Talep Tahmin Yöntemleri

Pazar Analizi

Delphi
Yöntemi
Kalitatif
Yöntemler
Uzman
Görüşleri

Talep Tahmin Yöntemleri Satış temsilcisi

Zaman Serileri
Kantitatif Analizi
Yöntemler
Nedensel
Yöntemler
• Zaman Serileri Analizi

v Zaman serileri analizi ürünlerin taleplerinin zamana bağlı

olarak değiştiği varsayımına dayanmaktadır.
v Bir ürünün geçmiş dönem satışlarının yer aldığı liste bir
zaman serisidir
v Talepteki değişimlerin zaman içerisinde meydana gelen trend,
mevsimsellik, dönemsellik ve rastsal sebebi bilinmeyen
nedenlerle oluştuğu varsayımına dayanmaktadır.
v Buradaki rastsal değişkenliğin tahmin edilemeyeceği
varsayımı ile talepte meydana gelen zamansal değişimlerin
etkilerini gelecek tahminlerine yansıtmaktadır.
Talep Yapısı
Talep Tahmin Yöntemleri-Zaman Serileri
• Ortalama Etrafında Tahmin üreten Zaman Serileri Analizi Yöntemleri

vBasit Yöntem
vHareketli Ortalamalar Yöntemi
vAğırlıklı Hareketli Ortalamalar Yöntemi
vÜstel Düzetlme Yöntemi
Basit Yöntem
v Bu yöntemde talebin basit bir şekilde gelecekte gerçekleşecek olan bir
önceki dönemde gerçekleşenle aynı olacağı varsayımı vardır.
v Bu yöntemle hesaplama yapmadan sadece bir önceki dönem talep
bilgisine bakılarak tahmin yapılmaktadır. Örneğin, bir markette 11. ayda
980 adet kutu süt satışı olduysa 12. ayın talep tahmini basit yöntemle
yapıldığında 12. ayda da markette 980 adet kutu süt satışı olacağı tahmin
edilecektir.
v Bu yöntem oldukça basit olmasına rağmen bazı ürünlerin talep tahmini
için iyi sonuçlar verebilmektedir.
v Ürün yaşam eğrisinde olgunluk düzeyinde olan ve müşteri talebi artık
hemen hemen belirli olan ürünlerin talep tahmininde etkili bir şekilde bu
yöntemi kullanmak mümkündür.
Hareketli Ortalamalar Yöntemi
v Bu talep tahmin yöntemine göre gelecek dönemin talebi geçmiş dönemde
gerçekleşen taleplerin belirli dönemlik ortalamaları alınarak
bulunmaktadır.
v Bu yöntemde 3,4, 6 veya 12 aylık geçmiş dönemlerde gerçekleşen satış
miktarları analiz verisi olarak kullanılmaktadır.
v Bu tahmin yöntemini de bir önceki yöntem gibi oldukça basit bir
yöntemdir ve uygulaması zaman ve maliyet gerektirmediğinden sıklıkla
tercih edilmektedir.
v Talebin değişkenliğinin az olduğu ürünlerin gelecek tahmininde etkin
olarak kullanılabilmektedir.
v Eğer geçmiş dönem verileri içerisinde trend barındırıyorsa bu yöntemin
tahminleri her zaman eksik kalacaktır.
Hareketli Ortalamalar Yöntemi
Bu yöntemde aşağıdaki formül kullanılarak hesaplamalar yapılmaktadır.

• Ft+1= (Dt+Dt-1+ Dt-2+....Dt-n) / n

• Ft+1 = Gelecek dönemin tahmini

• n = dönem sayısı
• Dt-n= n dönem önce gerçekleşen talep
Hareketli Ortalamalar Yöntemi

