8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
1/33
ULUDA NVERSTESSOSYAL BLMLER ENSTTSLETME Y. LSANS (TEZSZ)
2002 DNEM PROJES28/06/2002
LETME BTELERNN HAZIRLANMASIVE SATI TAHMN YNTEMLER
ELF YETER1.SINIFU2003206
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
2/33
1
NDEKLER
A- LETME BTELERNN ZELLKLER VE HAZIRLANMASI
1. BTELEME VE BTE KAVRAMLARI2. LETME BTELER
2.1. letme Btelerinin zellikleri2.2. Ynetim Srecinde Btelerin Ama ve Yararlar2.3. letme Bte Sistemi ve Kapsam2.4. letme Btelerinin Hazrlanmas
2.4.1.
Bte Amacnn Saptanmas2.4.2. Planlama Varsaymlarnn Belirlenmesi2.4.3. Sat ngrlerinin Yaplmas2.4.4. Btelerin Hazrlanmasndaki Dier Evreler
2.5. Ticari letmelerde Bteleme
B-SATI TAHMNLER TEKNKLER
1.GR2.TAHMN SSTEM
2.1. Problemin Tanmlanmas2.2. Problemin Anlalmas
2.2.1. Problemin zellikleri2.2.2. Data
2.3. Modelin Gelitirilmesi2.4. Modelin zlmesi2.5. zmn Yorumlanmas ve Gerekletirilmesi2.6. Boluklar
3- SATI TAHMN YNTEMLER
3.1. Nitel Tahmin Yntemleri (Qualitative Forecasting)
3.1.1. Pazar Aratrmas3.1.2. Uzman Fikirleri ve Delphi Teknii
3.2. Nicel Tahmin Yntemleri (Quantitative Methods)3.2.1. Rastlantsal Tahmin Metodlar (Causal Forecasting Methods)
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
3/33
2
3.2.1.1. Basit Lineer Regresyon (Simple Linear Regression)3.2.1.2. Regresyon zerine Yorumlar
3.2.2. Zaman Serileri Metodlar (Time Series Methods)3.2.2.1.Sabit lemler
3.2.2.1.1. Basit Ortalama3.2.2.1.2. Basit Hareketli Ortalama3.2.2.1.3. Arlkl Hareketli Ortalama3.2.2.1.4. Birinci Derece ssel Dzeltme (First-Order
Exponential Smoothing)
3.2.2.2.Trend lemi ve ift ssel Dzeltme3.2.2.3.
Talep Tahmini3.2.2.4.zet
4.TAHMN METODUNUN SELMES
5.TAHMN KONTROL5.1. Mean Absolute Deviation (MAD)5.2. Bias
C. KAYNAKLAR
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
4/33
3
A-LETME BTELERNN ZELLKLER VE HAZIRLANMASI
1. BTELEME VE BTE KAVRAMLARIada iletmelerde ynetimin ve alanlarn birlikte tam bir baarya
ulaabilmesi, iletme hedeflerinin belirlenmesi ve planlama, rgtlenme ve
kontrol olmak zere temel ynetim ilevine baldr. Ekonomik gelime
srecine bal olarak gerekleen teknolojik gelime ve pazarlarn byyp
genilemesi, iletmelerin karmak bir yapya brnmesi gibi gelimeler
dorultusunda, iletmeler iin rgt yaplarn tekrar gzden geirmek ve etkin
bir planlama ve ynetim kontrol zorunlu hale gelmitir.
Gnmzde etkin bir ynetim teknii olarak bteleme de tm ynetim
sisteminin temel aralarndan biridir. Planlama, belirlenen amalaraulaabilmek iin belirlenen yntem, kii, ara ve olanaklarn saptanmas, seimi
ve zamanlamaya bal olarak uygulamann gelitirilmesi srecidir. Bteleme
sreci de bu esaslar erevesinde planlamann bir tr olmaktadr. Bylelikle
bteleme sreci, ynetimin planlama sreci erevesinde faaliyetlerin ve
ulalmas amalanan hedeflerin saysallatrlmas suretiyle, gelecekteki
iletme faaliyetlerine sistemli bir temel oluturacak belgeleme sreci
olmaktadr. Genellikle bteler, ksa sreli planlar olarak kabul edilmektedir.
Orta ve uzun sreli planlar da saysallatrldnda bte olarak
adlandrlmaktadr. Yatrm bteleri buna rnektir. Ancak, yatrm planlamas
belirli koullarda szkonusu olduundan, sermaye btelemesi olarak da
adlandrlan ayr bir konu olarak incelenmesi uygun olmaktadr.
2. LETME BTELER2.1. letme Btelerinin zellikleriletme btesi; nceden ortaya konan bir hedefe ulaabilmek iin, iletmenin
gelecee ait bir dnemde izleyecei politikay ve yapaca ileri parasal vesaysal terimlerle aklayan bir rapor veya raporlar dizisidir.1letme bteleri,
genellikle ksa sreli planlar olarak kabul edilmekte ve birbirine bal rakamlar
dizisi eklinde, kendi iinde aylk devrelere blnm 4 ya da 12 dnemden
oluan 1 yllk sreler iin dzenlenmektedir. Son yllarda, iletme yaznnda
geni lde kullanlan kar planlamas ve kontrol, ynetsel bteleme;
iletme bteleri ve kontrol terimleri, ayn temel anlay aklamak iin
kullanlmaktadr.
letme btelerinin zellikleri aadaki ekilde sralanabilmektedir:
- letme btesi basit bir ngr deil, bir plandr. Belirli zaman sresi iin
gelecekteki uralarn nceden hazrlanm plandr.
- Uygulamada gerekleen sonular ile nceden hesaplanm sonularn
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
5/33
4
karlatrlp llmesinde kullanlan bir aratr.
- letme btesinin bir deere sahip olmas iin, olduka deimez olmas
gerekirse de, deitirlmez bir ara deildir. Periyodik olarak incelenir, gzden
geirilir ve deien iletme hedeflerine gre planlamada dzeltme yaplabilir.
- letme btesi uyguland alanda iletmenin politikasn belirtir.
2.2. Ynetim Srecinde Btelerin Ama ve Yararlarletme bteleri, ynetim srecinde salad katklar lsnde nemli bir
yere sahip bulunmaktadr. Bir btn olarak planlama, rgtlenme,
koorodinasyon, yneltme ve kontrol evrelerinden oluan ynetim srecinde
btelerin amalar balca 3 ana grupta toplanr:2
- Planlama
- Koordinasyon- Kontrol
a) PlanlamaAslnda kendisi zel bir plan tr olan btenin bu yndeki amac,
deerlendirilebilen seenekler iin en uygun sonular verecek biimde
gelecein hedeflerini ve o hedeflere ulama yollarn saptanaktr.
letmenin sahip olduu kaynaklarn en etkin biimde kullanlmasnn
salanmas, yakn gelecekteki veya bte dnemindaki iletme karll,
verimlilii ve likiditesi ile uzun dnemdeki iletme srekliliii ve gelime
arasnda en uygun bir dengenin kurulmas, planlama ilevinin temel amalar
olarak iletme bte sisteminin de amalarn oluturmaktadr.
b) KoordinasyonBir iletmede, yrtlen faaliyetler ve personel arasnda bir uyum olduu
oranda, iletme dzeyinde en uygunluk (optimizasyon) salanmas olana elde
edilebilir. te bte, iletmenin eitli blm ve ilevleri arasndakoordinasyon salayarak, iletme optimizasyonunu ykseltebilir.
c) KontrolBte, elde bir l, bir standart oluturaca iin, tedarijten sata kadar konu
edindii her alanda ve bu alanlar arasnda koordinasyonu, aklc almay ve
unsurlarn tam kullanln salayc bir ara olabilmektedir. Bte yoluyla
iletmenin eitli ilevleri ve tm iletme iin birer hedef ve alma dzeni
saptandktan sonra, fiili sonular ile bu ller karlatrlarak kontrol edilir.
