USING ONLINE ANALYTICAL PROCESSING (OLAP) TOOLS IN DETERMINING REGIONAL INDUSTRIAL CLUSTERING POTENTIAL

Year 2023, Volume: 01 Issue: 03, 257 - 270, 30.09.2023

Abdullah Toprak , Tahsin Çetinyokuş

https://doi.org/10.61138/bolgeselkalkinmadergisi.1329622

Cited By: 1

Abstract

Regional industrial clusters are regarded as salient development instruments by policymakers due to the advantages they offer for regional competitiveness. Researchers frequently employ quantitative analysis methods like the three-star analysis and locality coefficient to assess the potential for clustering within a sector in a given region. The utilization of these methods presents challenges in terms of data access, parameter adjustments and labour intensity when integrating new techniques into the process, validating data, facilitating swift reporting, and conducting multidimensional analysis. In this study, a data warehouse structure and Online Analytical Processing (OLAP) cube were initially established based on province-level data encompassing turnover, employment figures, and the number of firms in the Turkish manufacturing industry from 2015 to 2019. Since methods such as three-star analysis and locality coefficient are not applicable within data warehouses to identify regional industrial clustering potential, an application was developed using the Multidimensional Expressions (MDX) language. It has been concluded that the use of OLAP tools for identifying regional industrial clustering potential notably advantageous in alleviating bottlenecks by delivering rapid, unlimited, hierarchical, standardized and periodically comparable results that align with the data set.

Keywords

Regional Industrial Clusters, OLAP, Multi-Dimensional Reporting, Three-Star Analysis

BÖLGESEL SANAYİ KÜMELENME POTANSİYELİNİN BELİRLENMESİNDE ÇEVRİM İÇİ ANALİTİK İŞLEME (OLAP) ARAÇLARININ KULLANILMASI

Abstract

Bölgesel sanayi kümelenmeleri, bölgesel rekabet edebilirlik bakımından sağladığı avantajlar nedeniyle politika yapıcılar tarafından önemli bir politika aracı olarak görülmektedir. Araştırmacılar tarafından bir bölgede bir sektörde kümelenme potansiyelinin varlığının tespit edilebilmesi için üç yıldız analizi ve yerellik katsayısı gibi nicel analiz yöntemlerinin sıklıkla kullanılan yöntemler olarak öne çıktığı görülmektedir. Bu yöntemlerin kullanılmasında veriye erişilmesi, parametre değişiklikleri ve yeni yöntemler sürece dahil edilmek istendiğinde sürecin emek yoğun olması, yöntemde kullanılan verilerin doğrulanması, analiz sonuçlarının hızlı raporlaması ve verilerin çok boyutlu analizi darboğaz oluşturmaktadır. Bu çalışma ile öncelikle Türkiye imalat sanayisinin 2015-2019 yılları arasında il bazlı ciro, istihdam sayısı, firma sayısı gibi verileri çerçevesinde veri ambarı yapısı ve Çevrimiçi Analitik İşleme (OLAP) Küpü oluşturulmuştur. Bölgesel sanayi kümelenme potansiyelinin tespit edilmesinde üç yıldız analizi, yerellik katsayısı ve benzeri yöntemlerin uygulanması veri ambarları hazır araçlarında mümkün olmadığından Multidimensional Expressions (MDX) dili kullanılarak uygulama geliştirilmiştir. Böylece, veri ambarı ve özellikle OLAP araçlarının bir avantajı olan çok boyutlu raporlara hızlı ve doğru erişme imkânı, bölgesel sanayi kümelenmelerinin tespitinde de kullanılmış olmaktadır. Bölgesel sanayi kümelenme potansiyelinin tespitinde OLAP araçlarının kullanılmasının, veri setine uygun olarak hızlı, sınırsız sayıda, hiyerarşik yapıda, standart formatta ve dönemsel olarak karşılaştırılabilir sonuçlar vermesiyle darboğazların aşılmasında çarpıcı şekilde yararlı olduğu sonucuna ulaşılmıştır.

