Kazanimlar:
- Zaman serisi, mevsimsellik ve trend kavramlarını kavrayıp yapay zekayı hasta talebi tahmini için doğru soru ve veriyle kullanabilme
- Tahmin belirsizliğini (güven aralığı, senaryolar) yorumlayıp planlamayı tek bir sayıya değil bir aralığa dayandırabilme
- Yapay zeka tahmininin geçmiş veriye dayandığını, salgın/afet gibi kırılmalarda uzman yargısının öne geçtiğini ayırt edebilme
Bir hastane yöneticisinin en zor sorusu geleceğe dairdir: "Önümüzdeki hafta acile kaç hasta gelir? Kışın grip sezonunda poliklinik yükü ne kadar artar? Bayram tatilinde kaç personel yeter?" Bu soruların cevabı belirsizdir ama tamamen karanlık da değildir. Geçmiş, geleceğin ipuçlarını taşır. Talep tahmini (İngilizcesiyle forecasting), geçmiş veriye bakarak gelecekteki hasta/iş yükünü öngörme çalışmasıdır. Bu ünitede yapay zekayı talep tahmininde nasıl kullanacağınızı ve — en az onun kadar önemlisi — tahminin belirsizliğini nasıl yöneteceğinizi öğreneceksiniz. Temel kural: YZ tahmini geçmiş örüntülere dayanır; salgın, afet, mevzuat değişikliği gibi kırılmalarda uzman yargısı öne geçer.
Zaman serisinin üç bileşeni
Geçmiş talep verisine zaman serisi denir — belli aralıklarla (günlük, haftalık) ölçülmüş sayıların sıralı dizisidir. Bir zaman serisini anlamak için onu üç parçaya ayırmak gerekir. Trend, uzun dönemli yön: acil başvurunuz yıllar içinde artıyor mu, azalıyor mu? Mevsimsellik (sezonsallık), düzenli tekrar eden dalgalanma: kışın solunum yolu hastalıkları artar, yazın travma/kaza artar, hafta sonu poliklinik boşalır. Gürültü/dalgalanma, açıklanamayan rastgele oynamalardır. İyi bir tahmin, trendi ve mevsimselliği yakalar, gürültüyü abartmaz. YZ bu ayrıştırmayı yapmanıza yardımcı olur; ama neyin gerçek örüntü, neyin gürültü olduğunu yargılamak sizin işinizdir.
En kritik kavram belirsizliktir. Hiçbir tahmin tek bir kesin sayı değildir. İyi tahmin bir aralık verir: "Önümüzdeki cumartesi acile 210 ile 260 arası hasta bekliyoruz, en olası değer 235." Bu aralığa güven aralığı denir. Planlamayı tek sayıya değil aralığa göre yaparsanız, hem düşük hem yüksek senaryoya hazırlıklı olursunuz. Tek sayıya inanmak, tahmine olduğundan fazla güvenmenin klasik hatasıdır.
Aralıkla planlamanın pratik bir mantığı vardır: sağlıkta hatanın iki yönü eşit maliyetli değildir. Yeterince personel bulundurmayıp yüksek talep geldiğinde bekleme, yığılma ve hasta güvenliği riski doğar; bu ağır bir bedeldir. Fazla personel bulundurup düşük talep geldiğinde ise atıl maliyet oluşur; bu da istenmez ama daha yönetilebilirdir. Bu yüzden yaşamsal birimlerde (acil, yoğun bakım) planlama genelde aralığın üst ucuna (yüksek senaryo) yakın yapılır, ama fazla kapasiteyi başka birime kaydırabilecek bir esneklik planıyla birlikte. Tahminin size verdiği en değerli şey kesin sayı değil, bu iki yönlü riski görüp bilinçli bir tampon seçebilmenizdir.
Adım adım: YZ ile talep tahmini
- Yeterli geçmiş veri topla. Mevsimselliği yakalamak için en az bir tam yıl, tercihen 2-3 yıl anonim günlük/haftalık başvuru sayısı.
