Function Proposals for Non-Oriented Data Used in Multi-Criteria Decision Making and Data Envelopment Analysis: An Example of Financial Performance

Öz

If Multi-Criteria Decision-Making (MCDM) methods are used in Decision-Making (DM) problems, it is crucial to determine the criteria’s direction. Some MCDM methods proposed in the literature only define steps for maximization or minimization criteria. Similarly, when measuring efficiency with Data Envelopment Analysis (DEA) in the DM process, inputs should be minimized, and outputs should be maximized. However, in real-world problems, maximizing or minimizing some data is not desired, but it is desired to be close to the determined ideal values. These are called non-oriented data. This paper proposes scale-transforming functions to describe non-oriented data as maximization or minimization. Thus, more consistent results will be obtained in the analyses using MCDM and DEA methods. In this study, nine financial ratios of 10 enterprises operating in the consumer durables sector for 2022 are scaled with the proposed functions. Using the raw and scaled data of these financial ratios, the financial performances of these enterprises were analyzed using TOPSIS and DEA methods. The use of scaled data in performance evaluation yielded more consistent results.

Anahtar Kelimeler

• Multi-Criteria Decision Making
• Data Envelopment Analysis
• Non-Oriented Criteria
• Financial Ratios

Çok Kriterli Karar Verme ve Veri Zarflama Analizinde Kullanılan Yönsüz Veriler İçin Fonksiyon Önerileri: Finansal Performans Örneği

Öz

Karar Verme (KV) problemlerinde Çok Kriterli Karar Verme (ÇKKV) yöntemlerinin kullanılması durumunda, kriterlerin yönlerinin doğru belirlenmesi büyük önem taşımaktadır. Literatürde önerilen bazı ÇKKV yöntemlerinin uygulama adımları yalnızca maksimizasyon veya minimizasyon hedeflerine yönelik kriterlerle uyumlu olacak şekilde tanımlanmıştır. Benzer şekilde KV sürecinde Veri Zarflama Analizi (VZA) ile etkinlik ölçümü yapılırken girdilerin minimize edilmesi, çıktıların ise maksimize edilmesi gerekmektedir. Ancak gerçek dünya problemlerinde bazı verilerin maksimize veya minimize edilmesi istenmez, belirlenen ideal değerlere yakın olması istenir. Bunlar yönsüz veriler olarak adlandırılır. Bu çalışma, yönsüz verileri maksimizasyon veya minimizasyon olarak tanımlamak için ölçek dönüştürme fonksiyonları önermektedir. Böylece ÇKKV ve VZA yöntemleri kullanılarak yapılacak analizlerde daha tutarlı sonuçlar elde edilecektir. Bu çalışmada, dayanıklı tüketim malları sektöründe faaliyet gösteren 10 işletmenin 2022 yılına ait 9 finansal oranı önerilen fonksiyonlar ile ölçeklendirilmiştir. Bu finansal oranların ham ve ölçeklendirilmiş verileri kullanılarak, bu işletmelerin finansal performansları TOPSIS ve VZA yöntemleri kullanılarak analiz edilmiştir. Performans değerlendirmesinde ölçeklendirilmiş verilerin kullanılmasıyla daha tutarlı sonuçlar elde edilmiştir.

Anahtar Kelimeler

• Çok Kriterli Karar Verme
• Veri Zarflama Analizi
• Yönsüz Kriter
• Finansal Oranlar

