sermaye birikimini artırır. Girişimciler ve yatırımcılar ihtiyaç duydukları sermayeyi kredi yoluyla tasarruf sahiplerinden sağlarlar. Vade sonunda da krediyi geriye ödeyerek sermaye birikimi elde ederler.
  3. Kredi bir tedavül aracıdır. Kredi ekonomisi para ekonomisinin gelişmiş bir aşamasını teşkil eder. Kredi ile nakit para taşınması azalmakta, ticari faaliyetler hız kazanmaktadır.

Kredi Riski ve Kredi Risk Yönetimi 
Kredi riski, kullandırılan kredinin vadesinde kısmen veya tamamen ödenmeme olasılığını ifade etmektedir. Risk, kredilendirme sürecinin en başından başlayarak her aşamasında bulunur. Ancak zaman içinde kredinin vadesi gelmeden riskin derecesinde bazı değişiklikler olabilmektedir. Kredi tahsis kararı verenler risk derecesindeki bu değişiklikleri de göz önüne almalıdırlar (Usta, 1994).

Kredi risk yönetiminde kredi talep edenin yükümlülüklerini zamanında yerine getirebilme kapasitesi veya gücü, yükümlülüklerini karşılamaya yetecek tutarda kaynak yaratmasına bağlı olduğundan kaynak yaratma potansiyeli yakından takip edilmelidir (Akgüç, 2011).

Aynı zamanda kredinin geri dönüşünün sağlıklı bir şekilde izlenmesi için finansal performans analizi, likidite durumu, karlılık durumu, verimlilik durumu ve finansal yönden gelişmesinin yeterli olup olmadığının incelenmesi ve takip edilmesi açısından önem taşıdığından belirli aralıklarla ve gerektiğinde her zaman yapılmalıdır (Bulut, 2014).

Ekonomik gelişim bölgelerinden olan OSB’lere ve Sanayi Siteleri (SS’ler)’ne kullandırılan krediler, gerek OSB ve SS tüzel kişiliklerinin gerekse OSB ve SS içinde faaliyet gösteren firmalar ve işyerleri üzerinde pozitif dışşallıklar oluşturmaktadır.

OSB ve SS’lere sağlanan teşvikler içerisinde gerek ölçeği, gerekse faiz oranı ve geri ödeme koşulları bakımından katma değeri çok yüksek olan kredi teşvikleri, OSB ve SS’lerin kurulmasında, kurulduktan sonra sürdürülebilir yatırım ortamının oluşturulmasındaki payı yadsınamaz bir gerçektir (Bulut, Şubat 2015).

Mevcut durumda OSB’lere kullandırılan kredinin faiz oranları ve geri ödeme şartları şöyledir (Usul ve Esaslar, 2001):

  1. Kalkınmada öncelikli yörelerde; faiz oranı yıllık % 1, geri ödeme süresi 5 yılı ödemesiz  toplam 15 yıl,
  2. Normal illerde; faiz oranı yıllık % 2, geri ödeme süresi 3 yılı ödemesiz toplam 13 yıl,
  3. Gelişmiş illerde; faiz oranı yıllık % 3, geri ödeme süresi 2 yılı ödemesiz  toplam 11 yıl

olarak uygulanır.

SS’lere kullandırılan kredinin faiz oranları ve geri ödeme şartları ile kredilendirme oranları şöyledir (Usul ve Esaslar, 2001):

  1. Kalkınmada öncelikli yörelerde ve doğal afet geçiren yerlerde üstyapı kredilendirme oranı % 70, faiz oranı yıllık % 1, geri ödeme süresi 2 yılı ödemesiz  toplam 15 yıl,
  2. Normal illerde; üstyapı kredilendirme oranı % 60, faiz oranı yıllık % 2, geri ödeme süresi 2 yılı ödemesiz toplam 13 yıl,
  3. Gelişmiş illerde; üstyapı kredilendirme oranı % 50, faiz oranı yıllık % 3, geri ödeme süresi 2 yılı ödemesiz  toplam 11 yıl

olarak uygulanır.

Geliştirilen Kredi İtfalandırma Modellerinin Esin Kaynağı

Bebeklerin gelişim sürecinden ilham alınarak OSB ve Sanayi Sitelerine (SS’ler) kullandırılacak krediler için yeni kredilendirme modelleri geliştirilmesine ivme kazandırılmıştır. Firmaların gelişim süreci ile bebeklerin gelişim süreci arasında benzerlik kurularak, Şekil 1’deki resimde bebeğin ilk hareketi firmanın OSB ve SS’ye giriş yapması, 2. hareketi firmanın kuruluş sürecine girmesini, 3. hareketi üretim aşamasına hazır olmasını, 4. hareketi ise firmanın üretim aşamasına geçmesi olarak yorumlanarak kredilendirme modelleri geliştirilmiştir. Benzer bir şekilde, literatürdeki çalışmalar da firmaların gelişim sürecinin bu yönlü olduğunu ortaya koymaktadır.

