Ünite 3: Talep Tahminleri

1. Görüyorum ki bu ders’ den A alacaksın. İşletme Bölümü Ünite 3: Talep Tahminleri GÜZ 2012-2013

2. Outline: What You Will Learn . . . • Talep Tahmin tanımı ve önemi. • Talep Tahmin prensipleri. • Talep Tahminde yapılacak işlemler. • Talep Tahmin Yöntemleri. • Zaman Serileri Analizi. • Hareketli Ortamalar. • Duyarlılık Analizleri. • Trend Analizi • Regresyon Analizi ve uygunluk derecesi

3. Talep Tahmini nedir? Niye kullanılmaktadır? • Talep tahmin, bir firmanın gelecekteki satış hacmini belirlemek için bir değişkeni hesaplama işlemidir. • Talep Tahmin, özel işletmelerde, devlet sektöründe ve hayır kurumlarında alınacak idari ve yönetsel kararlarda riski ve belirsizliği azaltan bir yöntemdir. • Talep tahminlerinin kullanılması sayesinde, firmalar kendi büyümesini gerçekleştirebilmesi için ne kadar mal üreteceğini, bu malı hangi oranda fiyatlayacağını ve ilgili malın pazarlanması için ne kadar para harcayacağını belirler

4. Taleb Tahminin Amacı • Firmanın karşılaşacağı kısa dönem işletim kararları ve uzun dönembüyüme planları için riskin ve belirsizliğin azaltılmasıdır. • Taleb Tahminlerini kullanmak işletme hayatının vazgeçilmez unsurlarından biridir. Bunları kullanırken daha doğru tahminler yapıp, mümkün mertebe riski ve belirsizliği azaltmak bir işletmenin hayatta tutunabilmesinin en temel noktasıdır.

5. satış Pazarlama Finans Üst yönetim Stok yönetimi Talep Tahmin Yöntemi Haritası etkileyen Faktörler Talep Bilgi Statistiksel Model Fikir birliği Talep Tahmin kararı

6. Talep Tahmin Prensibleri • Nedensellik (sebeb sonuç ilişkisi)Geçmiş ==> Gelecek • Talep Tahmin tesadüfi etkilerden dolayı, sonuçları çok hassas olmaz. • Tahminlerçok nadir olarakkusursuzdur • Talep Tahmin çalışmaları kişilere oranla gruplar üzerinde daha hassas sonuçlar verir. • Zaman horizonu artığı sürece, Talep Tahmin ölçümleri daha az hassas olur.

7. Zaman Güvenilirlik Hassasiyet Kolay kullanılış Yazılım Anlamlılık İyi bir Talep Tahminin Elemanları

8. “Talep Tahmin” Adım 6 Raporun yazılması Adım 5 Talep Tahminin yapılması Adım 4 Veri’yi analiz yapma Adım 3 Talep Tahmin tekniklerinin seçilmesi Adım 2 Zaman horizonunu belirlenmesi Adım 1 Talep tahmin amacının belirlenmesi Talep Tahmin Araştırılmasında Yapılacak Adımlar

9. Talep Tahminleri Yöntemleri • Naïve(düz) metod’danen Zor model ve tekniklere kadar Talep Tahmin yöntemleri mevcuttur. • Üç ana başlıkta toplanır: • Yargısal Tahminler • Zaman Serileri • İlişkisel Modeller

10. Talep Tahmin Araştırma Yöntemleri • YargısalTahminler- Kantatif modellerin kullanılmadığı zamanlar yönetici görüşlerini, müşteri anketlerini, uzman görüşleri gibi yargısal yöntemlerin kullanılmasıdır. • Zaman Serileri– Geçmişe ait bilgilerin geleceği tahmin için kullanılması prensibine dayanır. • İlişkisel Modeller– Bağımsız değişkenlerin kullanılarak geleceğin tahmin edilmesidir.

11. Kalitatif (Yargısal) Modeller • Kalitatif talep tahmini bir değişkenin gelecek değerini anket araştırma ve görüş toplama yöntemlerini kullanarak belirleme yöntemidir. • Anket teknikleri • Toplanılan bilgi, tecrübe, kişisel yargı, ve sezgiye dayanır. • Görüş toplama • Pazar’daki bir çok uzman kişilerin, yöneticilerin, satış memurları gibi elemanların verdiği görüşlere dayanan bir bilgi toplama yöntemi.