Kaynakça

1. Ağ, A.; Kuloğlu, E. (2020), “İşletmelerin Finansal Performansının Veri Zarflama Analizi Yöntemiyle Tespit Edilmesi: Borsa İstanbul’da İşlem Gören Enerji İşletmelerine Yönelik Bir Uygulama”, OPUS International Journal of Society Researches, C. 16, S. Özel Sayı: 3756-3772.
2. Akbulut, O. Y. (2020), “Finansal Performans ile Pay Senedi Getirisi Arasındaki İlişkinin Bütünleşik CRITIC ve MABAC ÇKKV Teknikleriyle Ölçülmesi: Borsa İstanbul Çimento Sektörü Firmaları Üzerine Ampirik Bir Uygulama”, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, S. 40: 471-488.
3. Akdoğan, N.; Tenker, N. (2007), Finansal Tablolar ve Mali Analiz Teknikleri, 12. Baskı, Gazi Kitabevi.
4. Akgüç, Ö. (2011), Mali Tablolar Analizi, 14. Baskı, Arayış Basım ve Yayıncılık.
5. Akgüç, Ö. (2013), Finansal Yönetim, 9. Baskı, Avcıol Basım Yayın.
6. Akyüz, K.; Yıldırım, İ.; Balaban, Y. (2015), “Kâğıt Sektöründe Yer Alan Firmaların Veri Zarflama Analizi Yardımıyla Etkinliklerinin Ölçümü”, Uluslararası İktisadi ve İdari İncelemeler Dergisi, S. 14: 23-37.
7. Allen, R.; Thanassoulis, E. (2004), “Improving Envelopment in Data Envelopment Analysis”, European Journal of Operational Research, Vol. 154: 363-379.
8. Aydın, N.; Başar, M.; Coşgun, M. (2015), Finansal Yönetim, 2. Baskı, Detay Yayıncılık.

