Ceddimin neşet eyledikleri güzel diyarlara: Gence, Tiflis, Borçalı…
Geçtiğimiz on yıl, işletmelerin karar alma süreçlerinde büyük miktarlarda verinin kullanımında bir devrime tanık oldu. Forbes’un bir raporuna göre, 2018 yılında her gün 2,5 kentilyon bayt veri oluşturuldu. Çoğu zaman, veri hacmi insanların kaldıramayacağı kadar büyüktür. Veri depolama ve işleme teknolojisindeki ilerlemeler sayesinde iş liderleri, müşterilerinin davranışlarındaki insanlar tarafından doğrudan tanımlanamayan gizli kalıpları ortaya çıkarmak için büyük verinin kullanımından yararlanmaya başladılar. Bankacılık sektöründe büyük verilerin çoğalması, çoğu bankacılık faaliyetinde veri analizine dayandığından dolayı özellikle ilgi çekicidir. Çin’deki bir yarı deneyden yola çıkarak, bankalara büyük miktarda firma düzeyinde operasyonel bilgi sağlamanın etkileri hakkında bazı nedensel kanıtlar sunuluyor.
1. Tarihsel Geçmiş
2014 yılından itibaren Çin’deki yerel devlet kurumları idari verileri ticari bankalarla paylaşmaya başladılar. Uygulama, bankaların bilgi asimetrisini azaltmasına ve daha iyi borç alanlar belirlemesine yardımcı olmayı hedefliyor. Mahremiyet endişeleri nedeniyle, birçok yerel devlet kurumu, bankalar ve hükümetler arasında köprü oluşturan üçüncü taraf finansal hizmet şirketleriyle sözleşme yapar. Şirketler, ticari bankaların verileri depolamasına ve düzenlemesine yardımcı olur ve veri güvenliği endişeleri için yasal sorumluluk talep eder. Şirket devreye girmeden önce ve sonra bankaların işletme faaliyetlerinin nasıl değiştiğini karşılaştırmak için en eski ve en büyük üçüncü taraf veri sağlayıcısından (bundan sonra sağlayıcı olarak anılacaktır) alınan bilgileri kullanılıyor. Sağlayıcının işi 2014 yılında başlıyor ve örnekleme dönemi boyunca %90’ın üzerinde pazar payına sahip 44 ticari bankaya hizmet veriyor.
Bankalarla paylaşılan veriler, firmaların ayrıntılı bilanço bilgilerini, vergisel geçmişlerini, mülkiyet yapılarını, firmaların ve hakim hissedarlarının kredi geçmişleri ile yasal faaliyet geçmişlerini içermektedir. Veriler, bankaların deneyden önce elde edemediği değişkenleri içermemektedir. Deneyin ana etkisi, sağlanan bilgilerin boyutudur. Ortalama olarak her banka 250 binden fazla firmanın bilgileri yüzlerce değişken ile verilerin ilk temini için paylaşılmakta ve bu bilgiler sürekli güncellenmektedir.
2. Büyük Veri ve Tarama Yeteneği
Doğal olarak, ilk bakılması gereken şey, banka tarama yeteneğinin, kapsamlı miktarda firma bilgisi aldıktan sonra nasıl değiştiğidir. Deneyin etkileri, sağlayıcının verileri paylaştığı ve paylaşmadığı ve aksi takdirde muhtemelen aynı olan bankaların karşılaştırılmasıyla elde edilir. Sonuçlar, bankalara büyük miktarda veri sağlamanın, bankanın tarama kabiliyetini önemli ölçüde artırdığını göstermektedir. Spesifik olarak, tedavi grubu (verileri paylaşan bankalar) için, lojistik regresyonlu banka önceden (ex-ante) tescilli kredi puanı kullanılarak borçluların temerrüdünü tahmin etmekten elde edilen sözde R-kare ile ölçülen açıklama gücü, deney sonrası verileri kullanıldığında, önceki deney verilerine kıyasla %49.92 daha fazladır. Tersine, kontrol grubu için (verileri paylaşmayanlar) deneyden önce ve sonra R-kare farkı sadece -%0,83’tür. Yarı deney, aynı zamanda, işlem gören bankaların kredi özelliklerini de büyük ölçüde etkiler. Spesifik olarak, deney, ortalama kredi hacminde %4’lük bir artışa, faiz oranlarında 0,47 puanlık bir artışa, kredi vadesinde 2,97 aylık bir artışa, temerrüt oranında ise 0,25 puanlık bir azalmaya neden olur. Değişiklikler ekonomik olarak çok anlamlıdır ve tümü istatistiksel olarak %1 düzeyinde anlamlıdır.
