Perakendede Talep Tahmini: Geçmiş Satış Verisiyle Stok Planlaması

Perakende stok planlamasında “geçen yıl ne sattıysak” yöntemi neden yetersiz?

Sezon öncesi sipariş planlaması yapılırken en yaygın yöntem, geçen yılın aynı dönemindeki satış verisine bakıp benzer miktarlarda sipariş vermektir. Bu yöntem hızlıdır ama üç önemli etkeni göz ardı eder: eğilim (trend; kategori büyüyor mu, küçülüyor mu?), geçen yılki stok yetersizliği (talep var ama stok bittiği için satış kaydedilmemiş olabilir) ve bu yılki takvim farkları (bayram tarihleri, hafta sonu sayısı).

Sonuç olarak bazı ürünler sezon ortasında tükenirken bazıları sezon sonunda elde kalır. Her iki durum da maliyetlidir: tükenen üründe satış kaybı, elde kalan üründe indirim baskısı ve nakit akışı sorunu oluşur.

Talep tahmini hangi veriyi kullanır?

Talep tahmini, geçmiş satış verisini — genellikle son 1-3 yıllık günlük veya haftalık satış adetleri — temel alır, ancak ham veriyi olduğu gibi kullanmaz. Üç önemli düzeltme uygulanır:

• Stok tükenmesi düzeltmesi: Bir ürün belirli günlerde stokta yoksa, o günlerin satış verisi “talep yok” olarak değil “talep karşılanamadı” olarak ele alınmalı; aksi hâlde tahmin gerçek talebi olduğundan düşük gösterir.
• Mevsimsellik ayrıştırması: Yıl içindeki tekrarlayan dalgalanmalar (yaz-kış, bayram dönemleri) ayrıştırılır, böylece “bu hafta normalden düşük mü, yoksa mevsimsel olarak zaten düşük bir hafta mı” ayrımı yapılabilir.
• Eğilim bileşeni: Kategorinin son 12-24 ayda büyüyüp büyümediği ayrı bir bileşen olarak hesaba katılır.

CSuiteScope bugün ay sonu cirosunu tempo (run-rate) hesabıyla, mağaza seçildiğinde ertesi günü son 30 günün doğrusal eğilimiyle tahmin eder; bu hesaplar açık formüllerdir. Stok tükenmesi düzeltmesi ve mevsimsellik ayrıştırması içeren tahmin modelleri, yol haritasındaki Makine Öğrenmesi modülünün kapsamındadır. Bugün bu düzeltmeleri veri ekibiniz kendi modelinde yapar; sonuçları CSuiteScope’un tempo ve eğilim hesaplarıyla karşılaştırabilir.

Mevsimsellik, kampanya ve eğilim etkisini ayırmak

Talep tahmininin en kritik adımı, bir satış artışının veya düşüşünün hangi nedenden kaynaklandığını ayırt etmektir. Geçen yıl aynı dönemde yapılan bir kampanya bu yıl planlanmıyorsa, geçen yılın satış rakamı doğrudan bu yıla taşınamaz. Tersine, bu yıl planlanan yeni bir kampanya, geçmiş veride karşılığı olmadığı için tahmine otomatik yansımaz — bu etkinin elle eklenmesi gerekir.

Kampanya etkisini ölçmek üzerine yazımızda ele aldığımız kontrol grubu mantığı, burada da işe yarar: bir kampanyanın gerçek talep etkisi ölçülebildiğinde, bu etki gelecekteki benzer kampanyalar için tahmine dâhil edilebilir.

Talep tahmini sonuçları satın alma kararına nasıl bağlanır?

Bir tahmin sayısı tek başına bir sipariş kararı değildir. Tahmin ile sipariş arasındaki köprü genellikle şu adımlardan geçer:

1. Ürün veya kategori bazında tahmini talep miktarı hesaplanır.
2. Mevcut stok seviyesi ve yoldaki sipariş miktarı bu tahminden düşülür.
3. Tedarik süresi ve güvenlik stoğu eklenerek net sipariş miktarı belirlenir.
4. Sonuç, satın alma ekibinin gözden geçirip onaylayacağı bir öneri listesine dönüştürülür.

Bu akış, satın alma ekibinin kararını ortadan kaldırmaz; ekibin her ürün için sıfırdan hesap yapmasını gereksiz kılar ve dikkatini istisnai durumlara (yeni ürün, tedarikçi değişikliği gibi tahminin zayıf olduğu alanlar) yönlendirir.

Bu öneri listesinin CSuiteScope içinde otomatik üretilmesi, yol haritasındaki Makine Öğrenmesi modülünün kapsamındadır. Bugün CSuiteScope tempo ve doğrusal eğilim hesaplarını sunar; siparişe dönüşen hesabı satın alma ve veri ekibiniz kendi yönteminizle yapar.

Senaryo: Sezon öncesi stok planlaması

Bir perakende zinciri kış sezonu öncesi mont kategorisinde sipariş planlaması yapıyor. Geçen yılın satış verisine bakıldığında belirli bir modelin toplam satışı düşük görünüyor. Oysa model sezon ortasında tükenmiş; stok azaldıkça satış da azalmış. Ham veri bu durumu “düşük talep” gibi gösteriyor.

Veri ekibi stok tükenmesi düzeltmesini uyguladığında gerçek talebin geçen yılki sipariş miktarının üzerinde olduğu ortaya çıkıyor. Ayrıca kategori genelinde son iki yılda %8’lik bir büyüme eğilimi tespit ediliyor. Bu iki bilgi birleştirildiğinde, satın alma ekibi o model için geçen yıla göre daha yüksek bir miktar sipariş ediyor — sezon ortasında tükenme riski azalıyor.

Talep tahminini kurarken dikkat edilmesi gerekenler

Talep tahmininin güvenilir sonuç vermesi için:

• Yeterli geçmiş veri olmalı. Yeni açılan mağazalar veya yeni ürünler için geçmiş veri sınırlıdır; bu ürünlerde tahmin yerine benzer ürün/mağaza verisinden yararlanılır.
• Veri kalitesi kontrol edilmeli. Stok ve satış verisindeki eksik veya hatalı kayıtlar tahmini doğrudan etkiler.
• Tahmin periyodik olarak güncellenmeli. Tek seferlik bir tahmin, sezon ilerledikçe güncel verilerle yeniden hesaplanmalı.

CSuiteScope’un bugün sunduğu tempo ve eğilim hesaplarının kendi ürün ve mağaza yapınızda stok planlamasına nasıl girdi olacağını demo görüşmesinde değerlendirebilirsiniz.

Sonuç

Talep tahmini, “geçen yıl ne sattıysak onu sipariş ederiz” alışkanlığının yerine stok tükenmesi, mevsimsellik ve eğilim etkilerini ayrıştıran bir hesaplama koyar. Sonuç, sezon ortasında tükenen ürün sayısının azalması ve sezon sonunda elde kalan stok miktarının düşmesidir — her iki durum da doğrudan kâr marjını etkiler.

CSuiteScope bugün bu hesabın tempo ve doğrusal eğilim kısmını sunar. Stok tükenmesi düzeltmesi, mevsimsellik ayrıştırması ve otomatik sipariş önerisi ise yol haritasındaki Makine Öğrenmesi modülünün kapsamındadır.