BİG DATA, MUHASEBE VE MALİ MÜŞAVİRLİK MESLEĞİ. Prof.Dr.Yıldız ÖZERHAN Doç.Dr.Ümmühan ASLAN

Transkript

1 BİG DATA, MUHASEBE VE MALİ MÜŞAVİRLİK MESLEĞİ Prof.Dr.Yıldız ÖZERHAN Doç.Dr.Ümmühan ASLAN

2 Big Data Nedir? SUNUM PLANI Fırsatları? Tehditleri? Big Data ve Muhasebe Big Data ve Muhasebe Mesleği Big Data ve Muhasebe Eğitimi Sonuç ve Öneriler

3 BIG DATA

4 DATA NEDİR? Türkçede, data kelimesinin karşılığı veri kelimesi ile ifade edilmektedir. Ancak İngilizce Information ve Knowledge kelimelerinin Türkçedeki karşılığı ise bilgi kelimesi ile ifade edilmektedir.

5 DATA NEDİR? Türkçe karşılığı Veri olarak ifade edilen Data kelimesi; herhangi bir işlemden geçmemiş(edit edilmemiş, özetlenmemiş veya rafine edilmemiş) ve kullanıcısını doğrudan etkilemeyen gerçeklerdir.(hakikatler, unsurlar, olgular vb.)

6 DATA NEDİR? Datanın unsurları, sayı, harf, şekil, ses veya resim olabilir.(haftalık çalışma saatleri, bir sınıftaki öğrencilerin matematik sınav sonuçları, veridir)

7 BİLGİ NEDİR? Bir değeri ve anlamı olan organize edilmiş veri olarak ifade edilmektedir.(matematik sınavı sonunda sınıfın ortalama başarı durumu vb.) Kullanıcısını etkileyen olarak tanımlanmaktadır. Kullanıcısına karar verme, belirsizlikleri azaltma, karmaşık durumların çözümlenmesine olanak veren şeklinde ifade edilmiştir

8 DATA VE BİLGİ DATA(VERİ): 2018 YILI SATIŞLARI TL BİLGİ: Son beş yıllık satış ortalaması

9 BIG DATA NEDİR? ÇOK HACİMLİ ÇOK ÇEŞİTLİ ÇOK HIZLI VERİ

10 HACİM

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26 ÇEŞİT

27 DATA ÇEŞİTLERİ

28 ÇEŞİTLİ DATA? SAYISAL VE SAYISAL OLMAYAN(görsel ve metinsel) STANDART VE STANDART OLMAYAN YAPILANDIRILMIŞ VE YAPILANDIRILMAMIŞ TEKDÜZEN OLMAYAN BİRBİRİ İLE BENZEŞMEYEN HERŞEY!!!!!

29 HIZ

30 HIZ

31 HIZLI DATA? SANİYEDE GÖNDERİLEN EMAİL SAYISI: 2,9 MİLYON HANE BAŞINA TÜKETİLEN VERİ SAYISI: 375 MEGABAYT GOOGLE DA BİR GÜNDE İŞLENEN VERİ SAYISI: 24PETABAYT BİR GÜNDE ATILAN TWEET SAYISI: 50 MİLYON FACEBOOK DA BİR AYDA HARCANAN DAKİKA: 700 MİLYAR

32 HIZLI DATA? MOBİL İNTERNET KULLANANLARIN VERİ ALIŞ/VERİŞ MİKTARI: 1,3 EXABAYT AMOZON DA BİR SANİYEDE SERGİLENEN ÜRÜN SAYISI: 72,9 ADET YOUTUBE HER DAKİKA YÜKLENEN VİDEO SAYISI: 300 SAAT YOUTUBE DA HER GÜN İZLENEN VİDEO SAYISI: 5 MİLYAR FACEBOOK KULLANICI SAYISI: 1 MİYAR 91 MİLYON