Sapma varsa dzeltici nlemler alnr ve faaliyetler bu ekilde srdrlr.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
6/33
5
2.3. letme Bte Sistemi ve Kapsamletme bte sistemi kapsaml bir sistem olup, ynetim srecinin tm ynlerini
koordine edilmi bir btn haline getirebilmetkte ve ynetim karar ve
faaliyetlerinin g yanlarn zemle bir araya toplayabilmektedir.
Bte kavram, rgtn tamamna uygulanr ve belirlenmi amalara hizmet
edecek biimde eitli ekillerde dzenlenir. letme bte sistemi 3 bte
grubundan olumaktadr:
- Faaliyet btesi- Nakit btesi- Sermaye (yatrm) btesiFaaliyet btesi, gelecek dnemin planlanm faaliyetlerini; nakit btesi, ayn
dnemdeki beklenen nakit girilerini ve klarn; sermaye btesi ise
iletmenin duran varlklarnda planlanm deimeleri ierir.
2.4. letme Btelerinin HazrlanmasBteleme yaplrken iletmenin tm ilevleri ve faaliyetleri birbirleriyle ilgili
olarak ele alnr. letme bteleri, birok kiinin gayretleri bir araya
getirilerek hazrlanr. letmenin alt kademelerinden en st kademesine kadar
tm alanlarn byk bir blmnn bte hazrlanmasndaki katlm,
faaliyetlerin etkin bir ekilde yrtlmesinde byk neme sahip
bulunmaktadr.
Bte hazrlama almalarnda, orta kademe ve alt kademe yneticilerini
grevlendirmek katlmal bteleme olarak adlandrlmakta ve bu katlma,
planlamada olduu kadar, kontrol almalarnda da yararl olmakta, bte
hedeflerine uyum salayan yneticiler, bu hedeflere erimede etkin biimde
almaktadr.
Btelerin hazrlanmas, uygulama ve gzetim sorumluluu baz iletmelerde
dorudan doruya Mali ler Mdr (Muhasebe Mdr), baz iletmelerde iseBte Komitesi tarafndan yrtlmektedir. Bte Komitesi genellikle mdr
ve yardmclarndan biri bakanlk eder. Bte komitesinde, iletmenin
ynetim, finansman ve teknik blmlerinden grevlendirilen yeler bulunur.
Bteler, iletmenin eitli blmlerinin banda bulunanlar tarafndan
hazrlanmaktadr. Btelerin gzden geirilmesi ve koorodinasyonu ise
komitece yaplmaktadr.
Bu dorultuda bte hazrl ile ilgili evreler aadaki ekilde
sralanabilmektedir:3
-Bte amacnn saptanmas-Planlama varsaymlarnn belirlenmesi
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
7/33
6
-Sat ngrlerinin yaplmas-Btenin blmlerine ait ilk taslaklarn hazrlanmas- lk taslaklarda yer alan bte ngrlerin tartlmas ve uzlama-Koordinasyon ve gzden geirme-Btenin onaya sunulmas
2.4.1.Bte Amacnn SaptanmasAmalar, faaliyetin yneldii sonu noktalar ise de, ayn zamanda planlarn
k noktasdr. Genel olarak, amalar daha ayrntl planlarn yaplmasna bir
at olutururlar. Buna gre, iletmenin amalar dorultusunda btenin
kapsam belirlenecektir.
2.4.2.Planlama Varsaymlarnn BelirlenmesiBteler, iletmenin mevcut yaps ve zellikleri erevesinda hazrlanr. Bu
dorultuda btelerin hazrlanmasnda ayrntl planlama varsaymlarnn nemi
byktr.
Btelerin hazrlanmasnda bte dneminde beklenen piyasa koullar, maml
karmnda tasarlana deiiklikler, retim giderlerinin fiyatlarnda beklenen
deiiklikler, beklenen verimlilik artlar ve ok eitli dir beklentiler gibi
konularda varsaymlar yaplmas gerekmektedir. Tm bu varsaymlar, bte
ngrlerinin yaplmasnda temel olutururlar.
2.4.3.Sat ngrlerinin YaplmasSat btesi, iletme bte sisteminin balang noktasn oluturur. Bu
nedenle, kapsaml bte sisteminin baars, sat btesinin hazrlanmasndaki
baar lsnde artacaktr. Bteleme srasnda yaplmas gereken eitli
ngrlerin en zor olan da sat ngrleridir.
Nfstaki gelimeler, belirli mallarn satlar ve gelir ve satnalma gcndekigelimeler gibi ekonomik gstergeler ile iletmenin atlar arasnda
istatistiksel ilikiler saptanr ve buna gre gelecek bte dnemindeki satlar
konusunda ngrde bulunulur. Bunun yansra, sat yneticilerinin iletme ii
gemi dnemlere ait sat rakamlarndan hareketle ve kiisel deneyimlere
gre de sat ngrlerinde bulunmalar sz konusudur. Olanaklarn
elverdiince istatistiksel ngr ve iletme ii ngr yntemlerinin birlikte
kullanlmas, sat btesinin hazrlanmasnda etkinlii arttracaktr.
2.4.4.Btelerin Hazrlanmasndaki Dier EvrelerYksek kademece belirlenen ve btelemede rehber olabilecek temel
varsaymlar, iletmenin alt kademelerine iletilir. Bu varsaymlar ve dier
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
8/33
7
bilgilerden hareketle yneticiler bte ngrlerini yaparlar ve blmleriyle
ilgili ilk bte taslaklar oluur.
Her blmn ortaya koyduu bte taslaklarndaki ngrler tartlarak, belirli
bir ynde uzlama salanr.
Hazrlanm bte taslaklar, son bir kez daha gzden geirilerek koordinasyon
salanr ve ilgili dneme ait iletme bte nerisi olarak st kademeye sunulur.
nceleme sonucubte tasla, temel varsaymlara bal kalnarak hazrland
ve ngrlerin tutarl olduu saptandnda onaylanr.
2.5. Ticari letmelerde BtelemeTicari bte retici olmayan kurulularn yapt bteleme faaliyetini ifade
etmektedir. Bu bte genellikle, satlarn, stoklarn, fiyat indirimlerinin, satn
almalarn, nakit giri ve klarnn, gayrisafi karn planlamas ve kontrolniermektedir.
retici olmayan iletmelerde bte devresinin mevsimsel olarak dnlmesi
uygun olmaktadr. Birok ticari iletme, btelerini aylk blmler halinde,
toplam 6 aylk devreler iin dzenlemektedir. rnein; tekstil mamllerinin
toptan ve perakende satn yapan bir ilrtm iin bte devrelerinin Eyll-
ubat ve Mart-Austos aylar olarak saptanmas uygun olmaktadr. Ancak
iletmenin, satn yapt mamllerin zelliklerine gre bu devrelerin farkl
ekilde saptanabilecei doaldr.
retim iletmelerinde olduu gibi ticari iletmelerde de btelenecek ilk temel
konu sat hacmi olmakta ve sat btesi ticari btelemenin de temel
noktasn oluturmaktadr.
Bu tr iletmelerde sat ngrlerinin yaplmasnda iki genel yaklam sz
konusudur. Birincisi, fiyat dzeylerine gre satlarn ngrlmesidir ki bu
yaklam, salt belli sayda deerli kalemler szkonusu olduunda uygun
olmaktadr. Dier yaklam ise, satlarn sat tutarlar itibariyle toplam olarak
ngrlmesidir ki, geni lde uygulana bir yaklamdr.
Bu illetmelerde, sat ve satn alma faaliyetleri temel faaliyeti oluturmakta vebu konularda bteleme, planlamann etkinliini arttrma amcna ynelik
olmaktadr. Yine, iletme faaliyetlerinin srekliliinin salanmasnda byk
neme sahip bulunan nakit planlamas ticari iletmelerde btelemenin temel
amalarndandr. Eer iletme, perakende satlarnda taksitli uygulamaya
ynelmise, bunun nemi daha da belirginlemektedir.
Btelemenin kontrol amac da ticariiletmelerde nem tamaktadr. zellikle
maml stoklarnn kontrol ve finansal kontrol konularnda bteleme, nemli
katklar salamaktadr.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
9/33
8
B. SATI TAHMN TEKNKLER
1. GRForecast (tahmin), gelecekte yaanacak olaylarn oluumunu, meydana gelme
zamann ve nemini nceden belirlemek, tahmin etmek eklinde tanmlanabilir.
