Sistem Tasarım 2 Fiyatlandırmaya Bağlı Talep Tahmin Analizi Grup: BigM Proje Danışmanları M. Gökhan ATALIK Çağlar GÜVEN Serhat BAŞKAYA Serhan DURAN Koray.

... konulu sunumlar: "Sistem Tasarım 2 Fiyatlandırmaya Bağlı Talep Tahmin Analizi Grup: BigM Proje Danışmanları M. Gökhan ATALIK Çağlar GÜVEN Serhat BAŞKAYA Serhan DURAN Koray."— Sunum transkripti:

1 Sistem Tasarım 2 Fiyatlandırmaya Bağlı Talep Tahmin Analizi Grup: BigM Proje Danışmanları M. Gökhan ATALIK Çağlar GÜVEN Serhat BAŞKAYA Serhan DURAN Koray GÜL Sadullah İMAT Şirket Danışmanları Nida Benan ÖZER Seden EFE

2 2 Sunum İçeriği Firma Tanıtımı ve Proje İçeriği Mevcut Sistemin Analizi Problem Tanımı ve Formülasyonu Çözüm Yaklaşımı ve Model Formülasyonu Model Çıktıları Uygulama Planı

3 3 Firma Tanıtımı ve Proje İçeriği Mevcut Sistemin Analizi Problem Tanımı ve Formülasyonu Çözüm Yaklaşımı ve Model Formülasyonu Model Çıktıları Uygulama Planı Sunum İçeriği

4 6 kategoride 24 Marka 973 Kalem ürün Kategoriye özel Pazarlama Satış Talep Planlama Finans Firmanın Tanıtımı:

5 55 Firmanın fiyatlandırma politikaları, Rakiplerin fiyat değişiklikleri göz önüne alınarak; Aylık toplaşık talep tahminlerini haftalara ve ürün kalemlerine dağıtmak

6 6 Firma Tanıtımı ve Proje İçeriği Mevcut Sistemin Analizi Problem Tanımı ve Formülasyonu Çözüm Yaklaşımı ve Model Formülasyonu Model Çıktıları Uygulama Planı Sunum İçeriği

7 Mevcut Sistem GDF Yazılımı GDF Tahmin Çıktısını Düzeltme Düzeltilen Tahminin Haftalara ve Ürün Kalemlerine Dağıtımı 7

8 8 3 Yıllık Gönderi Bilgisi GDF Aylık Yalın Talep Tahmini Düzeltme Haftalık Dağılım Kalem Bazlı Dağılım Düzeltilmiş Aylık Talep Tahmini Haftalık Marka Bazlı Talep Tahmini Mevcut Sistem Sku-1 Sku-2 Sku-3 Sku-4 Haftalık Kalem Bazlı Talep Tahmini

9 Problem ile İlgili Analizler Aylık talep tahminleri ve gerçekleşen sevkiyatların karşılaştırılması: Saç Bakım-Blendax

10 Haftalık Dağılım Oranları Saç Bakım-Blendax

11 11 Fiyatlandırma dönemlerinde kalem bazlı haftalık talep tahmin hatalarının fazla olması Tahmin edilen dağılım % – Gerçekleşen dağılım %

12 t = 4’te fiyat artışı bildirilmesi Son haftalarda talepte artış 1234 5678 Fiyat artışı 09 İlk haftalarda talepte düşüş Haftalar Problem ile İlgili Analizler

13 13 Firma Tanıtımı ve Proje İçeriği Mevcut Sistemin Analizi Problem Tanımı ve Formülasyonu Çözüm Yaklaşımı ve Model Formülasyonu Model Çıktıları Uygulama Planı Sunum İçeriği

14 Belirti Ürün kalemlerinin haftalık tahminlerinde hedefler tutturulamıyor Aylık tahmin haftalara doğru dağıtılmıyor. Fiyat değişimleri haftalık talep tahminlerine yansıtılamıyor. Aylık talebi, haftalara ve ürün kalemlerine doğru bir şekilde dağıtacak bir karar mekanizmasının olmaması NEDEN ? Problem Problem Tanımı

15 Problem Formülasyonu Karar verici: Talep yöneticisi Karar vericinin amacı: Düşük tahmin hatası Karar kriteri: Ortalama mutlak yüzde hatasını (MAPE) en aza indirgemek Başarı ölçütü: MAPE (Ortalama mutlak yüzde hatası) 15

16 16 Firma Tanıtımı ve Proje İçeriği Mevcut Sistemin Analizi Problem Tanımı ve Formülasyonu Çözüm Yaklaşımı ve Model Formülasyonu Model Çıktıları Uygulama Planı Sunum İçeriği

17 Regresyon Analizi Saç-bakım kategorisi için istatistiksel veri analizi Haftalık talep tahminlerinde etkili olan değişkenleri (fiyat, geçinme endeksi…) belirlemek ve bunların etkisini ölçmek 17

18 Model Girdi ve Çıktıları 18 Regresyon Modeli SKU dağılım oranları ile çarpım Haftalık Kalem Bazlı Talep Tahmini Haftalık Gönderi Bilgisi Fiyat Endeksi Rakip Ürün Fiyatı Kendi Ürün Fiyatı Geçinme Endeksi Marka Bazında Haftalık Talep Tahmini

