AI Doluluk & Talep Tahmini

Bu sistem, doluluk planlamasını geçen yılın aynı dönemine ya da yöneticinin sezonal deneyimine bakarak yapan ve bu yöntemin artık yetersiz kaldığını fark eden otel işletmecileri için tasarlanmıştır.

En yüksek değeri şu profiller görür:

• Tatil beldesi ve destinasyon otelleri: Yaz-kış zirve dönemleri belirgin; aradaki omuzlar ve köprü tatilleri iyi planlanmadığında ya eksik personelle zor yönetilir ya da boş geçer. Tahmin sistemi bu geçiş dönemlerini erkenden işaret eder.
• Resort ve all-inclusive tesisler: Yiyecek-içecek stoklaması, animasyon kadrosu ve tekniker planlaması haftalarca önceden yapılmak zorunda. Doluluk tahmini bu planlama süreçlerine girdi sağlar.
• Villa ve apart operatörleri: Çok sayıda birimi yönetiyorsunuz; hangi tarihlerde doluluk baskısının yüksek olduğunu önceden bilmek temizlik ekibi ve rezervasyon yönetiminizi kolaylaştırır.
• Çoklu tesis zincirleri: Her tesisin doluluk beklentisini ayrı ayrı takip etmek yerine konsolide bir tahmin panosu istiyor, tesisler arası kaynak ataması yapmak istiyorsunuz.
• Revenue ve finans direktörleri: Aylık bütçe revizyonunda gerçekçi gelir tahminine dayanan senaryo analizi yapabilmek istiyorsunuz.

Sistem tahmin sunar; garanti vermez. İstatistiksel model geçmiş örüntüleri ve güncel sinyalleri birleştirerek olasılık bandı hesaplar. Yerel bir kriz, ani hava olayı veya yeni rakip açılışı gibi modelin öngöremeyeceği değişkenler daima gündeme gelebilir. Bu nedenle tahminler operasyon ve yönetim kararının girdisi olarak kullanılır, yerine geçmez.

Otel operasyonunun çoğu kararı haftalarca hatta aylarca önceden verilmek zorundadır: personel vardiyaları, yiyecek-içecek siparişleri, animasyon programı, teknik bakım takvimleri. Bu kararların hepsinin altında doluluk tahmini yatar. Ve çoğu zaman bu tahmin geçen yılın aynı dönemine bakılarak yapılır.

Statik takvim planlamasının kör noktaları

• Geçen yıl tekrarlanmıyor: Bölgenizdeki havayolu seferlerinin değişmesi, yeni bir rakip tesisin açılması ya da başka bir destinasyonun öne çıkması talebi tamamen farklı bir eğriye taşıyabilir. Geçen yılın verisi tek başına yanıltıcı olabilir.
• Köprü tatilleri ve etkinlikler sürpriz yaratıyor: Mayıs ayında üç günlük bir bayram köprüsü ani doluluk patlamasına yol açtı; siz yeterli personel ve erzakla hazır değildiniz. Bir sonraki köprüde aynı sürprizi yaşamamak için erken tahmin gerekir.
• Düşük doluluk beklenen dönemde personel fazlası: Tam tersine, düşük talep öngörülmeyen bir dönemde tam kadro çalıştırmak gereksiz maliyet üretir. Erken tahmin, personel planlaması verimini artırır.
• Satın alma ve stok yönetimi: F&B departmanları kısa ömürlü ürünleri doluluk beklentisine göre sipariş etmek zorunda. Aşırı sipariş israf yaratır; yetersiz sipariş misafir memnuniyetini düşürür.

AI Doluluk Tahmini bu planlama döngüsüne 30, 60 ve 90 günlük ufuklarda oda tipi bazında doluluk bandı ve güven aralığı ekler. Sistem yüksek güven aralığı olan dönemleri ve belirsizliğin arttığı dönemleri görsel olarak işaret eder; belirsiz dönemlerde temkinli planlama için uyarır.

Proje sekiz ila on iki hafta içinde tamamlanır:

1. Tarihsel veri toplama ve analiz (1–2. hafta): PMS veya rezervasyon sisteminizden geçmiş doluluk, iptal oranı ve lead-time verileri alınır. Minimum iki yıllık veri hedeflenir; daha kısa geçmişe sahip tesisler için alternatif yaklaşımlar değerlendirilir. Sezonsal ve hafta içi/sonu örüntüleri çıkarılır.
2. Dış sinyal entegrasyonu (3–4. hafta): Yerel tatil ve köprü takvimi, bölgenizdeki büyük etkinlikler (kongre, festival, müsabaka) ve havayolu rezervasyon yoğunluğu sinyalleri sisteme eklenir. Bu sinyaller tahmin modelinin «momentum» katmanını oluşturur.
3. Tahmin modeli geliştirme (5–8. hafta): İstatistiksel tahmin motoru kurulur. Her oda tipi ve her tarih için doluluk olasılık bandı hesaplanır. Model performansı tarihsel verinin bir bölümü «görünmez» tutularak test edilir ve hata oranı ölçülür.
4. Pano ve raporlama geliştirme (9–10. hafta): 30/60/90 günlük doluluk tahmini görselleştirmesi, güven bandı renk haritası ve senaryo karşılaştırma ekranı teslim edilir. Haftalık otomatik rapor e-posta çıktısı yapılandırılır.
5. Eğitim ve canlıya geçiş (11–12. hafta): Genel müdür, revenue yöneticisi ve operasyon sorumlusuna sistem kullanımı ve tahmin yorumlama eğitimi verilir. Canlıya geçilir; 30 günlük destek süreci başlar.

Canlıya geçtikten sonra model her hafta yeni gerçekleşen verilerle güncellenir ve tahmin doğruluğu iyileşmeye devam eder. İlk 90 günde tahmin-gerçekleşme karşılaştırması yapılır ve gerekirse katsayılar yeniden ayarlanır.

Tahmin sistemi yalnızca toplu doluluk ve oran verisi işler; bireysel misafir kimlik bilgisi, ödeme kaydı veya kişisel iletişim verisi hiçbir aşamada sisteme girmez.

• PMS entegrasyonu yalnızca oda tipi bazında doluluk sayısı ve tarif verisi aktarır; rezervasyon sahibinin adı ya da pasaport bilgisi iletilmez.
• Harici talep sinyalleri (tatil takvimi, etkinlikler) kamuya açık kaynaklardan elde edilir; üçüncü taraf hesaplarınıza erişim gerekmez.
• Tüm veriler Türkiye veya AB veri merkezinde barındırılır; platform dışına çıkmaz.
• Panel erişimi rol bazlı yetkilendirme ve iki faktörlü doğrulama seçeneğiyle korunur.
• Sistem üzerinden herhangi bir kişisel veri işleme söz konusu olmadığından KVKK yükümlülükleri en dar kapsamda kalır.

Teslimatta teknik güvenlik yapılandırma kılavuzu ve veri akış şeması sunulur. Uyum değerlendirmesi için hukuk danışmanınıza bu belgeler iletilmesi önerilir.