- Bağlamı ekle. Tatiller, kampanyalar, hava, salgın dönemleri gibi bilinen etkileri işaretle; yoksa YZ bunları gürültü sanır.
- Ayrıştır. YZ'den trendi, mevsimselliği ve olağandışı sıçramaları özetlemesini iste.
- Aralıklı tahmin al. Tek sayı değil, düşük/olası/yüksek senaryolarla tahmin iste.
- Kapasiteye çevir. Tahmini personel, yatak, malzeme ihtiyacına dönüştür.
- Kırılma kontrolü. Ufukta salgın, mevzuat değişikliği, yeni hizmet açılışı gibi geçmişte olmayan bir etken varsa, tahmini uzman yargısıyla elle düzelt.
Dikkat: YZ'ye "gelecek yılı tahmin et" deyip veri vermezseniz, o size uydurma bir sayı verir. Tahmin, ancak sizin sağladığınız geçmiş veri üzerinde anlamlıdır.
Üç mini vaka
Vaka 1 — Grip sezonu hazırlığı. Bir hastane, 3 yıllık anonim günlük acil başvuru verisini YZ'ye verdi. YZ, her yıl Aralık ortası–Şubat arasında başvuruların ortalama yüzde 35 arttığını, zirvenin Ocak 3. haftasında olduğunu gösterdi. Yönetim bu pencerede ek hekim ve hemşire nöbeti planladı, grip aşısı ve hızlı test stokunu artırdı. O kış, zirve haftasında bekleme süresi bir önceki yıla göre belirgin düştü; çünkü kapasite yığılmayı önceden karşıladı.
Vaka 2 — Aralık yerine senaryo. Bir işletme müdürü YZ'den "gelecek cumartesi acil başvurusu" için tek sayı istedi: 240. Sonra bunu güven aralığıyla yeniden sordu: 205–275. Müdür planlamayı 275'e göre (yüksek senaryo) yaptı ama 205'e göre esnek çıkış (fazla personeli başka birime kaydırma) planı da hazırladı. Gerçek başvuru 262 oldu; tek sayıya güvenseydi 22 hasta kadar eksik planlardı. Aralıkla çalışmak onu korudu.
Vaka 3 — Kırılmanın tahmini bozması. Bir bölgede beklenmedik bir sel felaketi oldu. Geçmiş veriye dayalı tahmin o hafta için "normal" diyordu; oysa acil başvuruları iki katına çıktı. YZ tahmini kırılmayı göremezdi çünkü geçmişte böyle bir olay yoktu. Kriz masası tahmini bir kenara bırakıp gerçek zamanlı başvuru izlemeye ve saatlik güncellemeye geçti. Ders: yapısal kırılmada geçmiş yol gösterici olmaktan çıkar; uzman yargısı ve canlı izleme öne geçer.
Dört kopyalanabilir şablon
1) Zaman serisi ayrıştırma:
Rolün: hastane talep analistine yardımcı asistan.Aşağıda anonim, 3 yıllık haftalık acil başvuru sayıları var.Görev: (1) genel trendi (artış/azalış) özetle, (2) mevsimselörüntüyü ayları belirterek anlat, (3) olağandışı sıçramalarıişaretle. Neyin gerçek örüntü, neyin rastgele dalgalanmaolabileceğini ayır. Uydurma sayı ekleme.
2) Aralıklı tahmin:
Yukarıdaki veriye göre önümüzdeki 4 hafta için haftalık acilbaşvuru tahmini yap. Tek sayı DEĞİL; her hafta içindüşük / en olası / yüksek olmak üzere bir aralık ver.Aralığın neden bu genişlikte olduğunu kısaca açıkla.
3) Tahmini kapasiteye çevirme:
Zirve haftası için yüksek senaryo tahmini 275 başvuru/gün.Ortalama bir acil hekimi vardiyada ~35 hasta karşılıyor,bir hemşire ~25. Görev: yüksek senaryoda gereken minimumhekim ve hemşire sayısını hesapla, formülü göster. Bunun birplanlama girdisi olduğunu, nihai kararın yöneticide olduğunu belirt.
