Sistem Tasarım 2 Fiyatlandırmaya Bağlı Talep Tahmin Analizi Grup: BigM Proje Danışmanları M. Gökhan ATALIK Çağlar GÜVEN Serhat BAŞKAYA Serhan DURAN Koray GÜL Sadullah İMAT
Mar 18, 2016
Sistem Tasarım 2
Fiyatlandırmaya Bağlı Talep
Tahmin Analizi
Grup: BigM Proje Danışmanları
M. Gökhan ATALIK Çağlar GÜVEN
Serhat BAŞKAYA Serhan DURAN
Koray GÜL
Sadullah İMAT Şirket Danışmanları
Nida Benan ÖZER Seden EFE
2
Sunum İçeriği
• Firma Tanıtımı ve Proje İçeriği• Mevcut Sistemin Analizi• Problem Tanımı ve Formülasyonu• Çözüm Yaklaşımı ve Model Formülasyonu• Model Çıktıları• Uygulama Planı
3
• Firma Tanıtımı ve Proje İçeriği• Mevcut Sistemin Analizi• Problem Tanımı ve Formülasyonu• Çözüm Yaklaşımı ve Model Formülasyonu• Model Çıktıları• Uygulama Planı
Sunum İçeriği
6 kategoride
24 Marka
973 Kalem ürün
Kategoriye
özel • Pazarlama
• Satış
• Talep
Planlama
• Finans
Firmanın Tanıtımı:
55
Firmanın fiyatlandırma politikaları, Rakiplerin fiyat değişiklikleri
göz önüne alınarak;
Aylık toplaşık talep tahminlerini haftalara ve ürün kalemlerine
dağıtmak
6
• Firma Tanıtımı ve Proje İçeriği• Mevcut Sistemin Analizi• Problem Tanımı ve Formülasyonu• Çözüm Yaklaşımı ve Model Formülasyonu• Model Çıktıları• Uygulama Planı
Sunum İçeriği
Mevcut Sistem
GDF Yazılımı
GDF Tahmin Çıktısını Düzeltme
Düzeltilen Tahminin Haftalara ve Ürün Kalemlerine Dağıtımı
7
8
3 Yıllık Gönderi Bilgisi GDF
Aylık Yalın Talep Tahmini
DüzeltmeDüzeltme
Haftalık DağılımHaftalık DağılımHaftalık Dağılım
Kalem Bazlı Dağılım
Kalem Bazlı Dağılım
Düzeltilmiş Aylık Talep Tahmini
Haftalık Marka Bazlı Talep Tahmini
Mevcut Sistem
Sku-1
Sku-2
Sku-3
Sku-4
Haftalık Kalem Bazlı Talep Tahmini
Problem ile İlgili AnalizlerAylık talep tahminleri ve gerçekleşen sevkiyatların karşılaştırılması:
May 06
July
06
Sept 0
6
Nov 06
Jan 0
7
March 0
7
May 07
July
07
Sept 0
7
Nov 07
Jan 0
8
March 0
8
May 08
July
080
50000
100000
150000
200000
250000
300000
ForecastShipment
Saç Bakım-Blendax
Haftalık Dağılım Oranları
Saç Bakım-Blendax
111111
Fiyatlandırma dönemlerinde kalem bazlı haftalık talep tahmin hatalarının fazla olması
Tahmin edilen dağılım % – Gerçekleşen dağılım %
t = 6’da fiyat artışı
bildirilmesi
Ayın ilk iki haftasında
talepte artış
1 2 3 4 5 6 7 8
Fiyat artışı
0 9
Son iki hafta da talepte
düşüş
Haftalar
Problem ile İlgili Analizler
13
• Firma Tanıtımı ve Proje İçeriği• Mevcut Sistemin Analizi• Problem Tanımı ve Formülasyonu• Çözüm Yaklaşımı ve Model Formülasyonu• Model Çıktıları• Uygulama Planı
Sunum İçeriği
Belirti Ürün kalemlerinin haftalık tahminlerinde hedefler tutturulamıyor
Aylık tahmin haftalara doğru dağıtılmıyor.
Fiyat değişimleri haftalık talep tahminlerine yansıtılamıyor.
Aylık talebi, haftalara ve ürün kalemlerine doğru bir şekilde dağıtacak bir karar mekanizmasının olmaması
NEDEN ?
NEDEN ?
NEDEN ?
