Talep Tahmini ve Stok Planlamada Yapay Zeka: Nereden Başlamalı?

Stok planlamada iki hata da pahalıdır: fazla stok sermayeyi rafa bağlar, eksik stok satışı ve müşteriyi kaçırır. Talep tahmini, geçmiş satış verinizi mevsimsellik ve kampanya etkileriyle birlikte okuyarak “gelecek ay ne kadar satarız?” sorusuna sezgi yerine ölçülebilir bir cevap veren yöntemler bütünüdür. İyi haber şu: başlamak için dev bir yapay zeka projesi gerekmez; çoğu işletme elindeki ERP verisi ve doğru kurgulanmış basit modellerle ilk faydayı birkaç ay içinde görebilir.

Sezgisel sipariş neden pahalıya patlar?

Birçok KOBİ'de sipariş kararı hâlâ “geçen ay ne sattıysak biraz fazlası” mantığıyla, tek bir deneyimli çalışanın hafızasına yaslanarak veriliyor. Bu yöntem sakin dönemlerde idare eder; ama sezon geçişlerinde, kampanya dönemlerinde ve ürün sayısı arttığında kırılır. Sonuç, depoda yıllardır dönmeyen ölü stok ile en çok satan üründe yaşanan stoksuzluğun aynı anda görülmesidir.

Aşağıdaki tablo, sahada sık gördüğümüz temsili bir kıyası özetliyor; rakamlar sektöre ve işletmeye göre değişir, amaç mertebeyi göstermektir:

Talep tahmini nasıl çalışır?

Özünde model, geçmiş satış serisindeki desenleri öğrenir: genel eğilim (büyüme/daralma), mevsimsellik (yaz-kış, bayram, okul dönemi), haftanın günü etkisi ve kampanya gibi olayların sıçramaları. Bu desenlerden geleceğe dönük bir tahmin ve bir belirsizlik aralığı üretir. Sipariş kararı da tek bir sayıya değil, bu aralığa ve hedeflediğiniz hizmet seviyesine göre verilir.

Burada yönetici için önemli bir ayrım var: tahmin ile hedef aynı şey değildir. Satış hedefi motive etmek için iddialı konur; tahmin ise gerçekçi olmak zorundadır. İki kavram karıştırıldığında depo, hedefe göre doldurulur ve sezon sonunda ölü stok olarak geri döner. Sağlıklı kurguda planlama tahmine, prim sistemi hedefe bakar.

Mevsimsellik neden ayrı önemli?

Türkiye pazarında bayram tarihlerinin her yıl kayması, klasik “geçen yıl aynı ay” kıyasını yanıltır. İyi kurgulanmış bir model bayramı takvim gününe değil, olaya bağlar. Aynı şekilde okula dönüş, sezon indirimleri ve hava koşulları da ilgili sektörlerde tahmine değişken olarak eklenmelidir.

Emniyet stoğu nasıl belirlenmeli?

Tahmin hiçbir zaman kusursuz olmayacağı için emniyet stoğu tutarsınız; soru “ne kadar?” sorusudur. Temel mantık şudur:

• Talep oynaklığı yüksek ürünlerde tampon büyür; istikrarlı ürünlerde küçülür.
• Tedarik süresi uzun ve değişkense tampon büyür; yerli ve hızlı tedarikte küçülür.
• Hizmet seviyesi hedefi ürün önemine göre ayrışır: A sınıfı kritik ürünlerde %97-99, C sınıfı yavaş ürünlerde %85-90 hedeflemek tipiktir.

Tüm ürünlere tek bir “iki haftalık stok” kuralı uygulamak, en yaygın ve en maliyetli hatadır. ABC analizi ile ürünleri ciro katkısına göre ayırıp her sınıfa farklı politika tanımlamak, tek başına ciddi iyileşme sağlar. Bu konunun operasyon tarafını stok ve tedarik zinciri yönetimi yazımızda ayrıntılı ele almıştık.

Basit istatistik mi, makine öğrenmesi mi?

Bu, projelerde en çok sorulan sorudur ve cevabı ürün portföyünüze bağlıdır:

1. Hareketli ortalama / üstel düzeltme: Az SKU, düzenli talep, sınırlı kampanya etkisi. Kurulumu hızlı, sonucu açıklanabilir. Çoğu KOBİ için doğru başlangıç.
2. İstatistiksel mevsimsel modeller: Belirgin sezonluk ürünlerde (tekstil, içecek, yapı market) ilk tercih.
3. Makine öğrenmesi: Binlerce SKU, fiyat/kampanya/hava gibi dış değişkenler, düzensiz ve aralıklı talep. Veri altyapısı olgunlaştığında devreye alınmalı.

