Mobilya İşletmelerinde İnovasyon Faaliyetlerinin Veri Madenciliği Yöntemi İle Araştırılması

Yıl 2020, , 919 - 928, 15.12.2020

Ayşin Aşkın , Yıldız Çabuk , Selman Karayılmazlar

https://doi.org/10.24011/barofd.799813

Cited By: 1

Öz

Ülkelerin kalkınmasını ve rekabet edebilmesini sağlayan en önemli faktör inovasyondur. Türkiye mobilya sektörü sağladığı istihdam, üretim olanakları ve yarattığı katma değer açısından ülke ekonomisine büyük katkısı olan sektörlerden bir tanesidir. İhracat oranları ve dünya mobilya sektöründeki dış ticaret hacmine göre; Ar-Ge, inovasyon, tasarım, teknoloji ve markalaşma konuları sektör için büyük öneme sahiptir. Bu çalışma, Türkiye mobilya sektöründe yer alan işletmelerin inovasyon faaliyetlerini etkileyen faktörlerinin belirlenmesi amacıyla gerçekleştirilmiştir. Bu amaçla veri madenciliği yöntemlerinden biri olan karar ağaçları tekniği uygulanmıştır. Karar ağaçları modellemesi ve gerçekleştirilen senaryolar aracılığı ile inovasyon faaliyetleri üzerinde etkili olan faktörler analiz edilmiş ve değerlendirilmiştir. Çalışma sonucunda inovasyon için önemli olan marka tescili ve telif hakkı üzerinde işletme türü, AB desteği alma, KOSGEB desteği alma ve personel sayısı faktörlerinin önemli etkisinin olduğu anlaşılmıştır.

Anahtar Kelimeler

inovasyon, mobilya sektörü, veri madenciliği, karar ağaçları

Investigation of Innovation Activities in Furniture Enterprises Using Data Mining Method

Öz

The most important factor enabling countries to develop and compete is innovation. The Turkish furniture sector is one of the sectors making the great contribution to the national economy by means of the employment it provides, as well as its production opportunities and value added. According to the export rates and foreign trade volume in the world furniture sector; issues such as R&D, innovation, design, technology and branding are of prime importance to the sector. This study was conducted to determine the factors affecting innovation activities of enterprises in the Turkish furniture sector. For this reason, the study applied the decision tree technique, which is among data mining methods. The study analyzed the factors affecting innovation activities via the decision trees modeling and the scenarios carried out. As a result of the study, it was found that factors such as type of enterprise, EU support, KOSGEB support and number of staff, had an important effect on brand registration and copyright, which are important for innovation.

