AI Talep Tahmini & Stok Optimizasyonu

Bu araç, stok kararlarının hem nakit akışını hem müşteri memnuniyetini doğrudan etkilediği işletmelere yöneliktir. Talep tahmini yalnızca büyük şirketlerin ihtiyacı değildir; ölçeğine bakılmaksızın her çok-SKU'lu kataloğun sorunu özünde aynıdır: ne zaman, ne kadar sipariş verilmeli?

Yüksek fayda sağlayan profiller:

• Sezonluk satıcılar: Yaz/kış koleksiyonu, bayram öncesi yoğunlaşan talep veya belirli dönemsel kampanyalar nedeniyle satış dalgalanması yüksek olan işletmeler. Sezon başında kaç adet sipariş edileceğini sezgiye değil veriye dayandırmak isteyenler. Yanlış tahmin ya stoksuz bırakır ya da ölü stok yaratır; her iki sonuç da finansal kayıptır.
• Uzun temin süreli ürün çalışanlar: Tedarikçi teslim süresi iki haftayı aşıyorsa yanlış tahmin sonrası düzeltme fırsatı ortadan kalkar. Bu risk grubunun erken, doğru ve yeterli sipariş vermesi kritik öneme sahiptir.
• Kampanya öncesi planlama yapanlar: 11.11, Black Friday ve Trendyol büyük indirim dönemlerinde ne kadar stok hazırlanması gerektiğini önceden hesaplamak isteyenler. Kampanya anında stok tükenmesi en kritik satış fırsatını yok eder.
• Ölü stok sorunu yaşayanlar: Her sezon sonunda ıskartalanan veya büyük indirimle eritilen stok taşıyan, bu yükü sistematik yaklaşımla azaltmak isteyenler. Sermayeyi donduran ölü stok büyüme kapasitesini kısıtlar.
• Çok kanallı satıcılar: Toplam talebi kendi sitesi, Trendyol ve Hepsiburada üzerinden bütünleşik okumak ve stoku uygun kanallara dağıtmak isteyenler. Kanal bazlı satış hızı farklılaşabilir; bütünleşik görünüm olmadan stok dengesiz dağılır.
• Çok tedarikçiyle çalışanlar: Farklı tedarikçilerin farklı minimum sipariş miktarı ve teslim süresi ile çalıştığı durumlarda optimum sipariş zamanlamasını bulmak isteyenler.

Önemli uyarı: Sistem olasılıksal tahmin üretir; kesin sonuç vadetmez. Beklenmedik pazar olayları (ekonomik kriz, viral trend, tedarik zinciri kırılması) doğruluğu etkiler. Nihai karar satıcıya aittir. Proje bedeli 60.000 ₺ – 150.000 ₺ aralığında başlar.

Stok yönetimi, e-ticaret operasyonunun en pahalı hatalarına zemin hazırlayan alandır. Kayıp iki yönde gerçekleşir ve ikisi de doğrudan finansal sonuç üretir:

• Stoksuz kalma: Talep patlamasında ürün tükendiğinde müşteri rakibe gider; geri dönmeyebilir. Pazaryeri platformlarında stoksuz kalma sıralamanızı olumsuz etkiler, mağaza puanınızı düşürür. Teslim edilemeyen siparişler iade ve şikâyet doğurur; operasyon yükü artar.
• Ölü stok: Sezon veya kampanya geçtikten sonra elde kalan ürün depo alanı ve sermaye bağlar. Büyük indirimle satılmak zorunda kalındığında marj tamamen erir. Bazı ürünlerde son kullanma tarihi veya trend geçerliği ek baskı yaratır; süreç uzadıkça ıskartalama kaçınılmaz hâle gelir.

Bu iki uç arasındaki dengeyi sezgiyle kurmak küçük kataloglarda bile zor iken yüzlerce SKU'da pratikte imkânsız hâle gelir. Yöneticiler genellikle şu yapısal eksikliklerle karşı karşıyadır:

• Geçmiş satış verisi dağınık, parçalı ya da analiz edilebilir formatta değildir; kararlar ham veride boğulur.
• Sezonluk trendler ve tatil-kampanya etkisi sistematik olarak hesaplanmaz; her sezon sezgiden başlanır.
• Tedarikçi teslim süresi belirsizliği güvenlik stoğunu zorunlu kılar; ancak ne kadar güvenlik stoğu tutulacağı belirsizdir. Az tutmak riski artırır, çok tutmak sermayeyi bağlar.
• Her kanal ayrı stok raporladığı için toplam talep bütünleşik okunamaz; hangi kanalın ne kadar tükettiği görünmez.
• Yeni ürünlerde geçmiş veri yoktur; sezgiyle alınan ilk sipariş kararı tüm lansman sürecini etkiler.

