OECD ülkelerinin lojistik göstergeleri ile veri madenciliği uygulamaları

Günümüzde yaşanan teknolojik gelişmeler özellikle ekonomi ve lojistik alanlarında her geçen gün milyarlarca büyük verinin birikmesine sebebiyet vermektedir. Biriken büyük verinin veri madenciliğine özel yazılımlar kullanılarak analiz edilmesi ve böylelikle araştırmacılar ile politika yapıcılar için önemli bilgilerin açığa çıkarılması ise oldukça önemlidir. Bu çalışmanın amacı; OECD ülkelerine ait ekonomi ve lojistik alanlarında biriken büyük verinin analiz edilmesi ve politika çıkarımlarının gerçekleştirilmesidir. Çalışmanın amacı doğrultusunda WEKA 3.8.6 yazılımında ve STATA 16 paket programında uygulanan analizler dört adımda gerçekleştirilmiştir. İlk olarak, 29 OECD üyesi ülkeye ait GSYH, ihracat, ithalat, enflasyon ve işsizlik oranı değişkenleri ile 2013-2022 dönemleri için k-ortalamalar algoritması kullanılarak ayrı ayrı kümeleme analizi gerçekleştirilmiştir. Analiz sonucunda ülkeler dört kümeye ayrılmıştır. En gelişmiş ülkelerin yer aldığı kümede Almanya ve ABD'nin yer aldığı, Belçika, Fransa, Japonya, Kanada, Kore ve Birleşik Krallık'ın ise gelişmiş ülkeler oldukları belirlenmiştir. Yunanistan ve İspanya'nın gelişmekte olan ülkeleri temsil ettiği; Türkiye'nin ise özellikle son yıllarda gelişmekte olan ülkelerden biri konumuna geldiği görülmüştür. Estonya, Letonya ve Litvanya ise az gelişmiş ülkeleri temsil eden kümede yer almışlardır. Analizin ikinci aşamasında, OECD ülkelerine ait 20 adet taşımacılık değişkeninin 2019 yılına ait verileri ile sınıflandırıcı yöntemlerden birisi olan karar ağaçlarının J48 algoritması kullanılarak ülkeler arasında farklılaşmaya neden olan lojistik göstergeler belirlenmiştir. Ülkelerin ekonomik gelişme düzeylerinin farklılaşmasına neden olan taşımacılık değişkenlerinin demiryolu altyapı yatırımı, GSYH başına düşen toplam iç ulaşım altyapı yatırımı, kişi başına düşen demiryolu altyapı yatırımı ve uluslararası havacılık sığınaklarından kaynaklanan CO2 emisyonlarının toplam CO2 emisyonları içerisindeki payı olduğu saptanmıştır. Üçüncü olarak, OECD ülkelerinin ekonomik gelişme düzeylerini farklılaştırdığı tespit edilen bu dört adet taşımacılık değişkeninin 2025 yılına yönelik öngörüleri yapay sinir ağları kullanılarak her bir ülke için ayrı ayrı gerçekleştirilmiştir. Analizin son adımında ise, demiryolu altyapı yatırımlarının, kişi başına düşen demiryolu altyapı yatırımlarının, GSYH başına düşen toplam iç ulaşım altyapı yatırımlarının ve uluslararası havacılık sığınaklarından kaynaklanan CO2 emisyonlarının toplam CO2 emisyonları içerisindeki payının ekonomik büyümeye etkisi Driscoll-Kraay tahmincisi kullanılarak incelenmiştir. Analiz, OECD ülkelerinin 2010-2019 dönemini kapsayan yıllık verileri kullanılarak gerçekleştirilmiştir. Analizin sonucunda, demiryolu altyapı yatırımı ve kişi başına düşen demiryolu altyapı yatırımının GSYH üzerindeki etkisinin istatistiki olarak anlamsız olduğu tespit edilir iken; GSYH başına düşen toplam iç ulaşım altyapı yatırımı ve uluslararası havacılık sığınaklarından kaynaklanan CO2 emisyonlarının toplam CO2 emisyonları içerisindeki payının GSYH üzerindeki etkisinin istatistiki olarak anlamlı olduğu saptanmıştır.