Bir iletmede, gelecekteki talep hibir zaman kesin olarak bilinemese de
tahmin, retimden sorumlu yneticilere aktivitelerini planlama konusunda
olduka nemli bir temel tekil eder.
Baz iletmeler tahmine ihtiyalar olmadan da aktivitelerini srdrebildiklerini
iddia ederken dierleri olduka sofistike teknikler kullanarak tahminden
faydalanmaktadrlar. Tahmine nem vermeyen iletmeler, gemite meydana
gelen olaylarn gelecekte de benzer ekilde devam edeceini varsayarlar.Gelecekte gereklemesi muhtemel olan olaylar tahmin edilebildii srece bu,
mantk d bir yaklam saylmayabilir.
ekil 1de, iletmelerin tahminden ne ekilde faydalanabildiklerini ksaca
zetlenmitir.4Gelecekteki aktivitelerin doru bir ekilde tahmin edilebilmesi,
retimdeki ksa dnem dalgalanmalar minimize ederken ayn zamanda i
yknn dengeli bir ekilde dalmna ve kaynaklarn verimli bir ekilde
kullanmna da olanak verir. Salkl bir tahmin ayrca yneticilerin ihtiya
duyulduunda hemen temin edilebilecek uygun miktarda stok tutmalarn da
kolaylatrr. Baka bir deyile, gelecekteki igc ve malzeme miktarnn
nceden doru bir ekilde tahmin edilebilmesi, yneticilerin iletme
aktivitelerini verimli bir ekilde organize edip, mterilere kaliteli hizmet
verme imkan tanr.
ekil 1. DoruBir Tahminin Salad Avantajlar
alanlarla ilikilerin salkl bir ekilde yrtlmesi Malzeme ynetiminin gelitirilmesi letme sermayesinin ve olanaklarn daha verimli kullanmnn
salanmas Mteri hizmetlerinin gelitirilmesi
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
10/33
9
letmelerde, tahminle ilgili aktivitelerin gerekletirilmesi maliyetli olabilecei
iin, tahminin iletme kazandraca faydalar ile maliyeti nceden
kyaslanmaldr. Teoride, marjinal fayda ile marjinal maliyetin birbirine eit
olduu bir optimum seviyenin varolduu kabul edilir (Bkz. ekil 2). Fakat
pratikte bu seviyeyi tespit etmek olduka zordur.
Maliyet$
Toplam Maliyet
Artan almalarn
Maliyeti
Azalan almalarn Maliyeti
Tahmin Aktiviteleriekil 2. Tahmin almalar
2. TAHMN SSTEMTahmin sistemi, problem zme yntemleriyle ele alnarak, problemin
tanmlanmas, problemin anlalmas, zm modelinin gelitirilmesi, modelin
zlmesi ve zmn yorumlanarak gerekletirilmesi balklar altnda
incelenebilir.
2.1. Problemin TanmlanmasTahminler, iletmenin daha iyi kararlar almasn salar. letmede bir karar
alndnda, ilk nce bu kararn ayrntlaryla tanmlanmas gerekir. Bylelikle
alnan kararn, iletmenin herhangi bir tahmin yapmasn zorunlu klp, klmad
tespit edilir. Ayrca, alnan kararn nemi, iletmenin konuyla ilgili yapaca
tahmin iin sarfedecei eforu da belirler. rnein, tek bir zaman diliminde
geerli olacak bir karar iin sadece bir tahmin yeterli olacakken, eitli
dnemleri ieren bir kararda, her sefer iin ayr bir tahmin yapmak
gerekecektir. Her iki durumda da alnan karar, ne konuda tahmin yaplacan,
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
11/33
10
ihtiya duyulacak ayrntlarn seviyesini ve tahminin ne sklkta tekrar
edileceini belirler.
Problem zme sistematiiyle konuya yaklaldnda, belirli bir konuda tahmin
yapmay problem olarak tanmlarsak, tahmin sisteminin oluturulmasnda
izlenen algoritma ekil 3de gsterildii gibi olacaktr.5
2.2. Problemin AnlalmasTahmin probleminin anlalmasndaki en nemli nokta, altta yatan sebebin iyi
belirlenmesini gerektirir. rnein, bir rn iin talep tahmini yaparken,
ncelikle bu talebi douran sebepleri bulmak byk neme sahiptir. Asl sebep
hibir zaman tam olarak anlalamayaca iin, bir konuda tahmin yaparken,
sezgi ve tecrbelerin kullanlmas ve gerekli bir takm varsaymlardan yola
klarak, eldeki datann analiz edilmesi esastr.
2.2.1. Problemin zelliklerinin Tespit Edilmesiretici iletmelerde, bir mamlden ne kadar retim yaplacann belirlenmesi
iin, o mamlle ilgili talep tahminine ihtiya duyulur. Yeni bir tesis kurmak,
kapasiteyi geniletmek gibi uzun dnemli kararlar alnrken, talep tahmini
gznnde bulundurulur. Bu tr kararlar genellikle 3-5 yllk bir zaman dilimini
kapsar. Uzun dnemli planlar, kesin ve titiz bir tahmin yapmay zorunlu klmaz.
nk, yeni bir tesis ilave etmek gibi uzun vadeli bir karar, tek bir talep
tahmininden ok, uzun yllar baarl bir trend izleyen tahminlere dayanr. Bu
yzden, geree ok yakn bir tahmin yapmak gereksizdir.
Genellikle, uzun dnem tahminler tek bir maml iin yaplr. Nedensel ve Nitel
metodlar, bu tr tahminlerde ska kullanlan metodlardr.
Orta derece kararlar, iletme kapasitesini rn gruplarna tahsis etmek
amacyla alnan kararlara rnek verilebilir. Yine, her bir rn iin olan talep
yerine, bahsi geen rn gruplarnn talebini bilmek yeterlidir. rnein,
otomobil lastii reten bir iletmede aylk tahmin yaplrken, brt kapasiteyitespit etmek iin her eit lastii tek bir rn grubu olarak dnmek
yeterlidir. Orta derece kararlar tipik olarak sadece birka maml iin tahmin
yapmay gerektirir. Nedensel ve zaman serileri gibi nitel metodlar, orta derece
tahminler iin kullanlan metodlardr.
Genellikle en sk karlalan ksa dnem kararlar, belli bir rnden ne kadar
retilmesi gerektiini kapsar. Bu karar, haftalk, aylk veya aylk (quarter)
dnemleri kapsayabilir. Bu yzden, olduka kesin ve geree yakn tahminlere
ihtiya duyulur. Ksa dnemli tahminlerde en ok zaman serileri yntemi
kullanlr fakat, baz durumlarda nedensel ve nitel metodlar da kullanl
olabilir. Ksa dnemli kararlar, yzlerce hatta binlerce rn iin tahmin
yapmay gerektirebilir.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
12/33
11
No
Yes
Yes
No
No
Yes
No
Yes
ekil 3. Tahmin Sisteminin Dizayn Edilmesi
Forecast Need
Analyze Data
Data
Available
?
Quantitative
?
Causal
Factors
Collect
Data
Time series approach
Select model
Choose method
Estimate parameters
Model validation
Causal approach
Select model
Choose method
Estimate parameters
Model validation
Qualitative approach
Choose method
Validation
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
13/33
12
2.2.2. Dataletmenin mevcut datay toplayp incelemesi, ona salkl bir tahmin yapma
konusunda gerekli olan nseziyi salar. letme bu datay kendi bnyesindeki
sat ve satnalma kaytlarndan temin edebilecei gibi, deiik konularda
aratrma yapan ve istatistiksel bilgilere sahip olan baz devlet kurulular veya
ticari kurululardan da salayabilir.
Eer konuyla ilgili bilgi mevcut deilse veya bunun toplanmas olduka
maliyetliyse iletme, data gerektirmeyen bir tahmin sistemine ynelmelidir.
rnein, konuyla ilgili datann mevcut olmamas durumunda Nitel Tahmin
yaklamn tercih etmeli.6
Tahmin iin gerekli olan data, iletme iinde veya dnda yeralan faktrlerin
etkisine aktr. letme d faktrler iletmenin kontrol dndadr. Fakat,iletme ii faktrlere dorudan mdahale edilebilir. Ekonomi, iletme d
faktrlere gzel bir rnektir. Ekonomide bir d meydana geldiinde
piyasadaki rn ve hizmetlere kar olan talepte de genellikle d yaanr.
