Ortalama Vade Süresini Yapay Zeka ile Tespit Edebilir miyiz?

Hızlı Yanıt:
Evet, ancak standart bir üretken yapay zekaya (LLM) yalnızca soru sorarak değil; ERP veri modelini/şemasını ve cari hesap dinamiklerini ve kümülatif FIFO (İlk Giren İlk Çıkar) mantığını anlayabilen alana özel yapay zeka katmanları ile mümkündür. Türkiye’deki açık hesap ticari teamüllerde tahsilatlar doğrudan fatura ID’siyle eşleşmediği için ortalama vade hesabı yüzlerce satırlık karmaşık SQL sorguları ve veri mühendisliği gerektirir. OzBI, arka plandaki bu ağır matematiksel hesaplamaları doğal dil işleme mimarisiyle birleştirerek, finans yöneticileri için ortalama vade ve tahsilat sapması analizini saniyelere indirir.

Pazartesi sabahı bütçe toplantısında aynı soru rutin olarak sorulur:

“Bu ay tahsilat neden planın gerisinde kaldı?”

Muhasebe ekibi hemen Excel’e sarılarak açık faturaları kontrol eder. Satış ekibi müşterinin ödeme sözü verdiğini, paranın yolda olduğunu yineler. Ancak ay sonu mutabakatlarında acı gerçek masaya gelir: 30 gün vadeli kesilen faturalar ortalamada 45–50 günde kapanmaktadır.

Şirketlerin yaşadığı likidite sıkışıklığının asıl sebebi sadece geciken ödemeler değildir. Asıl sorun; müşteriye tanınan kâğıt üzerindeki vade ile fiili ödeme davranışı arasındaki makasın (vade sapması) binlerce cari hareket, yüzlerce parçalı havale ve açık hesap karmaşası içinde zamanında tespit edilememesidir.
Peki, finans departmanlarının günlerini alan, veri ekiplerini SQL kuyruklarına mahkûm eden bu analizi yapay zekâ ile çözmek gerçekten mümkün mü?

30 Gün Vade, 45 Gün Tahsilat Ne Demektir?

Ticari sözleşmeye yazılan vade bir beklentidir; kasanın gördüğü tarih ise çıplak gerçekliktir.

$$\text{Vade Sapması (Gün)} = \text{Gerçekleşen Tutar Ağırlıklı Tahsilat Günü} - \text{Sözleşme Vadesi}$$

• Planlanan Vade: 30 Gün
• Gerçekleşen Tahsilat Süresi: 45 Gün
• Net Vade Sapması: +15 Gün
  

Türkiye gibi yüksek finansman maliyetlerinin ve enflasyonun hüküm sürdüğü bir piyasada, her 1 günlük vade sapması işletme sermayesinin erimesi ve şirketin müşterisini faizsiz fonlaması anlamına gelir. Ancak bu 15 günlük gecikmeyi cari bazında net olarak ortaya koymak, Excel tablolarında göründüğü kadar masum bir iş değildir.

Ortalama Vade Analizi Neden Excel’de Bir Kabusa Dönüşür?

Birçok işletme ortalama vadeyi basit bir matematiksel formülle Excel'de bulabileceğini düşünür. Oysa, sahadaki ticari pratik şu engelleri yaratır:

Eşleşmeyen Açık Hesap Havaleleri: Türkiye’deki B2B ilişkilerde müşteriler nadiren "şu numaralı faturanın bedelidir" diye ödeme yapar. Genellikle cari hesaba rastgele tutarlarda havaleler gelir veya vadeli çekler verilir. ERP sistemlerinde tahsilat ile borç satırları arasında birebir benzersiz anahtar (GUID/bağlantı) bulunmaz.

Parçalı Tahsilat Yanılsaması: 100.000 TL’lik bir faturanın 70.000 TL’si 20. günde, kalan 30.000 TL’si 80. günde ödendiğinde; faturayı basitçe "80 günde kapandı" saymak da "20 günde kapandı" demek de finansal tabloyu yanıltır. İhtiyaç duyulan şey tutar ağırlıklı gün simülasyonudur.

Kümülatif FIFO Algoritması Zorunluluğu: Doğru bir hesap için borç ve alacak hareketleri zaman ekseninde kümülatif bakiye aralıklarına bölünmeli, her tahsilat dilimi en eski açık faturanın aralığıyla matematiksel olarak kesiştirilmelidir.
Bunu geleneksel yöntemlerle yapmak; finans ekibinin günlerce süren veri temizliği yapması, IT departmanının ise geçici tablolar (#Borc, #Alacak) ve OVER (PARTITION BY ... ROWS UNBOUNDED PRECEDING) pencereleriyle dolu 150 satırlık SQL prosedürleri geliştirmesi demektir. Sonuç? Rapor hazırlandığında ay çoktan bitmiş, para çoktan erimiş olur.

Yapay Zekâ Bu Denklemi Kolaylaştırabilir mi?

Geleneksel İş Zekası (BI) araçları veriyi görselleştirir ancak verinin mantığını üretmek için haftalarca veri ambarı modellemesi ve formül yazımı ister. Standart sohbet botları ise şirketin kapalı devre ERP veritabanına erişemez.

