Finansal Kaynakların Çıktıya Dönüşüm Etkinliği: BIST Maden Şirketlerinde Veri Zarflama Analizi

Abstract

Bu çalışma, Borsa İstanbul’da (BIST) işlem gören maden şirketlerinde finansal kaynakların operasyonel çıktılara dönüşüm etkinliğini Veri Zarflama Analizi (VZA) yöntemiyle incelemektedir. Sermaye yoğun yapısı, yüksek sabit maliyetleri ve emtia fiyatlarındaki dalgalanmalara duyarlılığı nedeniyle madencilik sektöründe finansal kaynakların etkin kullanımı sürdürülebilir performans ve rekabet gücü açısından kritik öneme sahiptir. Araştırma, 2014–2023 döneminde BIST’te faaliyet gösteren beş maden şirketini kapsamaktadır. Analizde Toplam Aktifler, Satışların Maliyeti ve Faaliyet Giderleri girdi değişkenleri; Satış Gelirleri ve Net Esas Faaliyet Kârı/Zararı çıktı değişkenleri olarak belirlenmiş; mevcut finansal kapasite altında gelir ve faaliyet kârlılığını maksimize etme düzeyini ölçmek amacıyla çıktı odaklı CCR ve BCC modelleri uygulanmıştır. Bulgular, firmalar ve dönemler arasında anlamlı etkinlik farklılıkları bulunduğunu göstermekte; bazı firmaların tüm dönem boyunca etkin sınır üzerinde yer aldığı, bazılarının ise özellikle belirli yıllarda çıktı yetersizliği ve ölçek uyumsuzluğu nedeniyle etkin sınırın altında kaldığı tespit edilmektedir. Sonuçlar, etkinsizliklerin temel olarak aşırı girdi kullanımından ziyade satış ve faaliyet kârlılığı üretme kapasitesindeki yetersizlikten kaynaklandığını ortaya koymaktadır. Çalışma, sermaye yoğun bir sektörde finansal yapı ile performans arasındaki ilişkiyi çok girdili ve çok çıktılı bir çerçevede analiz ederek literatüre ampirik katkı sunmakta ve yöneticiler ile yatırımcılar açısından benchmarking ve kaynak tahsisine yönelik stratejik çıkarımlar üretmektedir.

Keywords

• Finansal Kaynak Dönüşümü
• Çıktı Odaklı Etkinlik
• Veri Zarflama Analizi

Thanks

Yayın sürecinde katkısı olan hakemlere ve editör kuruluna teşekkür ederim.

Financial Input Transformation and Output Efficiency: A DEA Assessment of BIST Mining Firms

Abstract

This study examines the efficiency of transforming financial resources into operational outputs in mining firms listed on Borsa Istanbul (BIST) using Data Envelopment Analysis (DEA). Due to its capital-intensive structure, high fixed cost components, and sensitivity to commodity price fluctuations, the mining sector requires efficient utilization of financial resources to ensure sustainable performance and competitiveness. The analysis covers five BIST-listed mining companies over the period 2014–2023. Total Assets, Cost of Sales, and Operating Expenses are employed as input variables, while Sales Revenue and Net Operating Profit/Loss are defined as output variables. An output-oriented DEA framework incorporating both CCR and BCC models is applied to evaluate firms’ ability to maximize revenue and operating profitability under their existing financial capacity. The findings reveal significant efficiency differences across firms and years; while some companies consistently operate on the efficiency frontier, others fall below the frontier in certain periods due to output shortfalls and scale inefficiencies. The results indicate that inefficiencies are primarily associated with insufficient revenue and operating profit generation rather than excessive input usage. By analyzing the relationship between financial structure and performance within a multi-input, multi-output framework in a capital-intensive sector, the study provides empirical evidence from an emerging market context and offers strategic implications for benchmarking practices and resource allocation decisions for managers and investors.

Keywords

• Financial Resource Transformation
• Output-Oriented Efficiency
• Data Envelopment Analysis

Thanks

I would like to thank the reviewers and the editorial board for their contributions to the publication process.

References

1. Agüero-Tobar, M. A., González-Araya, M. C., & González-Ramírez, R. G. (2023). Assessment of maritime operations efficiency and its economic impact based on data envelopment analysis: A case study of Chilean ports. Research in Transportation Business and Management, 46, Article 100821. https://doi.org/10.1016/j.rtbm.2022.100821
2. Bangarwa, P., & Roy, S. (2023). Operational performance model for banks: a dynamic data envelopment approach. Benchmarking: An International Journal, 30(10), 3817–3836. https://doi.org/10.1108/BIJ-08-2021-0498
3. Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 30(9), 1078–1092. https://doi.org/10.1287/mnsc.30.9.1078
4. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108
5. Büyükipekçi, S., & Duman, A. (2025). Determining digital maturity levels within the framework of Industry 4.0 in the automotive sector: Konya example. Sosyoekonomi, 33(64), 261–285. https://doi.org/10.17233/sosyoekonomi.2025.02.11
6. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision-making units. European Journal of Operational Research, 2(6), 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
7. Cooper, W. W., Seiford, L. M., & Tone, K. (2007). Data envelopment analysis: a comprehensive text with models, applications, references and DEA-solver software (Vol. 2, p. 489). New York: Springer.
8. Çelik, İ., & Ayan, S. (2017). Veri zarflama analizi ile imalat sanayi sektörünün finansal performans etkinliğinin ölçülmesi: Borsa İstanbul'da bir araştırma. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 8(18), 56–74. https://doi.org/10.21076/vizyoner.285998