Dier iletme d faktrler arasnda rakip faaliyetleri, tamamlayc rnler ve
tketici tercihleri de saylabilir.
Temin edilecek datay etkileyen iletme ii faktrler arasnda, rn kalitesi ve
fiyat, rnn mteriye ulatrlma sresi, reklem ve iskontolar yer alr.
rnein, rnlerle ilgili yaplan youn reklam, genellikle rne kar olan talebi
de arttrr. Ayn ekilde rn satlarnda yaplan iskontolar da talebi arttrmaya
yneliktir.
letme, talep tahmini yapmak iin toplad datay analiz ederek, datay
etkileyen herhangi bir nedensen faktrn mevcut olup olmadna bakmaldr.
Nedensel faktrlerin datay ne ekilde etkileyecei bilindii iin, bu faktrlerin
tespiti doru bir tamin yaplmasnda iletmeye yol gsterici olur. rnein,
otomobil lastii reten bir iletme, rnlerinin byk bir ounluunu otomobil
reticilerine satyorsa, retilmesi dnlen otomobil saysn bilmesi, kendi
rnne doacak talebi tahmin etmesinde yol gsterici olacaktr. retilenotomobil says ile satlan lastik saysn karlatran bir grafik izerek, bu
varsaymn ne derece doru olduunu aka grmek mmkn olacaktr.
Bir rne kar olan talep ile ilgili datay yorumlarken, talep miktar ile zaman
karlatran bir grafik oluturarak, bu iki deiken arasnda bir balant olup
olmad incelenebilir. Oluturulan grafikte eer kk spmalar dnda belli bir
seviyede younlama varsa, sabit bir ilemden bahsedilebilir. rnein,
dimacunu, st, ekmek gibi olgunluk dneminde olan ve dzenli olarak
kullanlan rnlerin deiik zaman dilimlerindeki talep miktarlarnn aa
yukar ayn seviyede olduu gzlemlenebilir. Baz rnlerde bu eit bir sabit
talebe rastlanmaz. rn hayat dnm srasnda satlarn hzla artt
ykselme dnemi grlebilecei gibi, satlarda srekli bir dn
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
14/33
13
gzlemlenebilmesi de mmkndr. Byle bir grafik sz konusu olduunda,
trend prosesten bahsedilir. rnein, kiisel bilgisayar ve ilgili ekipmanlarn
talebi, srekli ykselen bir trende sahiptir. Artan veya azalan trend, lineer
veya nonlineer olabilir.
Son olarak, mevsimlik deiim gsteren talebe sahip rnlerden de
bahsedilebilir. Fakat, eldeki data ile bir grafik oluturulurken l birimi yanl
seildiinde, bir sabit talep grafii, sahip olduu rastlantsal dalgalanmalardan
dolay mevsimlik bir talep olarak yorumlanabilir. Bu yzden, datann
toplanmas kadar, matematiksel olarak ifade edilmesi de ortaya kacak sonu
asndan byk neme sahiptir.
Btn bu data analizinin sonunda, talebi oluturan sebepler tespit edilir. Yine
de her zaman, aklanamayan noktalar kalacaktr. Fakat, data analizi sonunda
vardmz sonu, zm iin nasl bir model oluturulacanda temel tekileder.
Talep (birim) lineer trend
mevsimsel
sabit
zamanekil 4.a Talep eitleri
Talep (birim)
Trend ve mevsimselzellik gsteren talep
formu
low noiseZaman x high noise
ekil 4.b Talepte Parazit
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
15/33
14
2.3. Modelin GelitirilmesiTalebin, data analizi ile ortaya konan zellikleri dorultusunda bir zm
modeli oluturulur. rnein, nedensel talebe ait bir model genellikle aadaki
formdadr:
dt= f(xt-k) + t
d t= baml deiken (r. Talep),
x t= bamsz deiken veya nedensel faktr,
t = parazit komponent
tzamanndaki baml deiken, ideal olarak t - kzamanda (k 1) bamsz
deikenin bir fonksiyonudur. k zaman periyodu, baml deikeni tahminetmeden nce, bamsz deikenin sahip olduu deeri bilmemize olanak tanr.
Aksi taktirde, ncelikle bamsz deiken tahmin edilir.
Zaman serileri yaklamyla ile tahmin ynteminde sabit, lineer trend ve
mevsimlik talep modellerinden bahsedilir. Matematiksel olarak bunlar;
dt= a + t (sabit)
dt= a + bt + t ( lineer trend)
dt= act+ t (mevsimlik)
eklinde gsterilir.
a = sabit
b = trend
c t= t periyodu iin mevsimlik faktr
t = parazit komponent
2.4. Modelin zlmesiOluturulan modelin zlmesinde ilk adm uygun metodun seilmesi oluturur.
rnein, nedensel model iin regresyon metodu; zaman serileri modeli iin
eitli metodlar kullanlr. Modelin zmnde yerine konmas gereken
katsaylar bilinmediinden, bu parametreler seilen zm metoduna uygun bir
ekilde tahmin edilirler. Bu parametrelerin modelde yerine konmasyla,
istenilen tahmin deeri elde edilmi olur.
2.5. zmn Yorumlanmas ve GerekletirilmesiTahmin sisteminde en nemli basamak elde edilen sonularn yorumlanmasdr
(ekil 5te tahmin sisteminin ileyiinde yer alan basamaklar grlmektedir).
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
16/33
15
Yeni data elde edildiinde tahmin revize edilir ve gelitirilir. Bununla birlikte,
elde edilen sonularla bir nceki tahmin karlatrlarak, tahmin sisteminin
doruluu da test edilir. Eer tahmin sistemi kabul edilebilir sonular
vermemise, ya tahmin modeli tamamen deitirilir veya mevcut modeldeki
parametreler yeniden dzenlenmeye allr.
Eer talep tahmini gerek deerin altnda kalrsa, beklenenin zerinde
seyreden talepten dolay stok sknts yaanr. Aksi durumda ise iletme fazla
stokla almak zorunda kalr. letmede fazla stok maliyeti, rn yokluundan
kaynaklanan maliyete eit deilse, talep tahmini duruma uygun ekilde
dzenlenmelidir. rnein, stoksuzluk maliyeti fazla stok maliyetinden
yksekse,talep tahmini yksek tutulabilir. Fazla stok, rn yokluundan daha
maliyetli ise bu durumda talep tahminini dk tutmak gerekecektir.
Hayr
Evet
ekil 5. Tahmin Sisteminin leyii
Mevcut Veri Bir ncekiTahmin
Tahmin Kontrol
Kontrol
Altndam?
DizaynAamasnaGeri Dn
Modifiye Tahmin
pheli Tahmin
Tahmin Prosedr
Ynetici
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
17/33
16
2.6. BoluklarTahmin yaplrken gznnde bulundurulmas gereken nemli noktalar vardr:
Tahminler, hibir zaman gerek deerleri vermez. zellikle, tahmin yaplan
zaman dilimi ne kadar ileri tarihliyse, yaplan tahminin doruluu da o lde
azalacaktr. Her ne kadar gerek deerlere ulalamasa da, yaplan tahminde
gerek rakamlara yaklamak, iletme iin zaten yeterli olacaktr. Bu yzden,
tek bir rakam belirlemek yerine makul bir deer aral tespit etmek, daha
salkl sonular elde etmeyi kolaylatracaktr.
3. SATI TAHMN YNTEMLER
3.1. Nitel Tahmin Yntemleri (Qualitative Forecasting)Nitel tahmin metodlar, ynetimsel hkmler, tecrbe ve konu ile ilgili eitli
bilgilerin kullanld, tartmaya kapal matemetiksel modellerden oluur.