33 Big Data Nasıl Elde Edilir? Sensors gathering information: e.g. Climate, traffic etc. Social media: posts, pictures and videos Digital satellite images Purchase transaction records High volume administrative & transactional records Mobile phone GPS signals

34 Big Data Teknolojileri Nelerdir? Cloud Computing Parallel Computing NoSQL Databases General Programming Data Visualization Machine Learning

35 HADOOP? MAPREDUCE? NoSQL? HADOOP NEDİR? VERİ KÜTÜPHANE YAZILIMI MAPREDUCE NEDİR? KÜTÜPHANEDEKİ VERİLERİ ANALİZ EDER KULLANIMA HAZIR HALA GETİREN YAZILIM NoSQL DATABASE NEDİR? VERİ SAKLAMA YAZILIMI Genel olarak özetlemek gerekirse çok yüksek trafikte akan bir veriniz olduğu zaman (Örnek günlük 100 milyon + ) verileri HDFS üzerinde saklayabilir ve MapReduce ile verilerinizi analiz edebilirsiniz. Alternatif olarak diğer NoSQL (Mongo, ElasticSearch) saklama yöntemlerini yada Apache Spark gibi paralel veri işleme yöntemlerini tercih edebilirsiniz.

36 Big Datanın Kullanıldığı Alanlar

37 Big Data Nerelerde Kullanılmaktadır Sağlık Üretim Trafik Yurtiçi Güvenlik Ticaret İletişim Finans Pazarlama Araştırma Hile ve Risk Ulaşım MUHASEBE

38 FAYDALARI Anahtar rolleri, işlevleri ve süreçleri optimize etmek, İşletmenin paydaşlarının raporlama taleplerini zamanında ve etkin bir şekilde karşılamak, Büyük veri hacimlerini yönetmek, Riskleri kontrol altına almak ve yönetmek Örgütsel performansın artırılmasına yardımcı olmak.

39 FAYDALARI Big data,kısaca, verilerin dijitalleşmesi ve farklı boyutlarda alınan verilerin toplanıp, düzenlenerek insan davranışlarını anlama, tahminler yapma, öngörülerde bulunma, işletmenin sahip olduğu verilerden yola çıkarak akıllı yönetim imkanı sağlıyor.

40 SAKINCALARI Doğru Verinin Tanımlanamaması Etkin olarak kullanımın tam bilinememesi Verilerin analiz edilmesi ve yorumlama yapacak yeterli elemanın olmaması Veriye ulaşma ve bağlantı kurmada yaşanan zorluklar Teknolojinin çok hızlı değişimesi(yıkıcı teknoloji) Farklı disiplinlerin birarada çalışmasındaki zorluklar Siber Saldırılar

41

42

43

44 BİG DATA VE MUHASEBE

45 BIG DATA VE MUHASEBE Denetim İç denetim İç kontrol Maliyet muhasebesi Yönetim muhasebesi uygulamalarında etkisini hissettirmektedir.

46 BIG DATA VE MUHASEBE Video, Ses Kayıtları ve Metinler Yazılımlar aracılığı ile muhasebe uygulamalarına katkı sağlamaktadır.

47 BIG DATA VE MUHASEBE VİDEO İşçilik Maliyetlerinin Hesaplanmasında Maddi Duran Varlıkların Değerlenmesinde Maddi Duran Varlıkların değer düşüklüğünün tespiti ve karşı Önlemlerin Alınmasında

48 BIG DATA VE MUHASEBE VİDEO Yönetim ve yönetim kurulunun görüşme videolarının içerik, duygu ve algılamalar açısından periyodik analizi, iş ve denetim riskleri hakkında sözel olmayan bilgi sağlamaktadır.