QuantKOD olarak geliştirdiğimiz projelerde sıramız hep aynıdır: önce basit modelle bir taban (baseline) kurarız; makine öğrenmesi ancak bu tabanı test verisinde ölçülebilir biçimde geçerse üretime alınır. Bu karar çerçevesini ML mi, kural tabanlı mı? yazısında genel hatlarıyla anlatmıştık.

Veri hazırlığı: projenin görünmeyen yarısı

Tahmin kalitesini model değil, veri belirler. Başlamadan önce şu kontrol listesini geçin:

• Satışlar SKU ve gün/hafta kırılımında tek tabloda toplanabiliyor mu?
• Stoksuz kalınan günler işaretli mi? (Yoksa model “talep yok” sanır.)
• İadeler, iptaller ve toptan/perakende ayrımı temiz mi?
• Kampanya ve fiyat değişikliği takvimi kayıtlı mı?
• Ürün birleştirme/kod değişikliği geçmişi izlenebilir mi?

Bu veriler genellikle ERP'de dağınık hâlde vardır; iş, onları tahmine uygun bir yapıya dönüştürmektir. Raporlama altyapısı kurulu işletmelerde bu adım çok daha hızlı ilerler; değilse veri ambarı ve iş zekâsı yatırımıyla birlikte planlamak mantıklıdır.

Tahmin doğruluğu nasıl ölçülür ve iyileştirilir?

Bir tahmin sisteminin işe yarayıp yaramadığını hissiyatla değil, sayıyla takip etmelisiniz. Pratikte en çok kullanılan yaklaşım, tahmin ile gerçekleşen satışı her ay kıyaslamak ve ortalama sapma yüzdesini (MAPE benzeri bir gösterge) ürün grubu bazında raporlamaktır. Hızlı dönen A sınıfı ürünlerde %10-20 bandında sapma iyi kabul edilirken, düzensiz talep gören ürünlerde %30-40 sapma bile sezgisel yönteme göre ilerleme olabilir.

İyileştirmenin yolu da bu rapordan geçer: sapmanın en yüksek olduğu ürünler incelenir, sebep çoğu zaman modelin görmediği bir olaydır — kayıt dışı kampanya, rakip stoksuzluğu, fiyat değişikliği. Bu olaylar veriye eklendikçe model her çeyrek biraz daha isabetli hâle gelir. Tahmin bir kere kurulan değil, yaşayan bir sistemdir.

Tahmin kime öneri, kime karar?

Sistemin çıktısı iki şekilde kullanılabilir: düşük değerli C sınıfı ürünlerde sipariş önerisi otomatik onaylanabilir; A sınıfı kritik ürünlerde ise öneri her zaman planlamacının önüne düşer ve insan onayıyla siparişe dönüşür. Bu hibrit kurgu, hem ekibin iş yükünü azaltır hem de kontrol hissini korur — benimsemenin önündeki en büyük engel olan “sisteme güvenmiyorum” direncini kırar.

Nereden başlamalı: 90 günlük yol haritası

1. Hafta 1-3: Veri denetimi; en çok ciro getiren 50-100 SKU seçimi, ABC analizi.
2. Hafta 4-7: Temiz satış serisi oluşturma, basit modelle taban tahmin, geçmiş üzerinde doğruluk testi.
3. Hafta 8-10: Emniyet stoğu politikaları, sipariş önerisi ekranı, planlamacı onay akışı.
4. Hafta 11-13: Pilot çalıştırma, tahmin-gerçekleşme kıyası, modelin ayarlanması ve kapsam genişletme kararı.

Maliyet tarafında, bu kapsamda bir başlangıç çözümü 2026 Türkiye koşullarında kabaca ₺150.000-₺500.000 aralığında konumlanıyor; SKU sayısına, entegrasyon ihtiyacına ve kapsama göre değişir. Kritik olan, sistemin insanı devre dışı bırakmaması: en iyi kurgu, yazılımın öneri üretmesi ve deneyimli planlamacının istisnaları yönetmesidir. Bizim proje yaklaşımımızın adımlarını süreç sayfamızda görebilirsiniz.