Model zellik olarak kapal (tartmasz) olduundan, iki farkl ynetici bu
metodlar kullanarak olduka farkl tahminlere ulaabilirler.7
Baz iletmeciler tarafndan bu ynteme son are olarak bavurulmas gerektii
dnlse de bunun kesin bir ekilde doru olduu kabul edilemez. Nitel
tahminler, konuyla ilgili eski bilgilere ulalamadnda veya ilgili data gelecek
iin gvenilir ve yol gsterici nitelikte olmadnda kullanlmaldr. Bunu
yaparken eski data, yneticilerin yorum ve kiisel katklaryla gelecek iin
kullanlabilir hale getirilir. Nitel yntemler ayrca yeni bir rn piyasaya
srerken, konuyla ilgili gemie ait data olmadnda da kullanlmaldr.
3.1.1. Pazar AratrmasBir pazar aratrmas deiik basamaklardan oluur. lk olarak, tahmin yapmakiin gerekli bilgiyi salayacak sorular ieren bir form hazrlanr. Bu form, faks,
internet, posta, telefon gibi aralar yardmyla veya bu i iin grevlendirilmi
kiiler araclyla ilgili kiilere ulatrlr. Pazar aratrmas tamamlandktan
sonra, cevaplar dzenlenir ve analiz edilir. Bu yntemin dezavantajlar olarak,
sorularn istenen kalitede cevaplanmam olmas, yeterli sayda kiiden yant
alnamamas, sorularn bilinli olarak yanltc bir ekilde yantlanmas veya
istene bilgiyi salayabilecek ierikte hazrlanmam olmas gibi durumlar
saylabilir. Bu yzden, Pazar aratrmas yaparken almann titizlikle
yrtlmesi ve sonularn dikkatli bir ekilde yorumlanmas gerekmektedir.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
18/33
17
3.1.2. Uzman Fikirleri ve Delphi TekniiDelphi Teknii, bir konuda oybirlii ile tahmin oluturmak amacyla bir araya
gelmi eitli konularda uzman kiiler tarafndan yrtlen bir grup
almasdr.8 letme ii veya dndan katlan bir grup uzman, kendilerine
yneltilen bir soru hakknda kiisel dncelerini yazl olarak bildirirler.
Soruyu ynelten koordinatr, bu yazl cevaplar biraraya getirerek zet
halinde dzenler. Bu zet dorultusunda koordinatr, her bir uzmana yeni birer
soru yneltir. Tekrar cevaplar toplanr ve koordinatr tarafndan dzenlenir.
Bu ilem, kordinatr tatmin edecek bir sentez elde edilene kadar devam
ettirilir. Uzmanlar, ok deiik alanlardan seilebilirler ve koordinatr olarak
grev yapan kiinin btn bu farkl alanlardaki grleri sentezleyip, tatmin
edici bir sonuca ulaabilecek bilgi seviyesinde olmasna dikkat edilmelidir.
Kiileraras tartmalarn sebep olaca atma ve ynlendirmelerin devre d
braklabilmesi bu tekniin bir avantaj olarak gsterilebilir. Fakat, olduka
yksek cretlerle deiik alanlarda uzman kiileri biraraya getirmenin zorluu
ve maliyeti ile kiilerin olaylara tek tarafl yaklamalarna olanak veren
tartmaya kapal ortam, bu tekniin dezavantajlar olarak sralanabilir.9
3.2. Nicel Tahmin Metodlar (Quantitative Forecasting)Nicel tahmin metodlar, bir matematiksel ifade veya model kullanarak, talep ve
baz bamsz deiken veya deikenler arasndaki ilikiyi ortaya koymak
amacyla kullanlrlar. Nicel tahmin modelleri balca iki gruptan oluur: Zaman
Serileri ve Nedensel Modeller. Zaman Serileri Modelleri, zaman bamsz
deiken olarak kabul ederek gelecekteki talebi tahmin etmek iin, zaman-
talep ilikisine ait gemi datay kullanmay esas alr. Nedensel Modeller ise,
zaman yerine veya zamanla birlikte, gemite zaman parametresi ile tutarl bir
ilikisi olduu tespit edilen baz bamsz deikenleri de kullanarak tahmin
yapma temeline dayanr.
3.2.1. Rastlantsal Tahmin Metodlar (Causal Forecasting Methods)3.2.1.1. Basit Lineer Regresyon (Simple Linear Regression)Regresyon analizi, gemi data dorultusunda, baz deikenler arasnda iliki
kurarak bunu, baml deikenlerin tahmininde kullanmaya dayanan bir analiz
tekniidir. Bu balk altnda, durum basite indirgenerek, aralarnda lineer iliki
olan sadece iki deiken ele alnacaktr.
Basit regresyon analizinde, bilinen veya deeri tahmin edilen bir deiken
kullanlarak, baka bir deiken tahmin edilmeye allr. Tahmin edilmeye
allan, belli bir dneme ait talep deeri F t ile gsterilirse;
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
19/33
18
F t = a + bX t
eklinde tanmlanabilir.10
F t = t periyodundaki tahmini talep
X = t periyodundaki deeri bilinen deiken
a , b = sabit katsay
a ve b katsaylarn bulmak iin, eski talep deeri (D t) kullanlr:
b = [ n (XtDt) (Xt)(Dt) ] / [ n (Xt2) (Xt)
2 ]
a = [ DtbXt ] / n
D = a + bX
n = periyod says
3.2.1.2. Regresyon zerine YorumlarRegresyon modelleri, baml deiken ile bamsz deiken(ler) arasnda sk
bir iliki ve zaman aral bulunduunda ok kullanl olan bir tahmin
metodudur.11Eer baml deiken ve bamsz deiken(ler) arasnda zaman
aral yoksa; baka bir deyile, ikisi ayn periyotta meydana geliyorsa,
bamsz deiken iin tahmini bir deer kullanmadka baml deikenin
gelecekteki tahmini deeri hesaplanamaz. Bamsz deiken iin tahmini bir
deer kullanmak da baml deikenin hesaplanan tahmini deerinde
sapmalara neden olacaktr.
Baml ve bamsz deikenler arasndaki ilikiyi geersiz klacak bir gelime
olduunda (r. ekonomideki beklenmedik bir deiim), regresyon tekniini
kullanmak iletmeyi yanl sonulara sevk edecektir.
3.2.2. Zaman Serileri Metodlar (Time Series Methods)Zaman serileri metodlar daha ok ksa dnemli tahminlerde kullanlan
yntemlerdir. Burada temelprensip olarak eski data kullanlarak ortalama bir
talep miktar tespit edilir ve bu ortalama deer, gelecekteki talep deerinin
hesaplanmasnda temel alnr. Gemie ait ortalama talep deerinin
hesaplanmasnda deiik yntemler kullanlabilir.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
20/33
19
3.2.2.1. Sabit lemler3.2.2.1.1. Basit OrtalamaBasit ortalama (BO), gemi dnemlere ait btn talep deerlerinin aritmetik
ortalamasdr.
BO = (gemi periyodlardaki tm talep deerlerinin toplam) / (periyod says)
= ( D1 + D2 + ... + Dn ) / n
n = periyod says,
Di= i periyodundaki talep deeri
Gemiteki tm talep deerlerinin ortalamas alnarak, belli bir dnemdeki
ortalamann ok stnde yeralan talebin, baka bir dnemde ortalamann
altnda seyreden talep ile dengelenmesi salanr. Bylece, talepteki
ortalamadan sapmalar minimuma indirilmi olur. Fakat, zamanla ortalama
deerde meydana gelen herhangi bir deiiklik bu yntemle tespit edilemez.
3.2.2.1.2. Basit Hareketli OrtalamaBasit hareketli ortalama (BHO) ynteminde, en son birka periyoda ait talep
deerleri toplanarak, kullanlan periyod saysna blnr.
BHO = (seilen periyodlardaki talep toplam) / (seilen periyod says)
BHO = (1/n) (D1 + D2 + ... +Dn)
n = seilen periyod says
t = 1, kullanlan en eski periyod
t = n, kullanlan en yeni (yakn zamanl) periyod
d = talep deeri
Elde edilen ortalama deer, bir sonraki dnemin talep tahmini olarak
hesaplanr. Ortalama alnrken, ok eski data hesap d braklp iinde
bulunulan zaman dilimine en yakn periyodlar dikkate alnd iin, gerek
deerine daha yakn bir talep tahmini elde edilir.
