| name | expense-analyzer |
| description | PDF banka dökümlerinden gider kategorize etme. Otomatik kalıp tanıma. Kategorizasyon kuralları. Gider trend analizi. Bütçe karşılaştırması. |
| triggers | {"keywords":["gider analizi","banka dökümü","harcama kategorisi","bütçe karşılaştırma","expense","bank statement","spending analysis"]} |
| auto_load_when | Kullanıcı banka dökümü analizi, gider kategorize etme veya bütçe karşılaştırma taleplerinde bulunduğunda |
| agent | researcher |
| tools | ["Read","Write","Bash","WebFetch","Grep"] |
Gider Analizör (Expense Analyzer)
Odak Alanı: PDF banka dökümlerinden gider kategorize etme, otomatik kalıp tanıma, trend analiz.
Pattern 1: Banka Dökümü Okuma ve Ayıklama
Veri Çıkarma Süreci
Döküm İşleme Akışı
│
├── Dosya Girişi
│ ├── PDF formatı
│ ├── CSV/Excel export
│ └── Online banka verisi (API)
│
├── OCR/Parse İşlemi
│ ├── Metin tanıma (OCR)
│ ├── Tablo yapısı çıkarma
│ ├── Tarih/sayi/metin ayrıştırma
│ └── Hata düzeltme
│
├── Veri Temizleme
│ ├── Tekrarlanan kayıtlar
│ ├── Geçersiz karakterler
│ ├── Tarih formatı standardizasyonu
│ └── Para birimi normalizasyonu
│
└── Yapısal Veri
├── Tarih
├── Açıklama
├── Tutar (Borç/Alacak)
└── Kategori (tahmini)
Adım Adım Uygulama
- Dosyayı oku: PDF, CSV veya API'den veri al
- Metni çıkar: OCR ile görüntüden metin
- Alanları ayır: Tarih, açıklama, tutar
- Verileri temizle: Format standardize et
- İşleme hazırla: Veritabanına aktar
Pattern 2: Otomatik Kalıp Tanıma
Kategorizasyon Kuralları
Kalıp Eşleştirme Sistemi
│
├── Maaş/Gelir Kalıpları
│ ├── "MAAŞ", "SALARY", "ÖDEME"
│ ├── "HESABA AKTARIM"
│ └── "ELEKTRONİK TRANSFER"
│
├── Gıda/Harcama Kalıpları
│ ├── "A101", "BİM", "MİGR", "ŞOK"
│ ├── "Migros", "Carrefour"
│ ├── "YEMEK", "RESTORAN"
│ └── "GETİR", "Yemeksepeti"
│
├── Ulaşım Kalıpları
│ ├── "İETT", "İstanbulkart"
│ ├── "TCDD", "Ulaştırma"
│ ├── "Taksi", "Uber", "Bitaksi"
│ └── "Akaryakıt", "BP", "Shell"
│
├── Fatura/Abonelik Kalıpları
│ ├── "Elektrik", "Su", "Doğalgaz"
│ ├── "Turkcell", "Türk Telekom"
│ ├── "Netflix", "Spotify"
│ └── "D-Smart", "Digitürk"
│
└── Özel Kalıplar
├── Kredi kartı ödemeleri
├── Konut kirası
├── Sağlık harcamaları
└── Eğitim harcamaları
Makine Öğrenimi Modeli
- Özellikler: Açıklama metni, tutar aralığı, tarih, saat
- Eğitim: Kullanıcı onayları ile öğrenme
- Sonuç: Otomatik kategori önerisi
Pattern 3: Gider Trend Analizi
Zaman Serisi Analizi
Trend Analiz Dönemleri
│
├── Haftalık Analiz
│ ├── Gün bazlı harcama
│ ├── Hafta içi vs sonu
│ └── Dönemsel dalgalanmalar
│
├── Aylık Analiz
│ ├── Kategori bazlı toplam
│ ├── Önceki ayla karşılaştırma
│ ├── Aynı ay geçen yıl
│ └── Yılbaşı / Bayram etkisi
│
├── Yıllık Analiz
│ ├── 12 aylık hareketli ortalama
│ ├── Yıllık büyüme oranı
│ ├── Enflasyon düzeltmesi
│ └── En yüksek/düşük dönemler
│
└── Anormallik Tespiti
├── Ortalamanın üzerinde harcama
├── Beklenmeyen büyük kalemler
├── Tekrarlayan anormal ödemeler
└── Kategori dışı kalemler
Görselleştirme
- Çizgi grafik: Aylık trend
- Pasta grafik: Kategori dağılımı
