Büyük Veri ve CFO Gündemi: Finansal Tahminleme Nasıl Değişiyor?

Bir orta ölçekli imalat firmasının CFO’su düşünün: her yıl Ekim ayında bir önceki yılın gelir rakamlarına yüzde beş ila on büyüme ekleyerek bütçeyi kapatıyor, Mart’ta nakit sıkışınca kredi limitini devreye alıyor. Bu döngü yıllardır işliyor, ama aynı CFO artık şunu soruyor: Hammadde fiyatlarındaki oynaklık, kur hareketleri ve müşteri ödeme davranışları bu kadar değişkenken, neden hâlâ tek bir büyüme varsayımıyla planlama yapıyoruz? Bu soru, büyük veri kavramının finans fonksiyonunun tam ortasına düştüğü noktadır.

Büyük veri, yalnızca depolanan verinin hacmiyle ilgili bir kavram değil. Asıl önem taşıyan boyut, farklı kaynaklardan gelen yapılandırılmış ve yapılandırılmamış verinin bir arada analiz edilebilmesidir. Finansal tahminleme açısından bu şu anlama geliyor: bütçe modelini yalnızca geçmiş gelir ve gider serileriyle değil, tedarikçi fiyat endeksleriyle, müşteri segmentlerine göre ödeme gecikmesi örüntüleriyle, hatta sektörel kapasite kullanım verileriyle beslemek. Geleneksel Excel tabanlı ekstrapolasyon, bu çok değişkenli yapıyı taşıyamıyor. Modelin içine ne kadar fazla değişken eklenirse, manuel hesaplama o kadar hata üretiyor ve güncellenebilirliği o kadar düşüyor.

Çok değişkenli finansal modelleme, istatistiksel regresyon ve senaryo simülasyonu tekniklerini operasyonel planlama sürecine entegre eder. CFO ekibinin bu modelleri kurabilmesi için veri bilimi uzmanlığına ihtiyaç duyulmaz; ancak modeli besleyen veri akışlarının tutarlı, temiz ve zamanında gelmesi şarttır. Burada ERP sisteminin rolü kritik hale geliyor: e-Fatura ve e-Defter altyapısı sayesinde işlem verisi artık gerçek zamanlıya yakın biçimde sisteme giriyor. Bu veri kalitesi olmadan, çok değişkenli modelin çıktısı da güvenilmez kalır. Başka bir deyişle, büyük veri stratejisinin finansal planlama ayağı, önce temiz ve yapılandırılmış iç veriyle başlar.

Nakit akışı tahminlemesinde fark en somut biçimde görünüyor. Geleneksel yaklaşımda CFO, alacak yaşlandırma raporuna bakarak ortalama tahsilat süresini hesaplıyor ve bunu sabit bir parametre olarak kullanıyor. Oysa müşteri ödeme davranışı mevsimsel, sektörel ve ekonomik konjonktüre bağlı olarak değişiyor. Çok değişkenli bir nakit modeli, bu örüntüleri geçmiş veriden öğrenerek farklı senaryolar altında otuz ila doksan günlük nakit pozisyonunu tahmin edebiliyor. Bu, CFO’ya kredi limitini ne zaman ve ne kadar devreye alacağını önceden planlama imkânı veriyor; reaktif kriz yönetimi yerine proaktif likidite yönetimi mümkün hale geliyor. Pratikte bu farkın ROI’si, finansman maliyetindeki tasarruf ve kaçırılan fırsatların önlenmesiyle ölçülebilir.

Bütçe hassasiyeti açısından ise senaryo tabanlı planlama, tek nokta tahmininin yerini alıyor. Kötümser, baz ve iyimser senaryo yerine, model artık on ila yirmi farklı parametre kombinasyonunu simüle ederek olasılık dağılımı üretiyor. CFO, yönetim kuruluna tek bir bütçe rakamı yerine güven aralıklarıyla birlikte bir tahmin sunabiliyor. Bu yaklaşım, hem bütçe sapması sonrası hesap verebilirliği güçlendiriyor hem de stratejik karar alma sürecini daha sağlam bir zemine oturtuyor. Türkiye gibi kur oynaklığının yüksek olduğu bir ortamda bu esneklik, özellikle ihracat veya ithalat bağımlısı KOBİ’ler için hayati önem taşıyor.

Bununla birlikte, bu geçişin önünde gerçek engeller var. Birincisi, veri kalitesi sorunudur: ERP sistemine düzensiz veya gecikmeli girilen veriler, modelin çıktısını doğrudan bozuyor. İkincisi, organizasyonel direnç: finans ekipleri çok değişkenli modellere güvenmekte zorlanıyor çünkü modelin içini göremiyorlar. Üçüncüsü, araç seçimi: piyasada büyük veri analitik araçları sunuluyor, ancak bunların büyük bölümü kurumsal lisanslama maliyetleri ve uygulama karmaşıklığıyla KOBİ ölçeğinin üzerinde kalıyor. Bu üç engeli görmezden gelen büyük veri projeleri, pilot aşamayı geçemiyor.

CFO’nun bu süreçte alması gereken ilk karar, araç seçiminden önce veri yönetişimi çerçevesini kurmaktır. Hangi veri kaynakları modele girecek, bu veriler kim tarafından ve hangi sıklıkla güncellenecek, model çıktıları hangi karar süreçlerine beslenecek — bu soruların yanıtı olmadan en gelişmiş analitik platform da değer üretemiyor. İkinci adım, mevcut ERP altyapısının analitik katmanla entegrasyonunu değerlendirmektir: bazı ERP sistemleri yerleşik raporlama ve senaryo modelleme araçları sunuyor, bu araçların kapasitesi dış bir platform satın almadan önce tam olarak test edilmeli. Büyük veriyi CFO gündemine almak, önce büyük altyapı yatırımı değil, büyük veri disiplini anlamına geliyor.


kârlılık analizi yatırımlarında ilk kazanım genellikle görünürlüktür. Şirket nerede yavaşladığını, hangi bilginin eksik kaldığını ve hangi kararın geciktiğini görmeye başlar. Bu görünürlük rahatsız edici olabilir; fakat sürdürülebilir iyileştirme için en sağlam başlangıç noktasıdır.


Gökhan Mercanoğlu
Finans Yönetimi