12. Kalitatif (Yargısal) Modeller • Görüş toplama yöntemi basit oluşu ve düşük maliyetli olma avantajları vardır. • Bandwagon etkisi: (tercübe, sezgiye ve uzman görüşlere dayandığı için subjektif olabilir). • Delphi Methodu: Bu metod kullanılarak uzman görüşleri ayrıştırılıp subjektif görüşler engellenebilinir.

13. Kantitatif (Nicel)Tahmin Yaklaşımları • Temel varsayım: Geçmiç bilgi yoksa, gelecekteki bilgi tahmin edilemez. • İyi bir geçmiş örnek analizi, etkili bir gelecek örnek analizi teşkil eder. • Kantitatif yaklaşımların büyük çoğunluğu zaman serileri analizi olarak adlandırılır.

14. Zaman Serileri Analizi • Bir zaman serisi ardışık ve eşit aralıklı zamanlarda bir bağımsız değişkenin aldığı değerleri gösteren bir küme şeklinde tanımlanır. • Geçmişteki davranış biçiminin gelecekte de devam edeceği varsayılır. • İstikrarsız, ani ve beklenmedik değişikliklerin olduğu ortamlarda bu yöntemin kullanılması doğru olmaz.

15. Talep Tahmin süresi • Kısa vadeli tahminler • 1 yıla kadar • Orta vadeli tahminler • 1 ile 5 yıl arası • Uzun vadeli tahminler • 5 yıldan fazla olan süreler için

16. Zaman Serilerinin değişimde görünen ana sebebler • Trend: zaman serisinin uzun vadedeki pozitif yada negatif değişimini gösterir (Nüfus, gelir ve kültürdeki değişimleri). • Uzun vadeli dalgalanmalar: ulusal ekonomideki hızlı gelişmeler, depresyon, durgunluk gibi faktörleri içeren dalgalanmalardır. • Mevsimlik değişmeler: Bayram öncesi satışlar, giyim, hediyeli eşyalar, turizme ait faaliyetler.. • Düzensiz değişmeler ciddi hava muhalefeti, grevler mal ve hizmetlerdeki radikal değişmeler. • Tesadüfi değişmeler: sebebleri tam olarak belli olmayan ve sistematik bir değişim şekli göstermeyen etkenlerdir.

17. Talep Tahmin Değişimleri Düzenli olmayan Trend Uzun vadeli 90 89 88 Mevsimlik değişmeler

18. Talep Tahmin Yapıları • Zaman serisi • F(t) = A(t-1) • Mevsimlik Değişmeler • F(t) = A(t-n) • Verilerin trend ile kullanılması • F(t) = A(t-1) + (A(t-1) – A(t-2))

19. Ortalama Teknikleri • Hareketli ortalama • Ağırlıklı hareketli ortalama • Üstel Düzeltmeler yöntemi

20. Ortalama Teknikleri • Hareketli ortalama – Gerçek değerlerin ortalamasını alırken yeni değerleri bünyesine alan bir tekniktir. Yeni değerler oluşurken eski değerler kayboluyor. GTt-n+ … GTt-2 + GTt-1 TTt = HOn= n • Ağırlıklı Hareketli ortalama– Son dönem verilerini belirli bir ağırlıkla işleme koyan bir tahmin tekniğidir. AnGTt-n + … An-1GTt-2 + A1GTt-1 TTt = AHOn= n

21. Basit Hareketli Ortalama Gerçek Değer HO5 HO3 GTt-n+ … GTt-2 + GTt-1 TTt = HOn= n

22. Basit Hareketli Ortalama • TT yada OT döneme ait talep tahmini • GT döneme ait gerçekleşen talep • n dönem sayısı ve A ise ağırlık değeri • Basit denmesinin sebebi eşit ağırlıkta kolay bir şekilde ortalanmasının hesaplanmasıdır. • Hareketli denmesinin sebebi yeni veri hesaplandığı zaman eski verilerin kullanılmamasıdır. • Dönem sayısı artığı zaman, tahmin dalgalanmalara daha az karşılık verecektir. • Dönem sayısı azaldığı zaman, tahmin dalgalanmalara daha fazla karşılık verecektir.