Deneyin, borç verenler üzerinde çok önemli olumlu etkileri olduğu görülüyor. Ancak farklı bankaları aynı derecede etkiliyor mu? Bu soru, veriye karşı teknoloji hakkında nasıl düşünmemiz gerektiğine dayanmaktadır. Büyük veri, borç verenlerin sistematik istatistiksel çıkarımlar yoluyla daha yüksek boyutlu bilgiler elde etmelerini sağlar. Ancak, istatistiksel çıkarım araçlarının mevcudiyeti, farklı teknoloji seviyelerine sahip bankalar için büyük ölçüde farklıdır. Büyük verinin yalnızca kullanabilenler için etkili olması beklendiği için, verilerin verimli bir şekilde kullanılması, deney nedeniyle daha fazla miktarda verinin kullanılabilirliğinin, yalnızca yüksek bilgi teknolojisi (BT; information technology-IT) kapasitesine sahip bankalar için de önemli etkilere sahip olması beklenmektedir. Bu varsayımla tutarlı olarak, deneyin etkileri neredeyse tamamen, deneyden beş yıl önceki toplam harcamalarla ölçeklendirilen ortalama BT harcaması olarak tanımlanan yüksek BT yoğunluğuna sahip bankalar tarafından yönlendirilmektedir. Spesifik olarak, işlem gören ve yüksek BT yoğunluğuna sahip bankalar için, bankanın özel kredi puanı kullanılarak borçluların temerrüdünü tahmin etmekten elde edilen R-karesi %77,79 daha fazladır. Düşük BT yoğunluğuna sahip olanlar için sözde R-kare neredeyse hiç değişmez. Sonuçlar kredi özellikleri için benzerdir. BT yoğunluğu yüksek olan bankalar için ortalama kredi hacmi %8 artarken; faiz oranları 0,51 puan artar; kredi vadeleri 4,09 ay uzar ve temerrüt oranı %0,47 oranında azalır. Aynı zamanda düşük BT yoğunluğuna sahip bankaların başlattığı krediler için kredi vasıflarında önemli bir değişiklik olmamaktadır.
3. Bulgular Hakkında Nasıl Düşünülmelidir?
Bulgular birkaç boyutta beklenir, ancak diğerlerinde daha az beklenir. Örneğin, daha fazla veri ile bankaların ortalama olarak daha iyi bir tarama yeteneğine sahip olması beklenir. Buna karşılık, fonları daha düşük temerrüt oranına sahip olanlara yönlendireceklerdi. Gerekçe ise çok açıktır: Bir şok, bankaların inceleme kabiliyetini artırmadan önce, bankalar daha yüksek riske sahip bazı borçlular ile daha düşük risklere sahip olanlar arasında ayrım yapamıyor. Daha sonra, düşük riskli borç alanlar için çok yüksek, ancak yüksek riskli borç alanlar için çok düşük olan bazı faiz oranları uygularlar. Daha iyi bir tarama yeteneği ile etkilenen bankalar artık bu iyi borçluların kim olduğunu bilir ve daha sonra daha kaliteli borç alanlara daha fazla fon yönlendirir.
Ancak, daha ilginç bir sonuç, faiz oranlarındaki eş zamanlı artış ve temerrüt oranındaki düşüştür. Yani, daha düşük bir fonlama maliyetine rağmen, borç verenler, deneyden sonra krediler için ortalama olarak daha yüksek bir fiyat talep etmektedir. Bu, tam rekabetçi bir kredi piyasası ile tutarsızdır. Böyle bir piyasada, borç verenlerin kazançlarını bile kırması beklenir. Ortalama olarak temerrüt oranını azaltan büyük verinin, ortalama faiz oranını da düşürmesi gerekir. Bunun yerine, büyük verinin ticari borç verme piyasasının rekabet gücünü azalttığı öne sürülüyor gibi görünmektedir. Yani, büyük veri, tarama yeteneğini büyük ölçüde geliştirir. Bununla birlikte, bunu yalnızca bazı bankalar için yapar. Diğerleri için, büyük veriler işe yaramaz, çünkü bu bankalar onu verimli bir şekilde kullanamazlar, bu nedenle bu bankalar, büyük miktarda verinin mevcudiyetine rağmen etkilenmezler. Doğrudan bir sonuç ise, etkilenmeyen bankalardan iyi borç alanların etkilenen bankalara yönelmesidir. Bunun nedeni, ikincisinin, bu borçluların daha düşük bir temerrüt oranına sahip olduğunu ve daha düşük bir faiz oranı sunacağını bilmesidir. Tam rekabetin olmadığı bir piyasada teknoloji kapasitesi yüksek bankalara fon talebi artar. Bu bankalar daha sonra daha yüksek bir piyasa gücünün tadını çıkarırken, diğerlerinden kaymaksız iyi borç alanlar olur. Bulgular da bu hipotezi desteklemektedir. Deneyden sonra, algılanan temerrüt riski daha düşük olan daha fazla borçlu mevcut ilişkilerini kesmeye ve daha yüksek BT kapasitesine sahip bankalardan borç almaya başlar.