• Örnek: TURKUAZ isimli perakende zinciri mağaza son 6 aya ait deterjan satışlarına ait bilgilerini
kayıtta tutmaktadır. Mağaza yönetimi tedarikçisinden gelecek dönem için ürün sipariş edebilmek
amacıyla 7. ayda gerçekleşecek olan deterjan talebini tahmin etmek istemektedir. Bu ürün uzun
zamandır mağazada satılmakta olan ve müşteri talebinin değişkenliği az olan bir ürün olduğu için
mağaza yönetimi talep tahmin yöntemi olarak 3 dönemlik hareketli ortalamalar yöntemini
kullanmaya karar vermiştir. Buna göre aşağıdaki geçmiş dönem verilerinden yararlanarak 7. ay
gerçekleşecek talebi tahmin ediniz.
• Hareketli Ortalamalar Yöntemi
• Çözüm:

Aylar Talep Tahmin

Ocak 650
Şubat 700
Mart 810
Nisan 800
Mayıs 900
Haziran 700
Temmuz
• Ağırlıklı Hareketli Ortalamalar Yöntemi
v Bu yöntem hareketli ortalamalar yönteminin biraz daha
geliştirilmiş şeklidir.
v Burada talebin trend içermesini ihtimale katarak gelecek
talep tahmininin son yıllardan daha fazla etkilenmesini,
geçmiş yılların ise yeni tahmin içerisinde daha az bir paya
sahip olması sağlanmaktadır.
v Hesaplama yapılırken geçmiş yıllarda gerçekleşen talep
değerlerine yakın zaman fazla olmak üzere ağırlık değerleri
verilir. Bu ağırlık değerlerinin toplamı 1’e eşittir.

"!#$% = '( )( $'(*+ )(*+ $'(*, )(*, $....'(*. )(*.

∑ '(

0# = t dönemi için ağırlık değeri

• Ağırlıklı Hareketli Ortalamalar Yöntemi

• Örnek: TURKUAZ adlı mağaza deterjan talebinin trend içerdiğini düşünerek, trend
olduğu durumlarda biraz daha doğru tahmin yapabilen ağırlıklı hareketli ortalamalar
yöntemini kullanmak istemektedir. Mağaza müdürü 3 dönemli ağırlıklı hareketli
ortalamalar yöntemini kullanmayı ve geçmiş dönemlere sırasıyla 0,5, 0,3 ve 0,2
ağırlıklarını vermeyi planlamaktadır. Bu durumda TURKUAZ mağazasının yukarıdaki
tabloda verilmiş olan geçmiş dönem deterjan satış miktarı bilgisinden yararlanarak 3
dönemli ağırlıklı ortalamalar yöntemiyle 7. dönemin talebini tahmin ediniz.

• Çözüm:
Aylar Talep Tahmin
Ocak 650
Şubat 700
Mart 810
Nisan 800
Mayıs 900
Haziran 700
Temmuz
• Üstel Düzeltme Yöntemi
v Bu yöntemde gelecek dönem talebi hesaplanırken son dönemin
gerçekleşen talebi ve tahmin değeri kullanılmaktadır.
v Üstel düzeltme yönteminde karar vericiler tarafından belirlenen α
düzeltme faktörü yer almaktadır.
v α düzeltme faktörü 0 ile 1 arasında değerler almaktadır. Bu
faktörün kullanılmasıyla tahmin değeri içerisinde son dönemin
gerçekleşen talebinin ve tahmin değerinin hangi oranlarda yer
alacağı belirlenmiş olur.
v Üstel düzeltme yöntemi aşağıdaki formülü kullanarak
hesaplamalarını yapmıştır.
"!#$% = "# + ((*# − "# )

( = -ü/01230 4562ö8ü

*# = Geçmiş dönem gerçekleşen talep

"2 = Geçmiş dönem tahmin

• Üstel Düzeltme Yöntemi
• Örnek: TURKUAZ adlı mağazanın müdürü gelecek dönemin talep tahmin
çalışmalarını yaparken diğer tahmin yöntemlerine ek olarak bir diğer popüler
yöntem olan üstel düzeltme yöntemini kullanmayı istemektedir. Satış ekibi ve
departman yöneticisi ile yapmış oldukları görüşmeler sonucunda deterjan için α
düzeltme faktörü değerini 0,2 olarak belirlemenin uygun olacağına karar
vermişlerdir. Bu durumda yukarıdaki geçmiş dönem verilerinden yararlanarak 7.
dönemi üstel düzeltme yöntemiyle tahmin ediniz.
Çözüm:
Aylar Talep Tahmin
Ocak 650
Şubat 700
Mart 810
Nisan 800
Mayıs 900
Haziran 700
Temmuz
Üstel Düzeltme Yöntemi
"!ş$%&' = 650 + 0,2 (650 − 650) = 650

