Talep tahmini (demand forecasting): stok ve satışı aynı veride hizalamak

Bir mağaza düşünün: yılbaşı öncesi en çok satan ürün raftan iki hafta erken tükeniyor, müşteri eli boş dönüyor; aynı depoda ise geçen sezon "bu kesin satar" denip fazladan alınan üç palet mal, aylardır kimse dokunmadan sermayeyi kilitliyor. İki sorun da aynı kökten gelir: gelecekteki talebin ne olacağını önceden görememek. Talep tahmini (demand forecasting) tam da bu boşluğu kapatmaya çalışır — hangi üründen, ne zaman, ne kadar satılacağını öngörüp satın almayı, stoğu, personeli ve nakiti buna göre hizalamak.

Bu yazıda talep tahmininin ne olduğunu, satış tahmininden neden farklı olduğunu, hangi girdilerle beslendiğini ve basit yöntemlerden gelişmiş modellere doğru nasıl bir yol izlendiğini anlatıyoruz. Amaç bir istatistik dersi değil; küçük ve orta ölçekli bir işletmenin bu çeyrekte uygulayabileceği pratik bir döngü kurmak.

1Temiz satış geçmişi2Mevsimsellik & trend3Talep tahmini4Sipariş / güvenlik stoğu

Talep tahmini nedir?

Talep tahmini, belirli bir dönemde müşterilerin bir ürüne ya da hizmete ne kadar talep göstereceğini öngörme çalışmasıdır. Kristal küre değildir; geçmiş satışları, mevsimselliği ve bilinen olayları — bir kampanya, bir tatil, bir tedarik gecikmesi — bir araya getirip gelecekteki talebe dair mantıklı bir aralık üretir.

Önemli olan tek bir sihirli sayı bulmak değil, kararları hizalamaktır. İyi bir tahmin dört soruyu aynı anda yanıtlar: ne kadar mal satın almalı, depoda ne kadar stok tutmalı, yoğun döneme kaç kişiyle girmeli ve tüm bunların nakit üzerindeki etkisi ne olacak. Bu sorular ayrı ayrı yanıtlandığında biri diğerini bozar; talep tahmini onları tek bir öngörüde buluşturur.

Bir diğer önemli nokta ufuktur: talep haftalık, aylık ya da çeyreklik olarak tahmin edilebilir. Kısa vadeli tahmin günlük siparişi ve raf yönetimini besler; daha uzun vadeli tahmin ise tedarikçiyle anlaşma, depo kapasitesi ve nakit planlaması için gerekir. Doğru ufuk, verdiğiniz kararın ne kadar ileriyi gerektirdiğine bağlıdır — ne kadar uzağa bakarsanız belirsizlik o kadar artar, o yüzden tahmini kullanacağınız karara göre seçin.

Talep tahmini ile satış tahmini aynı şey değil

İki kavram sık karıştırılır ama farklı sorulara yanıt verir. Satış tahmini (sales forecasting) genelde gelir ve anlaşma odaklıdır: hangi fırsatın, ne zaman, hangi olasılıkla kapanacağını ve bunun ciroya etkisini öngörür. Çıktısı çoğunlukla paradır — bu çeyrek ne kadar satış kapatacağız?

Talep tahmini ise adet ve ürün odaklıdır: hangi üründen (SKU) kaç adet gideceğini öngörür ki satın alma ve stok buna göre ayarlanabilsin. Bir B2B yazılım ekibi için satış tahmini yeterli olabilir; ama fiziksel ürün satan bir işletmede asıl operasyonel soru "kaç adet" olduğundan talep tahmini vazgeçilmezdir. İkisi birbirini besler: gelir beklentisi bütçeyi, adet beklentisi depoyu kurar.

İki yönlü kayıp: stoksuz kalmak ve ölü stok

Talep tahmininin neden önemli olduğunu anlamak için iki tür hatanın maliyetine bakmak yeterli. İlki stoksuz kalmak: talep varken raf boşsa satış doğrudan kaybedilir, üstelik çoğu zaman müşteri bir daha dönmemek üzere rakibe gider. Bu kayıp raporlarda görünmez bile; olmayan satışın faturası kesilmez.