Problem
Problem Tanımı
Problem Formülasyonu
Karar verici: Talep yöneticisi
Karar vericinin amacı: Düşük tahmin hatası
Karar kriteri: Ortalama mutlak yüzde hatasını
(MAPE) düşürmek
Başarı ölçütü: MAPE (Ortalama mutlak yüzde hatası)
15
16
• Firma Tanıtımı ve Proje İçeriği• Mevcut Sistemin Analizi• Problem Tanımı ve Formülasyonu• Çözüm Yaklaşımı ve Model Formülasyonu• Model Çıktıları• Uygulama Planı
Sunum İçeriği
Çözüm Yaklaşımları17
Marka Bazlı• Regresyon• Zaman Serileri• Hata Azaltıcı Lineer
Olmayan Modeller
Kalem Bazlı• Regresyon• Zaman Serileri• Hafta Bazlı Tahminin
Ürün Kalemlerine Dağıtılması
1. Regresyon Analizi
• Saç-bakım kategorisi için istatistiksel veri analizi
• Haftalık talep tahminlerinde etkili olan değişkenleri (fiyat, geçinme endeksi…) belirlemek ve bunların etkisini ölçmek
18
LOG(W1) = β0 * LOG(W0) + β1 * LOG(W-1) + β2 * LOG(fiyat endeksi)LOG(W2) = β0 + β1 * LOG(W1) + β2 * LOG(geçinme endeksi) + β3 * LOG(ELIDOR)W3 = β0 + β1 * W2 + β2 * W0 + β3 * fiyat endeksi + β4 * geçinme endeksiLOG(W4) = β1 * LOG(W3) + β2 * LOG(fiyat endeksi) + β3 * LOG(geçinme endeksi)
W-2 W-1 W0 W1 W2 W3 W4
Geçen ay
Haftalar
Fiyat değişimi
Model Formülasyonu
LOG(W1) = β0 * LOG(W0) + β1 * LOG(W-1) + β2 * LOG(fiyat endeksi)
LOG(W2) = β0 + β1 * LOG(W1) + β2 * LOG(geçinme endeksi) + β3 * LOG(ELIDOR)
W3 = β0 + β1 * W2 + β2 * W0 + β3 * fiyat endeksi + β4 * geçinme endeksi
LOG(W4) = β1 * LOG(W3) + β2 * LOG(fiyat endeksi) + β3 * LOG(geçinme endeksi)
Hafta 1 tahmin (Düzeltmeden Önce)
Hafta 2 tahmin (Düzeltmeden Önce)
Hafta 3 tahmin (Düzeltmeden Önce)
Hafta 4 tahmin (Düzeltmeden Önce)
21
Doğru Kabul Edilen Aylık Talep Tahmini ile Kıyaslanır
Modelden çıkan
1. Hafta Talep
Tahmini
Mod
elde
n çı
kan
3. H
afta
Tale
p Ta
hmin
i
Modelden
çıkan 2. Hafta
Talep Tahmini
Mod
elden
çıka
n
4. H
afta
Talep
Tahm
ini
Normalleştirme Faktörü (k)
Nihai Haftalık TahminlerNWi = k*Wi
Hafta Bazlı Tahmin
2. Zaman Serileri
Durağan bir veri için kullanılan başlıca iki tahminleme metodu
Geçmiş Gönderi miktarı
Hareketli
Ortalamalar
Metodu veya Üstel
Düzeltme
Talep Tahmini
FİYATIN ETKİSİ
GÖRÜLEMİYOR
Hareketli
Ortalamalar
Metodu veya Üstel
Düzeltme
Geçmiş Gönderi
Fiyat
Fiyat
Talep Tahmini
Karar Değişkenlerifj : j haftası için talep tahmini
ki : faktör i’nin talep tahminindeki etkisi (ağırlığı)
i = 1 Blendax’ın fiyatı,
i = 2 Rakibin fiyatı,
i = 3 Geçinme endeksi
i = 4 Geçmiş gerçekleşen haftalık gönderi
3. Hata Azaltıcı Lineer Olmayan ModellerFLN
Parametreler
gj : j haftası için gönderi miktarı
bj : j haftasında Blendax markasının fiyatı
ej : j haftasında rakip markanın fiyatı
lj : j haftasında sağlık ve kişisel bakım harcamaları
için geçinme endeksi
j = 1, 2, 3, 4
FLN
Min (fj – gj)2
s.to
fj = k1*log(bj)+ k2*log(ej)+ k3*log(lj)+ k4* log(gj)+ k5* log(gj-1) + k6* log(gj-2)
k1 <= 0k2 >= 0k3 <= 0
Kalem Bazlı Tahmin
• Regresyon • Gönderi verisi eksikliği
• Gönderi verisindeki yüksek varyasyon • Zaman Serileri
• Hafta Bazlı Tahmin
27
28