Piyasa gücünü artıran talepteki artışın, deneyden sonra algılanan kredi değerliliği değişmeyenler için bazı dışsallıkları da vardır. Spesifik olarak, sonuçlar, algılanan kredi değerliliği kabaca değişmeden deneyden önce ve sonra borçlananların ortalama faiz oranlarının da daha yüksek faiz oranları ödemeye başladığını gösteriyor. Bu borçlular neden daha yüksek bir faiz maliyetiyle karşı karşıya kaldıklarında alternatif finansman kaynakları bulmuyorlar? Bunun bir nedeni kazananın laneti sorunudur (winner’s curse problem). Özellikle, veri sağlama programı ve yüksek teknolojik kapasiteleri sayesinde, gerçekten etkilenen bankalar artık kredi alanlara göre bilgi avantajına sahipler. Diğer bazı bankalar etkilenen bankalardan daha yüksek teklif verebilirse, bunun nedeni muhtemelen etkilenen bankaların kredi puanlama modelleri tarafından daha yüksek bir temerrüt oranı ile bilgilendirilmeleridir. Bu nedenle, bilgisiz bankalar, ancak verileri etkilenen bankalar kadar verimli kullanamadıkları ve çok düşük bir faiz oranı ilan ettikleri zaman ihaleyi kazanabilecekleri anlamında lanetlenmiştir.
4. Bankacılık Piyasası Yoğunlaşması Hakkında
Sonuçlar, büyük verinin bankalar üzerinde farklı etkilere sahip olduğunu ve daha yüksek teknolojik kapasiteye sahip olanlar, yani verileri daha iyi işleyebilenler üzerinde daha büyük olumlu etkilere sahip olduğunu göstermektedir. Bir diğer açı ise, büyük verinin bankacılık piyasası yoğunlaşmasını nasıl etkilemesinin beklendiğidir. Genel olarak, büyük bankaların teknolojilere daha fazla yatırım yapanlar olduğuna inanmak daha doğaldır. Örneğin, Financial Brand’in bir raporu, 50 milyar doların üzerinde varlığa sahip bankaların %50’sinin bir veri analitiği stratejisini benimsediğini, bu oranın 1 milyar dolardan az varlığa sahip bankaların yalnızca %9’unu belgelediğini belgeliyor. Bu nedenle, veri sağlama programının asimetrik olarak büyük bankalara daha fazla fayda sağlayarak piyasa yoğunlaşmasını artıracağı yönünde bir varsayım vardır. Nitekim veriler, en az bir bankanın veri sağladığı iller (mahaller) için kredi Herfindahl-Hirschman Endeksi’nin (Herfindahl-Hirschman Index; HHI) deneyden iki yıl sonra %6,43 arttığını göstermektedir. Buna karşılık hiçbir bankanın veri sağlamadığı illerde (mahallerde) kredi HHI %2,86 gibi hafif bir düşüş gösteriyor. Bu bulgu, büyük verinin mevcudiyetinin bankacılık piyasasında yoğunlaşmayı artırma eğiliminde olduğunu doğrulamaktadır.
* Bu derlemede yer alan görüşler Makale Yazarı California Üniversitesi, Berkeley Haas İşletme Okulu, Doktora Öğrencisi Xiao Yin’e ait olup derleyenin çalıştığı kurumu bağlamaz, derleyenin çalıştığı kurum veya göreviyle ilişki kurulmak suretiyle kullanılamaz. Derlemedeki tüm hatalar, kusurlar, noksanlıklar ve eksiklikler derleyene aittir. Derlenen çalışma için bkz. Xiao Yin (University of California, Berkeley-Haas School of Business), The Effects of Big Data on Commercial Banks, SSRN, 24 October 2022, < https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4254410 > erişim tarihi 05 Aralık 2022; Xiao Yin, The Effects of Big Data on Commercial Banks, The FinReg Blog (sponsored by the Duke Financial Economics Center), December 5, 2022, < https://sites.duke.edu/thefinregblog/2022/12/05/the-effects-of-big-data-on-commercial-banks/ > erişim tarihi 05 Aralık 2022
Yavuz Akbulak
1966 yılında, Gence-Borçalı yöresinden göç etmiş bir ailenin çocuğu olarak Ardahan/Çıldır’da doğdu. 1984 yılında yapılan sınavda Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Maliye bölümünü kazandı. 1985 yılında Marmara Üniversitesi İktisadi ve İdari Bilimler Fakültesi Maliye bölümüne yatay geçiş yaptı ve 1988’de Marmara Üniversitesi İktisadi ve İdari Bilimler Fakültesi Maliye bölümünü birincilikle, Fakülteyi ise 11’inci olarak bitirdi.