9. Baležentis, A.; Baležentis, T.; Misiūnas, A. (2012), “An Integrated Assessment of Lithuanian Economic Sectors Based on Financial Ratios and Fuzzy MCDM Methods”, Technological and Economic Development of Economy, Vol. 18, No. 1: 34-53.
10. Banker, R.D.; Charnes, A.; Cooper, W.W. (1984), “Models for Estimating Technical and Scale Efficiencies in DEA”, Management Science, Vol. 30, No. 9: 1078-1092.
11. Banker, R.D.; Cooper, W.W.; Seiford, L.M.; Thrall, R.M.; Zhu, J. (2004), “Returns to Scale in Different DEA Models”, European Journal of Operational Research, Vol. 154: 345-362.
12. Bayazıtlı, E; Çelik, O. (2004), Muhasebe Eğitiminin Kalitesinin Artırılmasında İlk Adım: Yükseköğretim Kurumlarında Muhasebe Eğitiminin Etkinliğinin Analizi, İstanbul Üniversitesi Sürekli Yayınları, İstanbul.
13. Bektöre, S.; Çömlekçi, F.; Sözbilir, H. (2000), Tek Düzen Hesap Planına Göre Mali Tablolar Analizi, Birlik Ofset.
14. Brans, J.P.; Vincke, P. (1985) “A Preference Ranking Organization Method: The PROMETHEE Method for MCDM”, Management Science, Vol. 31, No: 6: 647-656.
15. Cables, E.; Lamata, M. T.; Verdegay, J. L. (2016), “RIM-Reference Ideal Method in Multicriteria Decision Making”, Information Sciences, Vol. 337-338: 1-10.
16. Cenger, H. (2011), “İmkb’de İşlem Gören Çimento Şirketlerinin Performanslarının Ölçülmesinde Veri Zarflama Analizi Yaklaşımı”, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, C. 25, S. 3-4: 31-44.
17. Ceylan, A.; Korkmaz, T. (2021), İşletmelerde Finansal Yönetim, 17. Baskı, Ekin Basım Yayım Dağıtım.
18. Charnes, A.; Cooper, W.W.; Rhodes, E. (1978), “Measuring the Efficiency of Decision Making Units”, European Journal of Operational Research, Vol. 2, No. 6: 429-444.
19. Cheng-Min Feng, Wang Rong-Tsu, (2001), “Considering The Financial Ratios On The Performance Evaluation Of Highway Bus Industry”, Transport Reviews, Vol. 21, No. 4: 449-467.
20. Cingi, S.; Tarım, A. (2000), “Türk Banka Sisteminde Performans Ölçümü DEA Malmquist TFP Endeksi Uygulaması”, http://www.tbb.org.tr/turkce/ arastirmalar/TBB.doc, (Erişim: 13.12.2023).
21. Çabuk, A.; Lazol, İ. (2014), Mali Tablolar Analizi, 14. Baskı, Ekin Basım Yayım Dağıtım.
22. Çanakçıoğlu, M. (2020), “Bist’te İşlem Gören Ana Metal Firmalarının Finansal Performansının Entegre Bir Çok Kriterli Karar Verme Modeli Kullanarak Değerlendirilmesi”, Journal of Management and Economics Research, C. 18, S. 2: 176-197.
23. Çelik, İ.; Ayan, S. (2017), “Veri Zarflama Analizi İle İmalat Sanayi Sektörünün Finansal Performans Etkinliğinin Ölçülmesi: Borsa İstanbul’da Bir Araştırma”, Süleyman Demirel Üniversitesi Vizyoner Dergisi, C. 8, S. 18: 56-74.
24. Çolak, Z. (2022), “BIST Teknoloji/Bilişim Endeksi Kapsamında Bulunan Firmaların Veri Zarflama Analizi ve Malmquist Toplam Faktör Verimlilik Endeksi ile Etkinlik Ölçümü”, Sosyal Bilimlerde Nicel Araştırmalar Dergisi, C. 2, S. 2: 128-151.
25. Delikdaş, E. (2002), “Türkiye Özel Sektör İmalat Sanayinde Etkinlik ve Toplam Faktör Verimliliği Analizi”, ODTÜ Geliştirme Dergisi, C: 29, S. 3-4: 247-284.
26. Ercan, M. K.; Ban, Ü. (2008), Değere Dayalı İşletme Finansı Finansal Yönetim, 4. Baskı, Gazi Kitabevi.
27. Genç, T. (2013), “PROMETHEE Yöntemi ve GAIA Düzlemi”, Afyon Kocatepe Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, C. XV, S. 1: 133-154.
28. Günay, B.; Kaya, İ. (2017), “Borsa İstanbul’da Yer Alan Aracı Kurumların Performansının Çok Kriterli Karar Verme Yöntemleri ile Değerlendirilmesi”, Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, C. 15, N. 2: 141-164.
