Kazanimlar:
- Zaman serisi, trend, mevsimsellik ve kampanya etkisi kavramlarını kavrayıp yapay zekayı doğru soru ve temiz veriyle talep tahmini için kullanabilme
- Tahmin doğruluğunu (MAPE, sapma) ve belirsizliği (güven aralığı, senaryolar) yorumlayıp planlamayı tek sayıya değil bir aralığa dayandırabilme
- Yapay zeka tahmininin geçmiş veriye dayandığını, yeni ürün, promosyon veya tedarik krizi gibi kırılmalarda uzman yargısının öne geçtiğini ayırt edebilme
Tedarik zincirindeki her karar tek bir soruya dayanır: ne kadar talep olacak? Bu soruya ne kadar isabetli cevap verirseniz, o kadar az stok tutar, o kadar az stoksuz kalır, o kadar az para bağlarsınız. Talep tahmini (demand forecasting — gelecekteki satış veya tüketim miktarını geçmiş veriden öngörme), tedarik zincirinin motorudur; stok, satın alma, üretim ve nakliye planı hep buradan beslenir. Yapay zeka bu alanda son derece güçlüdür çünkü binlerce ürünün geçmişini insandan çok daha hızlı tarayıp örüntü çıkarır. Ama gücünün kaynağı aynı zamanda sınırıdır: YZ geçmişten öğrenir; gelecek geçmişe benzemiyorsa yanılır. Bu ünitede tahminin dilini, doğruluğunu ölçmeyi, belirsizliği yönetmeyi ve YZ'nin nerede size teslim olması gerektiğini öğreneceğiz.
Tahminin dili: zaman serisi, trend, mevsimsellik
Talep verisi genellikle bir zaman serisidir — zamana göre sıralanmış sayılar dizisi, örneğin bir ürünün her günkü satışı. Bu diziyi üç parçaya ayırmak tahminin temelidir:
Trend, uzun vadeli yön: satış yıldan yıla artıyor mu, azalıyor mu? Mevsimsellik (seasonality), düzenli tekrar eden dalgalanma: dondurma yazın, kaloriferci kışın satar; cuma-cumartesi market yoğun olur. Gürültü (noise), açıklanamayan rastgele oynama. İyi bir tahmin trendi ve mevsimselliği yakalar, gürültüye kanmaz. Bunların üstüne bir de olaylar biner: kampanya, promosyon, resmi tatil, hava durumu, rakip hamlesi. YZ'ye tahmin yaptırırken bu olayları ona söylemek zorundasınız; söylemezseniz kampanya günündeki zıplamayı "normal" sanıp geleceği yanlış kurar.
İpucu: YZ'ye ham satış verisi verirken kampanya, tatil ve stoksuz kalınan günleri işaretleyin. Stoksuz gün önemlidir: o gün satış düşük görünür ama gerçek talep yüksekti, sadece mal yoktu. Bunu belirtmezseniz YZ gerçek talebi olduğundan düşük öğrenir.
Doğruluğu ölçmek: MAPE ve sapma
"Tahmin iyi mi?" sorusunun cevabı histen değil, ölçümden gelir. En yaygın gösterge MAPE'dir (Ortalama Mutlak Yüzde Hata — tahminlerin gerçekten ortalama yüzde kaç saptığı). MAPE %10 ise tahminleriniz gerçek değerden ortalama %10 kaçıyor demektir; düşük MAPE daha iyidir. İkinci önemli kavram sapma yönü (bias): tahmininiz sürekli gerçeğin üstünde mi (fazla stok üretir) yoksa altında mı (stoksuz bırakır) kalıyor? Bir tahmin düşük MAPE'ye sahip olsa bile hep aynı yöne sapıyorsa sistematik bir sorun vardır.
YZ'ye geçmişin bir kısmını "eğitim", bir kısmını "test" olarak ayırıp tahminini gerçekle kıyaslatabilirsiniz. Bu, güven kurmanın dürüst yoludur: modeli görmediği veride sınamak. Bir tahmin ancak geçmişte tutarlı çıkmışsa geleceğe uygulamaya değer.
Dikkat: Hiçbir tahmin %100 doğru değildir; olması da beklenmez. Amaç mükemmel tek bir sayı değil, sapmayı bilerek yönetilebilir bir aralık üretmektir. "Tahmin tuttu/tutmadı" ikili düşüncesi yanlıştır; doğru soru "ne kadar saptı ve buna göre ne kadar tampon tuttum" sorusudur.