Bilim, Sanayi ve Teknoloji Bakanlığınca doğrudan tüzel kişiliğe haiz OSB ve SS tüzel kişiliklerine kredi kullandırılmakla birlikte içerisinde faaliyette bulunan firmalar OSB ve SS mevzuatı gereği kredi borçlarının sorumlu bir tarafıdır. Diğer bir deyişle, burada faaliyette bulunan, yatırım yapan firmalar ya da işyerleri kredi borcunu ödeyecektir. Dolayısıyla, geliştirilen bu modellerde, OSB, SS ve firmaların gelişim trendini dikkate alarak mevcut modeldeki gibi anapara borç taksitlerinin eşit taksitler halinde ödenmesi yerine gelişim sürecine bağlı olarak kademeli artan anapara borç taksitlerinin ödenmesi biçiminde olması gerektiği öne sürülmektedir.

Şekil 1. Bebeklerin Gelişim Süreci

Kaynak: www.newbornbabyzone.com

Kredilendirmede Yeni  Model Önerileri : t+1 ve t+0,5 Modeli

Amaçları

OSB ve SS’lerde yapılacak yatırımlarda firmaların gelişim periyoduna bağlı olarak itfa dönemi içinde ilk 4-5 yıllık bir zaman dilinde finansman yükü mevcut modele göre kademeli bir artışa tabi tutularak hafifletilmesi, böylelikle yatırımlara ivme kazandırarak üretim aşamasına geçişinin hızlandırılması amaçlanmıştır. Bahsedilen bu amaçlara ilave olarak geliştirilen kredilendirme modelleri ile;

  • OSB ve SS’lerin kredi finansman yükünün vadesi ve faiz oranları değişmeden ancak zamana yayarak kademeli olarak hafifletilmesi,
  • Kanuni takibe geçilecek ya da geçilmesi muhtemel OSB ve SS sayısının azaltılması,
  • Ekonomik gelişim bölgelerinin yapılaşma sürecinin hızlandırılması,
  • Firmaların gelişim sürecine bağlı olarak OSB ve SS’lerin kaynak yaratma kapasitesini sürdürerek kredinin geri ödenmesinin sağlanılması,
  • Kredi geri dönüşlerinin uygun finansal modellerle verimliliğinin ve sürdürülebilirliğinin sağlanması,
  • Nihai olarak sanayide katma değerin artırılması

hedeflenmiştir.

İllerin gelişmişlik durumu da dikkate alınan modellerde OSB ve SS’ler için iki ayrı model geliştirilmiştir. OSB’ler için geliştirilen modele t+1 modeli, SS’ler için geliştirilen modele ise t+0,5 modeli adı verilmiştir. Burada, OSB’ler, mevcut ve yeni modelde yılda 1 ödeme yaptıkları için anapara borç taksit katsayısı artış oranı (tr)=1 olarak alınmıştır. SS’lerde ise mevcut ve yeni modelde 6 ayda bir ödeme yapıldığı için anapara borç taksit katsayısı artış oranı (tr)=0,5 olarak alınmıştır. Aşağıda örnek uygulamalarda kullanılan kredi faiz formülü, Banka kredi kullandırımında kullanılan formül ile aynı olduğundan faiz hesaplamalarında formülün gösterimine yer verilmemiştir.

OSB’lerde kredi itfalandırma modelinin uygulanması 5 adımda tamamlanmaktadır. Bu 5 adıma ilişkin eşitlikler Şekil 2’de verilmiştir.

Şekil 2. OSB Kredi İtfalandırma Modeli: t+1 Modeli

SS’lerde kredilendirme modelinin uygulanması da OSB’lerde olduğu gibi 5 adımda tamamlanmaktadır. Bu 5 adıma ilişkin eşitlikler Şekil 3’te verilmiştir.

Şekil 3. SS Kredi İtfalandırma Modeli: t+0,5 Modeli

OSB’lerde Kredi İtfalandırma Modeli: t+1 Modeli Örnek Uygulamaları

İllerin gelişmişlik durumuna göre geliştirilen modellere ilişkin olarak örnek uygulamalar yapmıştır. Uygulamayı en yalın bir şekilde göstermesi adına ödemesiz dönemler dikkate alınmaksızın Bilim, Sanayi ve Teknoloji Bakanlığınca kullandırılan 10 milyon TL’lik bir kredinin itfa (ödeme) planı illerin gelişmişlik durumuna göre aşağıda verilmiştir.

Kalkınmada Öncelikli İllerdeki OSB’lerde Örnek Uygulama

Kalkınmada öncelikli illerdeki OSB’lerde yıllık faiz oranı % 1, itfa dönemi ödemeler yıllık olmak üzere toplam 10 yıl olarak uygulanmaktadır.  Yapılan hesaplamalara ilişkin senaryo çalışması karşılaştırmalı olarak Tablo 1’te gösterilmiştir.

Tablo 1. Kalkınmada Öncelikli İllerde Karşılaştırmalı Uygulama Sonuçları

Tablo 1’de mevcut ve yeni modelde bu illerdeki bir OSB’nin varsayımsal olarak yılına göre ödeme tutarından hareketle firma sayısına göre firma başına düşecek ödeme tutarı Şekil 2’de gösterilmiştir. Belirtilen tutarlar yaklaşık olarak şekle yansıtılmıştır. Şekil 2’de mevcut ve yeni modelde her yıl firma sayısının arttığı varsayılmıştır.