49 BİG DATA VE MUHASEBE YAZILIMLAR Kurumsal sistemler(yazılımlar), finansal olmayan sistemlerden gelen verilerle bütünleşik muhasebe verileri, muhasebe verisinin hacim ve çeşitliliğinin daha da genişlemesine neden olmaktadır. Örneğin satış sonrası servis verileri ve müşteri davranış takibi ile muhasebe işlemleri arasında bağlantı kurulmaktadır

50 BİG DATA VE MUHASEBE Verilerin sensörler, RFID (Radyo Frekanslı tanıma) ve GPS veri akışları aracılığıyla otomatik olarak yakalanması, yönetim, muhasebe ve güvence süreci tanımlamasının yanı sıra çok sayıda denetim kanıtı kaynağının eklenmesine olanak tanımaktadır.

51 BİG DATA VE MUHASEBE Örneğin, stok maliyetlerinin belirlenmesinde LİFO ve FİFO gibi yöntemleri kullanmak yerine, Big Data kaynaklarından biri olan RFID veya barkod sistemlerinden elde edilen verilerin kullanılması, stok maliyetlerinin gerçek zamanlı olarak sistemden anlık olarak görülebilmesine imkân tanımaktadır.

52 BİG DATA VE MUHASEBE İşletme faaliyetlerine ilişkin ses verileri muhasebe kayıtlarını ve finansal bilgilerin kalitesini geliştirebilmektedir. Big Data unsurlarından bir diğeri ise sayısal olmayan metin şeklindeki verilerdir (bu veriler sermaye piyasalarına ait dosyalar, ler, web sayfaları, sosyal medya ve medya haberleridir). Bu veriler, yönetim muhasebesi amaçları açısından işlemenin performansının değerlendirilmesi ve geliştirilmesine katkı sağlayan ilave araçlardır.

53 BİG DATA VE MALİ MÜŞAVİRLİK MESLEĞİ

54 BİG DATA VE MALİ MÜŞAVİRLİK MESLEĞİ Big Datanın etkin yönetimi, bu alanda gerekli becerileri olan insan kaynaklarına sahip olmayı gerektirmektedir.

55 BİG DATA VE MALİ MÜŞAVİRLİK MESLEĞİ ACCA nın araştırma raporunda gelecek 5-10 yıl içinde muhasebe meslek mensuplarının, kendilerini farklılaştırmak ve Big Datayı Avantaja dönüştürmek için aşağıdaki alanlarda kendilerini geliştirmeleri gerektiği ortaya konulmuştur (ACCA and IMA 2013, 15).

56 BİG DATA VE MALİ MÜŞAVİRLİK MESLEĞİ Veri değerlemesi için hizmetler ve yöntemler geliştirme, Veri varlıklarının etik ve etkili bir şekilde iç kontrolünü sağlamak ve uyum içinde rolünü artırma, Karar Almada Big Datayı Kullanma, Risk Yönetiminde Big Datayı Kullanma, YETEKNEKELERİNE SAHİP OLMALIDIR.

57 BIG DATA &YENİ MESLEK Finans YENİ HİBRİD BİR MESLEK Tekonoloji Bilgi

58 ARAŞTIRMA

59 ARAŞTIRMANIN AMACI Meslek mensuplarının Big Datanın gelecek 10 yıl içerisinde muhasebe mesleğine etkisini varsayma düzeyleri ile demografik değişkenler arasındaki ilişkileri ortaya koymaktır.

60 ARAŞTIRMANIN YÖNTEMİ Anket Yöntemi Kullanılmıştır. Anket formu ACCA nın 2015 yılında hazırladığı muhasebe mesleğinin geleceğine yön verecek faktörler raporundan yararlanılarak oluşturulmuştur. ACCA nın raporunda görüş alınan kişiler, farklı ülkelerdeki muhasebe meslek örgütlerinin otorite kurum temsilcileri, muhasebe meslek mensupları ve denetçilerden oluşmaktadır.

61 ARAŞTIRMANIN YÖNTEMİ Anket Yöntemi Kullanılmıştır. Anket formu ACCA nın 2015 yılında hazırladığı muhasebe mesleğinin geleceğine yön verecek faktörler raporundan yararlanılarak oluşturulmuştur. ACCA nın raporunda görüş alınan kişiler, farklı ülkelerdeki muhasebe meslek örgütlerinin otorite kurum temsilcileri, muhasebe meslek mensupları ve denetçilerden oluşmaktadır.

