KOBİ’ler için Tahmine Dayalı Analitik: Excel’den Satış ve Stok Tahmini | Makine Öğrenimi Sistemleri’ne Geçiş

Bu rehber, KOBİ’lerin Excel ile hızlıca satış ve stok tahmini kurması için Tahmine Dayalı Analitik temellerini, adım adım uygulamayı ve Makine Öğrenimi Sistemleri’ne uzanan pratik geçiş yolunu anlatır. Jargonu azaltır, mevcut verilerle başlar ve bir saat içinde güvenilir bir prototip üretmenize yardımcı olur.

Neden Tahmine Dayalı Analitik KOBİ’ler için kritik?

Doğru tahmin, fazla stok ve kaçan satış arasında fark yaratır. Nakit akışını öngörür, tedariki dengeler ve kampanyaları zamanlar. En önemlisi, veriyle tartışmayı bitirir ve tekrarlanabilir kararlar sağlar.

• Gelecek hafta hangi üründen kaç adet satarım?
• Stok bitmeden ne zaman sipariş vermeliyim?
• Kampanya ve fiyat değişikliği satışımı nasıl etkiler?

Excel’de ilk Tahmine Dayalı Analitik modeliniz: 60 dakikalık plan

Excel, küçük veriyle hızlı prototip için idealdir. Aşağıdaki akışı kullanın:

• Veri: Sütunlarınız olsun: tarih, ürün, satış_adedi, stok, fiyat, kampanya(0/1). Haftalık veya günlük seriyi tercih edin.
• Temizleme: Eksikleri ileri doldurun, aykırı değerleri son gözleme kırpın, resmi tatilleri ayrı bir bayrakla işaretleyin.
• Özellikler: Sezonsallık için ay, hafta, gün isimleri; trend için kümülatif zaman indeksi; kampanya ve fiyat elastikiyeti değişkenleri oluşturun.
• Model: Basit hareketli ortalama ile başlayın; ardından ETS ile öngörü alın (FORECAST.ETS; Türkçe Excel’de TAHMIN.ETS). Kampanya ve fiyat etkisini görmek için LINEST veya Veri Analizi eklentisiyle çoklu doğrusal regresyon kurun.
• Değerlendirme: Son 8 haftayı ayırın; MAPE ve MAE hesaplayın. Naif modele göre iyileşme yoksa özelliklerinizi gözden geçirin.
• Planlama: Tahmine güven aralığı ekleyin, güvenli stok ve tedarik süresine göre sipariş noktasını hesaplayın.

Makine Öğrenimi Sistemleri ile ölçeklenebilirlik

Ürün çeşitliliği arttığında veya veri hızlandığında Excel’den otomasyona geçin. Makine Öğrenimi Sistemleri bunu sürdürülebilir ve tekrarlanabilir kılar.

• Ne zaman? 500+ SKU, çoklu kanal, sık kampanya, değişken teslim süreleri.
• Araçlar: AutoML (bulut sağlayıcılar), Python scikit-learn, Prophet; görselleştirme için Power BI.
• Boru hattı: Excel/ERP’den veri çek, temizlik ve özellik mühendisliğini zamanla, modeli yeniden eğit ve tahminleri depoya/rapora yaz.
• Modeller: Gradient boosting, mevsimsel zaman serisi (ETS, Prophet), melez yaklaşım: temel ETS + regresyon.
• İzleme: MAPE trendi, veri tazeliği, aykırı kampanya etkileri için uyarılar.

Yaygın hatalar ve hızlı kazanımlar

• Tek metrik tuzağı: Sadece MAPE değil, SKU karlılığına göre ağırlıklı hata kullanın.
• Stokta yok etkisi: Out-of-stock günlerini sıfır satış olarak değil, eksik veri olarak işleyin.
• Takvim etkileri: Resmi tatil ve maaş günlerini değişken yapın.
• Kümeleme: Benzer SKU’ları gruplandırıp ortak parametrelerle başlangıç yapın.

Başlangıç kontrol listesi

• 12+ ay satış verisi, tatil ve kampanya bayrakları hazır.
• ETS ve regresyonla iki temel model; naife göre iyileşme ölçüldü.
• MAPE haftalık takip; kötüleşmede geri dönüş planı.
• SKU karlılığına göre ABC sınıflaması ve hizmet seviyesi hedefi.
• 3 ay içinde otomasyona, 6 ayda Makine Öğrenimi Sistemleri pilotuna yol haritası.

Özet: Excel, düşük maliyetli bir başlangıç sunar; doğru özellikler ve ölçümle tahminler hızla işe değer üretir. Talep karmaşıklaştığında, Makine Öğrenimi Sistemleri ile süreci ölçekleyip otomatikleştirerek rekabet avantajı yaratırsınız.