AI Parça Talep Tahmini & Stok Optimizasyonu

Bu sistem, stok yönetiminde belirli bir olgunluğa ulaşmış işletmeler için tasarlanmıştır. Temel kriter basittir: geçmiş iş emirleri veya parça satış kayıtlarının dijital ortamda tutulması. Bu veri olmadan tahmin modeli kurulamaz; ancak verisi olan her işletme için ciddi operasyonel kazanım sağlar.

En yüksek değeri şu profillerde üretir:

• Kendi parça deposu bulunan bağımsız servisler: Düzenli olarak yedek parça sipariş eden, ancak stok kararlarını tedarikçi önerisine veya deneyime göre veren işletmeler. Sipariş miktarı ve zamanlamasının veriye dayalı hale getirilmesi hem maliyeti düşürür hem çalışma sermayesini serbest bırakır. Tedarikçi ziyareti beklenmeden doğru sipariş verilir.
• Yetkili servisler: Belirli marka araçlara özel parça stoğu tutan işletmeler. Marka ve model bazında mevsimsel talep örüntüsü son derece tahmin edilebilirdir. Fren balataları kışın mı yoksa yazın mı daha çok tüketilir, motor yağı hangi aylarda zirve yapar, lastik değişim dönemlerinde talep nasıl şekillenir; bu sorular veriden yanıt bulur ve sezgiyi doğrular ya da düzeltir.
• Çok şubeli servis zincirleri: Her şubenin ayrı stok durumu olduğu yapılarda merkezi tahmin sistemi büyük avantaj sağlar. Hangi şubedeki hangi parça kritik seviyeye yaklaşıyor? Bir şubede ölü stok varken diğerinde stoksuz kalma mı yaşanıyor? Bu görünürlük şubeler arası transfer önerisiyle birleşince hem müşteri hizmet kalitesi yükselir hem toplam stok maliyeti düşer.
• Mevsimsel dalgalanmaya maruz kalan servisler: Yaz lastiği, kış lastiği, klima gazı yenileme, antifriz gibi sezonluk parçaların stok planlaması artık sistematik hale gelir. Sezonu stoksuz karşılamak ya da sezonu geçmiş ürünle depo doldurmak tarihe karışır; model bu değişimleri önceden görür ve sipariş önerisi üretir.

Bu sistemi uygulamak için veri bilimcisi veya stok uzmanı olmak gerekmez. Geçmiş verileriniz sisteme aktarılır; tahminler otomatik üretilir ve yöneticiye net öneriler sunar. Karar yine sizindir.

Oto servislerde stok yönetimi iki uç noktada hata üretir. İlginç olan, her iki hatanın da aynı kökten beslenmesidir: geleceğin görülememesi ve yüzlerce parça için tahmin yapabilecek kapasiteye sahip olunmaması.

Stoksuz kalmanın gerçek maliyeti: Araç servise gelir, gerekli parça yoktur. İki senaryo mümkündür. Birincisi: müşteri aracını bırakır ve parçayı bekler. Bekleme memnuniyetsizliği kesindir; müşteri bir daha sercinize gelmeyebilir. İkincisi: müşteri aracını alır ve parçayı bulan başka servise gider. Hem müşteri hem iş kaybıdır. Her iki durumda da bekleyen araç usta kapasitesini bloke eder.

Ölü stokun sessiz maliyeti: Fazla sipariş verilen parçalar rafta bekler. Sermaye bağlanır, depo veya raf alanı işgal edilir, bazı parçalar raf ömrünü doldurmadan değer kaybeder. Küçük bir serviste bile ölü stok, aylık önemli miktarda donmuş sermaye anlamına gelebilir. Bu para yerine yeni müşteri kazanımı, personel gelişimi veya ekipman yatırımı yapılabilirdi.

Bugünkü karar sürecinin sınırlılıkları: Çoğu serviste stok kararı üç kaynaktan beslenir. Birincisi, tedarikçi temsilcisinin önerisi; ancak tedarikçinin kendi satış hedefi vardır. İkincisi, ustanın deneyimi; bu tek kişiye bağımlılık yaratır ve kişi ayrıldığında kurumsal hafıza sıfırlanır. Üçüncüsü, son ayın tüketimine bakış; bu mevsimsel döngüyü görmez, ani talep artışlarını kaçırır. Bu yöntemler işe yarar ama optimize etmez.

AI Parça Talep Tahmini sistemi, yılın tüm iş emirleri ve parça hareketlerini analiz ederek her parça için tüketim örüntüsü çıkarır. Mevsimsel zirveler, belirli araç modellerinin yarattığı talep artışları ve tedarikçi temin süresi hesaba katılarak ne zaman, ne kadar sipariş verilmeli sorusuna veri bazlı yanıt üretilir. Kör nokta kalmaz.