29. Günay, F.; Karadeniz, E.; Dalak, S. (2018), “Türkiye’de En Yüksek Net Satış Gelirine Sahip 20 Şirketin Finansal Performanslarının Gri İlişkisel Analiz Yöntemiyle İncelenmesi”, Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, C. 11, S. 2: 51-73.
30. Gürkan, S.; Aldoury, N. (2021), “Topsis Çok Kriterli Karar Verme Yöntemi İle Karşılaştırmalı Finansal Performans Analizi: Teknoloji Şirketleri Üzerine Bir Araştırma”, Finans Ekonomi ve Sosyal Araştırmalar Dergisi, C. 6, S. 2: 225-239.
31. Halkos, G. E.; Tzeremes, N. G. (2012), “Analyzing the Greek Renewable Energy Sector: A Data Envelopment Analysis Approach”, Renewable and Sustainable Energy Reviews, Vol. 16, No. 5: 2884-2893.
32. https://malitablolar.com, (Erişim: 18.12.2023)
33. Hwang, C.L.,Yoon, K., (1981). Multiple Attributes Decision Making Methods and Applications. Springer, Berlin Heidelberg.
34. Jenkins, L., Anderson, M., (2003). “Stochastics and Statistics a Multivariate Statistical Approach to Reducing the Number of Variables in Data Envelopment Analysis”, European Journal of Operational Research, Vol. 147: 51-61.
35. Karaoğlan, S.; Şahin, S. (2018), “BIST XKMYA İşletmelerinin Finansal Performanslarının Çok Kriterli Karar Verme Yöntemleri ile Ölçümü ve Yöntemlerin Karşılaştırılması”, Ege Akademik Bakış, C. 18, S. 1: 63-80.
36. Koçyiğit, M. M. (2016), “Borsa İstanbul’da İşlem Gören Çimento İşletmelerinin Etkinliklerinin Veri Zarflama Analizi Kullanılarak Ölçülmesi”, Elektronik Sosyal Bilimler Dergisi, C. 15, S. 57: 429-439.
37. Koçyiğit, M. M. (2023), “Borsa İstanbul’da İşlem Gören Tekstil Şirketlerinin Finansal Etkinliklerinin Veri Zarflama Analizi ile Ölçümü”, International Journal of Social and Humanities Sciences Research, C. 10, S. 96: 1419-1425.
38. Konak, F.; Ayan Civelek, S. (2021), “Veri Zarflama Analizi ve Topsis Yöntemi ile Finansal Performans Değerlendirmesi: BİST Teknoloji Endeksi Uygulaması”, İnsan ve Toplum Bilimleri Araştırmaları Dergisi, C. 10, S. 4: 3110-3131.
39. Kula, V.; Özdemir, L. (2007), “Çimento Sektöründe Göreceli Etkinsizlik Alanlarının Veri Zarflama Analizi Yöntemi ile Tespiti”, Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, C. 9, S. 1: 55-70.
40. Mahmoodzadeh S., J. Shahrabi, M. Pariazar ve M. S. Zaeri (2007), “Project Selection by Using Fuzzy AHP and TOPSIS Technique”, World Academy of Science, Engineering and Technology, Vol. 30: 333-338.
41. Matthews, K.; Ismail, M. (2006), “Efficiency and Productivity Growth of Domestic and Foreign Commercial Banks in Malaysia”, Cardiff Economics Working Papers, Cardiff, U.K.
42. Monjezi, M., Dehghani, H., Singh, T.N., Sayadi, A.R., Gholinejad, A., (2010), Application of TOPSIS method for selecting the most appropriate blast design, Arabian Journal of Geosciences, Vol. 5: 95-101.
43. Okka, O. (2015), Finansal Yönetim Teori ve Çözümlü Problemler, 6. Baskı, Nobel Yayınları.
44. Olson, D.L., (2004), “Comparison of weights in TOPSIS models”, Mathematical and Computer Modelling, Vol. 40, No. 7-8: 721-727.
45. Oruç, K. O.; Demirbaş, K. (2020), “İşletmelerin Finansal Başarısızlığının AHP Temelli ELECTRE TRI ve FLOWSORT Yöntemleri ile Tahmin Edilmesi”, Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, C. 15, S. 3: 975-1000.
46. Oruç, K. O.; Güngör, İ.; Demiral, M. F. (2009), “Üniversitelerin Etkinlik Ölçümünde Bulanık Veri Zarflama Analizi Uygulaması”, Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, C: 22, 279-294.
47. Ömürbek, N.; Eren, H. (2016), “Promethee, Moora ve Copras Yöntemleri ile Oran Analizi Sonuçlarının Değerlendirilmesi: Bir Uygulama”, Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, C. 8, S. 16: 174-187.
48. Özçelik, H.; Kandemir, B. (2017), “Veri Zarflama Analizi ve İmalat Sektöründe Bir Uygulama”, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, C. 22, S. 1: 43-53.