"!2&3' = 650 + 0,2 (700 − 650) = 660

"!567&5 = 660 + 0,2(810 − 660) = 690

"!2&;<7 = 690 + 0,2(800 − 690) = 712

"!=&>63&5 = (712 + 0,2 (900 − 712) = 749,6

"!'@22$> = 749,6 + 0,2(700 − 749,6) = 739,68 ≅740 kutu

deterjan

Temmuz ayı için tahmini deterjan satışı 740 kutu olarak

bulunmuştur.
Problem: Dell bilgisayarlarının 6 haftalık laptop satış bilgileri aşağıdaki gibidir.
Buna göre ilgili yöntemleri kullanarak 7. hafta için tahminleri yapınız.

Ağırlıklı
Hareketli Hareketli
Hafta Satış Basit Yöntem Ortalamalar ortalamalar
1 7
2 9
3 5
4 9
5 13
6 8
7

a) 3 haftalık hareketli ortalamalar yöntemini uygulayınız.

b) Ağırlık değerlerini 0.20, 0.30, 0.50 olarak kullanarak 3 haftalık ağırlıklı ortalamalar
yöntemini uygulayınız.
 Trend Analizi
▶ Sürekli olarak azalan veya artan bir yapı mevcut
ise
▶ Bu yapı genellikle birkaç yıl devam eder.
 Trend Analizi
Doğrusal trend analizi en küçük kareler yöntemi uygulanarak
gerçekleştirilebilmektedir.

y^ = a + bx

where y^ = bağımlı değişken

a = y-düzlemini kesen nokta
b = regresyon doğrusunun eğimi
x = bağımsız değişken
 En küçük Kareler Yöntemi
Values of Dependent Variable (y-values)
Actual observation Deviation7
(y-value)

Deviation5 Deviation6

Deviation3

Deviation4

Deviation1
(error) Deviation2
Trend line, y ^= a + bx

| | | | | | |
1 2 3 4 5 6 7
Time period
© 2014 Pearson Education, Inc. 4 - 19
 Trend Analizi

S xy - nxy
y = a + bx b =
S x2 - nx2
a = kesişim a = y-bx
b = doğrunun eğimi
x = zaman periyodu where
n =period sayısı
y = x periyodu için talep
tahmini Sx
x = n = x ortalama
Sy
y = n = y ortalama
Trend Analizi Örnek
Yıl Period (x) Talep x2 xy
1999 1 74 1 74
2000 2 79 4 158
2001 3 80 9 240
2002 4 90 16 360
2003 5 105 25 525
2004 6 142 36 852
2005 7 122 49 854
∑x = 28 ∑y = 692 ∑x2 = 140 ∑xy = 3,063
x=4 y = 98.86
∑xy - nxy 3,063 - (7)(4)(98.86)
b= = = 10.54
∑x - nx
2 2 140 - (7)(42)

a = y - bx = 98.86 - 10.54(4) = 56.70

Trend Analizi Örnek
Electrical Power
Yıl Period (x) Talep x2 xy
1999 1 74 1 74
2000 2 79 4 158
2001 3 80 9 240
2002 ^
4 90 16 360
2003 y =5 56.70 + 10.54x
105 25 525
2004 6 142 36 852
2005 7 122 49 854
Sx = 28 Sy = 692 Sx2 = 140 Sxy = 3,063
x=4 y = 98.86

Sxy - nxy 3,063 - (7)(4)(98.86)

b= = = 10.54
Sx2 - nx2 140 - (7)(42)

a = y - bx = 98.86 - 10.54(4) = 56.70

 Trend Analizi Örnek
Trend doğrusu,
160 – y^= 56.70 + 10.54x
150 –
140 –
130 –
Power demand