AI Talep Tahmini & Stok Optimizasyonu bu veri boşluklarını doldurur ve SKU bazında sipariş noktası, sipariş miktarı ve güvenlik stoğu önerisi üretir. Geri bildirim döngüsü modeli her döngüde daha isabetli kılar.

1. Veri entegrasyonu ve temizleme: Geçmiş satış verisi (en az 12 aylık, tercihen 24 ay), stok hareketleri, iade kayıtları ve kampanya takvimi sisteme aktarılır. Veri kaynakları e-ticaret platformu, ERP veya CSV olabilir. Eksik, tutarsız veya aykırı değerler tespit edilir ve veri temizleme sürecinden geçirilir. Temiz veri olmadan güvenilir tahmin mümkün değildir; bu adım en kritik hazırlıktır.
2. Dış faktör entegrasyonu: Mevsimsel endeks, tatil ve bayram takvimi, geçmiş büyük kampanya (11.11, Black Friday, Trendyol kampanya dönemleri) etkileri modele dahil edilir. Kategori bazında arama trendi verisi, varsa ek bağlamsal sinyal sağlar. Bu dış faktörler geçmiş veriyi tek başına kullanmaktan çok daha güçlü tahmin üretir.
3. Model eğitimi ve kalibrasyon: SKU veya ürün kategorisi bazında talep tahmin modeli oluşturulur. Model, kategori özelliğine (hızlı tüketim, yavaş rotasyon, uzun raf ömrü, sezonsal) göre farklı algoritmalar kullanır. İlk sonuçlar operasyon ekibiyle birlikte değerlendirilir ve gerçek iş bilgisiyle kalibrasyon yapılır.
4. Öneri üretimi: Her SKU için öneri; tahmini dönem talebi, güvenlik stoğu, tedarikçi teslim süresi ve hedef hizmet seviyesi parametrelerine göre hesaplanır. Çıktı iki somut değerdir: ne zaman sipariş verilmeli (yeniden sipariş noktası) ve kaç adet sipariş edilmeli (ekonomik sipariş miktarı).
5. Onay ve uygulama: Öneriler yönetici ekranında öncelik sırasıyla listelenir; satın alma ekibi her öneriye onay verir veya revize eder. Revizyon gerekçesi sisteme geri bildirim olarak işlenir ve model öğrenir.
6. Gerçekleşme takibi ve döngüsel güncelleme: Dönem kapandığında tahmin ile gerçekleşme karşılaştırılır. Sapma analizi modelin bir sonraki dönem için güncellenmesini sağlar. Periyodik kalibrasyon toplantısıyla model doğruluğu sistematik olarak iyileştirilir.

Not: Sistem olasılıksal tahmin üretir. Beklenmedik dış şoklar (tedarik zinciri kırılması, ekonomik kriz, viral trend) doğruluğu etkiler. Nihai sipariş kararı her zaman satın alma ekibinde kalır; sistem karar desteği sağlar.

Sistemde işlenen veriler satış, stok ve tedarikçi bilgilerinden oluşur. Kişisel müşteri verisi minimum düzeyde ve anonimleştirilmiş olarak kullanılır. Aşağıdaki güvenlik ilkeleri tüm süreç boyunca geçerlidir:

• Veri güvenliği: Tüm satış ve stok verisi şifreli veri tabanında saklanır; aktarım TLS şifreli kanallar üzerinden yapılır. Üçüncü taraf model sağlayıcılarına ham ticari veri gönderilmez; yalnızca işleme için gerekli yapılandırılmış veri iletilir.
• KVKK uyumu: Talep tahmini için müşteri kimlik bilgisi işlenmez; yalnızca anonimleştirilmiş işlem verileri (ürün kodu, miktar, tarih) kullanılır. Bu yaklaşım KVKK kapsamında kişisel veri işleme yükümlülüğü doğurmaz. Satıcının kendi müşteri KVKK yükümlülükleri bu sistemin kapsamı dışındadır.
• Ticari sır koruması: Satış verisi, maliyet bilgisi ve tedarikçi ilişkileri üçüncü taraflarla hiçbir koşulda paylaşılmaz. Başka müşteri projelerinde kullanılmaz. Proje ekibinin erişimi rol bazlı yetkilendirme ile sınırlıdır; satın alma, yönetim ve teknik ekip farklı görünürlük seviyelerine sahiptir.
• Tedarikçi verisi gizliliği: Sisteme girilen tedarikçi fiyatları, minimum sipariş miktarları ve teslim süreleri ticari sır kapsamında değerlendirilir ve en yüksek gizlilik standardıyla korunur.
• Veri saklama ve silme: Proje süresi boyunca veriler şifreli ortamda saklanır. Sözleşme bitiminde talep üzerine tüm veriler güvenli ve geri dönüşümsüz biçimde silinir; silme işlemi belgelenir ve satıcıya teslim edilir.