Şekil 2. Firma Başına Düşen Ödeme Tutarı (TL)

Normal İllerdeki OSB’lerde Örnek Uygulama

Normal illerdeki OSB’lerde yıllık faiz oranı % 2, itfa dönemi, ödemeler yıllık olmak üzere toplam 10 yıl olarak uygulanmaktadır. Yapılan hesaplamalara ilişkin senaryo çalışması karşılaştırmalı olarak Tablo 2’te gösterilmiştir.

Tablo 2. Normal İllerde Karşılaştırmalı Uygulama Sonuçları

Gelişmiş İllerdeki OSB’lerde Örnek Uygulama

Gelişmiş illerdeki OSB’lerde yıllık faiz oranı % 3, itfa dönemi ödemeler yıllık olmak üzere toplam 9 yıl olarak uygulanmaktadır. Yapılan hesaplamalara ilişkin senaryo çalışması karşılaştırmalı olarak Tablo 3’te gösterilmiştir.

Tablo 3. Gelişmiş İllerde Karşılaştırmalı Uygulama Sonuçları

SS’lerde de yeni modellerin uygulanması yukarıda örnek uygulamaları gösterilen OSB’lerle benzerlik gösterdiğinden SS’lerde örnek uygulamaya yer verilmemiştir.

Yeni Modellerin Mevcut Kredilendirme Modeline Göre Avantajları

Geliştirilen kredilendirme modellerinin mevcut modele göre OSB, SS ve firmalara sağladığı avantajlar şöyle özetlenebilir:

  • İlk 4-5 yılda bütün yörelerde, OSB ve SS’ler daha az anapara borç taksiti ödedikleri için söz konusu ekonomik gelişim bölgelerinin ve içindeki firmaların toparlanma ve gelişim sürecine ivme kazandıracaktır.
  • Firmaların sabit yatırım maliyetlerini kısa vadede hafifleterek kuruluş aşamasından üretim aşamasına geçişini hızlandıracaktır.
  • OSB ve SS’ler, borçlarını ödeyememesi ve erteleme hakları kalmaması durumunda anapara borç taksit tutarları ilk 5 yılda mevcut modele göre daha düşük olduğu için daha az gecikme faizi ödeme durumunda kalarak gecikme faizinin getireceği yükten çok daha az etkilenecektir.
  • İtfa dönemi boyunca anapara borç taksitleri artarak devam ettiği için mali durumu elverişli olmayan OSB ve SS’leri yüksek miktarlardaki borçları ertelemeye zorlayacak ve bu durum, borç erteleme mantığının amacına daha iyi hizmet edecektir.
  • Yeni modeller, farklı kamu kurum ya da kuruluşlar tarafından girişimcilere kullandırılan kredilere ve teşvik kredilerine rahatlıkla uyarlanarak farklı sektörlerde kullanılabilme imkanı sunmaktadır.
  • Hem kredi borç taksitleri ve hem de gecikme faizleri açısından OSB, SS’ler ve dolaylı olarak bu ekonomik gelişim bölgelerinde faaliyet gösteren firmalar ve işyerleri kısa ve orta vadede mevcut modele göre konjonktürel dalgalanmalardan daha az etkilenecektir.
  • OSB ve SS’lerin kredi borçlarını ödeyebilme gücü ve cesareti artacaktır.
  • Ekonomik gelişim bölgelerinin kredi talebini artıracaktır.
  • Kamu kaynaklarının daha etkin ve verimli bir şekilde kullanılmasına yardımcı olacaktır.

Nihai olarak, geliştirilen modeller, firmaların kuruluş aşaması, üretime geçme aşamalarını, firmaların finansmana erişimini, diğer bir deyişle, firma davranışlarını ve gelişim sürecini dikkate aldığından daha avantajlı olduğu düşünülmektedir.

Not: Geliştirilen modeller, Bilim, Sanayi ve Teknoloji Bakanlığının yayını olan Anahtar Dergisinin Şubat 2016:326 sayısında yayınlanan “Organize Sanayi Bölgeleri (OSB) ve Sanayi Siteleri (SS)’ne Kullandırılan Kredilerin İtfalandırılmasına Yönelik Model Önerileri: t+1 ve t+0,5 Modeli” konulu makalemden yararlanılarak revize edilmiştir.