120 –
110 –
100 –
90 –
80 –
70 –
60 –
50 –
| | | | | | | | |
1999 2000 2001 2002 2003 2004 2005 2006 2007
Year
 Problem: Toronto Towers Plaza Hotel’de son 9 yıl için oda kayıtları tutulmuştur. Gelecekteki
doluluğu öngörmek için yönetim misafir kayıtlarının matematiksel trendini belirlemek
istemektedir. Bu hesaplama otelin ilerde genişlemeye ihtiyacı olup olmadığını belirleyecektir.
Verilen zaman serisi verilerine göre, kayıtların zamanla ilişkisini içeren bir regresyon denklemi
geliştiriniz. Daha sonra 11. yılın kayıtlarını tahmin ediniz.

Year 1 2 3 4 5 6 7 8 9
Registrations 17 16 16 21 20 20 23 25 24
 Holt’s Method
Tahmin (FITt) = Üstel Düzeltilmiş Üstel Düzeltilmiş
trend Tahmin (Ft) + Trend(Tt

Ft = a(At - 1) + (1 - a)(Ft - 1 + Tt - 1)
Tt = b(Ft - Ft - 1) + (1 - b)Tt - 1
 Mevsimsellik
Talepte düzenli olarak
belirli dönemlerde azalma
veya artma görülüyorsa bu
mevsimellik durumu olarak
tanımlanır.
Mevsimsellik Indexi

Mevsimsellik içeren talep= Ortalama talep x Mevsimsellik

indexi
Mevsimsellik Indexi= Ortalama Talep/ Mevsimsellik içeren talep
• Problem: Eğer 2008 yılında 1200 laptop, satılacaksa
Mart, Nisan, Mayıs aylarındaki satışlar ne kadar
olacaktır?
Month (t) 2005 2006 2007
January 80 85 105
February 70 85 85
March 80 93 82
April 90 95 115
May 113 125 131
June 110 115 120
July 100 102 113
August 88 102 110
September 85 90 95
October 77 78 85
November 75 82 83
December 82 78 80
 Örnek
Talep Ortalama Ortalama Mevsimsellik
Month 2003 2004 2005 2003-2005 Aylık Index
Jan 80 85 105 90 94 90/94=0.957
Feb 70 85 85 80 94 80/94=0.851
Mar 80 93 82 85 94
Apr 90 95 115 100 94
May 113 125 131 123 94
Jun 110 115 120 115 94
Jul 100 102 113 105 94
Aug 88 102 110 100 94
Sept 85 90 95 90 94
Oct 77 78 85 80 94
Nov 75 72 83 80 94
Dec 82 78 80 80 94
Total=1128
Ortalama talep=1128/12=94
 Örnek
Demand Average Average Seasonal
Month 2003 2004 2005 2003-2005 Monthly Index
Jan 80 85 105 90 94 0.957
Feb 70 85 85 80 94 0.851
Mar 80 93 82 85 94 0.904
Apr 90 95 115 100 94 1.064
May 113 125 131 123 94 1.309
Jun 110 115 120 115 94 1.223
Jul 100 102 113 105 94 1.117
Aug 88 102 110 100 94 1.064
Sept 85 90 95 90 94 0.957
Oct 77 78 85 80 94 0.851
Nov 75 72 83 80 94 0.851
Dec 82 78 80 80 94 0.851
Mevsimsellik
2006 Forecast
140 – 2005 Demand
130 – 2004 Demand
2003 Demand
120 –
Demand

110 –
100 –

90 –

80 –

70 –
| | | | | | | | | | | |
J F M A M J J A S O N D
Time
Problem: Hafta sonları (Cuma- Cumartesi- Pazar) açık olan bir turist merkezinde yarı-zamanlı
çalışanlara ait daha doğru bir planlama yapabilmek için hafta sonu açık olan günlerdeki
müşteri talep tahminini mevsimsellik yöntemini kullanarak daha doğru bir şekilde yapmak
istemektedir. 7.Hafta 600 kişinin gelmesi bekleniyorsa günlere göre mevsimsel talebi
hesaplayınız.
Hafta
Mevsimsellik Katsayısı
1 2 3 4 5 6 Average
Cuma 149 154 152 150 159 163 154.5 154.5/197=0.79
Cumartesi 250 255 260 268 273 276 263.7 263.7/197=1.34
Pazar 166 162 171 173 176 183 171.83 171.83/197=0.87
Toplam=590