Keywords

Bölgesel Sanayi Kümelenmeleri, OLAP, Çok Boyutlu Raporlama, Üç Yıldız Analizi

References

• Arguelles, M., Benavides, C. and Fernández, I. (2014). A New Approach to the Identification of Regional Clusters: Hierarchical Clustering on Principal Components. Applied Economics, 46 (21), 2511-2519.
• Codd, E. F., Codd, S. B. and Salley, C. T. (1993). Providing OLAP (on-line analytical processing) to User-analysts: An IT Mandate, White Paper, Arbor Software Corporation, (http://www.estgv.ipv.pt/paginaspessoais/jloureiro/esi_aid2007_2008/fichas/codd.pdf).
• Çetinyokuş, T. (2008). Veri Küplerinin Bütünleşik Kullanımına Yönelik Yeni Bir OLAP Mimarisi, Doktora Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
• Çubukçu, M. (2020). İşletmelerde Bilgi Yönetiminin Stratejik Önemi ve OLAP Veri Analizi Modeli Raporlarının Oluşturulması ve Uygulamadan Örnekler. Stratejik ve Sosyal Araştırmalar Dergisi, 4 (1), 57-89.
• Demirdöğen, S. (2018). Kümelenme Potansiyeli Gösteren Sektörlerin Belirlenmesi: TRA 1 Düzey 2 Bölgesi Üzerine Bir Uygulama. Bolu Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 18 (4), 85-113.
• DTM (T.C. Dış Ticaret Müsteşarlığı). (2009) Küme Haritalama, Analiz ve Kümelenme Yol Haritaları-Sentez Raporu. Mart 2009, Ankara, 1-46.
• EB (T.C. Ekonomi Bakanlığı). (2012). Kümeler İçin Ortak Rekabet Alanları Stratejisi Raporu. Temmuz 2012, Ankara, 1-96.
• EBİGM (T.C. Ekonomi Bakanlığı, İhracat Genel Müdürlüğü). (2011). “Kümelerin Tanımlanması ve Önceliklendirilmesi Kılavuzu”, https://www.akip.org.tr/informations/view/kumelenmeler-icin-kilavuzlar, (Erişim tarihi: 24.07.2023).
• ESCWA (United Nations, Economic and Social Commission for Western Asia). (2001). Methodology for The Assessment of Competitiveness of Selected Existing Industries, September, 2001, New York, 1-63.
• Eraslan, İ. H. ve Güngören, M. (2013). Endüstriyel Kümelenmelerin İktisadi Tarihi ve Gelişim Süreci. Elektronik Sosyal Bilimler Dergisi, 12 (45), 171-197.
• Eroğlu, O., ve Yalçın, A. (2013). Kümelenmeye İlişkin Literatür Taraması. Kahramanmaraş Sütçü İmam Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 3 (2), 81-96.
• Han, J., Kamber, M. and Pei, J. (2012). Data Mining Concepts and Techniques Third Edition. Elsevier Inc. Morgan Kaufmann Publishers, eBook ISBN: 978-0-12-381479-1, (http://myweb.sabanciuniv.edu/rdehkharghani/files/2016/02/The-Morgan-Kaufmann-Series-in-Data-Management-Systems-Jiawei-Han-Micheline-Kamber-Jian-Pei-Data-Mining.-Concepts-and-Techniques-3rd-Edition-Morgan-Kaufmann-2011.pdf).
• Kala, A. (2019). Ahi Kümelenme Modeline Göre Anadolu Sanayi Devrimi, İstanbul: Kuveyt Türk, Kuveyt Türk Katılım Bankası Kültür Yayınları Dizisi, 6.
• Kaygalak, İ. (2011). Türkiye’de Sanayi Kümelenmesi: Uşak Örneği, Doktora Tezi, Ege Üniversitesi, Sosyal Bilimler Enstitüsü, İzmir.
• Martin, R. and Sunley, P. (2003). Deconstructing Clusters: Chaotic Concept or Policy Panacea? Journal of Economic Geography, 3 (1), 5-35.
• Porter, M. (1998). Clusters and the New Economics of Competition. Harvard Business Review, Vol. 76, No. 6, 77-90.
• Power, D. and Malmberg, A. (2005). True Clusters / A Severe Case of Conceptual Headache. In B. Asheim, P. Cooke, R. Martin (Eds.), Clusters in Regional Development, New York: Routledge, 50-68.
• Sert O. (2012). Kalkınma Ajansları ve Üst Ölçekli Planlar. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 4 (6), 99-128.
• Stejskal, J. (2010). Comparison of Often Applied Methods for Industrial Cluster Identification. Development, Energy, Environment, Economics, 46, 282-286.
• Şen, Ö. ve Sandal, E. K. (2017). Gaziantep İlinde Üç Yıldız Analizi Yöntemi ile Endüstriyel Kümelenme Analizi. Eastern Geographical Review, 22 (38).
• Urhan, F. B. ve Sandal, E. K. (2019). Türkiye Tekstil Endüstrisinin Mekânsal Örüntüsü: 2009-2015 Yılı Karşılaştırmalı Yerelleşme Katsayısı Analizi. lnternational Journal of Geography and Geography Education, (40), 172-189.
• Yamaç, B. (2019). Tekstil Sektöründe Kümelenme Türkiye Tekstil Sektörü Örneği. Kahramanmaraş Sütçü İmam Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9 (2), 215-232.