Belirsizliği yönetmek: tek sayı değil aralık
Planlamacının en tehlikeli alışkanlığı, tahmini tek bir kesin sayı gibi görmektir. Gerçekte her tahminin bir güven aralığı vardır — "gelecek ay talep büyük olasılıkla 900 ile 1.100 arasında" gibi. Bu aralık ne kadar genişse belirsizlik o kadar yüksektir. Aralığı bilmek stok kararınızı doğrudan etkiler: dar aralıkta az güvenlik stoğu, geniş aralıkta daha fazla tampon gerekir.
Bu yüzden YZ'den her zaman senaryolar isteyin: kötümser (talep düşük çıkarsa), beklenen ve iyimser (talep yüksek çıkarsa). Üç senaryoyu görünce plan tek bir varsayıma değil, olası bir yelpazeye dayanır. Bu, "tek sayıya kilitlenme" tuzağından çıkmanın en pratik yoludur.
Adım adım: YZ ile talep tahmini çalışması
- Veriyi temizle. Eksik günleri, stoksuz kalınan günleri, açık hatalı kayıtları işaretle; anonim ürün koduyla çalış.
- Olayları etiketle. Kampanya, tatil, promosyon günlerini veriye ekle.
- Örüntüyü çıkart. YZ'den trend, mevsimsellik ve dikkat çeken olayları özetlemesini iste.
- Test et. Geçmişin son bölümünü sakla, YZ tahmin etsin, gerçekle kıyasla (MAPE ve sapma yönü).
- Senaryo üret. Kötümser/beklenen/iyimser üç tahmin ve her birinin güven aralığını iste.
- Uzman süzgeci. Yaklaşan bilinen kırılmaları (yeni ürün, tedarik krizi, mevzuat) YZ bilmez; bunları elle ekle. Nihai plan sizindir.
Üç mini vaka
Vaka 1 — Mevsimselliği yakalamak. Bir içecek dağıtımcısı, yaz aylarında sürekli stoksuz kalıp kışın elinde mal kalmasından şikâyetçiydi. Planlamacı 3 yıllık anonim günlük satışı YZ'ye verip mevsimselliği çıkarttırdı: haziran-ağustos talebi kış ortalamasının 2,4 katıydı ve her yıl mayıs ortasında zıplama başlıyordu. Bu örüntüye göre yaz stoğunu 3 hafta önceden kurdu; yaz stoksuzluğu %70 azaldı, kış ölü stoğu düştü. YZ örüntüyü gösterdi; stok kararını planlamacı verdi.
Vaka 2 — Yeni üründe teslim olmak. Bir firma piyasaya yepyeni bir ürün sürecekti; geçmiş satış verisi yoktu. Planlamacı YZ'ye "ilk 3 ay talebi ne olur?" diye sordu. YZ makul görünen bir sayı üretti — ama planlamacı bunun temelsiz olduğunu biliyordu: veri yoktu. Bunun yerine YZ'den "geçmişte benzer segmentte çıkan ürünlerin ilk 3 ay örüntüsü neydi?" analizini istedi ve tahmini bir aralık olarak, temkinli başlangıç stoğuyla kurdu. Uzman yargısı YZ'nin uydurma güvenini geçersiz kıldı.
Vaka 3 — Stoksuz günün tuzağı. Bir analist, bir ürünün talebinin düştüğü sonucuna vardı ve stoğu azaltmayı önerdi. Kıdemli meslektaşı verideki düşük satış günlerinin aslında stoksuz kalınan günler olduğunu fark etti: talep düşmemişti, mal yoktu. Veri bu notla düzeltilip YZ'ye yeniden verildiğinde gerçek talebin arttığı görüldü. Yanlış temizlenmiş veri, yanlış tahmin üretir.
Dört kopyalanabilir şablon
1) Örüntü çıkarma:
Rolün: talep planlama analisti asistanı. Aşağıda bir ürünün(anonim kod: URUN-X) son 36 ayın aylık satış verisi var.Kampanya ayları [ay listesi], stoksuz aylar [ay listesi].Görev: (1) trendi, (2) mevsimsel örüntüyü, (3) dikkat çekenolayları özetle. Stoksuz ayların gerçek talebi gizlediğinihesaba kat. Veri vermediğim ayı uydurma.
2) Doğruluk testi:
Aşağıdaki 36 ayın ilk 30'unu kullanarak son 6 ayı tahmin et.Sonra tahminini verdiğim gerçek son 6 ayla kıyasla; her ay içinsapmayı ve toplam MAPE'yi hesapla. Tahminin sürekli yüksek midüşük mü saptığını (bias) söyle. Formülü göster.