3.2.2.1.3. Arlkl Hareketli OrtalamaBu yntemde, en eski periyottan en yeni periyoda doru artacak ekilde
ayarlanan katsaylar araclyla, ortalama hesaplanrken, yeni talep
deerlerinin daha arlkl olarak hesaba katlmalar salanr. Bylelikle,
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
21/33
20
kullanlan talep deerlerine eit arlk vermek yerine, en eski talep
deerinden en yenisine doru artacak ekilde her bir talebe farkl arlk
verilmi olur.
AHO = C1D
1 +C
2D
2+ ... + C
nD
n
0 Ct 1,
C1 + C2 + ... + Cn = 1
Talep tahmini yaplan rnn talebinde sadece belli bir periyotta grlen trend
veya mevsimlik bir deiiklik kompanse edilmek istendiinde, katsaylar buna
olanak verecek ekilde belirlemek yeterli olacaktr. Fakat, katsaylarn
belirlenmesinde kesin bir kural olmadndan, olduka hatal sonular elde
etme riski de her zaman gznnde bulundurulmaldr.
3.2.2.1.4. Birinci Derece ssel Dzeltme (First-Order Exponential Smoothing)ssel dzeltme modelleri, en iyi bilinen ve en sk kullanlan modellerdir.
nk, standart bilgisayar software paketlerinde hazr bir program olarak
bulunur ve kullanmak iin ok fazla data ve bilgisayar bilgisi gerektirmez. Bir
iletmedeki her bir rn iin ayr ayr tahmin yapmak gerektiinde, bu zellii
sayesinde ilemlerin ksa srede, pratik bir ekilde yaplmasna olanak verir.
Birinci derece ssel dzeltme metodunda yeni bir periyot iin talep tahmini
yaparken, sadece iki bilgiye ihtiya vardr: Bir nceki dnemde gerekleen
talep ile o periyot iin yaplan talep tahmini. Her bir zaman periyodu sona
erdiinde, gerekleen talep ile tahmin edilen talep deerleri kullanlarak, bir
sonraki periyot iin talep tahmini hesaplanr.
Bir sonraki dnemin = en son periyotta + (1- ) en son periyot
talep tahmini gerekleen talep iin yaplan
talep tahmini
0 1,t = periyod olmak zere;
F T = d T-1+ (1 ) F T-1F T-1= d T-2 + (1 ) F T-2F T-2= d T-3 + (1 ) F T-3eklinde devam ettirilebilir. Yukarda koyu renkle yazlan Ft-n deerleri, bir
stteki denklemde yerlerine yazldnda, denklem aadaki gibi ifade
edilebilir:
F t= (1- )0 d t-1+ (1 )
1 d t-2+ (1- )2 d t-3 + (1 )
3 F T-3
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
22/33
21
0 1 olduundan, katsaylar (1- )0 , (1- )1 , (1- )2 eklinde
ilerledike, deer olarak klrler. Bylece, en son periyodun talebi olan D t-1
deerine en byk arlk verilirken, daha eski talep deerlerine gittike azalan
arlklar verilir.
Bu yntemde deerini belirlerken titiz davranlmas gerekmektedir. Her ne
kadar bunun iin somut bir yntem yoksa da, deerini belirlerken baz
konular dikkate almak yol gsterici olabilir. rnein, yeni rnler iin tahmin
yaplrken deerinin yksek tutulmas uygundur. Byle durumlar iin deeri
0.7, 0.8 veya 0.9 seilebilir. Eer talep istikrarl bir ekilde stabil seyrediyorsa
ve gelecek dnemlerde de benzer bir gelime izleyecei dnlyorsa,
deerini dk tutmak faydal olacaktr. iin 0.1, 0.2 veya 0.3 gibi dk bir
deer vererek, belli bir dnemde meydana gelen ani bir dalgalanmann etkisi
yumuatlm olur. Son olarak, talepte hafif bir dalgalanma varsa, deerini
0.4, 0.5 veya 0.6 olarak belirlemek, geree yakn bir tahmin yapmaya olanaktanyacaktr.
3.2.2.2. Trend lemi Ve ift ssel DzeltmeBelirli periyodlarda gerekleen talepler, dzenli olarak artan veya azalan bir
gidiat izliyorsa, talepte artan veya azalan bir trendden bahsedilebilir. Bu
durumda, gelecek periyodlar iin talep tahmini yaparken bu trendi de
gznnde bulundurmak gerekmektedir. Bu amala, iinde bulunulan
periyottaki dzeltilmi ortalama talep deerine (^FT), trend dzeltme deeri
olarak TT eklenir ve ift ssel Dzeltme Yntemi kullanlarak aadaki
denklemler oluturulur:
Talep
T t
T F t +1
F t F tF t-1
t -1 t t +1 Zamanekil 6. Trend Ayarlamas Yaplan Bir Tahminin Bileenleri
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
23/33
22
^FT+1 = ^FT + TT
ekil 6da trend ayarl tahmin olan ^FT+1 deerinin bileenleri grlyor.
Burada ^ iareti, talebin trende gre ayarlanm olduunu ifade etmektedir.
iinde bulunulan T periyodundaki trend deerinin, T+1 periyodunda da ayn
deere sahip olduu ekilde grlyor.12
^FT = Dt-1 + (1-)(^FT-1 + TT-1)
TT= (^FT - ^FT-1) + (1-)TT-1
3.2.2.3. Mevsimlik Talep Tahminiekil 7deki gibi artan bir trende ve mevsimsel deiikliklere sahip olan bir
talep iin tahmin yaparken, talebin sabit ksm, trendi ve mevsimseldeiikliklerin n de dikkate alacak bir modele ihtiya vardr. Bu amala
kullanlan modellerden biri de Winter tarafndan gelitirilen popler bir
modeldir ve aadaki gibi tanmlanmaktadr:
swings350
300
250
200
150
100
500 2 4 6 8 10 12 quarters
ekil 7. Trend le Birlikte Mevsimsel VeriDT = (a+bT)cT+ T
Burada;
a = sabit ksm,
b = trendin eimi,
cT= T periyodu iin mevsimsel faktr,
T= kontrol edilemeyen rastlantsallk
kavramlarn ifade etmektedir.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
24/33
23
Buradaki sabit ksmolan a iin, trend ve mevsimsel faktrlerden bamsz
olarak yaklak bir deer belirlenir. Benzer ekilde trend iin de mevsimsel
faktrlerden bamsz bir deer belirlenir. T periyodu iin mevsimsel faktr,
sabit ve trend komponentlerinin bir yzdesi olarak ortaya kar. Eer
mevsimsel periyodun herhangi bir yerinde talep, sabit ve trend
komponentlerinin altnda bir deere sahip oluyorsa, mevsimsel faktr 1den
kktr. Talebin byk olmas durumunda ise mevsimsel faktr 1den byk
kabul edilir.
3.2.2.4 zetTahmin metodlarnn uygulanmasyla ilgili zet bilgiler aada yer
almaktadr:13
* TanmBasit nesnel fikirlerden gemi datann detayl analizine kadar uzanr.
ounlukla st dzey ynetimin yargs ve sat ngrlerini ierir. Kendi
erevesi iinde dier metodolojilerle de birletirilebili
* Zaman ve UygulamaFikir ve YargDar aralktan, uzun arala kadar:
Modellemesi zor fakat iyi bir ynetsel yargyla stesinden gelinebilecek
durumlar.
* rnekGelecek sene hkmetten ne kadar kontrakt aratrmas elde edebiliriz?
* Bal MaliyetKullanlan data ve analiz teknikleri ok kapsaml olmad srece dk.
* TanmKyaslanabilir rnlerin hayat dngs aamalarnn karlatrlmas (rnein;
k, byme, olgunluk, k)
* Zaman ve UygulamaTarihsel BenzerlikDar aralk: (rnein yeni rnler)
* rnekYeni ampuanmzn satlarn nasl tahmin edebiliriz?
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
25/33
24
* Bal MaliyetOrta dzeyde.
