Yurtdışı Yolsuzluk Faaliyetleri Kanunu’nun Artan Uygulaması: Satış Aracılarının Seçilmesinde Yapay Sinir Ağlarının Kullanımı

Abstract

Son on yılda, yerel ve uluslararası kanunlara uymamanın riski ciddi seviyede artmıştır. İş riski değerlendirmelerinde, “mevzuat ve uygunluk” riski, 2008 yılından beri en önemli risklerden biri olarak belirlenmiştir. Yolsuzluk karşıtı mevzuatının firma ve kişilere olan yaptırımının artması, bu risk faktörünün en önemli iş risklerinden biri olmasının temel nedenidir. Yolsuzluk karşıtı mevzuatın artarak uygulandığı bu ortamda, firmalar parasal ceza ve itibar zedelenmesi risklerini azaltmak için, kendilerine has, proaktif ve dayanıklı yolsuzluk karşıtı uygunluk programlarını uygulamakta ve bu programlarını kurumsal kültürlerinin bir parçası haline getirmektedirler. Firmalar iş ve satış ağlarını farklı ülkelerde genişlettikçe, üçüncü şahıs ve firmalar ile iş ilişkisi içine girmektedirler. Özellikle satış aracıları ile kurulan iş ilişkileri en yaygın olanıdır. Bu nedenle, tüm firmalar etik çalışacak iş ortaklarının seçilmesi sürecini itinalı bir şekilde yürütmek durumundadırlar. Genelde profesyonel danışman firmaları tarafından gerçekleştirilen bu maliyetli çalışma, günümüz koşullarında özellikle uluslararası faaliyet gösteren firmalar için standart bir iş haline gelmiştir. Bu çalışmada, firmaların kanunlara uygunsuzluk, başka bir deyişle cezai yaptırım ve itibar zedelenmesi risklerini en aza indirmek için satış aracılarının seçiminde kullanılabilecek pratik bir karar destek aracı geliştirilmiştir. Bu araç, bir yapay sinir ağı yontemi olan geri yayilmali algoritma ile, örüntü tanıma yaklaşımını uygulamaktadır. Bu çalışmada geliştirilen ve satış aracılarının seçiminde kullanılabilecek yapay sinir ağı modelinin doğru sonuç verme performansı yüksek olup, modelin firmalarda bir karar destek aracı olarak kullanılması önerilmektedir.

In the last decade, the risk of not complying with the local and international legislation has significantly increased. In the business risk evaluations, “regulation and compliance” was rated as one of the most prominent risks since 2008. The main reason for the tougher stand against corrupt business practices is the increased enforcement actions against both companies and individuals. Within this legislative framework, companies have to implement their own robust and proactive anti-corruption compliance program as an integral and permanent component of the corporate culture in order to mitigate their monetary and reputational risk. When companies extend their network in different countries, they will surely get into business relationships with third parties, especially sales intermediaries. A systematic detailed check of the prospective sales intermediaries questioning their economical, legal and ethical aspects, aiming to reveal any issue which could cast doubt on the integrity is called the Due Diligence. This costly examination carried by the external professionals has become a business standard of multi-national companies. In the thesis, a practical management decision support tool using pattern recognition of artificial neural networks was developed aiming to assist companies in their selection of sales intermediaries by way of minimizing any future risk of a “compliance and regulation” violation, which could result in severe sanctions and punishments against such companies. The performance of the developed artificial neural network model resulted in an intact correct outcome, brining forth confidence relating the implementation of the artificial neural network model as a management decision support tool within companies.