- Bar grafik: Karşılaştırmalı analiz
Pattern 4: Bütçe Karşılaştırması
Bütçe Planlama ve Analiz
Bütçe Karşılaştırma Sistemi
│
├── Bütçe Oluşturma
│ ├── Kategori bazlı limit
│ ├── Gelir-gider dengesi
│ ├── Tasarruf hedefi
│ └── Acil durum fonu
│
├── Fiili Karşılaştırma
│ ├── Plan vs Fiili
│ ├── Sapma oranı (%)
│ ├── Renk kodlaması (Yeşil/Sarı/Kırmızı)
│ └── Kategori bazlı detay
│
├── Raporlama
│ ├── Aylık özet
│ ├── Kategori bazlı detay
│ ├── Trend açıklaması
│ └── Öneriler
│
└── Uyarı Sistemi
├── Limit aşımı
├── Anormal harcama
├── Dönem sonu beklenti
└── Kötüleşen trend
Key Patterns
| Pattern | Açıklama | Kullanım Alanı |
|---|
| OCR/Parse | Görüntüden veri | PDF dökümler |
| Kalıp Tanıma | Otomatik kategori | Gider sınıflandırma |
| Trend Analiz | Zaman serisi | Gelişim takibi |
| Bütçe Karşılaştırma | Plan vs Fiili | Kontrol mekanizması |
| Anormallik Tespiti | Sapma belirleme | Uyarı sistemleri |
Anti-Patterns
❌ Yanlış Uygulamalar
const islem = {
aciklama: "A101 Market",
kategori: el ileAtama("GIDA")
};
const harcama = toplamHarcanan;
const trend = (buAy / geçenAy) - 1;
const kategori = esleşKalip(açıklama);
✅ Doğru Uygulamalar
const kurallar = [
{ kalip: /A101|BİM|MİGR/i, kategori: "GIDA" },
{ kalip: /Netflix|Spotify/i, kategori: "ABONELİK" },
{ kalip: /İETT|Metro/i, kategori: "ULAŞIM" },
{ kalip: /Elektrik|Su/i, kategori: "FATURA" }
];
function otomatikKategori(açıklama) {
for (const kural of kurallar) {
if (kural.kalip.test(açıklama)) return kural.kategori;
}
return "DİĞER";
}
function kontrolBütçe(kategori, tutar, bütçe) {
const kullanılan = harcamalar[kategori] || 0;
const kalan = bütçe[kategori] - kullanılan;
if (tutar > kalan) {
return { uyarı: "Limit aşıldı", renk: "kırmızı" };
} else if (kalan < bütçe[kategori] * 0.1) {
return { uyarı: "Limit azalıyor", renk: "sarı" };
}
{ uyarı: , : };
}
() {
n = veriler.;
xOrtalama = (n - ) / ;
yOrtalama = veriler.( a + b) / n;
pay = , payda = ;
( i = ; i < n; i++) {
pay += (i - xOrtalama) * (veriler[i] - yOrtalama);
payda += .(i - xOrtalama, );
}
eğim = pay / payda;
{ eğim, yö: eğim > ? : };
}
Quick Reference
| Kategori | Örnek Kalıplar | Ortalama % |
|---|
| GIDA | A101, BİM, Migros, Restaurant | 20-30% |
| ULAŞIM | İstanbulkart, Taksi, Akaryakıt | 10-15% |
| FATURA | Elektrik, Su, İnternet | 8-12% |
| KONUT | Kira, Mortgage | 25-35% |
| ABONELİK | Netflix, Turkcell, D-Smart | 3-5% |
| SAĞLIK | Eczane, Hastane | 2-5% |
| EĞİTİM | Kurs, Kitap | 2-5% |
| GİYİM | Mağaza, Online alışveriş | 5-10% |
| EĞLENCE | Sinema, Konser | 3-5% |
| DİĞER | Belirsiz | 5-10% |
| Metrik | Açıklama | Eşik |
|---|
| Bütçe Sapması | Plan-Fiili farkı | >%10 risk |
| Tekrarlayan Harcama | Aynı kategori artışı | >%20 |
| Anormal Kalem | Ortalamanın üstü | >2x ortalama |
| Tasarruf Oranı | Gelir - Gider | >%10 sağlıklı |
🌍 Universal Language Support
- Turkish Native: This skill natively supports Turkish. If the user prompt is in Turkish, all analysis, formatting, and output MUST be entirely in Turkish. You do not need explicit "write in Turkish" instructions.