* TanmPanel ortamnda bir takm sorulara uzmanlar tarafndan verilen cevaplar ierir.
Verilen cevaplar zet halde panelistlere sunulur ve bunlar bir sonraki panelin
soru grubunun oluturulmasnda kullanlr. Uzmanlara her konuda bilgi verilir.
Uzmanlarn bilgili olduu varsaylr.
* Zaman ve UygulamaDelphiUzun aralk: (rnein; imkanlar ve yeni rnler iin)
* rnekBankamz gelecek sene evde nakit ynetim sistemini kurmal m?
* Bal MaliyetOrta dzey: zerinde snrl zaman harcand durumlarda dk olabilir.
* TanmTketici davran hakkndaki hipotezleri test etmek ve veri toplamak iin soru,
aratrma ve Pazar panellerinin kullanlmas. Aratrmalarn gvenilir ve
sunulabilir olduu varsaylr.
* Zaman ve UygulamaMarket AratrmasGenellikle uzun aralkl: (rnein; yeni rnler), fakat ksa dnemli tahminler
iin de kullanl.
* rnekKent sakinleri ne seviyedeki hizmetler iin para harcamaya istekli?
* Bal MaliyetYksek: aratrma ve analiz maliyetinden dolay.
* TanmTalep (T), mevsimsel faktrler (S) ve rastlantsal faktrlerin (R) ortaya
karlmas amacyla gemi talep verileri analiz edilir. Trend, hareketli
ortalama veya regresyon metoduyla dierlerinden ayrtrlr.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
26/33
25
* Zaman ve UygulamaZaman SerilerKsa dnemli: (rnein, stok ve yakn zaman planlama kararlar iin). Ayrca,
ekonomik deikenlerin uzun dnem analizleri iin de kullanldr.
* rnekAluminyum merubat kutular iin talep modeli nedir?
* Bal MaliyetDk: sadece kolay komptarize edilen, gemi verilere dayal olarak.
* TanmYeni talep tahmininin, bir nceki tahmin ile en son gerekleen talep arasnda
yer ald durumlarda, ssel arlkl hareketli ortalamann kullanm. zellikle
ok sayda rn iin uygun. nk bilgisayarn depolama yk azalyor. Gemi
verilerin gelecein iaretisiolduu varsaylr.
* Zaman ve Uygulamassel DzeltmeKsa dnemli: (rnein; stok ve yakn dnem programlama kararlar iin)
* rnekDevletin likr depolarnda ne kadar likr stouna ihtiya var?
* Bal MaliyetDk: basitlii ve bilgisayar tarafndan gncellenebilmesinden dolay.
* TanmBir ya da daha fazla birbirine bal deikenin kullanlarak, regresyon veya
korelasyon yntemleri araclyla talep tahmininin yaplmas.deikenler
arasnda mantkl ilikiler olduu varsaylr.
* Zaman ve UygulamaRegresyon & KorelasyonKsa ve orta vadeli uygulamalar iin uygun (rnein; mevcut rnler).
* rnekOdun sobas satlarmzla, fuel-oil fiyatlar arasnda nasl bir iliki var.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
27/33
26
* Bal MaliyetDk-orta: ihtiya duyulan verilere ve kullanlanmetoda bal.
4. TAHMN METODUNUN SELMESTahmin metodu seilirken metodun maliyeti ve doruluu dikkate alnmaldr.
Olduka sofistike bir tahmin metodu iletmeye byk bir mali yk getirir.
Fakat, byle bir metodla oluturulan tahmin, iletme iin geree olduka yakn
sonular verecektir. ekil 8de kabaca tahmin metodunun maliyeti ve
doruluu arasndaki iliki grlmektedir. Dikkat edilecek olursa her tahmin
durumu iin, kabul edilebilir bir maliyet ve dorulua sahip optimal bir blge
mevcut olduu grlecektir. Bu nedenle, tahmin yaparken iletmenin amac bu
optimum blge iinde hareket etmek olmaldr.
Artan MaliyetToplam Maliyet
Optimal blge Doru olmayantahminden kaynaklanan
Rastlantsal operasyonel maliyetModeller
Sofistike istatistikselTalep bazlmodeller
Basit istatistiksel
Talep bazl model
Sezgisel
Yaklam Tahmin maliyeti
Azalan Dorulukekil 8. Maliyet/Doruluk likisi
Yaplan tahminin doruluu, MAD (Mean Absolute Deviation)ve Biasyntemleriile llebilir. Bu ekilde elde edilen doruluk derecesi, maliyet cinsinden de
ifade edilebilir. Burada maliyet, gerekletirme maliyeti, sistem maliyeti ve
hatal tahmin maliyeti olarak ayr ekilde ele alnmaldr. Bu maliyet
arasnda hatal tahmin maliyeti hesaplanmas en zor olan maliyettir.
Deiik tahmin metodlarnn performansn lmek amacyla eitli almalaryaplmtr. Genel olarak, deiik tahmin yntemleri, talep modeline, sapmalara
ve tahmin periyodunun uzunluuna bal olarak ne kmaktadr. Sadece
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
28/33
27
27
tahminin doruluu baz alnarak, her bir talep modeli iin birden fazla iyi
tahmin metodu seilebilir. ift ssel dzeltme metodu, bu metodlar arasnda en
iyi model olarak birok almada n plana kmaktadr.
Wheelwright ve Clarke (1976) tarafndan yrtlen alma sonucu tahmin
metodunun seilmesinde nemli saylabilecek faktrler aada yer almaktadr:
Kullanc ve Sistem DzeyiSeilecek olan tahmin metodu, kullanacak ynetici ve alanlarn bilgi
seviyesini aacak kadar sofistike olmamaldr. nk yneticiler anlamakta
zorlandklar teknikleri kullanmaktan ekinmektedirler. Benzer ekilde,
seilecek olan tahmin metodu, iletmede halihazrda kullanlmakta olan metoda
kyasla ileri dzeyde kompleks ve sofistike olmamaldr. Bazen daha basitmetodlar ileri dzey metodlardan daha iyi performans gsterebilmektedirler.
Zaman ve Mevcut KaynaklarTahmin metodunun seilmesinde, gerekli verilerin toplanmas ve hazrlklarn
yaplmas iin gerekli sre de nem tamaktadr. Bu zaman periyodu
kullanclarn, veri toplayacak olanlarn ve tahmin yapacak kiilerin ihtiya
duyduklar srelerin hepsini kapsamaktadr. Geni kapsaml veri toplamay
gerektiren sofistike metodlar, bazen birka ay gibi uzun zaman periyodu
gerektirebildii gibi, iletmeye binlerce dolara malolabilmektedir. Buna karlk
kompterize rutin tahmin metodlar, hem maliyet,hem de gerektirdii zaman
asndan ok daha makul olabilmektedir.
Kullanma veya Karar Verme KarakteristikleriKullanlacak olan tahmin metodu, iletmenin kullanm amac veya verecei
kararlarla balantl olmaldr. Metodun kullanm amac gereken dorulukdzeyi, tahmin periyodunun uzunluu ve tahmin edilecek rn says gibi
faktrlerle yakndan ilikilidir. rnein, stok ve planlama ile ilgili kararlar, ok
sayda rn iin ksa sreli, olduka hassas bir tahmin metodu gerektirir.
Zaman serileri metodu bu tr bir tahmin iin uygun bir metoddur. Dier
taraftan, proses planlamas uzun vadeli bir tahmin gerektirirken, btn bir talep
iin dk hassasiyete sahip tek bir tahmin yeterli olabilmektedir. Kualitatif ve
rastlantsal metodlar bu gibi durumlar iin uygundur. Bunun gibi, bte
planlamas iin gerekletirilen orta vadeli tahminlerde zaman serileri ve
rastlantsal metodlarn kullanm mevcuttur.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
29/33
28
28
Mevcut DataTahmin ynteminin seilmesi ou zaman mevcut verilerle snrldr. Bununla
birlikte, eldeki verinin kalitesi de neme sahiptir. yle ki, yetersiz veri,
benzer ekilde yetersiz tahminlere yol aacaktr.