62 ANALİZ katılımcıların % 79 u erkek, %17 si kadın Katılımcıların %44 ü Y kuşağı, %37 si X kuşağı ve %17 si Sessiz kuşağı katılımcıların %63 ü İktisadi ve İdari Bilimler Fakültesi mezunu katılımcıların %27 si 21 yıl ve üzeri çalışma deneyimine sahip katılımcıların %45 i bağımlı çalışan ve %50 si bağımsız çalışandır katılımcıların %55 i Ankara da yaşamaktadır.

63 Meslek Mensuplarının Big Datanın Gelecek 10 Yıl İçerisinde Muhasebe Mesleğine Etkisini Varsayma Düzeyleri 159 meslek mensubu, Big datanın gelecek 10 yıl içinde muhasebe mesleği üzerindeki etkisinin düşük düzeyde olacağını, 174 meslek mensubu orta düzeyde olacağını, 407 meslek mensubu ise yüksek düzeyde olacağını varsaymıştır.

64 Varsayım Düzeyleri ile Cinsiyet Arasındaki İlişki Cinsiyet ile varsayım düzeyleri arasında anlamlı bir ilişkiye rastlanmamıştır. Ancak Erkeklerin ve kadınların %55 inin Big Datanın gelecek 10 yıl içinde muhasebe mesleğine yüksek düzeyde etkisi olacağı konusunda hem fikir oldukları saptanmıştır.

65 Varsayım Düzeyleri İle Doğum Yılı Arasındaki İlişki Doğum yılı (kuşak) ile varsayım düzeyleri arasında anlamlı bir ilişki saptanmıştır. Sessiz Kuşağın %70 i, X kuşağında doğanların %60 ı, Y kuşağının ise %48 nin Big Datanın gelecek 10 yıl içinde muhasebe mesleğine yüksek düzeyde etki edeceği konusunda hem fikir oldukları saptanmıştır.

66 Varsayım Düzeyleri İle Mesleki Deneyim Arasındaki İlişki Mesleki deneyim ile varsayım düzeyleri arasında anlamlı bir ilişkiye rastlanmamıştır. Mesleki deneyimi 20 yılın üzerinde olan meslek mensupları ile 1 yıldan daha az deneyime sahip olan meslek mensuplarının %60 seviyesinde Big Datanın gelecek 10 yıl içinde muhasebe mesleğine yüksek düzeyde etki edeceği konusunda hem fikir oldukları saptanmıştır.

67 Varsayım Düzeyleri İle Mezun Olunan Fakülte Arasındaki İlişki Mezun olunan fakülte ile varsayım düzeyleri arasında anlamlı bir ilişkiye rastlanmamıştır. Ancak eğilim düzeyleri ile mezun olunan fakülteler arasındaki ilişki incelendiğinde, İİBF ve diğer fakülte mezunlarının %55 nin Big Datanın gelecek 10 yıl içinde muhasebe mesleğine yüksek düzeyde etki edeceği konusunda hem fikir oldukları saptanmıştır.

68 Varsayım Düzeyleri İle Çalışma Şekli İlişki Çalışma şekli ile varsayım düzeyleri arasında anlamlı bir ilişkiye rastlanmıştır. Bağımlı çalışanların % 50 si, Bağımsız çalışanların ise%60 ı Big Datanın gelecek 10 yıl içinde muhasebe mesleğine yüksek düzeyde etki edeceği konusunda hem fikir oldukları saptanmıştır.

69 BIG DATA&MUHASEBE EĞİTİMİ MÜFREDAT TEKNİK ALT YAPI YETKİN ÖĞRETİM ELEMANI İSTİHDAMI OKUL YÖNETİMLERİNİN BAKIŞ AÇILARI

70 SONUÇ

71

72