HASTANELER İÇİN N VERİ MADENCİLİĞİ İĞİ ile FİNANSAL F ERKEN UYARI SİNYALLERİNİN N ve YOL HARİTALARININ BELİRLENMES RLENMESİ Dr. Ali Serhan KOYUNCUGİL Sermaye Piyasası Kurulu Araştırma Dairesi askoyuncugil@gmail.com www.koyuncugil.org AMAÇ Sağlık k Bakanlığı Hastaneleri için i in Veri Madenciliği i ile finansal erken uyarı sinyallerinin belirlenmesi ve finansal yol haritalarının n geliştirilmesidir tirilmesidir. Doç. Dr. Nermin ÖZGÜLBA Başkent Üniversitesi Sağlık Kurumlarıİşletmeciliği Bölümü ozgulbas@baskent.edu.tr Kamu Hastanelerinde Finansal Perspektif Maliyetleri sınırlama s baskısı, Mevcut kaynakları daha etkin kullanma baskısı, Hizmet kalitesinden ödün n vermeme baskısı, Kamu hastanelerinde finansal performans düzeylerinin d düşük k olması, Finansal yönetim y bilgi ve becerisine sahip olma trendi, Türkiye de, hastanelerde finansal yönetim y faaliyetlerine verilen önemin artma eğiliminde e olması, 2003 yılında y başlat latılan lan Sağlık ta Dönüşüm m Projesi 5018 sayılı Kamu Mali Yönetimi Y ve Kontrol Kanunu ile Performansa Dayalı Bütçeleme 5510 sayılı Sosyal Sigortalar ve Genel Sağlık k Sigortası Kanunu Mevcut durumda kamu hastanelerinde finansal yönetim y bilgi düzeyinin düşük d k olması Finansal Performans Ölçümü Finansal performansı ölçmek amacıyla geliştirilmi tirilmiş birçok yöntem ve model mevcut olmasına rağmen, bunlardan sağlık k sektöründe en yaygın n olarak kullanılan lanı oran (rasyo( rasyo) analizidir. Kolay hesaplanabilirlik avantajının n yanında nda oran analizinin en önemli dezavantajı kıyaslamanın n grup ortalamasına (standart oran) göre g yapılmas lmasıdır. Ortalama değer er optimum olmadığı için in etkin ya da iyi performans gösteren g hastaneleri ayırt etmenin bir garantisi bulunmamaktadır. Bunun yanında nda tek girdi ile tek çıktıyı oranlaması nedeniyle tek boyutluluk, çok sayıda oran olması nedeni ile oranların yorumlanma güçg üçlüğü yöntemin diğer zayıf f yönlerini y oluşturmaktad turmaktadır 1
Mevcut Durum Kamu hastanelerinin finansal performans düzeyleri oldukça a düşük, d Kamu hastane yöneticilerinin y finansal bilgi düzeyi düşükd İhtiyaç Hastane veya sağlık k yöneticilerinin y sağlık k kurum ya da işletmelerinin finansal başar arı durumunu önceden tahmin etmek ve finansal kriz riskini azaltmak için i in kullanabilecekleri bir araca ihtiyaç vardır. r. Ancak, sağlık k yöneticilerinin y ihtiyacı birçok oran içinde i inde boğulmak değil onlara sağlık k kurumunun finansal durumu hakkında erken uyarı sinyalleri verecek ve finansal başar arıya ulaştıracak yol haritalarıdır. r. ERKEN UYARI SİSTEMS STEMİ İşletmelerin başar arı durumunu önceden tahmin etmek ve finansal kriz riskini azaltmak için in kullanılır. İşletmenin içinde i inde bulunduğu u durum ve muhtemel riskler, nicelik olarak belirlenebilir. Finansal Erken Uyarı Sistemi İşletmeler için i in finansal bir kriz olasılığı ığını bütünüyle engelleyecek bir yöntem y yoktur! Önemli olan: duruma neden olan etkenleri saptamak, uzun vadede sorun çıkarmayacak düzeltici önlemler almak, gelecekte çıkması muhtemel bir krize karşı esnek bir acil durum planı yapmaktır. 2
