Talep tahmini

Vikipedi, özgür ansiklopedi
Atla: kullan, ara

Talep tahmini, bir hizmet veya ürün için gelecekte oluşacak olan talebin, en doğru ve hatasız şekilde hesaplanması işlemidir. Talep tahmini, imalat sektöründe ve iş planlamada kendine geniş bir uygulama alanı edinmiştir.

Karakteristik özellikleri[değiştir | kaynağı değiştir]

  • 1. Tahminler, hemen hemen her zaman yanlıştırlar.
  • 2. İyi bir tahmin her zaman belli bir hata payı verir.
  • 3. Kümelenmiş birimlerle ilgili tahmin yapmak, teker teker her birimi tahmin etmekten genellikle daha kolaydır.
  • 4. Ne kadar uzak bir zamanı tahmin ediyorsak, elde ettiğimiz sonucun kesinliği o kadar az olacaktır.
  • 5. Bilinen bazı bilgiler hariç tutularak tahmin yapılmamalıdır. Her bilgi yapılacak tahminde kendine yer edinmelidir.


Tahminlerin Sınıflandırılması[değiştir | kaynağı değiştir]

Tahminler, öznel ve nesnel olmak üzere iki kısma ayrılırlar.

Öznel Tahminleme[değiştir | kaynağı değiştir]

Belli bir topluluğun ya da kişinin kararına göre tahmin yapılırsa bu tahmin öznel olur. Birkaç çeşidi vardır. Bunlar şöyle sıralanabilir:

  • 1. Satış ekibinin tahminlerinin toplanması
  • 2. Müşteri anketleri
  • 3. Yönetici grubunun fikri
  • 4. Delphi metodu

Nesnel Tahminleme[değiştir | kaynağı değiştir]

Verileri analiz ederek yapılan tahminler nesnel tahminlerdir. Daha çok matematiksel ve istatiksel yöntemler kullanılır ve sonuçları kişiden kişiye değişmez. Nesnel tahminleme de kendi içinde iki ana bölüme ayrılır. Bunlardan birincisi zaman serisi metodları, diğeri ise nedensel metodlardır.

Zaman Serisi Metodları[değiştir | kaynağı değiştir]

Tahmin edilecek değişken ile ilgili geçmiş verileri kullanarak tahmin yapar. Bu tahminlerde verilerin izlemiş olduğu yol önemlidir ve tahminin sonucuna etki eder. Dikkat edilmesi gereken başlıca şeyler:

  • 1. Verilerin eğilimi: Geçmiş verilerin sabit mi, azalan mı, yoksa artan bir yön mü izlediğinin incelenmesidir.
  • 2. Mevsime ya da sezona bağlılık: Eğer geçmiş verilerdeki artış ya da azalmalar sabit bir aralık boyunca birbirini tekrar ediyorsa, yapılan tahmin bu sezonluk değişimleri de göz önüne almalıdır. Örneğin dondurma, elektrik ve ısınma için yakıt kullanımı sezonluk ürünlerdir. (elektrik gün içinde sezonluk bir davranış gösterir; öyle ki akşam vakitleri elektriğe olan talep tavana vurur.)
  • 3. Çemberler: Sezonluk değişimlere benzer ama biraz daha geniş çapta anlaşılmalıdır. Daha çok ekonominin yükselişe geçip ardından duraklamaya girmesi, veya duraklamadan çıkıp tekrar yükselişe geçmesi gibi durumlarda kullanılır.
  • 4. Rastgelelik: Eğer veriler tanımlanabilir bir çizgide ilerlemiyorsa, rastgele dağılmışlar demektir. Bu da yapılacak tahmin ile ilgili hata payı daha az bir sonuç elde edilmesini engeller.

D1, D2,...,Dt'nin, 1,2,...,t periyodlarında gözlenen talepleri ifade ettiğini farzedelim. Ft ise t periyodu için t-1 zamanında yapmış olduğumuz tahmin olsun. et ise tahmin hatalarını ifade etsin. O zaman;

\ e_t = D_t - F_t

Kullanılan tahminleme metodları, yukarıda bahsedilen özelliklere bağlı olarak değişmektedir. Sabit izleyen(durağan) bir veri için kullanılan başlıca iki tahminleme metodu vardır. Bunlar Hareketli Ortalamalar Metodu ile Üstel Düzeltme'dir. Eğer verilerde trend gözleniyorsa, regresyon analizi ve Çift Üstel Düzeltme metodları kullanılabilir. Verilerin sezonluk bir özellik göstermesi durumunda ise trendin olup olmadığına bakılır. Eğer veriler bir trend gösteriyor ise Winter Metodu kullanılır. Tüm bu metodlar bize matematiksel birtakım tahminler verecektir. Elbette her periyodda yapılan tahminler yeni gelen verilerle karşılaştırılır ve buna göre bundan sonraki aylar için yeniden tahmin yapılabilir. Burada yapılan tahminler ile gözlenen veriler arasındaki fark, yani hata payı, yapılan tahminlerin kesinliği ve başarısı ile ilgili fikir verir. Bu da, bundan sonra uygulanacak olan tahmin yönteminin seçiminde belirleyici bir rol oynayabilir.

Tahmin yapma süreci, günümüzde iş dünyasında ve endüstride çok hayati bir konuma sahip olabilmektedir. İyi bir talep tahmini ile bir şirket, gereğinden fazla üretim yapmak zorunda kalmayıp envanter maliyetini en aza indirebileceği gibi, gelecekte meydana gelebilecek olası bir talep artışında da kapasite kullanımını en uygun seviyeye getirmekte önceden hazırlıklı olacaktır. Dolayısı ile iyi bir talep tahmininin bir şirkete ya da herhangi bir kuruluşa getireceği mali avantajlar oldukça fazladır. Bu da sonuç olarak talep tahminini artık endüstri ve iş hayatı için zorunlu ve kaçınılmaz kılmaktadır.sie