1. Veri envanteri ve aktarım (1-3. hafta): Geçmiş iş emirleri, parça hareketleri, tedarikçi sipariş geçmişi ve anlık stok seviyeleri sisteme aktarılır. Veriler Excel, mevcut servis yazılımı veya CSV formatında alınabilir. Veri kalitesi değerlendirilir; eksik veya tutarsız kayıtlar tespit edilerek raporlanır. Bu adım modelin sağlıklı çalışması için kritiktir.
2. Parça sınıflandırma ve ABC analizi (3-5. hafta): Her parça tüketim sıklığı, maliyet ve kritiklik açısından üç gruba ayrılır. Yüksek hacimli rutin parçalar (A sınıfı), nadir ama yüksek değerli parçalar (B sınıfı) ve düşük öncelikli parçalar (C sınıfı) için farklı stok stratejileri belirlenir. Her kategoride güvenlik stoku ve yeniden sipariş noktası tanımlanır.
3. Talep tahmin modelinin kurulması (4-9. hafta): Makine öğrenmesi modeli her parça kategorisi için ayrı eğitilir. Mevsimsellik eğrileri, araç model dağılımı ve geçmiş talep trendleri birleştirilerek gelecek dönem tahmini üretilir. Tedarikçi temin süresi modele dahil edilir; sipariş tetikleme noktaları buna göre hesaplanır. Model hem ani talep artışını hem mevsim geçişlerini yakalamaya ayarlanır.
4. Sipariş öneri motoru ve uyarı sistemi (8-11. hafta): Kritik stok seviyesine yaklaşan parçalar için sistem otomatik sipariş önerisi üretir: hangi parça, kaç adet, hangi tedarikçiden ve hangi tarihe kadar sipariş verilmeli. Yönetici her öneriyi onaylar veya reddeder; sistem bu geri bildirimi öğrenir ve zamanla daha isabetli öneriler sunar. Onaylanmayan sipariş hiçbir zaman oluşturulmaz.
5. Çok şube entegrasyonu (isteğe bağlı, 10-13. hafta): Şubeler arası stok görünürlüğü ve transfer önerisi eklenir. Bir şubede kritik stok varken başka şubede fazla stok bulunuyorsa sistem transfer önerir; dış tedarikçiye gitmeden önce iç kaynak değerlendirilir. Bu özellik zincirler için ciddi maliyet tasarrufu sağlar.
6. Devreye alma, kalibrasyon ve raporlama (12-14. hafta): Sistem canlıya geçer. İlk üç ay tahmin doğruluğu gerçek tüketimle karşılaştırılarak ölçülür; sapmalar tespit edilir ve model güncellenir. Aylık stok performans raporu otomatik olarak yöneticiye iletilir: stoksuz kalma olayları, ölü stok oranı ve tahmin doğruluğu yan yana gösterilir.

Sistem web tarayıcısı üzerinden çalışır; ek donanım gerektirmez. Tüm sipariş önerileri ve yönetici kararları loglanır; ileride trend analizi için kullanılabilir.

Stok ve iş emri verileri işletmenizin en değerli ticari sırrı sayılabilir: hangi parçaların ne sıklıkla tüketildiği, hangi tedarikçilerle çalışıldığı ve servis kapasitesine dair tüm örüntüler bu veride gizlidir. Sistem bu verileri katı bir gizlilik çerçevesinde işler.

• Müşteri veri ayrımı: İş emirlerinde müşteri adı, araç plakası ve iletişim bilgisi yer alsa da tahmin modeli yalnızca parça-tarih-miktar ilişkisini kullanır. Müşteri kimliği model eğitimine dahil edilmez; veriler işlenmeden önce anonimleştirilir. KVKK kapsamındaki yükümlülük bu adımla karşılanır.
• Veri izolasyonu: İşletmenize ait iş emri ve parça verileri başka müşterilerle paylaşılan ortak modelde kullanılmaz. Her işletme için ayrı model kurulur; verileriniz yalnızca sizin tahmin doğruluğunuzu iyileştirir.
• Rol bazlı erişim kontrolü: Stok tahmin paneline ve sipariş önerilerine yalnızca yetkili personel erişir. Tedarikçi temsilcileri sisteme giremez. Her oturum loglanır; yetkisiz erişim girişimleri anında uyarı üretir.
• Şifreli depolama ve yedekleme: Tüm stok ve iş emri verileri şifreli olarak saklanır. Günlük yedekleme yapılır; sistem kesintisinde veri kaybı yaşanmaz. Yedekler coğrafi olarak izole ortamda tutulur.
• Tedarikçi bilgisi gizliliği: Hangi tedarikçiyle hangi fiyattan çalıştığınıza dair bilgiler sistem dışına çıkmaz; üçüncü taraf platform veya reklam sistemleriyle paylaşılmaz.

Daha kapsamlı veri yönetimi ve KVKK uyumu için ayrı Oto KVKK Uyum Paketi ve Müşteri & Araç Verisi Yedekleme hizmetlerimiz mevcuttur.