Veri madenciliğinin Türk işletmelerin finansal tablolarına uygulanması ve uygulama örneği
Implementation of data mining on Turkish company's financial statements and a case study
- Tez No: 327850
- Danışmanlar: PROF. DR. MEHMET ÖZKAN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Finansal Tablo Analizi, Veri Madenciliği, Kümeleme Analiz, Finansal analiz, Finansal tablolar, Kümeleme analizi, İşletmeler, Financial Statement Analysis, Data Mining, Clustering Analysis, Financial analysis, Financial statements, Cluster analysis, Businesses
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Muhasebe Finansman Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
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 yöntemi 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.
Özet (Çeviri)
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.
Benzer Tezler
- Sık alt çizge madenciliği algoritmalarının kullanım alanları ve uygulanabilirliği
Application areas and usage of frequent subgraph mining algorithms
MEHMET SERDAR GÜR
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriAydın Adnan Menderes ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. MUSTAFA ÇETİN
- Müşteri ilişkileri yönetimi için veri madenciliği kullanılması ve sigortacılık sektörü üzerine bir uygulama
Using data mining for customer relationship management and an application on the insurance sector
BAHAR EROL
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. BUKET DOĞAN
DOÇ. DR. ALİ BULDU
- Hava yolları uçuş ekibi ihtiyacının makine öğrenmesi ve zaman serisi modelleri ile tahmini
Forecasting airline flight crew needs using machine learning and time series models
KAAN TOPRAK
Doktora
Türkçe
2025
İstatistikKaradeniz Teknik Üniversitesiİstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR ŞEVİK
- Four classification methods Naïve Bayesian, support vector machine, K-nearest neighbors and random forest are tested for credit card fraud detection
Kredi kartı dolandırıcılık tespiti için dört sınıflandırma yöntemi test edilmiştir: (Naive Bayesian, destek vektör makinesi, K-en yakın komşu ve rastgele orman)
LAYTH RAFEA HAZIM
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
Assist. Prof. Dr. OĞUZ ATA
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA