Talep tahmini doğruluğu tek başına yeterli değildir; çünkü şirketler için değeri tahminin kendisi değil, ona dayanan karar yaratır. Uygulamalı makine öğrenmesi danışmanlığı Data Department, perakendeciler, distribütörler ve üreticiler için belirsizliği raporlayan, iki yöndeki hatanın farklı maliyetini hesaba katan ve stok kurallarını planlamacılara ulaşmadan önce simülasyonla test eden tahmin sistemleri kurar. Belirsizliği dürüstçe gösteren bir tahmin çoğu zaman daha iyi karar üretir.
Tahmini yalnızca doğrulukla değerlendirmenin sakıncası nedir?
Çoğu talep tahmini projesi tek bir rakamla değerlendirilir: MAPE (ortalama mutlak yüzde hata) ya da benzeri bir hata ölçüsü. Hesaplaması ve karşılaştırması kolaydır; ancak bu yaklaşım üç sorunu gizler.
Birincisi, önemi çok farklı kalemlerin ortalamasını alır. Hızlı dönen ucuz bir üründe %20 hata ile yavaş dönen pahalı bir parçada %20 hatanın sonuçları aynı değildir.
İkincisi, fazla tahmin ile eksik tahmini eşit derecede kötü sayar. Oysa neredeyse hiçbir işte iki yöndeki hatanın maliyeti eşit değildir. Kritik bir yedek parçanın stokta olmaması müşterinin aracını bir hafta servise bağlayabilir. Raftaki fazladan bir adet ise küçük bir stok taşıma maliyeti yaratır.
Üçüncüsü, tahminden sonra verilen kararı hesaba katmaz. Tahmin bir siparişe, bir fiyata, bir vardiya planına girdidir. Tahmini karara çeviren kural zayıfsa, daha iyi bir tahmin sınırlı fayda sağlar.
Belirsizlik neden tek bir tahmin rakamından daha önemlidir?
Nokta tahmin "gelecek hafta 12 adet bekliyoruz" der. Olasılıksal tahmin ise "talebin 12 veya altında kalma olasılığı %50, 19 veya altında kalma olasılığı %90" der. Planlamacının ihtiyacı ikinci ifadedir; çünkü doğru stok seviyesi, şirketin ne kadar risk kabul ettiğine bağlıdır.
Beklenen talebi aynı olan iki ürünün dağılımı çok farklı olabilir. Beklenen talebi 12 olan istikrarlı bir ürün %95 hizmet seviyesi için 15 adet stok gerektirebilir. Aynı beklenen talebe sahip oynak bir ürün ise 25 adet gerektirebilir. Nokta tahmin bu iki ürünü aynı kabul eder; olasılıksal tahmin ise aradaki farkı gösterir.
Üretim ve dağıtım şirketlerinde bu fark özellikle önemlidir. Tedarikçi teslim süreleri uzun olduğunda, hatalı bir stok kararı haftalarca düzeltilemez. Bu yüzden planlamacının "ortalama ne olur" sorusundan çok "kötü senaryoda ne kadar ihtiyacım olur" sorusuna cevap alması gerekir. Olasılıksal tahmin bu soruyu her ürün için ayrı ayrı cevaplar.
Belirsizlik güven de kurar. Planlamacılar inanmadıkları tahminleri elle değiştirir. Yeni veya düzensiz ürünlerde genişleyen, istikrarlı ürünlerde daralan bir güven aralığı gördüklerinde modele ne zaman güveneceklerini öğrenirler.
Asimetrik maliyetler kararı nasıl değiştirir?
Tahmine dayalı her kararda iki tür hata ve iki farklı bedel vardır:
| Karar | Az kalmanın maliyeti | Fazla kalmanın maliyeti |
|---|---|---|
| Yedek parça stoku | Kayıp satış, acil sevkiyat, serviste bekleyen araç | Stok taşıma maliyeti, eskime |
| Taze gıda üretimi | Kayıp satış, memnuniyetsiz müşteri | Fire |
| Mağaza personel planı | Uzun kuyruk, kayıp satış | Boşta geçen işgücü |
| Fiyat belirleme | Elde edilemeyen marj | Kaybedilen hacim |
En iyi karar, en olası sonuca göre belirlenen miktar değildir; eksik kalmanın beklenen maliyeti ile fazla kalmanın beklenen maliyetinin eşitlendiği miktardır. Eksik kalmak fazla kalmaktan on kat pahalıysa doğru stok seviyesi ortalama tahminin belirgin biçimde üzerindedir. Maliyetler eşitse doğru seviye dağılımın ortasına yakındır. Bu mantık ancak tahmin olası sonuçların tamamını gösterdiğinde çalışır. Yedek parça stok optimizasyonu ve olasılıksal tahmin yazımızda bunu sayısal bir örnekle anlattık.
Model ile karar arasındaki simülasyon katmanı nedir?
Tahmin ile karar arasında bir politika vardır: yeniden sipariş noktaları, emniyet stoku kuralları, fiyat basamakları, vardiya şablonları. Simülasyon bu politikaları canlıya almadan önce test eder.
Simülasyon, olasılıksal tahminden üretilen binlerce olası talep senaryosunu yeniden çalıştırır, önerilen politikayı uygular ve sonuçları kaydeder: stoksuz kalma, stok maliyeti, fire, ciro. Böylece politikaları tahmin hatasına göre değil, mali işlerin önemsediği metriklere göre karşılaştırırsınız. Simülasyonun cevapladığı tipik sorular:
- Yavaş dönen kalemlerde emniyet stokunu %15 azaltırsak hizmet seviyesi ne olur?
- %95'ten %98 hizmet seviyesine çıkmak ne kadar ek stok gerektirir?
- Talep düştüğünde hangi fiyat değişikliği kuralı marjı korur?
Operasyonel kısıtlar da burada devreye girer: tedarikçi teslim süreleri, minimum sipariş miktarları, raf alanı, bütçe sınırları. Tahmin bu kısıtları dikkate almaz; politikanın ise bunları mutlaka dikkate alması gerekir.
Bu yaklaşım sahada nasıl sonuç verdi?
100.000'den fazla aktif yedek parçası olan büyük bir otomotiv dağıtım grubunda eski sistem belirsizliği yok sayan nokta tahminler üretiyordu. Parça bazında tahmin aralıkları veren olasılıksal tahmine geçtik; sık satılan, seyrek talepli ve yüksek değerli parçalar için ayrı modeller kurduk. Tahmin doğruluğu eski yönteme göre yaklaşık %30 iyileşti. Daha önemli rakam ise bu tahminlerin stok kararlarında kullanılmasının sonucuydu: yaklaşık %10 daha düşük stok taşıma maliyeti. Planlamacılar yorumlanabilir güven aralıkları da elde etti. Ayrıntılar yedek parça projesinde yer alıyor.
Aynı ilke stok dışında da geçerli. Dinamik fiyatlandırmada başarı ölçütü fiyat esnekliği modelinin hatası değil, kârlılıktır. Bir e-ticaret perakendecisinde bu yaklaşım kârlılığı yaklaşık %4 artırdı (fiyatlandırma projesi). Otomotivde müşteri elde tutmada ise araç yenileme ve marka kaybı modelleri hangi müşteriye hangi teklifle ulaşılacağına göre değerlendirildi; sonuç yaklaşık %8 gelir artışı oldu (araç yenileme projesi).
Her örnekte model önemliydi; ancak kazanç, modelin bir karara bağlanmasından ve bu kararın ölçülmesinden geldi.
Bir makine öğrenmesi projesine başlamadan önce hangi beş soru sorulmalı?
Tahmin içeren herhangi bir makine öğrenmesi projesine başlamadan önce şu beş soruyu cevaplayın. Bu değerlendirme bir öğleden sonra sürer ancak projede aylarca zaman kazandırır.
- Tahmin hangi karara girdi olacak ve o kararı kim veriyor? Siparişi, fiyatı veya planı ve sorumlu kişiyi adlandırın.
- Her iki yönde yanılmanın maliyeti nedir? "Stoksuz kalmak, fazladan bir adetten yaklaşık beş kat pahalı" gibi yaklaşık rakamlar dahi tasarımı değiştirir.
- Bir aralığa mı, tek bir rakama mı ihtiyacımız var? Karar riske bağlıysa olasılıksal tahmin gerekir.
- Tahmin ile eylem arasında hangi kısıtlar var? Teslim süreleri, minimum sipariş miktarları, bütçe, kapasite.
- Başarıyı hangi iş metriği kanıtlayacak? Stok maliyeti, hizmet seviyesi, fire, marj, ciro. İlk gün üzerinde anlaşın ve mevcut durumu ölçün.
Birinci ve beşinci soruya cevap veremiyorsanız proje hazır değildir. Bu cevapları ekip dışından biriyle sınamak için ücretsiz 30 dakikalık yapay zekâ fırsat değerlendirmesi makul bir başlangıçtır.
Sık sorulan sorular
Bu durumda tahmin doğruluğu önemsiz midir?
Hayır. Doğruluk faydalı bir teşhis aracıdır ve daha iyi bir model genellikle yardımcı olur. Ancak doğruluk tek başına hedef değildir; tahminin iyileştirmesi beklenen iş metriğiyle birlikte izlenmelidir.
Olasılıksal tahmin basitçe nedir?
Tek bir rakam yerine olasılıklarıyla birlikte bir aralık veren tahmindir; örneğin "talebin 19 adedin altında kalma olasılığı %90". Böylece kabul ettiğiniz riske uyan stok seviyesini seçebilirsiniz.
Her tahmin projesinde simülasyon gerekir mi?
Her zaman değil. Maliyetleri net olan basit kararlarda doğrudan hesap yeterlidir. Politikalar teslim süresi, kapasite veya bütçe ile etkileşiyorsa ya da planlamacıların çalışma şeklini değiştirmeden önce birkaç politikayı karşılaştırmak istiyorsanız simülasyon belirgin bir fayda sağlar.
MAPE yerine hangi hata ölçüsünü kullanmalıyız?
Kararın yapısına uygun bir ölçü kullanın. Stok kararlarında kantil kaybı veya gerçekleşen hizmet seviyesi daha bilgilendiricidir; mali etki için tahminin ürettiği kararların maliyetini simüle edin.