Kaynak

  • Bilim, Sanayi ve Teknoloji Bakanlığı. Organize Sanayi Bölgeleri ve Sanayi Siteleri Projeleri Ödeneklerinin Kullanımı ve Kredilendirilmesine İlişkin Usul ve Esaslar [Usul ve Esaslar].Yürürlük Tarihi: 01.01.2002 gün.
  • BULUT, Tevfik. (Şubat 2015).Ekonomik Gelişim Bölgelerine Sağlanan Teşvikler-I. Anahtar Dergisi
  • DEANE, Phyllis. (2000).İlk Sanayi İnkılabı (3. Baskı). Çev: Tevfik GÜRAN. Ankara: Türk Tarih Kurumu Basımevi
  • BULUT, Tevfik. (2014).Organize Sanayi Bölgelerinde Finansal Performans Analizi. Uzmanlık Tezi. Ankara: Bilim, Sanayi ve Teknoloji Bakanlığı
  • KARAKAŞ, Fatih Rüştü. (2010).Bireysel Krediler Kapsamında İpotekli Konut Kredileri (Mortgage).Yüksek Lisans Tezi. İstanbul Üniversitesi
  • TOKEL, Ö. Emre. (2004).Kredi Risk Modelleri Kullanılarak Kredi Taleplerinin Değerlendirilmesi. Yüksek Lisans Tezi. Ankara Üniversitesi
  • AKGÜÇ, Öztin. (2011).Kredi Taleplerinin Değerlendirilmesi. (Genişletilmiş 9. Baskı). İstanbul: Arayış Yayınevi
  • USTA, Mahmut. (1994).Kredi Taleplerinin Değerlendirilmesi ve Tahsisi. İstanbul: Pamukbank T.A.Ş. Eğitim Müdürlüğü Yayınları
  • BULUT, Tevfik. (Şubat 2016). Organize Sanayi Bölgeleri (OSB) ve Sanayi Siteleri (SS)’ne Kullandırılan Kredilerin İtfalandırılmasına Yönelik Model Önerileri: T+1 Modeli ve T+0,5 Modeli. Anahtar Dergisi
  • http://www.newbornbabyzone.com/baby-development-stages/stages-of-baby-development/

Faydalı olması ve farkındalık oluşturması dileğiyle.

Not: Emeğe saygı adına kaynak göstermeden alıntı yapmayınız.

Saygılarımla.

 

Bulut Performans Endeksi [BPE]:Bulut Performance Index [BPI]

OSB’lerin sayısının artması ve mevcut OSB’lerin genişleme trendinde olması, hem merkezi yönetim hem de OSB’ler açısından yönetim ve denetim araçları gereksinimini, finansal kurumların ve Bilim, Sanayi ve Teknoloji Bakanlığı’nın kredilendirmede daha sağlam verilere dayanma ihtiyacını artırmıştır. Günümüzde modern iş hayatında finansal tablolar yaygın bir şekilde kullanılmakta ve sayısı gittikçe artan kişi ve gruplar finansal tabloların analizi ve yorumu ile yakından ilgilenme gereksinimi duymaktadır. Dolayısıyla, karar verme aşamasında ortaya konulacak sonuçların güvenilir ve geçerli olması gereksinimi ortaya koymaktadır. Bu amaçla, çalışma kapsamında örnek uygulama konusu olarak OSB’lerin finansal performans analizi seçilmiştir. Daha sonra geliştirilen endeks bu örnek uygulama konusu üzerinde denenerek çalışma tamamlanmıştır.

Geliştirilen Endeks, her ne kadar finansal performans analizi için kullanılmış olsa da diğer çok kriterli karar verme (ÇKKV) problemlerinin çözümünde ve performans analizlerinde de kullanılabilecektir. Bu endeksle maximum ve minimum prensibine dayalı olarak çalışan diğer Çoklu Karar Verme Yöntemlerinin eksikliklerinin giderilmesi de amaçlanmıştır. Nihai olarak geliştirilen endekse ilişkin çalışmanın makalesi hakemli bir dergi olan Verimlilik Dergisi’nin 2017 yılı 3. sayısında yayınlanmış olup, uygulamayı göstermesi ve somutlaştırması adına başka bir örnek konu üzerinde Microsoft Excel 2010’da hazırladığım Seviye 1 modülünün 1. ve 2. versiyonu aşağıdaki linklerden indirilebilir. Aşağıda Endeksin Microsoft Excel üzerinde örnek uygulaması yapılmış olup, çalışmanın daha iyi anlaşılması adına yayınlanmış makaleyle birlikte değerlendirilmesi önem arz etmektedir.

Makaleyi indirmek için buraya tıklayınız:Bulut Endeksi

Dergi Bilim Kurulu: Bilim Kurulu

Ayrıca, Endeks kriterleri kategorize edilerek bu kategorize edilmiş kriterlerin değerlerinden ve endeks referans değerlerinden yola çıkarak kategorize edilmiş (Seviye 2) ve kriter bazlı Bulut Endeksi değerleri elde edilmesine de imkan tanıyarak alt seviyede derinlemesine analiz yapılabilir (Kategorize edilmiş Bulut Endekslerinin uygulanma şeklini gösterir excel dokümanına aşağıda yer verilmiştir).

Alt seviyelerde (2. ve 3. seviyeler) analiz neden önemlidir?

Bu önemlidir çünkü genel endeks değerleri çok iyi bir alternatif, kriterler kategorize edilerek oluşturulmuş 2. seviyede ve kriterlerin tek başına değerlendirildiği 3. seviyede Bulut Endeksleri skorlarında farklılık gösterebildiği, başka alternatiflerin bu alt endekslerde öne çıktığı görülebilmektedir. Benzer şekilde, Seviye 3’te kriter bazlı değerlendirmelere de olanak tanıyan bu endeksle alternatiflerin gerçekleşen kriter değeri ile olması gereken değerleri karşılaştırılarak çekirdek seviyede Bulut Endeksi değerleri elde edilebilir.