Kamu Hastaneleri Erken Uyarı Sinyallerini Hangi Amaçlar ile Kullanabilir? Finansal performansı ölçmek, Finansal başar arısızlığı engellemek, Finansal performans göstergeleri g tespit etmek, Finansal riski ve değişkenlerini belirlemek, Finansal risk ya da performansa göre g hastaneleri sınıflandırmak, Finansal performansı arttıracak racak yol haritalarının belirlenmek Kamu Hastaneleri için i in Erken Uyarı Sistemi Belirleyicileri Finansal başar arı durumunu önceden tahmin etmek, Finansal kriz riskini azaltmak, Birçok oran içinde i inde boğulmay ulmayı önlemek, Performans göstergelerini g ve göstergelerinin g standart değerlerini erlerini sağlamak, Hastaneleri başar arı durumuna göre g kıyaslama k imkanı vermek, Hastaneleri başar arı durumuna göre g sınıflama s imkanı vermek, Finansal başar arıya ulaştıracak yol haritalarını vermek. FİNANSAL AMAÇ DEVLETİN KAYNAKLARI VE GELİRLERİNİN KULLANIMINI MİNİMİZE ETMEK VERİ MADENCİLİĞİ İĞİ VERİ MADENCİLİĞİ İĞİ Genel anlamda; (büyük k miktarda) veri içerisinden, i gizli kalmış değerlerin erlerin ve kullanılabilir labilir bilgilerin açığa çıkarılması biçiminde iminde ifade edilmektedir. Pek çok analiz aracı kullanımıyla veri içerisinde i örüntü ve ilişkileri keşfederek, bunları geçerli erli tahminler yapmak için i in kullanan bir süres reçtir. Amacı,, geçmi miş faaliyetlerin analizini temel alarak gelecekteki davranış ışların n tahminine yönelik y karar verme modelleri yaratmaktır. r. Veri Madenciliği i YöntemleriY Klasik yöntemlerin y başlıcalar caları; Regresyon K - En Yakın n Komşuluk Kümeleme Yeni nesil yöntemlerin y başlıcalar caları ise; Karar AğaçlarA ları Birliktelik Kuralları Sinir AğlarA ları Diğer veri madenciliği i yöntemlerinin y başlıcalar caları da; Temel Bileşenler enler Analizi Diskriminant Analizi Faktör r Analizi Kohonen Ağları Bulanık k Mantığ ığa a Dayalı Yöntemler Genetik Algoritmalar Bayesci Ağlar Pürüzlü (Rough)) Küme K Teorisine Dayalı yöntemler 3
Karar AğaçlarA ları Ağaç olarak görünen g tahminsel bir modeldir Kolay kural çıkarımına imkân tanımas ması nedeniyle karar ağaçları anlaşı şılabilir modeller kurmak için i in oldukça a faydalı bir tekniktir Ağacın n her dalı bir sınıflands flandırma sorusu ve yaprakları da veri setinin bu sınıflands flandırmaya ait parçalar alarıdır Karar ağaca acı teknolojisi veri setlerinin ve işi problemlerinin Karar Ağacı Modelleri ID3 ve daha gelişmi miş modeli C4.5 Sınıflandırma ve Regresyon Ağaçları (Classification and Regression Trees-CART) Otomatik Ki-kare Etkileşim im Keşfedicisi (Dedektörü)- OKEK(D)(Chi-Square Automatic Interaction Detector- CHAID) keşfi için i in kullanılabilir labilir METODOLOJİ Kapsam: Döner Sermaye İşletmesi olan Sağlık k Bakanlığı Yataklı Sağlık Kurumları Çalışmada bu kurumların n 2005 yılıy verileri kullanılm lmış ve örneklem çekilmeden verisi analizlere elverişli li olan 801 yataklı sağlık k kurumu araştırmaya rmaya dahil edilmiştir. Veri: Sağlık k Bakanlığı Tedavi Hizmetleri