Hızlı talep tahmini denemesi
Satış ya da talep geçmişinizden yedi istatistiksel modelin hangisinin işe yaradığını görün: son dönemler sınama için ayrılır, en iyi model seçilir ve tüm veriyle ileri tahmin ile yaklaşık aralık üretilir. Sonuç bir taban çizgisidir; karar için tek başına yeterli değildir.
Veri tarayıcınızda işlenir; hiçbir yere gönderilmez.
Günlük, haftalık ya da aylık seri; sıklık otomatik algılanır. Ayraç otomatik algılanır (sekme, ; , |); ondalık virgül ve nokta kabul edilir. Tarih biçimleri yyyy-aa-gg, gg.aa.yyyy ve yyyy-aa'dır. Tarih sütunu yoksa satırlar eşit aralıklı dönemler sayılır.
01
Nasıl kullanılır
A
Tarih ve değer sütunlarını yapıştırın ya da CSV yükleyin; sıklık otomatik algılanır, gerekirse değiştirin.
B
Tahmin ufkunu ve mevsim dönemini ayarlayın; eksik dönemlerin nasıl sayılacağını seçin.
C
Model karşılaştırmasını, grafiği ve aralıklı tahmin tablosunu inceleyin; tabloyu CSV olarak indirin.
02
Araç hangi modelleri, nasıl sınıyor?
Yedi model denenir: naive (son değeri sürdürür), mevsimsel naive (bir önceki mevsimi tekrarlar), hareketli ortalama, basit üstel düzeltme, Holt (düzey ve trend) ve Holt-Winters (düzey, trend ve mevsim; toplamsal ve çarpımsal). Mevsimsel modeller için eğitim verisinin en az iki tam mevsim olması gerekir; değilse bu modeller atlanır ve nedeni yazılır. Çarpımsal model yalnızca tüm değerler pozitifse çalışır.
α, β ve γ düzeltme katsayıları eğitim verisinde tek adım ileri hataların kareleri toplamını (SSE) en küçük yapacak biçimde bir ızgara ve yerel arama ile bulunur. Hareketli ortalama penceresi de aynı ölçütle seçilir. Son h dönem ayrılır (sınama); modeller kalan veriyle eğitilir, sınama dönemini ne kadar iyi tahmin ettikleri MAE, WAPE ve MASE ile ölçülür.
Sınamada en küçük MAE'yi veren model seçilir ve tüm veriyle yeniden uydurularak ileri tahmin üretilir. Tek bir sınama penceresi gürültülüdür: iki model birbirine çok yakınsa sıralama başka bir pencerede değişebilir. Daha uzun geçmiş ve birden çok pencerede sınama (geriye dönük test) daha güvenilirdir.
03
Tahmin aralığı neden yaklaşıktır?
Aralıklar, seçilen modelin sınama dönemindeki hatalarının kök ortalama karesine (RMSE) dayanır; hataların yaklaşık normal dağıldığı ve gelecekteki hataların geçmişteki sınama hatalarıyla aynı büyüklükte olduğu varsayılır. %80 aralık için ±1,28, %95 aralık için ±1,96 çarpanı kullanılır.
Bu yaklaşım pratik ve anlaşılırdır, ama iki yönden iyimserdir: sınama dönemi kısaysa hata büyüklüğü kötü tahmin edilir, ve model parametre belirsizliği ile ufuk uzadıkça büyüyen belirsizlik hesaba katılmaz. Aralığı kesin bir güvence olarak değil, belirsizliğin kabaca ölçeği olarak okuyun.
04
Bir taban çizgisi ne işe yarar, neyi göstermez?
İstatistiksel taban çizgisi, "geçmiş kalıplar sürerse ne olur" sorusunun cevabıdır. Mevcut tahmin sürecinizin (planlama ekibi, ERP tahmini) bu çizgiden daha iyi olup olmadığını görmek için iyi bir kıyas noktasıdır; onu geçemeyen bir süreç gözden geçirilmelidir.
Promosyon, fiyat değişikliği, stok yokluğu (satışın olmaması talebin olmadığı anlamına gelmez), tatil takvimi, yeni ürün çıkışı ya da rakip hamlesi gibi etkenleri bilmez. Stok yokluğu olan dönemler, gerçek talebi düşük gösterir ve modeli yanıltır. Bu etkenler talebinizi belirliyorsa, açıklayıcı değişkenli modellere ve veri hazırlığına ihtiyaç vardır.
Sık sorulanlar
- Girdiğim veriler bir yere gönderiliyor mu?
- Hayır. Tüm hesaplar tarayıcınızda çalışan kodla yapılır; veri hiçbir sunucuya iletilmez ve kaydedilmez.
- Kaç dönemlik veri gerekir?
- Mevsimsiz modeller için en az 6 dönem gerekir, ancak anlamlı bir sınama için çok daha fazlası iyidir. Mevsimsel modeller (mevsimsel naive, Holt-Winters) için eğitim verisinde en az 2 tam mevsim olmalıdır: aylıkta 24, haftalıkta 104, günlükte (haftalık mevsim) 14 dönem.
- Eksik dönemlere ne oluyor?
- Tarih sütunundaki boşluklar eksik dönem sayılır. Seçiminize göre 0 olarak alınır ya da komşu değerler arasında doğrusal doldurulur; kaç dönemin doldurulduğu özette yazılır. Gerçekte satış olmamışsa 0, veri kaybıysa doldurma uygundur.
- Tahmin aralığı gerçeğin içinde kalacağını garanti eder mi?
- Hayır. Aralık, sınama dönemi hatalarından türetilmiş yaklaşık bir tahmindir; gerçek değerlerin yaklaşık bu oranda içinde kalması beklenir ama garanti edilmez.
- Neden bazı modeller atlandı?
- Mevsimsel modeller için eğitim verisi iki tam mevsimden kısaysa ya da mevsim dönemi 1 ise; çarpımsal Holt-Winters için de değerlerden biri sıfır ya da negatifse model atlanır. Tabloda neden yazılıdır.
- Sonucu doğrudan sipariş ya da üretim planı için kullanabilir miyim?
- Tek başına önermeyiz. Bu araç promosyon, fiyat ve stok gibi etkenleri içermeyen bir taban çizgisi verir; planlamada insan bilgisiyle ve gerekirse daha kapsamlı bir modelle birlikte kullanın.
Taban çizgisinden gerçek bir talep tahminine
Satış, stok, fiyat ve kampanya verinizi birleştirip ürün ve lokasyon bazında talep tahmini kuruyor, doğruluğunu geriye dönük testle ölçüyoruz. Ücretsiz keşif görüşmesinde verinizi konuşalım.