Verimlilik Dergisinde Yayınlanan BE Uygulama Adımları

Endeksin uygulama adımları Şekil 1’de gösterilmiştir.

Şekil 1. BE Uygulama Adımları: Application Steps of BI

BE, karar vericiye genel (Level 1), orta (Level 2) ve çekirdek (Level 3) olmak 3 seviyede statik ve dinamik çıktı üretme olanağı tanır. Bu seviyeler Şekil 2’te özetlenmiştir. Çekirdek (core) denilen her bir kriter seviyesinde üretilen Bulut Endeks sonuçları ile hem alternatifler arasında (horizontal analysis: yatay analiz) hem de kriterler bazında her bir alternatifin kendi içerisinde (vertical analysis: dikey analiz) değerlendirilmesine olanak sağlanır. Bu seviyede yatay analiz açısından kriter sayısı (satır sayısı) X alternatif sayısı (sütun sayısı) kadar (horizantal analysis) sonuç üretilerek çok daha derinlemesine analiz yapılabilir. Dikey analiz için ise matrisin sütun (alternatif) sayısı kadar sonuç üretilmiş olacaktı. Örneğin,  kullanılacak karar kriteri (satır) sayısı 10, alternatif (sütun) sayısı 50 ise yatay ve dikey analiz açısından 10×50=500 adet sonuç üretilmiş olacaktı. Verimlilik dergisinde yer alan örnek esas alınarak aşağıda excel dokümanı üzerindeki uygulamada, yatay ve dikey analiz için üretilecek sonuç 24 (kriter) x 23 (alternatif) = 552’dir.

Karar vericinin araştırma tasarıma ve amacına bağlı olarak orta ve çekirdek seviyede çıktı üretilmek istenmeyebilir, genel seviyede elde edilen BE sonuçları karar vericiye yeterli olabilir.

BE çıktı üretme seviyeleri 3 seviyede ele alınabilir;

  1. Seviye 1 (Genel)’de alternatiflerin bütün kriterlerinin değerlerinden hareketle genel bir BE değeri üretilir.
  2. Seviye 2 (Kategorize edilmiş kriter değerleri)’de kriter kümelerine göre BE değeri üretilir.
  3. Seviye 3 (Çekirdek)’de kriter değerleri baz alınarak alternatifler kendi içinde ve aralarında analiz edilerek BE değeri üretilir.

Şekil 2. BE Çıktı Üretme Seviyeleri:BI Output Generation Levels

be

BE 3 seviyede çıktı üretmekte olup, bu 3 çıktı seviyesine göre üretilen çıktı sayısı ile üretilen BE skorların dayalı olduğu seviye değişkenleri Şekil 3’te gösterilmiştir.

Burada,

L:  seviye (Level),

m: matristeki satır veya kriter sayısı (the number of rows or criteria in the matrix),

n: matristeki sütun veya alternatiflerin sayısı (the number of columns or alternatives in the matrix),

c: benzer özelliklere sahip kriterlerden oluşan toplam küme sayısı olmak üzere (the total number of clusters of criteria with similar characteristics)

göstermek üzere seviyelere göre üretilen çıktı sayısı

Seviye 1 için üretilen sonuç sayısı (Number of results produced for Level 1)

L1=n

Seviye 2 için üretilen sonuç sayısı (Number of results produced for Level 2)

L2=cxm

Seviye 3 için üretilen sonuç sayısı (Number of results produced for Level 3)

L3=mxn

kadardır.

Şekil 3. BE Çıktı Üretme Seviyeleri ve BE Çıktılarının Dayalı Olduğu Tabaka Değişkenleri (BI Output Generation Levels and BI Outputs Based on BI Variables)

BE Tabaka

Makaledeki verilerden hareketle genel seviyede Bulut Endeksine göre OSB’lerin performansı Tablo 1’de gösterilmiştir.

Tablo 1. BE Puanları:BI Scores

AlternatiflerBE PuanlarıSıralama
X2259,4811
X1358,7302
X2358,1513
X1257,6094
X1456,7815
X2056,6346
X156,2757
X1856,2498
X2156,0289
X455,42510
X855,26211
X254,62712
X1754,49713
X1554,03814
X753,95815
X553,63016
X1052,36517
X651,68118
X1951,05119
X350,20820
X949,92521
X1141,69822
X1635,61823

Tablo 1’de gösterilen sonuçlar R programlama dilinde hazırlanarak Grafik 1’de sunulmuştur.

Grafik 1. BE Puanları: BI Scores

Grafik 1 R Kod Bloğu

ggplot(Data1) +
geom_point(aes(BE_Score, y = reorder(Kodu, BE_Score)),col="red",size=5, shape="+")+
labs(subtitle=NULL,
y="Alternatives",
x="Bulut Index Scores",
title="Bulut Index Results",
caption = "Source: Bulut Index")+
scale_x_continuous(limits = c(0.0, 100))+
theme(plot.title = element_text(family = "Bookman", color="#666666", face="bold", size=18, hjust=0)) +
theme(axis.title = element_text(family = "Bookman", color="#666666", face="bold", size=12))+
theme(axis.text = element_text(colour = "black",face="bold", size = 8))

Aynı zamanda bu endeksle alternatiflerin kriter değerleri ile kriterin endeks referans değerleriyle karşılaştırılmasına da olanak tanınmıştır. Bu yönüyle bu Endeksle bir çok çıktı üretilerek kararların daha sağlıklı olması sağlanabilir. Yöntemin makalesinin yazımı esnasında temel öncelik yöntemin teorik altyapısının ve uygulamasının gösterilmesi olmasından dolayı kriterler kategorize edilerek oluşturulmuş Bulut Alt Endekslerine yansıtılmamıştır. Makaledeki uygulama örneği üzerinde yapılmış kategorize edilmiş BE (Seviye 2) ve BE değerleri Şekil 4’te gösterilmiştir.