İkincisi fazla stok: "ne olur ne olmaz" diye alınan fazla mal, satılana kadar sermayeyi kilitler. Para artık kasada değil, depoda rafta durur; dahası yer kaplar, eskir, modası geçer ve bazen zararına elden çıkarılır. Talep tahmininin işi bu iki hatayı aynı anda küçültmektir — ne rafı boşaltacak kadar temkinli, ne de depoyu dolduracak kadar cömert olmak.

Bu iki hata arasındaki denge göründüğünden zordur, çünkü ikisi de aynı bilinmezlikten beslenir. Fazla temkinli davranan stoksuz kalır, fazla cömert davranan ölü stoğa gömülür; talep tahmininin değeri tam da bu dengeyi kör bir tahminden çıkarıp veriye dayandırmaktır. Her ürün için "sıfır risk" diye bir nokta yoktur, olsa olsa bilinçli seçilmiş bir denge vardır.

Kötü bir tahmin iki kez para kaybettirir: olmayan malı satamazsınız, olan malı da satamazsınız.

İyi bir tahmini besleyen girdiler

Bir tahmin ancak beslendiği veri kadar iyidir. Karmaşık bir modele geçmeden önce, aşağıdaki girdilerin derli toplu olması çoğu KOBİ için farkın büyük kısmını yaratır:

• Temiz satış geçmişi: ürün bazında, tarihli, iadeleri ayrılmış satış kayıtları. Dağınık ya da eksik geçmiş, en gelişmiş modeli bile yanıltır. Stok hareketlerinin düzenli takibi bu geçmişin belkemiğidir.
• Mevsimsellik ve trend: yılın hangi döneminde talebin arttığı ve genel eğilimin yukarı mı aşağı mı olduğu. Sezonluk kampanya planı, bilinen tepe dönemlerini tahmine önceden yazmayı sağlar.
• Kampanya ve promosyonlar: indirim, reklam ya da lansmanların talebi nasıl büktüğü; bunlar hesaba katılmazsa geçmiş veri yanlış okunur.
• Satış hattı (pipeline): özellikle B2B'de, görüşülen büyük siparişler henüz kapanmadan talebe dahil edilmelidir.
• Tedarikçi teslim süresi (lead time): malın kaç günde geldiği, ne zaman sipariş verileceğini belirler; tahmin ile satın alma arasındaki köprü budur.

Basitten gelişmişe: dört tahmin yöntemi

Talep tahmini yöntemleri bir merdiven gibidir; en alttan başlanır ve ihtiyaç arttıkça çıkılır. Her basamak öncekinden daha fazla veri ve emek ister, ama her işletmeye en üst basamak gerekmez.

• Naif ve hareketli ortalama: "geçen dönem ne sattıysak bu dönem de ona yakın satarız" mantığı. Son birkaç dönemin ortalaması, şaşırtıcı biçimde birçok ürün için iyi bir başlangıçtır.
• Mevsimsel düzeltme: hareketli ortalamaya yılın ritmini ekler; yazın artan, kışın düşen talebi öngörüye yansıtır.
• Nedensel (causal) modeller: talebi dışarıdaki bir etkene bağlar — fiyat, reklam harcaması, hava durumu. Örneğin fiyat değişimlerinin talebi nasıl etkilediğini modele katmak, yalnızca geçmişe bakmaktan daha isabetli olabilir.
• Makine öğrenmesi (ML): çok sayıda ürün ve değişkeni aynı anda işleyip örüntü çıkarır. Güçlüdür ama bol, temiz veri ve sürekli bakım ister; küçük bir katalog için çoğu zaman fazla ağırdır.

KOBİ için doğru başlangıç neredeyse her zaman en alt basamaktır. Basit bir mevsimsel ortalama, kimsenin bakmadığı gelişmiş bir modelden daha değerlidir; çünkü anlaşılır, denetlenebilir ve insan sezgisiyle düzeltilebilir. Model karmaşıklığını ancak basit yöntem gözle görülür şekilde yetersiz kaldığında artırın.