4) Kırılma uyarısı kontrol listesi:
Önümüzdeki dönemde geçmiş veride OLMAYAN bir etken var mı diyesorgulayacağım bir kontrol listesi hazırla: salgın, mevzuatdeğişikliği, yeni birim açılışı, bölgesel etkinlik, hava/afet.Her madde için "varsa tahmini nasıl elle düzeltmeliyim" notu ekle.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Gelecek ay kaç hasta gelir?
Veri yok, birim yok, dönem tanımı yok; YZ ancak uydurabilir.
Güçlü prompt:
Elimde 3 yıllık anonim haftalık poliklinik başvuru verisi var(ekte). Kış aylarında yükün arttığını biliyorum. Önümüzdeki 6 haftaiçin düşük/olası/yüksek aralıklı tahmin ver, mevsimsel örüntüyüayları belirterek açıkla, ve tahmini eksik/yanıltıcı yapabilecekkırılma etkenlerini listele.
Kavram
Ne demek
Planlamaya etkisi
Trend
Uzun dönemli yön
Kalıcı kapasite yatırımı
Mevsimsellik
Düzenli tekrar
Sezonsal ek personel/stok
Güven aralığı
Tahminin belirsizlik bandı
Düşük ve yüksek senaryo planı
Kırılma
Geçmişte olmayan olay
Tahmini bırak, canlı izlemeye geç
Sık yapılan hatalar
- Tek sayıya inanmak. Tahmin bir aralıktır; tek noktaya göre planlamak riskli.
- Yetersiz veri. Bir yıldan az veriyle mevsimsellik yakalanamaz.
- Bağlamı işaretlememek. Tatil ve kampanyaları belirtmezseniz YZ onları gürültü sanır.
- Kırılmayı görmezden gelmek. Salgın/afet dönemlerinde geçmiş veri yanıltır.
- Tahmini karar sanmak. Tahmin bir girdidir; personel ve bütçe kararı yöneticinindir.
İpucu: Tahmininizi her ay gerçekleşenle karşılaştırıp "ne kadar saptı" diye bir sapma kaydı tutun. Bu geri besleme, hem tahmininizi hem YZ'ye verdiğiniz veriyi zamanla iyileştirir ve size tahmine ne kadar güveneceğinizi öğretir.
Özetle
Talep tahmini, geçmiş veriden geleceğe köprü kurar ama bu köprü belirsizdir. YZ, zaman serisini trend, mevsimsellik ve gürültüye ayırmada ve aralıklı tahmin üretmede güçlü bir yardımcıdır. Planlamayı tek sayıya değil güven aralığına dayandırın; düşük ve yüksek senaryoya birlikte hazırlanın. En önemlisi: salgın, afet, mevzuat değişikliği gibi kırılmalarda geçmiş veri yol gösterici olmaktan çıkar; orada uzman yargısı ve gerçek zamanlı izleme öne geçer.
Uygulama görevi
En az bir yıllık anonim haftalık başvuru veriniz varsa (yoksa varsayımsal üretin), "Zaman serisi ayrıştırma" ve "Aralıklı tahmin" şablonlarıyla YZ'den mevsimsel örüntü ve 4 haftalık aralıklı tahmin isteyin. Sonra en olası değerleri kendi kaba ortalamanızla karşılaştırın. Ufuktaki bir kırılma etkenini (örneğin yeni bir poliklinik açılışı) belirleyip tahmini nasıl elle düzeltirdiniz, 5 maddede yazın.
Kontrol listesi
- [ ] En az bir yıllık, mevsimselliği yakalayacak anonim veri kullandım mı?
- [ ] Tatil/kampanya gibi bağlamları işaretledim mi?
- [ ] Tek sayı yerine güven aralığıyla mı planladım?
- [ ] Ufuktaki kırılma etkenlerini kontrol ettim mi?
- [ ] Tahmini bir girdi olarak alıp kararı yöneticiye bıraktım mı?