49. Pala, F. (2023), “Bist Teknoloji ve Bilişim Sektöründe İşlem Gören Şirketlerin Finansal Performanslarının Çok Kriterli Karar Verme Yöntemleri İle Ölçülmesi ve Yöntemlerin Karşılaştırılması”, Finans Ekonomi ve Sosyal Araştırmalar Dergisi, C. 8, S. 1: 121-155.
50. Pala, O. (2022), “BIST Sigorta Endeksinde CRITIC ve MULTIMOOSRAL Tekniklerine Dayalı Finansal Analiz”, İzmir İktisat Dergisi, C. 37, S. 1: 218-235.
51. Paradi, J. C.; Schaffnit, C. (2004), “Commercial Branch Performance Evaluation and Results Communication in a Canadian Bank – a DEA Application”, European Journal of Operational Research, Vol. 156, No. 3: 719-735.
52. Sahore, A. (2017), “Decision-Making for Investments in Stocks Using Saw and Topsis Methods of Multi-Criteria Decision-Making”, NICE Journal of Business, Vol. 12, No. 2: 51-64.
53. Siew, L. W.; Fai, L. K.; Hoe, L. W. (2018), “An Optimal Control on the Efficiency of Technology Companies in Malaysia with Data Envelopment Analysis Model”, Journal of Telecommunication, Electronic and Computer Engineering, Vol. 10, No. 1: 107-111.
54. Siew, L. W.; Fai, L. K.; Hoe, L. W. (2021), “Performance Evaluation of Construction Companies in Malaysia with Entropy-VIKOR Model”, Engineering Journal, Vol. 25, No. 1: 297-305.
55. Siew, L. W.; Hoe, L. W.; Bakar, M. A.; Fun, L. P. (2022), “Data Driven Decision Analysis on the Performance of Electronic Companies with TOPSIS Model”, Journal of Advances in Information Technology, Vol. 13, No. 1: 61-66.
56. Soba, M.; Akcanlı, F. (2012), “Veri Zarflama Analizi Yöntemi İle İmkb’de Gıda, İçki Ve Tütün Alanında Faaliyet Gösteren İşletmelerin Etkinliklerinin Değerlendirilmesi”, Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, C. 14, S. 2: 259-274.
57. Soba, M.; Akcanlı, F.; Erem, I. (2012), “İMKB’ye Kayıtlı Seçilmiş İşletmelere Yönelik Etkinlik Ölçümü ve Performans Değerlendirmesi: Veri Zarflama Analizi ve Topsis Uygulaması”, Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, S. 27: 229-243.
58. Sönmez, F.; Baysal, G.; Baysal, I. A.; Bademcioğlu, M. (2023), “Bist100’de İşlem Gören Enerji Şirketlerinin Topsis Yöntemiyle Finansal Performanslarının Belirlenmesi”, PressAcademia Procedia, C. 16, S. 1: 149-155.
59. Şahin, İ. E.; Karacan, K. B. (2019), “BIST’te İşlem Gören İnşaat İşletmelerinin Çok Kriterli Karar Verme Yöntemleri ile Finansal Performans Ölçümü”, International Journal of Multidisciplinary Studies and Innovative Technologies, C. 3, S. 2: 162-172.
60. Tektüfekçi, F. (2010), “İmkb’ye Kayıtlı Halka Açık Teknoloji Şirketlerinde Finansal Etkinliğin Veri Zarflama Analizi (Vza) ile Değerlendirilmesi”, Organizasyon ve Yönetim Bilimleri Dergisi, C. 2, S. 2: 69-77.
61. Türko, R. M. (1999), Finansal Yönetim, Alfa Basım Yayım Dağıtım.
62. Vatansever, K.; Aydın, S. (2014), “Finansal Başarısızlığın Öngörülmesinde Çok Kriterli Karar Verme Analizine Dayalı Bir Araştırma”, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, S. 41: 163-176.
63. Yalama, A.; Sayım, M. (2016), “Veri Zarflama Analizi ile İmalat Sektörünün Performans Değerlendirmesi”, Dokuz Eylül Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, C. 23, S. 1: 89-107.
64. Yükçü, S.; Kaplanoğlu, E. (2015), “Çok Kriterli Karar Verme Yöntemleriyle Gözaltı Pazarı Şirketlerinin Finansal Performanslarının Belirlenmesi”, Muhasebe Bilim Dünyası Dergisi, C. 17, S. 3: 587-616.
65. Zhai, L. Y.; Li-Pheng, K.; Zhao-Wei, Z. (2009), “Design Concept Evaluation in Product Development Using Rough Sets and Gray Relation Analysis”, Expert System with Applications, Vol. 36, No. 3: 7072-7079.