• Firma Tanıtımı ve Proje İçeriği• Mevcut Sistemin Analizi• Problem Tanımı ve Formülasyonu• Çözüm Yaklaşımı ve Model Formülasyonu• Model Çıktıları• Uygulama Planı
Sunum İçeriği
Marka Bazında Sonuçlar29
MAPE (%)42,1443,1
51,6551,85
BlendaxRegresyonFLNZaman serileriMevcut sistem
Blendax Ortalama Mutlak Hata Grafiği30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 430
50
100
150
200
250
300
REGRESYONP&G Tahmin
Haftalar 2008
%
Ortalama Mutlak Tahmin Hatası
Ağırlıklı Mutlak Tahmin HatasıBlendax
31
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 310
50
100
150
200
250
300
Model WAPEMevcut WAPE
Hafta 2008%
Ağrılıklı Mutlak Tahmin Hatası
Marka Bazında Sonuçlar32
MAPE (%)33,5136,0454,1768,81
PanteneRegresyonFLNZaman serileriMevcut sistem
Pantene Ortalama Mutlak Hatası33
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 430
50
100
150
200
250
300
350
400
RegresyonP&G
Hafta 2008
%
Ortalama Mutlak Tahmin Hatası (%)
Ağırlıklı Mutlak Tahmin HatasıPantene
34
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 320
50
100
150
200
250
300
350
400
Model WAPEMevcut WAPE
Hafta 2008
%
Ağırlıklı Mutlak Tahmin Hatası
Kalem Bazında Sonuçlar- Blendax35
BLENDAX
A class SKUs Regresyon Mevcut Durum (Q/P) Zaman Serisi Sin(Pi(log))-ModelSKU-1 58.34 90.5 269 66.9SKU-2 43.83 59.91 107 42.82SKU-3 55.83 56.54 77.84 70.13SKU-4 47.23 55.22 260 59.27SKU-5 43.23 61.86 68.8 50.54SKU-6 42.64 56.71 72.2 51.2SKU-7 53.82 58.1 134 57.75SKU-8 53.17 52.47 122 61.43
MAPE (Ortalama Mutlak Tahmin Hatası)
Kalem Bazında Sonuçlar- Pantene36
PANTENEA class SKUs Reg-Model Mevcut Durum Log-Model
SKU-1 112.25 103.41 118.78SKU-2 105.05 118.3 103.66SKU-3 36.41 64.96 38.08SKU-4 44.78 71.73 47.31SKU-5 88.32 69.7 89.52SKU-6 54.69 73.07 55.26SKU-7 49.53 86.47 51.42
MAPE (Ortalama Mutlak tahmin Hatası)
Model Girdi ve Çıktıları37
Regresyon Modeli
SKU dağılım oranları
ile çarpım
Haftalık Kalem Bazlı
Talep Tahmini
• Haftalık Gönderi Bilgisi
• Fiyat Endeksi• Rakip Ürün Fiyatı• Kendi Ürün Fiyatı• Geçinme Endeksi
Marka Bazında
Haftalık Talep Tahmini
38
• Firma Tanıtımı ve Proje İçeriği• Mevcut Sistemin Analizi• Problem Tanımı ve Formülasyonu• Çözüm Yaklaşımı ve Model Formülasyonu• Model Çıktıları• Uygulama Planı
Sunum İçeriği
Uygulama Planı39
Kalem veya Marka Seçimi
Verilerin Güncellenmesi
Haftalık Talep
Tahminleri
Arayüz (MS
Excel)
Kullanıcı
Reg
resy
on
40
Dinlediğiniz için teşekkürler...
Sorularınız ve tavsiyeleriniz...
SKU Regresyon Sonuçları41
Blendax A sınıf Ürünü
Pantene A sınıf Ürünü
Regresyon SKU Regresyon Mevcut Durum41.14 865.55 51.84
MAPE (Ortalama Mutlak Tahmin Hatası)
Regresyon SKU Regresyon Mevcut Durum33.51 62.1 68.81
MAPE (Ortalama Mutlak Tahmin Hatası)
42
BLENDAX Model MAPERegresyon 42.14
Model Log-Model 43.1Sin(Pi(Log))-Model 55.64
Zaman Serileri Expo(α=0.4) 51.65
MA(5) 52.87Mevcut Sistem 51.85
43
PANTENE Model MAPERegresyon 33.51
Model Log-Model 36.04Sin(Pi(Log))-Model 82.87
Zaman Serileri Expo(α=0.9) 54.17
MA(1) 60.24Mevcut Sistem 68.81