Şekil 4. Kategorize Edilmiş Bulut Endeksleri: Categorized BIs (CBIs)

Şekil 4’te gösterilen orta seviyedeki Kategorize Edilmiş BE sonuçları, R programında geliştirilen ve önerilen grafik setleri (Grafik 2-5) ve onların kod bloklarıyla birlikte aşağıda sunulmuştur.

Grafik 2. BE Likidite Sonuçları (Liquity Results of BI)

Grafik 2 R Kod Bloğu

ggplot(Data_sub1) +
geom_point(aes(Likidite, y = reorder(Kodu, Likidite)),col="green",size=5, shape="+")+
labs(subtitle=NULL,
y="Alternatives",
x="Bulut Index Scores",
title="Liquity Results of Bulut Index",
caption = "Source: Bulut Index")+
scale_x_continuous(limits = c(0.0, 100))+
theme(plot.title = element_text(family = "Bookman", color="#666666", face="bold", size=18, hjust=0)) +
theme(axis.title = element_text(family = "Bookman", color="#666666", face="bold", size=12))+
theme(axis.text = element_text(colour = "black",face="bold", size = 7))

Grafik 3. BE Finansal Yapı Sonuçları (Results of Financial Structure of BI)

Grafik 3 R Kod Bloğu

ggplot(Data_sub2) +
geom_point(aes(Finansal, y = reorder(Kodu, Finansal)),col="blue",size=5, shape="+")+
labs(subtitle=NULL,
y="Alternatives",
x="Bulut Index Scores",
title="Results of Financial Structure of Bulut Index",
caption = "Source: Bulut Index")+
scale_x_continuous(limits = c(0.0, 100))+
theme(plot.title = element_text(family = "Bookman", color="#666666", face="bold", size=18, hjust=0)) +
theme(axis.title = element_text(family = "Bookman", color="#666666", face="bold", size=12))+
theme(axis.text = element_text(colour = "black",face="bold", size = 7)

Grafik 4. BE Verimlilik Sonuçları (Results of Productivity of BI)

Grafik 4 R Kod Bloğu

ggplot(Data_sub3) +
geom_point(aes(Verimlilik, y = reorder(Kodu, Verimlilik)),col="dark blue",size=5, shape="+")+
labs(subtitle=NULL,
y="Alternatives",
x="Bulut Index Scores",
title="Results of Productivity of Bulut Index",
caption = "Source: Bulut Index")+
scale_x_continuous(limits = c(0.0, 100))+
theme(plot.title = element_text(family = "Bookman", color="#666666", face="bold", size=18, hjust=0)) +
theme(axis.title = element_text(family = "Bookman", color="#666666", face="bold", size=12))+
theme(axis.text = element_text(colour = "black",face="bold", size = 7))

Grafik 5. BE Karlılık Sonuçları (Results of Profitability of BI)

Grafik 5 R Kod Bloğu

ggplot(Data_sub4) +
geom_point(aes(Karlılık, y = reorder(Kodu, Karlılık)),col="red",size=5, shape="+")+
labs(subtitle=NULL,
y="Alternatives",
x="Bulut Index Scores",
title="Results of Profitability of Bulut Index",
caption = "Source: Bulut Index")+
scale_x_continuous(limits = c(0.0, 100))+
theme(plot.title = element_text(family = "Bookman", color="#666666", face="bold", size=18, hjust=0)) +
theme(axis.title = element_text(family = "Bookman", color="#666666", face="bold", size=12))+
theme(axis.text = element_text(colour = "black",face="bold", size = 7))

Seviye 2: Kategorize Edilmiş Bulut Endekslerine İlişkin Makale Verisi Üzerinde Örnek Bir Uygulama

Şekil 3’te elde edilen Kategorize Edilmiş Bulut Endekslerin hesaplama biçimi genel endeks değerlerinin hesaplanma şekli ile aynıdır. Diğer bir deyişle, makaledeki hesaplanma adımlarından hareketle Bulut Endeksi (BE) kategorize edilmiş alt endekslere uygulanmıştır. Diğer bir deyişle, 5. aşamada kategorize edilmiş kriterlere ilişkin elde edilen sonuçlar, 6. aşamada elde edilen kategorize edilmiş kriterlerin endeks referans değerlerine oranlanarak 100 ile çarpılarak BE sonuçları kategorilendirilmiş olarak elde edilir. Kategorize Edilmiş (Seviye 2) Bulut Endekslerinin uygulamasını gösterir excel dokümanını buradan indirebilirsiniz.