23. Üstel(Eksponensiyal) Düzeltmeler Yöntemi TTt = TTt-1 + (GTt-1 - TTt-1) • düzgünleştirme sabiti olup 0 ile 1 değerleri arası değişmektedir. • GT-TTfarkı hata terimini belirler TTt = döneme ait talep tahmini TTt-1 = Bir önceki döneme ait talep tahmin = düzeltme sabiti GTt-1 = Bir önceki döneme ait gerçekleşme değeri

24. Üstel(Eksponensiyal) Düzeltmeler Yöntemi • Ağırlıklar kullanılarak hesaplanır ve üstel bir yayılım grafiği özelliği gösterir. • (GTt-1 - TTt-1) farkı hata tahmin ölçümünü gösterir. • Düzgünleştirme katsayısı 0.0 ile 1.0 arasında değişir. • değeri artıkça, tahminde yüksek dalgalanmalar yaratır. • değeri azaldıkça, tahminde düşük dalgalanmalar yaratır.

25. Örnek 1 • Bir çağrı merkezinin 12 günde elde ettiği verileri gösteriyor. • Buveriler kullanılarak gelecek dönemki veriler tahmin edilmek istenmektedir. • Hareketli ortalama, Ağırlıklı hareketli ortalama ve üstel düzeltmeler yöntemini kullanarak gelecek dönemi tahmin ediniz.

26. Örnek 1-Hareketli ortalama • Hareketli ortalama yöntemini kullanarak diğer dönemi (13. gün) tahmin ediniz. Bu dönemi tahmin ederken en yakın üç veriyi kullanınız. • TT13 = (168 + 198 + 159)/3 = 175.0 çağrı

27. Örnek1- Ağırlıklı hareketli ortalama • Ağırlıklı hareketli ortalama yöntemi ile gelecek dönemi tahmin ediniz. En yakın üç dönemi kullanırken en eski veriyi sırası ile 0.1, 0.3 ve 0.6 ağırlık değerinde alınız. • TT13 = .1(168) + .3(198) + .6(159) = 171.6 çağrı • Not: Bu tekniği kullandığınız zaman, diğer tekniğe göre tahmin değeri daha az bulunmuştur. Modeller daha kapsamlı olduklarında, çıkan sonuçlar daha hassas olabilir. 1

28. Örnek1-Üstel düzeltme • Düzeltme sabitinin 0 .25 verildiği bu çağrı merkezinde 11. gün 180.76 olarak tahmin ediliyor. • 13. gün değerini üstel düzeltme yöntemi ile tahmin ediniz? • TT12 = 180.76 + .25(198 – 180.76) = 185.07 çağrı • TT13 = 185.07 + .25(159 – 185.07) = 178.55 çağrı

29. Trend Analizi • Zaman serilerini analizinde kullanılan regresyon modelinin en basit şeklidir. • Regresyon analizi bağımlı değişkenle bağımsız değişken arasındaki ilişkiyi belirler. • En basit bağlamdaki regresyonda bir bağımsiz değişken mevcuttur. • Veriler zaman serilerinden oluşursa, bağımsız değişken zaman değişkeni olur. • Bağımlı değişken tahmin edilen herhangi bir değer olabilir.

30. TTt TTt = a + bt 0 1 2 3 4 5 t Trend denklemi • TTt = Talep Tahmini • t = dönem • a = sabitdeğeri alır t = 0 olduğu zamanlar • b = Denklemin eğimi

31. Regresyon Doğrusu • Regresyon denklemi • model: • Y = a + bX • Y = Bağımlı değişken • X = Bağımsız değişken • a = dikey eksenin eğimi • b = regresyon doğrusunun eğimi

32. Sabit sayılara veb Sabit sayılar a and byandaki formuller kullanılarak hesaplanır Sabit değerlera ve b tahmin edildikten sonra, X bağımsız değişkenine değer verilerek Y bağımlı değişkenin değerleri tahmin edilir. Trend analizi- a ve b sabitlerinin hesaplanması

33. Örnek2-Trend Analizi- Elektrik enerjisi satışları • Elimizdeki veriler bir şehrin 1997.1 ve 2000.4 yılları arasındaki elektrik enerjisi tüketimini (milyonkilowatt) göstermektedir. Veriler aşağıdaki tabloda verildiği gibidir. Trend analizini kullanarak diğer 4 çeyrek dönemi tahmin ediniz.

