Talep Tahmini

Galeri için soru somuttur: önümüzdeki ay hangi segmentten kaç araç satılır, kaç alıcı talebi gelir? Doğru tahmin stoğu talebe göre kurmayı sağlar; satılmayan araçla dolu bir otoparkın ya da alıcı geldiğinde boş kalan vitrinin önüne geçer.

Tahmine dayalı analitik (kestirimci analitik, predictive analytics) bu işin genel adıdır: geçmiş verideki örüntülerden gelecekte ne olacağını öngörmeye çalışan yaklaşımların bütünü. Talep tahmini, onun işletmelerde en sık kullanılan uygulamasıdır.

FormülBasit mevsimsel tahmin = Geçen yılın aynı ayındaki satış × (1 + Son dönemin yıllık büyüme oranı)

Talep tahmin yöntemleri

Yöntemler iki gruba ayrılır. Nitel yöntemler kişilerin görüşüne dayanır: satış ekibinin tahminleri, müşteri anketleri, yönetici görüşü ve uzmanların birkaç turda uzlaştığı Delphi yöntemi. Nicel yöntemler veriyle çalışır: hareketli ortalama ve üssel düzeltme gibi zaman serisi teknikleri geçmişin ritmini ileri taşır; regresyon ise fiyat, kredi koşulları ya da reklam harcaması gibi değişkenlerin talebe etkisini denkleme döker. Örneğin taşıt kredisi kademelerinin belirli bir fiyat bandındaki araçlara talebi nasıl etkilediği regresyonla ölçülebilir. Büyük ilan ve arama verisinde gözle görülmeyen örüntüleri bulmaya veri madenciliği denir.

Talep tahmini nasıl yapılır?

Önce neyin tahmin edileceği tanımlanır: örneğin segment bazında aylık satış adedi ya da gelen potansiyel müşteri sayısı. Ardından geçmiş satışlar, ilan görüntülenmeleri ve gelen talepler aynı takvimde toplanır, sezonsallık ve bayram gibi takvim etkileri işaretlenir.

Basit bir modelle başlamak yeterlidir. Örneğin bir galeri geçen Ekim kompakt SUV’dan 8 araç satmış ve son üç ayda bu segmentte satışları geçen yılın aynı dönemine göre yüzde 25 yüksekse, bu Ekim için 10 araçlık tahmin makul bir başlangıçtır. Tahmin her ay gerçekleşenle karşılaştırılır, sapma ölçülür ve model düzeltilir. Sonuç stok yönetimine bağlanmadıkça tahmin yalnız bir sayı olarak kalır. Bu yaklaşım veriyle yönetilen galeri yazısında daha ayrıntılı anlatılıyor.