Talep tahmini

Talep tahmini, bir hizmet veya ürün için gelecekte oluşacak olan talebin, en doğru ve hatasız şekilde hesaplanması işlemidir. Talep tahmini, imalat sektöründe ve iş planlamada kendine geniş bir uygulama alanı edinmiştir.^[1]

• 1. Tahminler, hemen hemen her zaman yanlıştırlar.
• 2. İyi bir tahmin her zaman belli bir hata payı verir.
• 3. Kümelenmiş birimlerle ilgili tahmin yapmak, teker teker her birimi tahmin etmekten genellikle daha kolaydır.
• 4. Ne kadar uzak bir zamanı tahmin ediyorsak, elde ettiğimiz sonucun kesinliği o kadar az olacaktır.
• 5. Bilinen bazı bilgiler hariç tutularak tahmin yapılmamalıdır. Her bilgi yapılacak tahminde kendine yer edinmelidir.

Tahminler, kalitatif ve kantitatif olmak üzere iki kısma ayrılırlar.^[2]

Belli bir topluluğun ya da kişinin kararına göre tahmin yapılırsa bu tahmin kalitatif olur. Birkaç çeşidi vardır. Bunlar şöyle sıralanabilir:

• 1. Satış ekibinin tahminlerinin toplanması
• 2. Müşteri anketleri
• 3. Yönetici grubunun fikri
• 4. Delphi metodu

Verileri analiz ederek yapılan tahminler kantitatif tahminlerdir. Daha çok matematiksel ve istatistiksel yöntemler kullanılır ve sonuçları kişiden kişiye değişmez. Kantitatif tahminleme de kendi içinde iki ana bölüme ayrılır. Bunlardan birincisi zaman serisi metotları, diğeri ise nedensel metotlardır.

Tahmin edilecek değişken ile ilgili geçmiş verileri kullanarak tahmin yapar. Bu tahminlerde verilerin izlemiş olduğu yol önemlidir ve tahminin sonucuna etki eder. Dikkat edilmesi gereken başlıca şeyler:

• 1. Verilerin eğilimi: Geçmiş verilerin sabit mi, azalan mı, yoksa artan bir yön mü izlediğinin incelenmesidir.
• 2. Mevsime ya da sezona bağlılık: Eğer geçmiş verilerdeki artış ya da azalmalar sabit bir aralık boyunca birbirini tekrar ediyorsa, yapılan tahmin bu sezonluk değişimleri de göz önüne almalıdır. Örneğin dondurma, elektrik ve ısınma için yakıt kullanımı sezonluk ürünlerdir. (Elektrik gün içinde sezonluk bir davranış gösterir; öyle ki akşam vakitleri elektriğe olan talep artar.)
• 3. Çemberler: Sezonluk değişimlere benzer ama biraz daha geniş çapta anlaşılmalıdır. Daha çok ekonominin yükselişe geçip ardından duraklamaya girmesi veya duraklamadan çıkıp tekrar yükselişe geçmesi gibi durumlarda kullanılır.
• 4. Rastgelelik: Eğer veriler tanımlanabilir bir çizgide ilerlemiyorsa, rastgele dağılmışlar demektir. Bu da yapılacak tahmin ile ilgili hata payı daha az bir sonuç elde edilmesini engeller.

D₁, D₂,..., D_t'nin, 1,2,..., t periyotlarında gözlenen talepleri ifade ettiğini farzedelim. F_t ise t periyodu için t-1 zamanında yapmış olduğumuz tahmin olsun. e_t ise tahmin hatalarını ifade etsin. O zaman;

${\displaystyle \ e_{t}=D_{t}-F_{t}}$

Kullanılan tahminleme metotları, yukarıda bahsedilen özelliklere bağlı olarak değişmektedir. Sabit izleyen (durağan) bir veri için kullanılan başlıca iki tahminleme metodu vardır. Bunlar Hareketli Ortalamalar Metodu ile Üstel Düzeltme'dir. Eğer verilerde trend gözleniyorsa, regresyon analizi ve Çift Üstel Düzeltme metotları kullanılabilir. Verilerin sezonluk bir özellik göstermesi durumunda ise trendin olup olmadığına bakılır. Eğer veriler bir trend gösteriyor ise Winter Metodu kullanılır. Tüm bu metotlar bize matematiksel birtakım tahminler verecektir. Elbette her periyotta yapılan tahminler yeni gelen verilerle karşılaştırılır ve buna göre bundan sonraki aylar için yeniden tahmin yapılabilir. Burada yapılan tahminler ile gözlenen veriler arasındaki fark, yani hata payı, yapılan tahminlerin kesinliği ve başarısı ile ilgili fikir verir. Bu da, bundan sonra uygulanacak olan tahmin yönteminin seçiminde belirleyici bir rol oynayabilir.

Tahmin yapma süreci, günümüzde iş dünyasında ve endüstride çok hayati bir konuma sahip olabilmektedir. İyi bir talep tahmini ile bir şirket, gereğinden fazla üretim yapmak zorunda kalmayıp envanter maliyetini en aza indirebileceği gibi, gelecekte meydana gelebilecek olası bir talep artışında da kapasite kullanımını en uygun seviyeye getirmekte önceden hazırlıklı olacaktır. Dolayısı ile iyi bir talep tahmininin bir şirkete ya da herhangi bir kuruluşa getireceği mali avantajlar oldukça fazladır. Bu da sonuç olarak talep tahminini artık endüstri ve iş hayatı için zorunlu ve kaçınılmaz kılmaktadır.