Genel MüdürlM rlüğü kayıtlar tlarından ve Sağlık k Bakanlığı 2005 yılıy Yataklı Tedavi Kurumlarıİstatistik YıllY llığından elde edilmiştir Finansal olarak, bilanb ilanço ve gelir tabloları verileri kullanılm lmıştır. Analiz Finansal analize uygun olmayan bilanço o ve gelir tabloları finansal analize elverişli li hale getirilmiştir. tir. Tablo 1 de 1 yer alan oranlar hesaplanmış ıştır. Finansal performans ölçülmüştür. Finansal performans ölçümde Carruana ve Kudder tarafından geliştirilen Hastane Finansal Yaşam am Endeksi- HVI kullanılm lmıştır. HVI= [4(SYO)* (FO)4 ]/ CO 4
Değişkenler Cari Oran Likidite Oranı Nakit Oranı Borç Oranı Sermaye Yapısı Oranı Özsermaye Varlık Oranı Dönen Varlık Devir Hızı Duran Varlık Devir Hızı Varlık Devir Hızı Alacakların Tahsil Süresi Faaliyet Oranı Özsermayenin Karlılığı Varlıkların Karlılığı Değişkenler Tablo 1. Araştırmada Kullanılan Değişkenler ve Tanımları Tanımlar Dönen Varlıklar/ Kısa Vadeli Yab. Kay. (Kasa+Bankalar+Serbest Men. Kıy.+ Alacaklar)/ Kısa Vad. Yab. Kay. Hazır Değerler (Kasa+ Bankalar+ Ser. Men. Kıy.)/ Kısa Vad.YabKay. Borç/Toplam Varlık Borç/Özsermaye Özsermaye/Toplam Varlık Net Satışlar / Ortalama Dönen Varlıklar Net Satışlar / Ortalama Duran Varlıklar Net Satışlar / Ortalama Varlıklar Ortalama Alacaklar/ (Net Satışlar/360) Gider/Gelir Net Kar / Özsermaye Net Kar/ Toplam Varlık Erken Uyarı Sistemin Geliştirilmesi Erken uyarı sistemi için i in erken uyarı sinyalini verecek finansal performansı kötü olan hastaneler başar arısız/riskli olarak nitelendirilmiştir. tir. Görsel, kolay anlaşı şılır, kolay yorumlanabilir ve kural çıkarımına izin vermesi nedeniyle veri madenciliği yöntemlerinden karar ağaçlara ları ile finansal erken uyarı sistemi geliştirilmi tirilmiş ve erken uyarı sinyalleri tespit edilmiştir. Karar AğacA acı Profili Oluşturma Profillerin oluşturulmas turulması için; görsel kolay anlaşı şılır kolay yorumlanabilir kural çıkarımına a izin vermesi nedenleri leriyle Karar AğacA acı yöntemlerinden CHAID kullanılm lmıştır CHAID ile diğer yöntemler y arasındaki farklar ID3, C4.5 ve CART ikili ağaçlar a türetirken, t CHAID ikili olmayan çoklu ağaçlara türetir Sürekli ve kategorik tüm m değişken tipleriyle çalışabilmektedir Sürekli tahmin edici değişkenler otomatik olarak analizin amacına uygun olarak kategorize edilmektedir Ki-Kare Kare metriği i vasıtas tasıyla, ilişki düzeyine d göre g farklılık rastlanan grupları ayrı ayrı sınıflamaktadır 5
Karar ağaçlara ları algoritmaları uygulama bakımından bir hedef değişken ve hedef değişkeni açıklamaya a yönelik y kullanılacak lacak açıklayıcı değişkenler olmak üzere iki grup değişken ile gerçekle ekleştirilmektedir. hedef değişken ken- finansal performans açıklayıcı değişkenler - finansal değişkenler BULGULAR Finansal performans ölçümü amacıyla kullanılan lan yöntemler ile yapılan performans sınıflands flandırmalarında hastaneleri sadece iyi ve kötü performanslı olarak tanımlamak mümkm mkünken, bu çalışmada ülkemizdeki Sağlık k Bakanlığı ığı na ait hastaneler 10 profilde