Ortalama=590/3=197

7. Hafta Tahmin
600/ 3= 200
Cuma= 200 * 0, 79= 158
Cumartesi= 200*1,34= 268
Pazar= 200*0,87= 174
• Nedensel Yöntemler
v Müşteri talebindeki dalgalanmaların sadece zaman faktörüyle
ilişkili olması çoğu zaman gerçeği yansıtmamaktadır. Bu
nedenle talep tahmininde nedensel yöntemler
kullanılmaktadır.
v Nedensel yöntemler bir ürünü talebinin çevredeki diğer
faktörlerden etkilendiği varsayımına sahiptir.
v Bu çevresel faktörler müşterilerin ekonomik geliri, medeni
durumu, yaşı, bölgedeki nüfus yoğunluğu vb. ürünün
kendisiyle ilgili olmayan çevresel değişkenlerdir.
v Nedensel yöntemler talebi etkileyen bu çevresel faktörlerin
hangileri olduğunu belirlemeyi ve talep ile aralarındaki ilişkiyi
belirlemeyi amaçlamaktadır.
• Nedensel Yöntemler
v Eğer talep ve bu değişkenler arasında bir ilişki olduğu
anlaşılırsa bu ilişki yardımıyla gelecekteki talebi tahmin etmek
mümkündür.

v Bu yöntemlerden en çok kullanılanları istatistiksel yöntemler

olan regresyon ve korelasyondur.

v Son yıllarda teknolojinin gelişimiyle birlikte bilgisayar

programlarının kullanılmasının yaygınlaşmasıyla yapay zeka
ve sezgisel yöntemler gibi çok kısa sürede çok büyük çözüm
uzayını tarayabilen yöntemlerin analizlerde kullanılması da
yaygınlaşmıştır.
Talep Tahmin Yöntemleri
• Regresyon Analizi
v Regresyon iki veya daha fazla değişken arasındaki ilişkinin analizi için
kullanılan bir istatistiksel yöntemdir.
v Talep tahmininde talebin bir başka çevresel faktörden etkilendiği
düşünülüyorsa bu yöntem kullanılarak aradaki ilişki matematiksel olarak
ifade edilebilir.
v Bu yöntemde bağımlı (Y) ve bağımsız değişken (X) olarak iki değer vardır.
v Bağımlı değişken (Y) bağımsız değişkenlerden (X1,X2,X3.. Xn) etkilenen
bilinmeyendir.
v Burada bağımsız değişken veya değişkenlerin değerlerinden hareketle
bağımlı değişken bulunmak istenir.
Nedensel Talep Tahmin Yöntemleri
Regresyon Analizi
Regresyon analizinde
bulunan değer ile S xy - nxy
b =
gerçek değer arasında S x2 - nx2
az fark bulunması a = y-bx
istenir ve bu amaçla
kullanılan yöntemlerden where
biri “en küçük kareler” n =period sayısı
yöntemidir. Aşağıda bu Sx
yöntem kullanılarak x = n = x ortalama
regresyon analizin Sy
yapılışı açıklanmıştır. y = n = y ortalama
• Regresyon Analizi