Kategorize Edilmiş_Bulut Endeksleri (Seviye 2) (CBIs)

Çekirdek Seviye (Seviye 3): Kriter Bazlı Bulut Endekslerine İlişkin Makale Verisi Üzerinde Örnek Bir Uygulama

Genel ve orta seviye Bulut Endeksi sonuçları ortaya konulduktan sonra yine makaledeki örnek uygulamadan hareketle kriter bazlı dediğimiz çekirdek seviye (core level)’ye ilişkin Bulut Endeksi değerlerini gösterir excel dokümanını buradan indirebilirsiniz. Bu aşamada, 5. aşamada kriterlere ilişkin elde edilen sonuçlar, 6. aşamada elde edilen kriterlerin endeks referans değerlerine oranlanıp 100 ile çarpılarak BE sonuçları kriter bazında elde edilir. Böylece, çekirdek seviyede yukarıda bahsedilen kriter bazlı hem yatay hem de dikey analiz yapılmış olur.

Seviye 3 (Cekirdek) BE_Sonucları (Core_Level_BIs)

Tablo 1’de genel değerlendirmeye, ilişkin Bulut Endeks puanlarıyla Şekil 2’de Kategorize edilmiş Bulut Endeksi puanlarına bakıldığında üst seviyede çok iyi durumda olan bir OSB’nin (alternatifin) kategorize edilmiş Bulut Endeksinde çok da iyi olmadığı görülmektedir. Dolayısıyla, Bulut Endeksi Şekil 4’teki  seviyelerde farklılıkları ortaya koyarak karar vericiye bütün seviyelerde değerlendirme imkanı tanır.

Geliştirilen endeks yöneylem araştırma (operation research) alanı içerisinde yer alan Çok Kriterli Karar Verme (ÇKKV) problemlerinin çözümünde sektör ayrımı olmaksızın rahatlıkla kullanılabilecektir. Karar kriterlerinin açık uçlu ve tek yönlü eşitsizlik içerdiği durumlarda alt seviyeleriyle birlikte (genel, orta ve çekirdek) uygulama alanı sunarak bir çok çıktı elde edilmesine olanak tanır. Bahsedilen bu yönleriyle Bulut Endeksi (BE) literatüre önemli bir katkı sunmaktadır.

Aşağıda excel ortamında uygulaması gösterilen örnekte kriterlerin yönüne göre veri kümesi içerisindeki değerlerin minimum ve maksimum olanı alınarak kriter değerlerinin standart değeri olarak belirlenerek (Aşağıdaki örneğimizde kriterin yönüne göre kriterlerin maksimum ve minimum değerleri standart değer olarak alınmıştır. Karar verici yapılan işin, sektörün niteliğine ve literatürde öngörülen değerlere göre kriterlerin standart değerlerini belirleyebilir. Belirlenen kritere ait standart değer, veri kümesindeki değerlerin minimum olanı olabileceği gibi maksimum olanı, veri kümesindeki değerlerin ortalaması ya da literatürdeki değeri de olabilir.) varsayımsal olarak bu değerler ideal değerler olarak alınmıştır. Exceldeki örneğimizde ağırlıklandırma işlemi yapılmamıştır. Eğer karar verici ağırlıklandırma yapacaksa Adım 5 (Minimum Olması İstenen Tersine Çevrilmesi)’te mutlak eşleştirme yapıldıktan sonra elde edilen matristeki kriterlerin değerleri ile belirlenen ağırlık katsayıları ile çarpılarak ağırlandırılmış karar matrisi elde edilir. Daha sonra Adım 6 (Endeks Referans Değerlerinin Belirlenmesi)’ya geçilir. Ağırlıklandırma işleminde karar verici veri setinin yapısına, araştırmanın içerik ve niteliğine göre istediği ağırlıklandırma yöntemini (nitel ya da nicel yöntemler) kullanılabilir.  

Seviye 1 için uygulamalı excel çalışmasının 1. versiyonunu aşağıdaki linkten indirebilirsiniz:

Demo_BE_Modulu_Sifre;tevfikbulut

Exceldeki modülde Minimum Olması İstenen Değerlerin Tersine Çevrilmesi aşamasında kriter değerlerinin tersine sıralanarak ilgili değeri ilgili alternatifin altına yazdırmak için uygulamalı excel çalışmasının 1. versiyonunda aşağıdaki biraz komplex dizi formülü kullanılmıştı.

{=BÜYÜK($D$39:$H$39;BAĞ_DEĞ_SAY($D$39:$H$39)-TOPLA(EĞER(SIKLIK(EĞER($D$39:$H$39<>””;KAÇINCI(“~”&$D$39:$H$39;$D$39:$H$39&””;0));SÜTUN($D$39:$H$39)-SÜTUN($D$39)+1);1))+RANK(D39;$D$39:$H$39;-1))}

Ancak yukarıdaki formül biraz kompleks olduğu düşünüldüğünden hem uygulamayı kolaylaştırmak hem uygulamayı daha da anlaşılır hale getirmek için  formül aşağıdaki gibi kısaltılmıştır. Son durumda bu aşamada dizi formülü yerine aşağıda formül içinde iç içe geçmiş 2 adet fonksiyonu kullanmanız sizler için daha kolay, daha anlaşılır ve yeterli olacaktır.