Veri FormuEldeki modelin formu da seilecek olan tahmin metodunu etkileyecektir. Eer
zaman serileri dz bir forma sahipse, birinci derece metodlar kullanlabilir.
Fakat, veri trend ve mevsimsel zellik gsteriyorsa, daha ileri dzeyde
metodlara ihtiya duyulacaktr. Ayn zamanda datann formu zaman serileri
metodlarnn yeterli olup, olmayaca; rastlantsal metodlara ihtiya duyulup,
duyulmayacana karar vermede de rol oynamaktadr. Veri formunu tespitetmenin bir yolu, datay bir grafie dkmektir. Tahmin yaparken ilk yaplmas
gereken bu grafikleme ilemi olmaldr.
Tahmin metodu seiminde dikkate alnmas gereken bir baka nokta da rnn
hayat dnm aamalardr. Bu aamalarn, kullanlacak olan tahmin metodunu
ne ekilde etkiledii aada zet olarak verilmitir:14
Sunu Veri: Henz data mevcut deildir. Kualitatif metodlara dayanr. Zaman: Uzun zaman gerektirir Metodlar: Yarg, Delphi, Historical Analogy kullanldr.Pazar aratrmalarnemlidir.
Byme Veri: Analiz iin biraz veri mevcuttur. Zaman: Hala uzun zaman periyoduna gereksinim vardr. Metodlar: Historical Analogy ve Pazar aratrmas hala kullanldr. Regresyon ve bilgisayar simlasyon modelleri kabul edilir. rnle ilgili gemi verilerin takibi nem kazanr.
Olgunluk Veri: Talep ve stok seviyeleri gibi birok konuda epey veri toplanmtr. Zaman: ou iletme ksa dnemli tahminleri kullanr. Hala uzun vadelitahminlere ihtiya vardr fakat trend, aamal olarak yava bir deiim izler.
Metodlar: statistiksel ve Kuantitatif metodlar daha kullanldr. Zamanserileri trend ve mevsimsel zellikler sz konusu olduunda kullanl
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
30/33
29
29
olabilmektedir. ssel dzeltmeler ok kullanldr. Ekonometrik metodlar
uygundur.
D Veri: ok fazla veri mevcuttur. Zaman: Daha ksa zaman periyodu. Metodlar: Olgunluk dnemi metodlar kullanlmaya devam edilir.Yarg,Historical Analogy ve Pazar aratrmas, nemli deiiklikler gsterebilir.
Birim adedi
olgunluk
d
byme
sunu
Zamanekil 9. rn Hayat Dnmnn Tahmin Metoduna Etkileri
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
31/33
30
30
5. TAHMN KONTROLDeiik tahmin metodlarn deerlendirirken, etkinliklerini kyaslamak amacyla
bir lm metoduna ihtiya vardr. Bu amala tahmin hatas kullanlmaktadr.
Tahmin hatas, tahmin edilen talep ile gerekleen talep arasndaki saysal fark
olarak tanmlanmaktadr.15 Bu sebeple, kk hata oranna sahip tahmin
metodlar, byk tahmin hatalar veren metodlara tercih edilmektedir.
5.1. MADMAD (Mean Absolute Value), tahmin hata orannn hesaplanmasnda kullanlan
en nemli metodlardan biri olarak kabul edilir ve aadaki gibi formlize
edilmektedir:
Her periyot iin hesaplanan tahmin hatas orannn mutlak deerleri toplam
MAD =
Periyot says
n tahmin hatasi
=
i=1 n
n tahmin edilen talepi - gerekleen talep i=
i=1 n
n = periyot says
Her i periyodu iin, tahmin edilen ve gerekleen talep arasndaki fark
hesaplanr. Eer yaplan tahminde mkemmellik salanmsa, tahmin edilen ve
gerekleen talepler birbirine eit olacaktr. Bu durumda, tahmin hatas da sfr
olarak hesaplanr. Her periyotta tahminler devam ettike, tahmin hatas da
hesaplanr ve birbirine eklenerek oalr. n sayda periyottan sonra,
yukardaki eitlik kullanlarak ortalama tahmin hatas bulunur. Dikkat edilecek
olursa, bu yolla tahmin hatalarnn mutlak deerleri ortalamas
hesaplanmaktadr. Baka bir ifadeyle, MAD bize tahmin hatalarnn sadece
bykln vermektedir; yn hakknda fikir vermez. Sz geen mutlak
deerlerin lm Mutlak Sapma (Absolute Deviation) olarak ifadeedilmektedir.
MAD ile tahmin hatas dalmnn klasik lm arasnda biri ilikiden sz
edilebilir. Bu iliki ksaca Standart Sapma (Standart Deviation,) olarak
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
32/33
31
31
tanmlanmaktadr. Eer tahmin doru yaplmsa tahmin hatalar normal bir
dalma sahiptir. Bu durumda, standart sapmay tahmin etmek iin SMAD(Smoothed Mean Absolute Deviation) kullanlmaktadr. Standart sapma ileSMAD arasndaki iliki aadaki gibidir:
1.25 SMAD
5.2. BiasBias, hata lmnde daha seyrek kullanlan baka bir yntemdir. areti (yn)dikkate alnarak hesaplanan tahmin hatalarnn toplamnn periyot saysna
blmyle elde edilir.
Tm periyotlar iin tahmin hatas toplamBias =
Periyot says
n ( tahmin edilen talepi - gerekleen talep i )
=
i=1 n
n = periyot says
MAD eitliinden farkl olarak, Bias tahmin hatalarnn ynl eilimini verir.
Baka bir deyile, eer tahmin srekli olarak gerekleen talebin zerinde
seyrediyorsa, Bias pozitif deere sahip olacaktr. Aksi durumunda ise negatif
deer alacaktr.
deal bir tahmin durumunda MAD ve Bias sfr deerini alrlar. Fakat pratikte,
genel olarak MAD ile Bias arasnda ters orantl olacak ekilde seim yapmak
durumunda kalnr. Baz durumlarda, bu lmlerden biri dk tutularak dierlmn deerce yksek klmas gze alnr. bu lmlerden biri, dierine
karlk dk tutulmak zorundaysa, MAD lm zerinde odaklanmak faydal
olacaktr. nk, MAD deeri sfra yaklatrldka, otomatik olarak Bias
deeri de dk olacaktr.
8/2/2019 Isletme Butcesinin Hazirlanmasi Ve Satis Tahmini Yontemleri
33/33
32
C. KAYNAKLAR1. SEVGENER, A. Sait; HACIRSTEMOLU, Rstem; Ynetim Muhasebesi; Alfa
Yaynevi; stanbul; 1998, s.274.2. SEVGENER, A. Sait; HACIRSTEMOLU, Rstem; 1998, a.g.k., s.275.3. SEVGENER, A. Sait; HACIRSTEMOLU, Rstem; 1998, a.g.k., s.279.4. MONKS, Joseph G. ; Operations Management ; McGraw-Hill International Edition,
1987, s.262.
5. SIPPER, Daniel; BULFIN, Robert L.; Production: Planning, Control and Integration,The McGraw-Hill Comp., Inc., 1997, s.90.
6. SIPPER, Daniel; BULFIN, Robert L.; 1997, a.g.k., s.91.7. SCHROEDER, Roger G.; Operations Management: Decision Making In The
Operations Function; 4th
Edition; McGraw-Hill; Inc.; USA; 1981, s.357.
8. DILWORTH, James B.; Operations Management; McGraw-Hill Book Co.; 1992, s.26.9. ADAM, Everett E.; EBERT, Ronald J.; Production and Operations Managment;
Prencite-Hall Int. Editions, s.90.10.ADAM, Everett E.; EBERT, Ronald J.; a.g.k., s.100.11.SIPPER, Daniel; BULFIN, Robert L.; 1997, a.g.k., s.110.12.ADAM, Everett E.; EBERT, Ronald J.; a.g.k., s.100.13.MONKS, Joseph G. ,1987, a.g.k., s.266,267.14.MONKS, Joseph G. ,1987, a.g.k., s.290,291.15.CHASE, Richard B. ; AQULANO, Nicholas J. ; Production and Operations
Management ; Richard D. Irwin, Inc., 1981, USA