Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Salih Ceylan
Danışman: Birol Aslanyürek
Özet:
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 makine öğrenmesi yöntemleri revaçtadır. Makine öğrenmesi yöntemlerini kullanan çalışmaların çok büyük kısmı geçmiş satış verilerini kullanarak eski ürünlerin satış tahminine odaklanmıştır. Az sayıdaki çalışmada ise, satışa yeni sürülen ve dolayısıyla eski satış verileri olmayan ürünler için, genellikle az sayıda özniteliğe sahip benzer özellikteki ürünlerin verileri kullanılmıştır.
Bu çalışmanın amacı; Türkiye’de faaliyet gösteren bir firmanın 2019 yaz sezonuna ait verilerini kullanarak, perakende hazır giyim sektöründe tek sezon için yeni satışa sunulan ürünlerin mağazalardaki haftalık toplam satışının 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. 0,05’ten küçük p değerleri için sonuçlar anlamlı kabul edilmiştir. Makine öğrenmesi aşamasındaysa, farklı veri setleri için 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 mağazalardaki haftalık toplam satışının tahmin edilmesine yardımcı olacak modeller geliştirilmiştir.