Akademik Veri Yönetim Sistemi
Atılım Üniversitesi Mühendislik Bilimleri ve Araştırmaları Öğrenci Kongresi, Ankara, Türkiye, 16 - 17 Mayıs 2024, ss.21
Son yarım yüzyılda ülkemizde perakende hazır giyim sektörü hızla gelişmiştir ve günümüzde bu sektörde iş yapan çok sayıda ulusal ve uluslararası firma bulunmaktadır. Perakende sektöründe satışların önceden tahmin edilmesi; üretim planlaması, lojistik, reyonlardaki stok yönetimi ve iş gücü planlaması açısından önem arz etmektedir. Ürün karakteristiği, fiyat, hava durumu, özel günler, rakip firmaların durumu, alım gücü gibi birçok etken perakende sektöründe günlük ya da haftalık satış miktarını etkiler. Diğer perakende sektörleri ile karşılaştırıldığında hazır giyim sektörü, müşteri taleplerinin modaya bağlı olarak hızlı bir şekilde değişebildiğinden dolayı dinamik bir yapıya sahiptir. Perakende hazır giyim sektöründe talep ya da satış tahminine dönük zaman serileri analizine dayanan veya basit doğrusal regresyon gibi klasik yöntemlerin kullanıldığı çok sayıda çalışma yapılmıştır. Fakat bu yöntemler doğrusal modeller kullanır ve karmaşık problemlerin tahmininde çoğu kez başarısız kalabilmektedir. Bu nedenle son yıllarda doğrusal olmayan modeller kullanan makine öğrenmesi yöntemleri revaçtadır. Makine öğrenmesi yöntemlerini kullanan çalışmaların çok büyük kısmı ise uzun dönemli satış tahminine dönük veya firmanın tüm mağazaları için toplam satış tahminine odaklanmıştır. Bu çalışmanın amacı; Türkiye’de faaliyet gösteren bir firmanın 2019 yaz sezonuna ait verilerini kullanarak, perakende hazır giyim sektöründe tek sezon için satışa sunulan ya da yeni satışa sunulan ürünlerin haftalık satış adetinin istatistiksel olarak analiz edilmesi ve çeşitli makine öğrenmesi yöntemleriyle tahmin edilmesidir. İstatistiksel analiz kısmında, ilk olarak veri seti üzerinde temizleme ve dönüştürme gibi veri ön işlemleri yapılmıştır. Sayısal öznitelikler için Pearson korelasyon analizi yapılmıştır. Kategorik öznitelikler için ise Kruskal-Wallis Testi uygulanarak gruplar arasında haftalık satış adeti açısından bir fark olup olmadığı saptanmıştır. p değerinin 0,05’ten küçük olduğu değerler anlamlı kabul edilmiştir. Makine öğrenmesi aşamasındaysa, ilk olarak yüksek doğrusal korelasyona sahip olan öznitelikler tespit edilerek bu özniteliklerden biri veri setinden çıkarılmıştır. Sonrasında 10 kat çapraz doğrulama ile çeşitli makine öğrenmesi modelleri eğitilmiş ve ardından bu modellerin başarısı test veri seti üzerinden karşılaştırılmıştır. Böylece, geçmiş yıllarda satış verisi bulunmayan, yeni satışa sunulan ürünlerin mağaza bazında haftalık satış adetlerinin tahmin edilmesine yardımcı olacak modeller geliştirilmiştir.