34. Örnek 2-Trend Analizi

35. Örnek 2-Trend Analizi Y = 11.90 + 0.394X • Y17 = 11.90 + 0.394(17) = 18.60 ilk çeyrek-2001 • Y18 = 11.90 + 0.394(18) = 18.99 ikinci çeyrek-2001 • Y19 = 11.90 + 0.394(19) = 19.39 üçünçü çeyrek- 2001 • Y20 = 11.90 + 0.394(20) = 19.78 dörtünçü çeyrek-2001 • Not:Elektrik enerji tüketimi 0.394 katsayısı bağlamında her çeyrekte milyon kilowatt-saat birimi şeklinde artış gösterecektir.

36. Örnek 2-Trend Analizi • Örnek’deki bilgileri kullanarak, • Standart sapmayı bulunuz (Sxy) • Korelasyon katsayısını yani güçlülük katsayısını bulunuz (r). • Değişim katsayısını (tayin katsayısı) bulunuz (R2).

37. Örnek 2-Trend Analizi • Örnek’deki bilgileri kullanarak, • Standart sapmayı bulunuz(Sxy). • Sxy = kare kök( [3820-(11.9) (244)- (0.394) (2208)]/(16-2))=1.82 • Sxy trend etrafındaki verinin nasıl dağıldığını gösterir. Averaja göre büyük bir standard hata varsa, veri noktaları geniş bölgeye yayılır. Eğer küçükse, daha sıkı bir şekilde trend etrafında kümelenirler. Sonuçu yanıltıcı olabilir.

38. Örnek 2-Trend Analizi • Örnek’deki bilgileri kullanarak, (b)Korelasyon katsayısını yani güçlülük katsayısını bulunuz (r). • r= ((16) (2208)- (136) (244))/kare kök( [(16) (1496)-(18496)*((16)(3820-59536)]=0.73 • r -1 ile 1 arası değişen bir sayı olup, -1 ise güçlü negatif, 1 ise güçlü positifdir. 0 ise değişkenler arası herhangi bir ilişki yok demektir. Burada güçlü bir ilişki vardır bağımsız değişken artarsa, bağımlı değişkende artmaktadır.

39. Örnek 2-Trend Analizi • Örnek 1 deki bilgileri kullanarak, (c) Değişim katsayısını (tayin katsayısı) bulunuz (R2). • R2=r2 • R2=0.533. 0 ile 1 arası değişen değer, 0 olduğu zaman iki değişken arası ilişkinin olmadığını 1 olduğu zamanda mükemmel bir ilişki olduğunu gösterir. Bu değer aslında iki değişken arasındaki değişim katsayısını gösterir. %53 oranında meydana gelen bağımlı değişkendeki farklılıkları bağımsız değişkendeki farklılıklar açıklar. Yani bağımlı değişkendeki artışlar, bağımsız değişkendeki artışlardan kaynaklanmaktadır.

40. Talep Tahminlerindeki Duyarlılık • Duyarlılık modelleri • Talep tahmin yöntemlerinin performansını ölçen modellerdir. • Gerçek değerlerin tahmin değerleri üzerine ne kadar iyi bir şekilde yaklaştığını gösterir. • En az hata payı gösteren tahmin modelleri, en iyi duyarlılığı • En çok Kullanılan hata tahmin ölçüm modelleri • Ortalama Mutlak sapma (OMS) • Mean absolute deviation (MAD) • Hata karelerinin ortalaması (HKO) • Mean squared error (MSE) • Kare kökü hata karelerinin ortalaması (KKHKO) • Root mean squared error (RMSE)

41. 2 ( Gerçek  Tahmin)  HKO = n - 1 OMS, HKO, and KKHKO   Gerçek Tahmin = OMS n

42. Örnek- Hata tahmin modelleri Aşağıdaki gerçek ve tahmini değerleri kullanarak, ortalama mutlak sapma (OMS), Hata karelerinin ortalaması (HKO) ve Kare kökü hata karelerinin ortalaması (KKHKO) hesaplayınız.

43. Örnek- Hata tahmin modelleri

44. Teşekkürler