Tahminden sipariş noktasına: pratik döngü

Tahmin, bir tabloda kalırsa işe yaramaz; onu satın alma kararına çevirmek gerekir. Pratikte döngü şöyle işler: temiz geçmiş ve mevsimsellikten bir talep öngörüsü çıkarılır, üzerine sahayı bilen birinin insan yargısı eklenir (model bir sonraki ayki lansmanı bilmez, siz bilirsiniz), sonra bu öngörü yeniden sipariş noktası ve güvenlik stoğu gibi somut eşiklere dönüştürülür.

Yeniden sipariş noktası, "stok şu seviyeye inince yeni sipariş ver" diyen çizgidir; teslim süresi boyunca satılacak tahmini miktara göre belirlenir. Güvenlik stoğu ise talebin beklenenden yüksek çıkması ihtimaline karşı tutulan tampondur. Bu eşikleri elle takip etmek zordur; stok eşiği uyarıları, seviye kritik noktaya inince otomatik haber vererek tahmini günlük operasyona bağlar.

Bu döngü bir kez kurulup unutulmaz; düzenli aralıklarla — çoğu KOBİ için ayda bir — gözden geçirilmeli, gerçekleşen satışla karşılaştırılıp eşikler güncellenmelidir. Hızlı dönen birkaç kritik ürüne daha sık, yılda birkaç kez satan yavaş ürünlere daha seyrek bakmak, sınırlı zamanı doğru yere ayırmanın en pratik yoludur.

Sık yapılan hatalar

Talep tahminini raydan çıkaran hatalar genelde modelde değil, onun çevresindeki alışkanlıklardadır:

• Kirli veri: iadelerin, iptal siparişlerin ya da bir kereye mahsus toptan bir satışın geçmişe karışması, tahmini sistematik olarak yanıltır.
• Mevsimselliği ve kampanyaları yok saymak: geçen yılın kasım ayını "normal" sanıp bu yıla taşımak, indirimle şişmiş bir talebi kalıcı zannetmeye yol açar.
• Tek sayıya hapsolmak: her ürüne aynı yaklaşımı uygulamak; hızlı dönen bir ürünle yılda birkaç kez satan bir ürün aynı mantıkla tahmin edilemez.
• Geri bildirim döngüsünün olmaması: tahminin tuttuğunu ölçmeyen ekip aynı hatayı tekrar eder. Tahmin isabetini düzenli ölçmek, hangi üründe sürekli sapma olduğunu ortaya çıkarır.

Tahmini nakit akışına bağlamak

Sonuçta talep tahmini bir envanter alıştırması değil, bir nakit kararıdır. Her sipariş, henüz satılmamış mala bağlanan paradır; ne zaman ve ne kadar sipariş verileceği doğrudan kasadaki parayı belirler. Fazla iyimser bir tahmin nakiti rafta kilitler; fazla temkinli bir tahmin ise satışı, dolayısıyla nakit girişini kaçırır.

Bu yüzden tahmin, satın alma ve nakit akışı yönetimi tek bir zincir gibi düşünülmelidir. İyi bir talep tahmini, paranın depoda mı yoksa kasada mı duracağını önceden planlamanın en somut yoludur; stoğu talebe yaklaştırdıkça bağlı sermaye azalır ve nakit serbest kalır.

Sıkça sorulan sorular

Talep tahmini bir kehanet değil, tekrarlanan bir disiplindir: temiz geçmişi, mevsimselliği ve insan yargısını birleştirip stoğu ve nakiti talebe hizalamak. Hedef mükemmel sayıyı bulmak değil, her dönem biraz daha az yanılmaktır. Satışla stoğu aynı yerde tutan Rocketly gibi bir sistem, tahmini besleyen veriyi tek elde toplayarak bu döngüyü kurmayı ve her dönem biraz daha iyi tahmin etmeyi kolaylaştırır.