19 W -2 W -1 W0W0 W1W1 W2W2 W3W3 W4W4 Geçen ay Tahmin edilecek Haftalar Shp(W 1 ) = β 0 +β 1 *Shp(W 0 ) + β 2 *Shp(W -2 ) +β 3 *(Fiyat endeks değişimi)+β 4 *(Geçinme endeksi) LOG(Shp(W 2 )) = β 1 *LOG(Shp(W 1 )) + β 2 *LOG(Fiyat endeks değişimi)+β 3 *LOG(Geçinme endeksi) LOG(Shp(W 3 )) = β 1 *LOG(Shp(W 2 )) + β 2 *LOG(Shp(W 1 )) +β 3 *LOG(Fiyat endeks değişimi) LOG(Shp(W 4 )) = β 0 +β 1 *LOG(Shp(W 3 )) + β 2 *LOG(Geçinme endeksi) + β 3 *LOG(Rakip ürün fiyatı) Fiyat değişimi Model Formülasyonu

20 Shp(W 1 ) = β 0 +β 1 *Shp(W 0 ) + β 2 *Shp(W -2 )+β 3 *(Fiyat endeks değişimi) +β 4 *(Geçinme endeksi) LOG(Shp(W 2 )) = β 1 *LOG(Shp(W 1 )) + β 2 *LOG(Fiyat endeks değişimi) +β 3 *LOG(Geçinme endeksi) LOG(Shp(W 3 )) = β 1 *LOG(Shp(W 2 )) + β 2 *LOG(Shp(W 1 )) +β 3 *LOG(Fiyat endeks değişimi) LOG(Shp(W 4 )) = β 0 +β 1 *LOG(Shp(W 3 )) + β 2 *LOG(Geçinme endeksi) + β 3 *LOG(Rakip ürün fiyatı) Hafta 1 tahmin (Düzeltmeden Önce) Hafta 2 tahmin (Düzeltmeden Önce) Hafta 3 tahmin (Düzeltmeden Önce) Hafta 4 tahmin (Düzeltmeden Önce)

21 21 Doğru Kabul Edilen Aylık Talep Tahmini ile Kıyaslanır Modelden çıkan 1. Hafta Talep Tahmini Modelden çıkan 3. Hafta Talep Tahmini Modelden çıkan 2. Hafta Talep Tahmini Modelden çıkan 4. Hafta Talep Tahmini Normalleştirme Faktörü (k) Nihai Haftalık Tahminler NWi = k*Wi Hafta Bazlı Tahmin

22 Zaman Serileri Durağan bir veri için kullanılan başlıca iki tahminleme metodu Geçmiş Gönderi miktarı Hareketli Ortalamalar Metodu veya Üstel Düzeltme Talep Tahmini FİYATIN ETKİSİ GÖRÜLEMİYOR

23 Hareketli Ortalamalar Metodu veya Üstel Düzeltme Geçmiş Gönderi Fiyat Talep Tahmini

24 Karar Değişkenleri f j : j haftası için talep tahmini k i : faktör i’nin talep tahminindeki etkisi (ağırlığı) i = 1  Blendax’ın fiyatı, i = 2  Rakibin fiyatı, i = 3  Geçinme endeksi i = 4  Geçmiş gerçekleşen haftalık gönderi Matematiksel Model

25 Parametreler g j : j haftası için gönderi miktarı b j : j haftasında Blendax markasının fiyatı e j : j haftasında rakip markanın fiyatı l j : j haftasında sağlık ve kişisel bakım harcamaları için geçinme endeksi j = 1, 2, 3, 4

26 Model Min (f j – g j ) 2 subject to f j = k 1 *b j + k 2 *e j + k 3 *l j + k 4 * g j + k 5 * g j-1 + k 6 * g j-2 k 1 <= 0 k 2 >= 0 k 3 <= 0

27 Kalem Bazlı Tahmin Regresyon Gönderi verisi eksikliği Gönderi verisindeki yüksek varyasyon Zaman Serileri Hafta Bazlı Tahmin 27

28 28 Firma Tanıtımı ve Proje İçeriği Mevcut Sistemin Analizi Problem Tanımı ve Formülasyonu Çözüm Yaklaşımı ve Model Formülasyonu Model Çıktıları Uygulama Planı Sunum İçeriği

29 Marka Bazında Sonuçlar 29

30 Blendax Ortalama Mutlak Hata Grafiği 30

31 Marka Bazında Sonuçlar 31

32 Pantene Ortalama Mutlak Hatası 32 Ortalama Mutlak Tahmin Hatası (%)

33 Kalem Bazında Sonuçlar- Blendax 33

34 Kalem Bazında Sonuçlar- Pantene 34

35 SKU Regresyon Sonuçları 35 Blendax A sınıf Ürünü Pantene A sınıf Ürünü

36 Ağırlıklı Mutlak Tahmin Hatası Blendax 36 Ağrılıklı Mutlak Tahmin Hatası

37 Ağırlıklı Mutlak Tahmin Hatası Pantene 37 % Ağırlıklı Mutlak Tahmin Hatası

38 38 Firma Tanıtımı ve Proje İçeriği Mevcut Sistemin Analizi Problem Tanımı ve Formülasyonu Çözüm Yaklaşımı ve Model Formülasyonu Model Çıktıları Uygulama Planı Sunum İçeriği

39 Uygulama Planı 39 Kalem veya Marka Seçimi Verilerin Güncellenmesi Haftalık Talep Tahminleri Arayüz (MS Excel) Kullanıcı Regresyon

40 40 Dinlediğiniz için teşekkürler... Sorularınız ve tavsiyeleriniz...