İşte OzBI, tam olarak bu kör düğümün ortasında devreye girer. Ürün; Mikro veya Logo muhasebe yazılımındaki ham cari hesap hareketlerini, kümülatif bakiye mantığını ve finansal göstergeleri tanıyan bağlamsal bir kurumsal yapay zeka özelliği kazandırır. Arka plandaki devasa SQL pencerelerini, tutar ağırlıklı FIFO eşleştirmelerini ve sapma algoritmalarını sizin yerinize saniyeler içinde otomatik olarak kurgular. Sizin yapmanız gereken tek şey, finans yöneticisi olarak masaya oturup tıpkı kıdemli bir veri analistiyle konuşur gibi soru sormaktır:

Finans Yöneticisi: “Son 90 günde planlanan vadesi 30 gün olan müşterileri gerçek tahsilat süreleriyle kıyasla. En yüksek nakit riski ve vade sapması yaratan ilk 10 cariyi, temsilcileri ve geciken tutarlarıyla listele.”

OzBI: Saniyeler içinde arka planda deterministik FIFO eşleştirmesini çalıştırır; parçalı ödemeleri ilgili faturalara paylaştırır ve net bir tablo sunar. “ABC Ltd., ortalama 52 günde (+22 gün sapma ile) ödeme yapıyor. Son 3 ayda yarattığı fonlama yükü 3.4M TL. En büyük sapma ise Marmara Bölgesi satışlarında yoğunlaşıyor.”

Bir veri ekibinin günlerini alacak analiz, yapay zeka destekli analitik sayesinde bir sohbet cümlesiyle ekrana gelir.

Raporlar Arasındaki Farkı Netleştirelim: Ortalama Vade, Yaşlandırma ve DSO

Yapay zekadan doğru kararlar üretebilmek için finansal terminolojiyi doğru oturtmak şarttır:

Analiz Türü

Odaklandığı Temel Soru

Hesaplama Yöntemi

Sağladığı Stratejik Çıktı

Ortalama Vade Analizi (OzBI)

Müşteri borcunu fiilen kaç günde ödüyor, vadesine ne kadar sadık?

Fatura bazında FIFO kümülatif eşleştirme, tutar ağırlıklı gün farkı

Müşteri risk skoru, sözleşme şartı revizyonu ve vade disiplini.

Alacak Yaşlandırma (Aging)

Şu an kasaya girmemiş açık alacaklarım ne kadar süredir bekliyor?

Açık bakiyelerin vade aşım aralıklarına (0-30, 31-60 gün vb.) dilimlenmesi

Anlık likidite açığı, batık ve şüpheli alacak riski takibi.

DSO (Days Sales Outstanding)

Şirket satışlarını ortalama kaç günde nakde çeviriyor?

$(\text{Dönem Sonu Alacaklar} / \text{Kredili Satışlar}) \times \text{Gün}$

Şirket geneli makro tahsilat ve işletme sermayesi verimliliği.

Altın Kural: DSO şirketinizin genel tansiyonunu ölçer; Yaşlandırma açık yarayı gösterir; OzBI ile yapılan Ortalama Vade Analizi ise o yarayı hangi müşterinin, ne kadarlık finansman maliyetiyle açtığını netleştirir.

Kök Neden Analizi: 45 Gün Verisiyle Nasıl Karar Alınır?

Ortalama tahsilatın 45 gün çıkması tek başına bir karar değildir; bir teşhisin başlangıcıdır. OzBI ile veriyi adım adım derinleştirebilirsiniz:

Tutar Ağırlıklı Segmentasyon (Pareto): 50 küçük müşterinin 10 gün gecikmesi nakit akışını bozmaz. Ancak cironun %20'sini oluşturan 2 ana bayinin 15 gün gecikmesi şirketi banka kredisi çekmeye zorlar.

Fatura Türü ve İhtilaf Ayrıştırması: Gecikmeler mal satışında mı yoksa onay bekleyen fiyat farkı / hizmet faturalarında mı yoğunlaşıyor?

Plasiyer / Bölge Analizi: Belirli satış temsilcileri ciro kotalarını doldurmak için müşterilere gayriresmî vade tavizleri mi veriyor?

OzBI, bu soruların tamamını ERP verinize doğrudan sorarak insan onaylı bir aksiyon listesine dönüştürmenizi sağlar: Kredi limiti kısıtlaması, teminat artırımı veya peşin iskonto teşviki.

Finans Ekipleri İçin Haftalık Kontrol Listesi

Haftalık tahsilat toplantılarında tahminleri bir kenara bırakıp şu göstergeleri yapay zekânıza sorgulatın:

• [ ] Cari Bazında Tutar Ağırlıklı Vade Sapması: Planlanan gün ile fiili gün arasındaki makas kimlerde açılıyor?
• [ ] FIFO Parçalı Ödeme Dağılımı: Yapılan son tahsilatlar gerçekten güncel faturaları mı kapatıyor, yoksa 6 ay öncesinin bakiyesini mi eritiyor?
• [ ] Konsantrasyon Riski: Geciken toplam tutarın yüzde kaçı ilk 5 müşterinin sorumluluğunda?
• [ ] Açık Bakiye Entegrasyonu: Ödeme alışkanlığı bozulan müşterinin vadesi henüz gelmemiş ne kadar açık faturası var?
• [ ] Trend Sapması: Müşterinin son 3 aydaki ödeme süresi kademeli olarak uzuyor mu (iflas/darboğaz erken uyarısı)?
  
  OzBI ile ERP verilerinizi doğal dilde konuşturun; kümülatif FIFO analiziyle tahsilat sapmalarını anında görün ve nakit akışınızı tahminlerle değil, yapay zekanın sunduğu gerçeklerle yönetmeye başlamak için ürünü ücretsiz deneyebilirsiniz!