İçerik Projenin Amacı Veri (toplama & işleme) Tahmine Giriş

... konulu sunumlar: "İçerik Projenin Amacı Veri (toplama & işleme) Tahmine Giriş"— Sunum transkripti:

1

2 İçerik Projenin Amacı Veri (toplama & işleme) Tahmine Giriş
Dünya Çeşitler Kullanıcılar için Sistem Üçlü Üstel Yumuşatma (Winter Metodu) Kontrol Sistemi ve Örnek Grup Seçimi Yeni Yaklaşım

3 Projenin Amacı Brisa’nın stok seviyelerini daha iyi kontrol edebilmesi için nicel metodların (zaman serileri) ve pazar büyümesi, ekonomik durum, sıcaklık gibi nitel metodların kombinasyonu ile bayiler tarafından yapılan satışların tahmini için yeni bir yaklaşım geliştirmek

4 Veri Toplama BOS (Bayi Otomasyon Sistemi)
2006 yılından bugüne günlük satışlar Fatura Tarihi Satılan Lastik Ürün Kodu Bayi Kodu Ürün Ana Grubu Ürün Grubu Ürün Alt-grubu Satış Fiyatı

5 Veri İşleme Microsoft Office Access MS Query Microsoft Office Excel

6 Tahmin Dünyası Uzun Vadeli Orta Vadeli 1 sezondan 2 yıla kadar
ARGE, yatırım, fabrika mevki planlama, tedarik ağ tasarımı Genellikle karar odaklı Orta Vadeli 1 sezondan 2 yıla kadar Kapasite planlama, satış tahmin Nicel yöntemlerle karar odaklılık bir arada Kısa Vadeli 1 sezondan daha az Personel alım seviyeleri, satın alma, operasyonel planlama Nicel yöntemler

7 Tahmin Modeli Çeşitleri
Tahmin Çeşitleri: Nitel: tecrübe ve karara dayalı... Nicel: veri ve istatistiğe dayalı... Tahmin Yöntemleri: Naif yöntemler: Rakamları değerlendirmek Formal yöntemler: sistematik olarak tahmin hatalarını düşürmek Zaman Serileri Modelleri (örnek: üstel yumuşatma) Nedensel Modeller (örnek: Regresyon)

8 Yeni Yaklaşım Hibrid Model (2 aşamalı tahmin)
Üçlü üstel yumuşatma (Winter metodu) nesnel bileşen Büyüme oranı çarpanı öznel bileşen Yeni yaklaşım; bireysel müşterilere satılan binek araç lastiklerinin tahmini için kullanıldı  tutarlı veri Bu lastikler yaz ve kış lastikleri olmak üzere ayrıldı, kış lastikleri için üçlü üstel yumuşatmada değişiklik yapıldı

9 Kullanıcılar için Sistem
Büyüme oranı katsayısına göre değişiklik yapılabilir Nesnel tahmin sonuçlarını Brisa satış ekibi inceler Sistem gerekli veriyi BOS’tan çeker Üçlü üstel yumuşatma ile tahmin otomatik hesaplanır Brisa satış ekibi değişiklik talebini değerlendirir İhtiyaç halinde bayiler öznel değişiklikler isteyebilir Bayiler tahmin sonuçlarını inceler Brisa yönetimi son talep hakkında bilgilendirilir Lastikler bayilere gönderilir 9

10 Üçlü Üstel Yumuşatma (Winter Metodu)
Nasıl? level’i trend ve sezonsallık etkilerinden ayırarak Yumuşatılmış trend değerlerini level’e ekle Sezonsallık endeksini topla (Toplamayla sezonsallık) veya çarp (Çarpmayla sezonsallık) Ne zaman kullanılır? Eğer veride trend ve sezonsallık varsa

11 Trend ve Sezonsallık İstanbul

12 Sezonsallık Endeksi Çarpanla sezonsal düzeltme:
Nasıl? Zaman serisinin her değerini sezonsal endekse bölerek o sezonda tipik gözlenen normalin yüzdesini temsil eder Ne zaman kullanılır? dalgalanma ölçüsü level ile orantılı olduğunda 12

13 Tahmin Tutarlılığı et = At - Ft Forecast Error (e):
Mean Forecast Error (MFE or Bias): Mean Absolute Deviation (MAD): Mean Absolute Percentage Error (MAPE): Mean Square Error (MSE): et  = At  -  Ft At: t zamanındaki gerçek talep Ft: t zamanındaki tahmin n: period sayısı 13

14 Kontrol Sistemimiz Tedarik zinciri uygulamalarında tahmin tutarlılığı için1: MAPE (Mean Absolute Percentage Error) geçerli bir ölçümdür MAPE değeri ≈ 10% ise kabul edilebilir2 (Şirket tarafından onaylandı)

15 Örnek Grup Seçimi Yıllık ciro (2009)
Bayi Cirosu_2009 / Toplam Ciro_2009 Örnek Büyüklüğü: En başarılı 20% bayi = 100 Bayi

16 Örnek Grup Seçimi 16

17 Örnek Grup Seçimi 17

18 İstanbul (MAPE 10,4% ) 1 Reference ? 18

19 TÜRKİYE (MAPE 5,52%) 1 Reference ? 19

20 Daha Fazla Tahmin Lastik ebatlarına göre incelendi
R14 / R13 / R14 R15 / R15 / R16 Her ebat 2 gruba bölündü Yaz lastikleri (yıl boyu satılan) Kış lastikleri (6 aylık satışlar incelendi) 20

21 R14 (YAZ) (MAPE 10,82%) 1 Reference ? 21

22 R14 (KIŞ) (MAPE 38,01%) 1 Reference ? 22

23 Hibrid Model Doğu Akdeniz-1 Bölgesi // Standart Model 1 Reference ? 23

24 Hibrid Model Doğu Akdeniz-1 Bölgesi // Büyüme Oranlı 1 Reference ? 24

25 Katma Değer Brisa için bir “Karar Destek Aracı” Eski Sistem:
Yukarıdan aşağıya planlama “ Yönetim ne kadar satılacağını söyler, satış ekibi bu miktarı bayilerin taleplerine göre dağıtır” Yeni Sistem: Aşağıdan yukarı planlama “ Bayiler ve satış ekibi ne kadar satılacağına birlikte karar verir ve yönetime bildirir” Müşteri talebini daha iyi anlayabilmek Daha etkin planlama sistemi Envanter tutma masraflarında düşüş 25

26 Sonuçlar “Bütün tahminler YANLIŞTIR!!!” Şu an için sınırlı veri
En iyi sonuç için: Hibrid Model (2 Aşamalı Tahmin) Üçlü Üstel Yumuşatma Büyüme Oranı Çarpanı Şu an için sınırlı veri Gelecekte daha tutarlı tahmin beklentisi 26

27 Teşekkürler.. Sorular?

28 Metodoloji Ft+k=(Lt-1 + kTt-1)*St+k-m Level tahmini yumuşatma Lt:
Lt=α*(Dt/St-m) + (1- α)(Lt-1+Tt-1) Trend tahmini yumuşatma Tt: Tt=β*(Bt-Bt-1) + (1- β)*Tt-1 Sezonsal tahmini yumuşatma St: St= γ*(Dt/Bt) + (1- γ)*St-m k period ilerisi için tahmin: Ft+k=(Lt-1 + kTt-1)*St+k-m St: t periyod için sezonsal çarpan endeksi m: sezon sayısı (aylık veri için m=12) γ : 0 ile 1 arasında yumuşatma katsayısı γ metodun sezonsallıkta algılanan değişikliklere ne kadar çabuk tepki verebildiğini ölçer 28