=KÜÇÜK($D$39:$H$39;RANK(D39;$D$39:$H$39;0))

Şimdi sırasıyla formül içinde kullanılan fonksiyonları dışardan içe doğru açıklayalım.

=KÜÇÜK fonksiyonu, bir veri kümesinde n. en küçük değeri verir. Bir veri kümesinde belirli bir göreli konumu olan değerleri elde etmek için bu fonksiyon kullanılır.

=RANK fonksiyonu, bir veri kümesi içindeki bir değerin o veri kümesi içindeki sırasını verir. Bu fonksiyonun içinde yer alan 0 ise yapılacak sıralamanın tersine olacağı anlamına gelir. Eğer bu formülde 0 yerine 1 kullanılmış olsaydı ya da hiç bir şey kullanılmamış olsaydı (default olarak) normal sıralama değerlerini elde edecektik.

Özetle, Minimum Olması İstenen Değerlerin Tersine Çevrilmesi aşamasında =KÜÇÜK($D$39:$H$39;RANK(D39;$D$39:$H$39;0)) formülünde tersine sıralama yaparak veri kümesindeki seçili değerin sırasını belirliyoruz. Daha sonra belirlenen bu sıraya göre o sırada yer alan değeri getirmesini istiyoruz. Diğer bir deyişle, kriter yönü minimum olan değerlerin kendi içerisinde tersine sıralama yaparak yerini değiştirmiş oluyoruz. Böylece verilerde hiç bir bozulma olmadan Mutlak Eşleştirme yapmış oluyoruz.

Seviye 1 için uygulamalı excel çalışmasının 2. versiyonunu aşağıdaki linkten indirebilirsiniz:

Örnek Uygulama 2. Versiyon

Seviye 1 için uygulamalı excel çalışmasının 2. versiyonu için hazırladığım simülasyon çalışmasını aşağıdan indirebilirsiniz. Simülasyon uygulamasında tekrarlı basit tesadüfi örnekleme tekniği kullanarak sentetik alternatif kriter değerleri üretilmiştir. F9 tuşuna basılı tutarak alternatiflere yönelik yeni kriter değerleri üreterek farklılaşmaları görebilirsiniz.

Özetle, dinamik bir nitelik de taşıyan Endeks açık uçlu ve tek yönlü eşitsizlikleri (standart değeri olan ya da hesaplanan) içeren;

  1. Sıralama (Ranking)
  2. Seçim (Selection)
  3. Etkinlik ve verimlilik ölçümleri (measurements  of efficiency and productivity)
  4. Performans değenlendirme (performance evaluation)
  5. Risk tahmini (risk estimation)
  6. Optimal çözüm (optimal solution)

problemlerinin çözümünde sektör ayrımı gözetmeksizin rahatlıkla uygulanabilir. Kamu kurum ya da kuruluşları ile birlikte özel sektör oluşturacağı endekslerde ve analizlerde hem genel değerlendirmeye hem de alt seviyelerde değerlendirmelere olanak tanıdığı ve aynı zamanda dinamik bir yapıya sahip olduğu için Bulut Endeksi (BE)’ni kullanabilirler. Bu noktada, kurum ya da kuruluşların yapması gereken tek şey, değerlendirmeye konu kriterlerin ve gerekliyse bu kriterlerin ağırlıklarının belirlenmesidir.

Örnek uygulama açısından Bulut Performans Endeksi (BPE)’nin 1. ve 2. seviyelerinde yapılan bir Yüksek Lisans Tezine aşağıdaki linkten ulaşabilirsiniz.

Bulut Performans Endeksi (BPE) Üzerine Bir Vaka Çalışması: A Case Study on Bulut Performance Index (BPI)

Bulut Endeks (BE) Yöntemini Kullanan Bilinen Çalışmalar

  1. Kıran, Şafak. (2018). Sağlık kurumları finansal tablo analizlerinde kullanılabilecek anahtar finansal oranların belirlenmesi: Bir performans endeksi önerisi, Kahramanmaraş Sütçü İmam Üniversitesi, Sosyal Bilimler Enstitüsü, Sağlık Yönetimi Ana Bilim Dalı. Yüksek Lisans Tezi. YÖK Tez No: 524092.
  2. Güden, Merve.(2021). “Metal Eşya Endeksine Kayıtlı Şirketlerin Finansal Performanslarının Bulut Endeks Performans Yöntemiyle Değerlendirilmesi” Yüksek Lisans Tezi, Adnan Menderes Üniversitesi, İşletme Anabilim Dalı, Muhasebe ve Finansman Yüksek Lisans Programı. Yüksek lisans tezi 5 Ocak 2021 tarihinde kabul edilmiş olup, yakında YÖK Tez’de de yayınlanacaktır.

Faydalı olması ve farkındalık oluşturması dileğiyle.

Bilimle ve teknolojiyle kalınız.

Saygılarımla.

Not: Kaynak gösterilmeden alıntı yapılamaz veya kopyalanamaz.

Note: It can not be cited or copied without referencing.

Yararlanılan Kaynaklar