9. de Oliveira, M. S., Steffen, V., Krukoski, F. A., Mezoni, M. F., & Trojan, F. (2024). An integrated data envelopment analysis framework for operational efficiency assessment in Brazilian international airports. Decision Analytics Journal, 12, 100493. https://doi.org/10.1016/j.dajour.2024.100493
10. Dizkırıcı, A. S. (2014). Borsa İstanbul gıda, içecek endeksine kote işletmelerin finansal performanslarının veri zarflama analizi ile ölçümü ve Malmquist endeksine göre karşılaştırılması. Muhasebe ve Finansman Dergisi, (63), 151–170. https://doi.org/10.25095/mufad.396482
11. Emrouznejad, A., & Yang, G.-L. (2018). A survey and analysis of the first 40 years of scholarly literature in DEA: 1978–2016. Socio-Economic Planning Sciences, 61, 4–8. https://doi.org/10.1016/j.seps.2017.01.008
12. Fotova Čiković, K., Cvetkoska, V., & Mitreva, M. (2024). Investigating the efficiency of insurance companies in a developing country: A data envelopment analysis perspective. Economies, 12(6), 128. https://doi.org/10.3390/economies12060128
13. Hanoum, S., Shubbak, M. H., Ardiantono, D. S., & Korpysa, J. (2026). Data envelopment analysis applications for energy efficiency in power generation: A comprehensive review with bibliometric and content analysis. Energy, Climate and Management, 26, 101590. https://doi.org/10.1016/j.ecmx.2026.101590
14. Hosseinzadeh, A., Smyth, R., Valadkhani, A., & Le, V. (2016). Analyzing the efficiency performance of major Australian mining companies using bootstrap data envelopment analysis. Economic Modelling, 57, 26–35. https://doi.org/10.1016/j.econmod.2016.04.008
15. Hu, X. (2025). Data envelopment analysis for performance measurement in the construction field: A systematic review. Engineering, Construction and Architectural Management, 32(12), 8145–8170. https://doi.org/10.1108/ECAM-05-2023-0515
16. Kim, P., Lee, S. H., & Moon, J. (2024). Evaluating the operational efficiency of NBA teams on franchise value: An assessment of data envelopment analysis. PLOS ONE, 19(3), e0297797. https://doi.org/10.1371/journal.pone.0297797
17. Kumar, S., & Gulati, R. (2008). An examination of technical, pure technical, and scale efficiencies in Indian public sector banks using data envelopment analysis. Eurasian Journal of Business and Economics, 1(2), 33–69.
18. Lee, P. F., Lam, W. S., & Lam, W. H. (2023). Performance evaluation of the efficiency of logistics companies with data envelopment analysis model. Mathematics, 11(3), 718. https://doi.org/10.3390/math11030718
19. Liu, J., Liu, H. F., Yao, X.-L., & Liu, Y. (2016). Evaluating the sustainability impact of consolidation policy in China’s coal mining industry: Evidence from a DEA approach. Journal of Cleaner Production, 112, 2969–2976. https://doi.org/10.1016/j.jclepro.2015.08.011
20. Liu, X., Guo, P., & Guo, S. (2019). Assessing the eco-efficiency of a circular economy system in China’s coal mining areas: Emergy and data envelopment analysis. Journal of Cleaner Production, 206, 1101–1109. https://doi.org/10.1016/j.jclepro.2018.09.218
21. Medeiros, G. O. S., Marangon-Lima, L. M., de Queiroz, A. R., Marangon-Lima, J. W., dos Santos, L. C. B., Barbosa, M. A., & Alvares, J. E. (2022). Efficiency analysis for performance evaluation of electric distribution companies. International Journal of Electrical Power & Energy Systems, 134, 107430. https://doi.org/10.1016/j.ijepes.2021.107430
22. Nguyen, P. A., & Lam, H. P. A. (2025). Evaluating the efficiency of insurance companies in Vietnam using data envelopment analysis and truncated regression. Cogent Economics & Finance, 13(1), 2494134. https://doi.org/10.1080/23322039.2025.2494134
23. Orçun, Ç., Çimen, A., & Şahin, A. (2014). Şirket etkinlikleri: İMKB 100 imalat sanayi şirketleri uygulaması. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (39), 21–34.
24. Öztürk, E. (2016). Maliyet performansının ölçümü için göreli etkinlik analizi: BIST çimento sektöründe veri zarflama analizi uygulaması. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(1), 1–16. https://doi.org/10.18074/cnuiibf.249
25. Sueyoshi, T., & Goto, M. (2011). Measurement of returns to scale and damages to scale for DEA-based operational and environmental assessment: How to manage desirable (good) and undesirable (bad) outputs? European Journal of Operational Research, 211(1), 76–89. https://doi.org/10.1016/j.ejor.2010.11.013
26. Wang, Z., Liu, Q., & Zhang, B. (2022). What kinds of building energy-saving retrofit projects should be preferred? Efficiency evaluation with three-stage data envelopment analysis (DEA). Renewable and Sustainable Energy Reviews, 161, 112392. https://doi.org/10.1016/j.rser.2022.112392
27. Yang, J., & Chen, B. (2021). Energy efficiency evaluation of wastewater treatment plants (WWTPs) based on data envelopment analysis. Applied Energy, 289, 116680. https://doi.org/10.1016/j.apenergy.2021.116680
28. Yılmaz, H., & Yakut, E. (2023). BIST Gıda, içecek ve tütün sektörü işletmelerinin finansal etkinliklerinin VZA ve Bulanık VZA ile incelenmesi. Trends in Business and Economics, 37(1), 35-45.
29. Zhu, X., Chen, Y., & Feng, C. (2018). Green total factor productivity of China’s mining and quarrying industry: A global data envelopment analysis. Resources Policy, 57, 1–9. https://doi.org/10.1016/j.resourpol.2017.12.009