Anahtar Kelimeler

Innovation,, furniture industry,, data mining,, decision trees

Kaynakça

• 1. Alan, M. (2014). Karar ağaçlarıyla öğrenci verilerinin sınıflandırılması. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 28(4): 101-111.
• 2. Alan, H., Yeloğlu, O. (2013). Markalaşma ve yenilikçilik. Siirt Üniversitesi İktisadi ve İdari Bilimler Fakültesi İktisadi Yenilik Dergisi, 1(1): 13-25.
• 3. Albayrak, A. S., Yılmaz, Ş.T. (2009). Veri madenciliği: karar ağacı algoritmaları ve İMKB verileri üzerine bir uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1):31–52.
• 4. Aytekin, A. (2019). Mobilya endüstrisinde ihracat performansının belirleyicilerinin analizleri: bulanık AHP ve karar ağacı modellemesi,. Doktora tezi, Zonguldak Bülent Ecevit Üniversitesi Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Zonguldak, 172 s.
• 5. Bağ, G. H., Karabulut, E., Alpar, R. (2010). 2x2 tablolarda gözlemciler/gözlemler arası uyumun değerlendirilmesi. Hacettepe Diş Hekimliği Fakültesi Dergisi, 34(1-2): 46-52.
• 6. Bozkurt, K. (2014). Patent verileri ve teknolojik sınıflama sistemleri. Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 1(1): 65-80.
• 7. Coşkun, C., Baykal, A. (2011). Veri madenciliğinde sınıflandırma algoritmalarının bir örnek üzerinde karşılaştırılması. XIII. Akademik Bilişim Konferansı, 2-4 Şubat, İnönü Üniversitesi, Malatya, s. 51-58.
• 8. Çalış, A., Kayapınar, S., Çetinyokuş, T. (2014). Veri madenciliğinde karar ağacı algoritmaları ile bilgisayar ve internet güvenliği üzerine bir uygulama. Journal Of Industrial Engineering, 25(3-4): 2-19.
• 9. Demir, M., Geyik, O. (2014). Türkiye’de Ar-Ge inovasyon harcamalarının gelişim süreci ve ekonomik etkileri. Journal of Life Economics, e-ISSN: 2148-4139.
• 10. Dener, M., Dörterler, M., Orman, A. (2009). Açık kaynak kodlu veri madenciliği programları: WEKA’da örnek uygulama. XI. Akademik Bilişim Konferansı Bildirileri, 11-13 Şubat, Harran Üniversitesi, Şanlıurfa, s.787-796.
• 11. Doğan, B., Albeni, M. (2015). Türk imalat sanayisinde firma düzeyinde yeniliğin belirleyicileri üzerine bir araştırma. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 20(2): 287-298.
• 12. Emel, G. G., Taşkın, Ç. (2005). Veri madenciliğinde karar ağaçları ve bir satış analizi uygulaması. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(2): 221-239. 13. Fadzline, P., Nor, N. M. Mohamad, S. J. A. N. S. (2014). The mediating effect of design innovation between brand distinctiveness and brand performance: evidence from furniture social and behavioral sciences, 130: 333-339.
• 14. Fırat, E., Karaçor, Z., Altınok, S. (2016). Kalkınmada Ar-Ge ve inovasyonun önemi; Türkiye örneği. Internatıonal Conference On Eurasıan Economıes, Beykent University Publications, 115:830-838, ISBN: 978-975-6319-26-0.
• 15. Griliches, Z. (1990). Patent statistics as economic ındicators: a survey, Journal of Economic Literature, XXVIII, s. 1661-1707.
• 16. Gök, Ş. C. (2012). Hazır giyim işletmelerinde inovasyon yönetiminin işletme performansına etkilerinin belirlenmesine yönelik bir araştırma. Yüksek Lisans Tezi Selçuk Üniversitesi Sosyal Bilimler Enstitüsü, Giyim Endüstrisi ve Giyim Sanatları Eğitimi Anabilim Dalı, Konya, 332 s.
• 17. Güldal, H., Çakıcı, Y. (2017). Ders yönetim sistemi yazılımı kullanıcı etkileşimlerinin sınıflandırma algoritmaları ile analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(4): 1355-1367.
• 18. İslamoğlu, A. H. (2002). Bilimsel araştırma yöntemleri. Beta Basım Yayın Dağıtım, Baskı 1, İstanbul.
• 19. İşler, Y., Narin, A. (2012). WEKA yazılımında k-ortalama algoritması kullanılarak konjestif kalp yetmezliği hastalarının teşhisi. Teknik Bilimler Dergisi, 2(2): 21-29.
• 20. Kalıpsız, O., Cihan, P. (2015). Öğrenci proje anketlerini sınıflandırmada en iyi algoritmanın belirlenmesi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 8(1): 41-49. 21. Kamalian, A., Rashki, M., Arbabi, M. L. (2011). Barriers to innovation among Iranian smes. Asian Journal Of Business Management, 3(2): 79‐90.
• 22. Karayılmazlar, S., Çabuk, Y., Şener, G. (2015). İnovasyon kavramına bir bakış, Türkiye'de mobilya sanayinde inovasyon uygulamaları 2, Eskişehir Marangozlar Odası Yayınları, Eskişehir, s:7-11.
• 23. Kaya, E. (2018). Yenilik yönetimi mobilya sektörü uygulamaları.Yüksek Lisans Tezi, Fırat Üniversitesi Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Elazığ, 109 s.
• 24. Koyuncugil A. S., Özgülbaş, N. (2009). Veri madenciliği: tıp ve sağlık hizmetlerinde kullanımı ve uygulamaları, Bilişim Teknolojileri Dergisi, 2(2):21-32.
• 25. Mentor, P. (2009). İnovasyon yapmak. Harvard, Business School Publishing Corporation, Optimist Yayınları, ISBN: 978-605-5655-06-8, Ekim, İstanbul.
• 26. Özekes, S. (2003). Veri madenciliği modelleri ve uygulama alanları. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 3:(65-82).
• 27. Radicic, D., Pinto, J. (2019). Collaboration with external organizations and technological innovations: evidence from spanish manufacturing firms. Sustainability,11(9): 2479.
• 28. Sanrı, H. (2011). Yönetim fonksiyonları bağlamında inovasyon yönetimi: Türkiye mobilya endüstrisinde inovasyon yönetimi sürecinin incelenmesi ve bir model önerisi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Kamu Yönetimi Anabilim Dalı, Yüksek Lisans Tezi, Erzurum,139 s.
• 29. Savaş, S., Topaloğlu, N., Yılmaz, M. (2012). Veri madenciliği ve Türkiye’deki uygulama örnekleri. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 11(21), s:1-23.
• 30. Sastry, P. N., Krishnan, R., Ram, B. V. S. (2010). Classification and identification of Telugu handwritten characters extracted from palm leaves using decision tree approach. Journal Applied Engn. Sci, 5(3): 22-32.
• 31. Shefer, D., Frenkel, A. (2005). R&D, firm size and ınnovation: an empirical analysis. Technovation Jornal, pp. 25-35, ISSN:0166-4972.
• 32. Siedschlag, I., Zhang, X. Cahill, B. (2010). The effects of the internationalisation of firms on innovation and productivity. ESRI WP: 363. December, pp.1-56.
• 33. Song, Y. Y., Ying, L. U. (2015). Decision tree methods: applications for classification and prediction, Shanghai Archives Of Psychiatry, 27(2): 130.
• 34. Tuncel, O. K. (2011). İnovasyon sistemleri ve ekonomik gelişme: Bursa bölgesi imalat sanayinde inovasyon süreçleri üzerine bir alan araştırması. Doktora Tezi. Uludağ Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, Bursa, 409 s.
• 35. URL-1 (2018). Endüstri 4.0 ve inovasyon. https://proente.com/endustri-4-0-inovasyon/ 05.01.2018.
• 36. Uysal, İ., Bilen, M., Ulukuş, S. (2014). Twoing algoritması ile sınıflandırma, kalp hastalığı uygulaması, XVI Akademik Bilişim Konferansları, Mersin Üniversitesi, Şubat, s.443-452.
• 37. Yalçıner, Y. A., Oylek, I. (2015). İşletmelerde inovasyon ve Ar-Ge yeteneği analizi: Sakarya örneği, 3rd International Symposium On Innovative Technologies In Engineerıng And Science. 3-5 June, Universidad Politecnica De Valencia Valencia, Spain, pp.2022-2032.