sınıflandırılmıştır. CHAID algoritmasında, α birleştir tir=α böl = 0,05 05 olarak belirlenmiştir tir. SPSS AnswerTree yazılımı ile CHAID algoritması kullanılmış ıştır. CHAID Karar AğacA acı ile elde edilen profiller Profiller Net Kar Özsermaye Varlık Duran Varlık Devir Likidite Özsermaye Profiller Düğümler Oranı Karlılığı (Node) Marjı Oranı Hızı 1 1,5 1,61 0,02 - - - - 2 1,6,12 0,02- - 1,61 0,46 0,12 - - 3 1,6,13 0,02- - 1,61 > 0,46 0,12 - - Varlıkların Karlılığı 4 1,7,14 1,61 > 0,12-13,20 - - 5 1,7,15 1,61 > 0,12 - > 13,20 - - 6 2,8 1,61-2,06 - - - 0,21-7 2,9 1,61-2,06 - - - > 0,21-8 3,10 2,06-3,45 - - - - 0,03 9 3,11 2,06-3,45 - - - - > 0,03 10 4 > 3,45 - - - - - 6
Erken Uyarı Sinyalleri Yol Haritaları CHAID Karar AğaçlarA ları tekniğine ine dayalı olarak elde ettiğimiz imiz ilk erken uyarı sinyali likidite oranının n 2,06 nın üstünde olmasıdır. İkinci erken uyarı sinyalimiz ise duran varlık k devir hızının h 13,20 den fazla olmasıdır. Yol Haritaları 1 Likidite Oranı 1,61 Net Kar Marjı 0,23 Özsermaye Varlık Oranı Duran Varlık Devir Hızı Başar arı % 100 Üçünc ncü erken uyarı sinyalimiz ise özsermaye varlık oranın n 0,46 nın üstünde olmasıdır. 2 3 1,61 1,61 0,46 23,20 100 75 ÖNERİLER Likidite hızının h n yüksek y olması istenen bir durum olmakla beraber bu çalışmada da görüldg ldüğü gibi likiditenin aşıa şırı yüksek olması varlıklar kların n etkin kullanılmad lmadığı,, gereksiz yatırımlar mların n olduğu u anlamını taşı şımaktadır. Bu ise, hastanelerin nakit ve alacaklar gibi varlıklar klarını daha etkin ve bilimsel yöntemlerle y yönetmesi y anlamına na gelmektedir. Özellikle alacak tahsilinde önemli sorunlar yaşad adığını bildiğimiz imiz hastanelerin finansal performans düzeylerini d artırmak rmak için i in optimum nakit düzeyi d ile ve daha etkin tahsilat yöntemleri y ya da alacak senetlerini kullanmak gibi yöntemleri y kullanması gerektiğini ini ortaya koymaktadır. ÖNERİLER Varlıklar kların n verimli kullanımını gösteren devir hızlarh zlarının n da likidite hızıh gibi yüksek y olması beklenir. Hastanelerin finansal yapısı ile ilgili sinyal veren bu değişken, finansmanda %46 dan fazla özkaynak kullanıld ldığında özkaynak maliyetinin yabancı kaynak maliyetinden daha fazla olması nedeni ile işletmenin i finansal performansının n olumsuz yönde y etkilediğini ini göstermektedir. Bu durumda hastanelere önerimiz yabancı kaynak finansmanıdır. Belirlenen oran değerleri erleri standart oran olarak kullanılabilir labilir Benchmarking tekniği i ile de finansal performans artırılabilir 7
ÖNERİLER Sorunlar incelendiğinde, inde, yönetsel y zayıfl flıklardan çok sağlık k sisteminin kendisinden kaynaklanan yetersizliklerden ya da finansal yönetim y eksikliklerinden kaynaklandığı görülmektedir. Burada finansal öneriler yanında nda sistemle ilgili önerilerimiz yöneticilerin y otonomisinin ve finans eğitim e düzeylerinin yükseltilmesidir. y Teşekk ekkürler Dr. Ali Serhan KOYUNCUGİL askoyuncugil@gmail.com www.koyuncugil koyuncugil.org Doç.. Dr. Nermin ÖZGÜLBA ozgulbas@baskent.edu.tr 8