Estimation of success of energy efficieny support program applications for SME's with data mining

Türkiye'de faaliyet gösteren işletmelerin %99,8'i küçük ve orta ölçekli işletmelerdir. Küçük ve orta ölçekli işletmeler (KOBİ'ler) de toplam istihdamın %76,7'sini sağlamaktadır. Bu nedenle ülke ekonomisinde önemli bir rol oynarlar. Ekonomide bu kadar büyük pay almalarının bir sonucu olarak enerji tüketimleri de yüksektir. Enerji verimliliğinin artırılmasına yönelik çalışmalar arasında özellikle KOBİ'lerin enerji verimliliğinin artırılmasına önem verilmesi gerekmektedir. Böylece hem ülke ekonomisine hem de sınırlı kaynakların verimli kullanılmasına ve çevre bilincine katkı sağlanmaktadır. KOSGEB, Türkiye'nin sosyal ve ekonomik ihtiyaçlarının karşılanmasına yönelik, KOBİ'lerin payının ve etkinliğinin artırılması, KOBİ'lerin rekabet gücünün ve seviyesinin yükseltilmesi, ekonomik gelişmeye uygun endüstriyel entegrasyonun sağlanması amacıyla Sanayi ve Teknoloji Bakanlığı'na bağlı olarak faaliyet gösteren bir kuruluştur. Bu çalışmada KOSGEB tarafından 2017 yılında yayımlanan KOBİ Gelişim Destek Programı 'Enerji Verimliliğinin Arttırılması' isimli proje çağrısı kapsamında başvuru yapan işletmelerin, projelerinin başarı ve başarısızlıklarının veri madenciliği algoritmaları ile analiz edilerek projelerin onay alma durumunun tahmin edilmesi amaçlanmaktadır. Böylece yapılan tahminler ile projelerle ilgili kararlarda bilimsel yaklaşım esas alınacaktır. Çalışmada Türkiye'nin 81 ilinden proje uygulama verileri kullanılmıştır. Başvurular sistem üzerinden online olarak alınmaktadır ve KOSGEB tarafından saklanmaktadır. Başvurular başvuru değerlendirme kurulu tarafından değerlendirilmektedir. Çalışmada kullanılmak üzere 2017 yılında KOSGEB tarafından değerlendirilen projeler; firma statüsü, ortak sayısı, faaliyette bulunduğu yıl sayısı, mevcut personel sayısı, beyaz yakalı personel sayısı, mavi yakalı personel sayısı, proje bütçesi, projenin özkaynaklar ile karşılanacak kısmı, işletmenin özkaynağı, yurt içi satışları, yurt dışı satışları, yönetim giderlerine göre incelenmiştir. Bu niteliklerin projenin KOSGEB tarafından onaylanması üzerindeki rolü incelenecektir. Bu inceleme ile birlikte ileride projelere başvuracak işletmelerin başarı tahmini yapılmaya çalışılmıştır. Veriler ön işleme tabi tutularak python yazılımına uyarlanmıştır. Veri seti; LightGBM, Lojistik Regresyon ve Destek Vektör Makineleri algoritmaları sınıflandırılmıştır. Sınıflandırma sonuçları karşılaştırılmış ve LightGBM algoritması 0.93 F1 score ve 0.88 Accuracy ile en başarılı algoritma olarak bulunmuştur.