3) Senaryolu tahmin:
Bu ürün için gelecek çeyreğin aylık talebinikötümser / beklenen / iyimser olmak üzere 3 senaryoda tahmin et.Her senaryo için bir güven aralığı ver ve hangi varsayımadayandığını yaz. Bunun kesin değil, planlama için bir aralıkolduğunu belirt.
4) Kırılma kontrolü:
Sana verdiğim geçmiş veriye dayalı tahminin, aşağıdakiyaklaşan olaylarla nasıl geçersizleşebileceğini listele:[yeni ürün / promosyon / tedarik krizi / mevzuat değişikliği].Her biri için tahmini nasıl elle düzeltmem gerektiğini öner.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Gelecek ay ne kadar satarım?
Veri yok, ürün yok, bağlam yok. YZ ya reddeder ya da uydurur; her iki sonuç da işe yaramaz.
Güçlü prompt:
Rolün: talep planlama asistanı. Aşağıda URUN-X'in son 24 ayınaylık satışı var; kampanya ayları ve stoksuz aylar işaretli.Gelecek 3 ay için kötümser/beklenen/iyimser tahmin ver,her birine güven aralığı ekle, MAPE'yi geçmiş test üzerindengöster. Nihai stok kararının bende olduğunu varsay.
Yaklaşım
İsabet
Belirsizlik yönetimi
Risk
Tek sayıya güvenmek
Yanıltıcı
Yok
Yüksek — plan çöker
Senaryo + aralık
Gerçekçi
İyi
Düşük
Yalnızca sezgi
Değişken
Zayıf
Orta-yüksek
YZ'ye körü körüne uymak
Değişken
Yok
Yüksek
Sık yapılan hatalar
- Stoksuz günü gerçek düşük talep sanmak. Mal yokken satış düşük görünür; bu, talebin düştüğü anlamına gelmez.
- Tek sayıya kilitlenmek. Tahmini kesin gerçek gibi görmek, belirsizliği yok saymaktır; hep aralık ve senaryo isteyin.
- Kampanyayı etiketlememek. Promosyon zıplamasını "normal" sanan model geleceği çarpıtır.
- Yeni ürüne geçmişsiz tahmin. Verisi olmayan ürün için YZ'nin güvenli görünen sayısı temelsizdir.
- Kırılmayı YZ'ye bırakmak. Salgın, tedarik krizi, mevzuat gibi yapısal kopuşları YZ bilmez; uzman elle müdahale etmeli.
Dikkat: Bir tahmin ne kadar güzel görünürse görünsün, dayandığı verinin kalitesinden daha iyi olamaz. "Çöp girer, çöp çıkar." Zamanınızın çoğunu veriyi temizlemeye ayırın; model kısmı gerisini halleder.
Özetle
Talep tahmini tedarik zincirinin motorudur ve YZ bu motoru hızlandıran güçlü bir asistandır. Ama YZ geçmişten öğrenir; gelecek geçmişe benzemediğinde yanılır. Trend ve mevsimselliği yakalayın, olayları etiketleyin, doğruluğu MAPE ve sapma yönüyle ölçün, tahmini tek sayı değil senaryo ve aralık olarak kurun. Yeni ürün ve yapısal kırılmalarda uzman yargısı öne geçer. Veri temizliği her şeyin temelidir; nihai plan sizindir.
Uygulama görevi
Kendi ürünlerinizden birinin (veya varsayımsal bir ürünün) son 12-24 ayın satış verisini alın, kampanya ve stoksuz ayları işaretleyin. "Senaryolu tahmin" şablonuyla YZ'den üç senaryo isteyin. Sonra "Doğruluk testi" şablonuyla geçmişin bir bölümünü saklayıp tahmini gerçekle kıyaslatın. Bulduğunuz MAPE'yi ve seçtiğiniz senaryoyu nedeniyle birlikte 5 maddede yazın; hangi güvenlik tamponunu ekleyeceğinizi de belirtin.
Kontrol listesi
- [ ] Veriyi temizledim, stoksuz ve kampanya günlerini işaretledim mi?
- [ ] Tahmini geçmiş test üzerinden MAPE ve sapma yönüyle doğruladım mı?
- [ ] Tek sayı yerine senaryo ve güven aralığı istedim mi?
- [ ] Yeni ürün / kırılma varsa uzman yargısını öne aldım mı?
- [ ] Nihai stok planını kendi onayıma bağladım mı?