• Örnek: TURKUAZ adlı mağazanın müdürü mağazalarındaki deterjan satışlarının

miktarı ile aylık ilgili ürün için firma tarafından yapılan reklam harcamaları
arasında bir ilişki olduğunu düşünmektedir. Geçmiş 6 döneme ait reklam
harcamaları aşağıdaki tabloda verilmiştir. Bu durumda eğer 7. ayda deterjan
reklamları için 48 bin TL harcanması planlandığına göre deterjan talebi regresyon
analizine göre ne kadar olacaktır?
Regresyon Analizi
Regresyon Analizi
• Çözüm: Burada deterjan talebi reklam harcamalarından etkilenen değişken
olduğu için bağımlı değişkendir. (Y) Reklam harcamaları ise talebi etkileyen
değişken olduğu için bağımsız değişkendir. (X) Talep değerleri bilinen dönem
sayısı 6 olduğu için n=6’dır. Bu bilgilere göre yukarıdaki formül kullanılarak
deterjan satışı ile reklam harcamaları arasındaki ilişki aşağıdaki gibi hesaplanır.
Talep Tahmin Yöntemleri
• Yapay zeka ve sezgisel yöntemler
v Bu yöntemler doğadaki çeşitli süreçlerin işleyişinden esinlenerek geliştirilen
meta-sezgisel veya sezgisel yöntemlerdir.
v Bu yöntemlerin bilgisayar ortamında problemleri çözümlemesi çok büyük
boyuttaki problemlerin kısa sürede çözülmesine olanak vermektedir.
v Bu yöntemler optimum sonuç üretmese de en kısa sürede en iyiye yakın sonuçlar
üretebilmektedir.
v Talep tahmininde kullanılan sık kullanılan yöntemlerden bazıları insan beyninin
sinir yapısından esinlenerek geliştirilmiş olan Yapay Sinir Ağları, doğadaki üreme
sürecinde gelecek nesillere gen aktarımından esinlenen Genetik Algoritma ve
Destek Vektör Makineleridir.
v Bu yöntemlerin kullanımı uzman bilgisi gerektirse de çok kısa sürede iyi sonuçlar
vermesi nedeniyle uygulamaları yaygındır.
Talep Tahmin Yöntemlerinin Performans
Ölçümü
v Talep tahmini için geliştirilmiş olan yöntemlerin bir kısmı iyi sonuçlar üretebilse de
tahminlerin içerisinde bir miktar hata payı olması doğaldır.
v Bu nedenle, bir firmada müşteri taleplerinin tahmini için kullanılacak olan yöntemin ne
kadar güvenilir olduğunun analiz edilmesi gerekmektedir.
v Talep tahminin performansının ölçümü için kullanılan en yaygın yöntemler, ortalama
mutlak hata, hata karelerinin ortalaması ve kümülatif tahmin hatasıdır.
v Bu yöntemlerin amacı tahmin yönteminin ne kadar gerçeğe yakın sonuçlar bulabildiğinin
analiz edilmesidir.
v İzleme sinyali ise tahmin yönteminin doğru çalışıp çalışmadığı hakkında bilgi
vermektedir.
v İşletmeler kendileri için uygun olan aralığı belirleyip bu aralıkta tahmin yönteminin
doğru çalıştığını kabul ederler. Örneğin izleme sinyali için uygun aralığın ± 3 olarak
belirlenmesi durumunda, eğer tahmin yönteminin izleme sinyali hesaplamaları bu
aralıkta çıkıyorsa yöntemin işleyişinde bir problem olmadığı kabul edilir.
Talep Tahmin Yöntemlerinin Performans
Ölçümü
v Ölçüm hatası, tahmin yöntemiyle üretilen sonuçların
gerçekleşen değerlerden sapmaları ifade etmektedir.
Aşağıdaki formül ile hesaplanabilir.
Ölçüm Hatası = Gerçekleşen Talep (At) – Tahmin edilen Talep (Ft)
v Talep tahmin yöntemlerinin performansını ölçmek için kullanılan
yöntemler aşağıdaki gibi hesaplanmaktadır.
 Örnek problem
• TURKUAZ zincir marketlerinin müdürü, deterjan satışlarının tahmini için kullanmış olduğu zaman
serisi yöntemlerinin performanslarını ölçerek gelecek dönemlerde hangi yöntemi kullanmanın
işletmesi için daha uygun olduğunu öğrenmek istemektedir. Firmanın kendisi için belirlediği izleme
sinyali aralığı ± 3 ‘dür.

Burada en düşük MAD, MSE ve

CFE değerine sahip olan 3
dönemli ağırlıklı hareketli
ortalamalar yöntemi en iyi
performans sahibi tahmin
yöntemi olarak belirlenir.