1997 yılında Amerika Birleşik Devletleri’nin Denver şehrinde yer alan ‘Spring International Language Center’da; 65’inci dönem müdavimi olarak 2008-2009 döneminde Milli Güvenlik Akademisi’nde (MGA) eğitim gördü ve MGA’dan dereceyle mezun oldu. MGA eğitimi esnasında ‘Sınır Aşan Sular Meselesi’, ‘Petrol Sorunu’ gibi önemli başlıklarda bilimsel çalışmalar yaptı.
• Türkiye’de Yatırımların ve İstihdamın Durumu ve Mevcut Ortamın İyileştirilmesine İlişkin Öneriler (Maliye Hesap Uzmanları Vakfı Araştırma Yarışması İkincilik Ödülü);
• Türk Sosyal Güvenlik Sisteminde Yaşanan Sorunlar ve Alınması Gereken Önlemler (Maliye Hesap Uzmanları Vakfı Araştırma Yarışması İkincilik Ödülü, Sevinç Akbulak ile birlikte);
• Kayıp Yıllar: Türkiye’de 1980’li Yıllardan Bu Yana Kamu Borçlanma Politikaları ve Bankacılık Sektörüne Etkileri (Bankalar Yeminli Murakıpları Vakfı Eser Yarışması, Övgüye Değer Ödülü, Emre Kavaklı ve Ayça Tokmak ile birlikte),
• Türkiye’de Sermaye Piyasası Araçları ve Halka Açık Anonim Şirketler (Sevinç Akbulak ile birlikte) ve
• Türkiye’de Reel ve Mali Sektör: Genel Durum, Sorunlar ve Öneriler (Sevinç Akbulak ile birlikte)
başlıklı kitapları yayımlanmıştır.
• Anonim Şirketlerde Kâr Dağıtımı Esasları ve Yedek Akçeler (Bilgi Toplumunda Hukuk, Ünal TEKİNALP’e Armağan, Cilt I; 2003),
• Anonim Şirketlerin Halka Açılması (Muğla Üniversitesi İktisadi ve İdari Bilimler Fakültesi Tartışma Tebliğleri Serisi II; 2004)
ile
• Prof. Dr. Saim ÜSTÜNDAĞ’a Vefa Andacı (2020), Cilt II;
• Prof. Dr. Saim Üstündağ’a İthafen İlmi Makaleler (2021);
• Prof. Dr. Saim Üstündağ’a İthafen İlmi Makaleler II (2021);
• Sosyal Bilimlerde Güncel Gelişmeler (2021);
• Ticari İşletme Hukuku Fasikülü (2022);
• Ticari Mevzuat Notları (2022);
• Bilimsel Araştırmalar (2022);
• Hukuki İncelemeler (2023);
• Prof. Dr. Saim Üstündağ Adına Seçme Yazılar (2024);
• Hukuka Giriş (2024);
• İşletme, Pazarlama ve Hukuk Yazıları (2024),
• İnterdisipliner Çalışmalar (e-Kitap, 2025)
başlıklı kitapların bazı bölümlerinin de yazarıdır.
1992 yılından beri Türkiye’de yayımlanan otuza yakın Dergi, Gazete ve Blog’da 3 bini aşkın Telif Makale ve Telif Yazı ile tamamı İngilizceden olmak üzere Türkçe Derleme ve Türkçe Çevirisi yayımlanmıştır.
1988 yılında intisap ettiği Sermaye Piyasası Kurulu’nda (SPK) uzman yardımcısı, uzman (yeterlik sınavı üçüncüsü), başuzman, daire başkanı ve başkanlık danışmanı; Özelleştirme İdaresi Başkanlığı GSM 1800 Lisansları Değerleme Komisyonunda üye olarak görev yapmış, ayrıca Vergi Konseyi’nin bazı alt çalışma gruplarında (Menkul Sermaye İratları ve Değer Artış Kazançları; Kayıt Dışı Ekonomi; Özkaynakların Güçlendirilmesi) yer almış olup; halen başuzman unvanıyla SPK’da çalışmaktadır.
Hayatı dosdoğru yaşamak ve çalışkanlık vazgeçilmez ilkeleridir. Ülkesi ‘Türkiye Cumhuriyeti’ her şeyin üstündedir.