Yapay zeka ile talep tahmini
Talep tahmini, geçmiş satış verisini ve talebi etkileyen etkenleri (kampanya, fiyat, bayram, sezon) kullanarak önümüzdeki dönemde hangi üründen ne kadar satılacağını öngörmektir. Corrplus, verinizle ürün ve depo bazında tahmin modelleri kuruyor, sonucu bir aralık olarak satın alma ve üretim planlamasının kullandığı ERP'ye veya tabloya aktarıyor.
Ücretsiz görüşme planlayınBelirtiler
- Satın alma miktarı geçen yılın rakamı ve tecrübeyle belirleniyor.
- Çok satan ürünlerde stoksuz kalınırken yavaş ürünler depoda bekliyor.
- Kampanya ve bayram dönemlerinde talep her seferinde şaşırtıyor.
- Tahmin tablosunu yalnızca bir kişi güncelleyebiliyor ve o kişi izne çıkınca planlama duruyor.
- Satış, satın alma ve üretim aynı dönem için farklı rakamlarla çalışıyor.
Beklemenin maliyeti
Stoksuz kalınan her gün kaçan satıştır, fazla stok ise bağlanmış nakit ve depo maliyetidir. Fiyatların sık değiştiği dönemlerde bu iki hatanın bedeli daha da artar.
Yaklaşımımız
Veri incelemesi
Satış, stok, fiyat ve kampanya geçmişinizi birleştiriyor, tahmin için yeterli olup olmadığını ve eksiklerini açıkça raporluyoruz.
Karşılaştırmalı modelleme
Basit bir taban tahminden başlayıp istatistiksel ve makine öğrenmesi modellerini aynı geçmiş dönem üzerinde karşılaştırıyoruz.
Planlamaya bağlama
Seçilen modelin tahmini, alt ve üst sınırıyla birlikte ERP'nize, planlama tablonuza veya bir panele düzenli olarak yazılır.
İzleme ve yeniden eğitme
Gerçekleşen satışla tahmin arasındaki fark izlenir; sapma büyüdüğünde model güncellenir ve ekip haberdar edilir.
Neyi ölçmeli
- Ürün bazında tahmin hatası
- Stoksuz kalınan gün sayısı
- Elde tutulan fazla stok miktarı
- Planlama döngüsüne harcanan süre
Kendi ürünlerimiz
Müşteri projelerinde kullandığımız araçları ve kontrol listelerini kendi ürünlerimizde de kullanıyoruz.
Tüm ürünler →Tahmin neden tutmuyor?
Çoğu şirkette talep tahmini, geçen yılın aynı dönemi ve planlamacının tecrübesiyle yapılır. Bu yöntem dengeli dönemlerde işe yarar. Ama Türkiye’de talebi etkileyen etkenler sık değişir: her yıl farklı tarihe denk gelen bayramlar, Trendyol ve Hepsiburada’daki kampanya dönemleri, fiyat güncellemeleri ve turizm sezonunun uzayıp kısalması.
Bir de görünmeyen bir sorun vardır. Stoksuz kalınan günlerde satış sıfır görünür, ama bu talebin sıfır olduğu anlamına gelmez. Bu günleri ayırt etmeyen her yöntem, çok satan ürünü olduğundan düşük tahmin eder. Veri incelemesinde ilk baktığımız şeylerden biri budur.
Hangi yöntem ne zaman yeterli?
| Yöntem | Neyi hesaba katar | Ne zaman yeterli | Sınırı |
|---|---|---|---|
| Geçmiş ortalama (Excel) | Yalnız geçmiş satış | Az ürün, durağan talep | Kampanya ve takvim etkisini görmez |
| İstatistiksel modeller (ETS, ARIMA, Prophet) | Trend ve sezonsallık | Düzenli geçmişi olan ürünler | Çok sayıda dış etkeni zor taşır |
| Makine öğrenmesi (LightGBM gibi) | Kampanya, fiyat, takvim, ürün özellikleri | Çok ürün ve zengin veri | Daha fazla veri ve bakım ister |
Her projede bu üçünü aynı geçmiş dönem üzerinde karşılaştırıyoruz. Bazen basit bir istatistiksel model yeterli olur ve daha karmaşık bir sisteme gerek kalmaz. Bunu da açıkça söylüyoruz.
Tahmin tek bir rakam olarak değil, alt ve üst sınırıyla verilir. Planlamacı emniyet stoğunu bu aralığa göre belirler: kritik ürünlerde üst sınıra, kolay tedarik edilen ürünlerde ortaya yakın planlama yapabilir. Model kararı vermez, kararın dayandığı rakamı daha güvenilir hale getirir.
Nasıl başlıyoruz?
İlk adım bir yapay zeka danışmanlığı çalışmasıdır: verinizi inceliyor, hangi ürün grubunda tahminin en çok fark yaratacağını ve verinin buna yetip yetmediğini raporluyoruz. Veri yetiyorsa ilk model bir ürün grubu veya bir depo için kurulur. Pilot süresince model mevcut yönteminizle yan yana çalışır ve iki tahmin birlikte raporlanır.
Model, verinin bulunduğu yere yakın çalışır: kendi sunucunuzda veya tercih ettiğiniz bulut altyapısında. Tahminin ERP’ye, Excel’e veya bir panele düzenli olarak yazılması ve sapma olduğunda ekibe haber verilmesi iş süreci otomasyonu ile kurulur. Satış verisi genellikle kişisel veri içermez; müşteri düzeyinde veri kullanılacaksa KVKK değerlendirmesi tasarım aşamasında yapılır.
Yapay zeka ile talep tahmini: sizin işinizde nereden başlanır?
Mevcut durumunuzu ücretsiz ilk görüşmede anlatın; nereden başlamanın mantıklı olduğunu açıkça söyleyelim.
İlgili hizmetler ve kullanım senaryoları
Sık sorulan sorular
Ne kadar geçmiş veriye ihtiyaç var?
Sezonsallığı görmek için en az birkaç sezonu kapsayan, ürün ve gün ya da hafta bazında satış verisi gerekir. Kesin eşik ürününüze ve talebin düzenine bağlıdır; veri incelemesinde bunu açıkça söylüyoruz.
Excel'deki tahminimizden ne farkı var?
Excel çoğunlukla geçmiş ortalamayı kullanır. Model kampanya, fiyat, bayram ve hafta günü etkisini ayrı ayrı öğrenir, binlerce ürünü aynı anda hesaplar ve tek bir rakam yerine olası bir aralık verir.
Bayram gibi her yıl tarihi değişen dönemleri hesaba katabilir mi?
Evet. Ramazan ve Kurban Bayramı, okul tatilleri ve pazaryeri kampanya günleri modele takvim bilgisi olarak verilir. Böylece model talebi takvimdeki aynı güne değil, ilgili döneme göre karşılaştırır.
Yeni çıkan ürünler için tahmin yapılabilir mi?
Geçmişi olmayan üründe doğrudan tahmin zayıftır. Benzer ürünlerin ilk haftalarındaki satıştan yararlanan yaklaşımlar kullanılır, ama bu tahminler daha geniş aralıkla verilir ve planlamacının yorumu daha önemlidir.
Tahminin doğru olduğunu nasıl bileceğiz?
Modeli canlıya almadan önce geçmiş bir dönemi sanki bilmiyormuş gibi tahmin ettirip gerçekleşenle karşılaştırıyoruz. Aynı testi mevcut yönteminize de uyguluyoruz, böylece karar somut bir karşılaştırmaya dayanır.
Dönüşümünüzü birlikte konuşalım
Hangi işin her hafta tekrarlandığını anlatın. Otomasyona değip değmeyeceğini açıkça söyleyelim.
Nasıl başlıyoruz?
- Ücretsiz ilk görüşmeSorunu ve hedefi birlikte netleştiriyoruz.
- 2 haftalık keşif programıVeriye, sürece ve araçlara bakıp nereden başlanacağını belirliyoruz.
- Yazılı teklifKapsamı, mimariyi ve takvimi yazılı olarak sunuyoruz.