Öz
Doğru talep tahmini, karşılanmayan talep ve stok miktarını azaltmak için büyük önem taşımaktadır. Bu çalışma, yapılan
promosyonların, yıl içi tatil günlerinin, ürünün fiyatında olan değişikliklerin, ürünün stokta bulunup bulunmamasının ve bazı
tarih özelliklerinin (haftanın günleri, aylar, yıllar vb.) birden çok tahmin modelinde kullanılarak talebi nasıl etkilediğinin
analiz edilmesini amaçlamaktadır. Çalışma için, Türkiye'de uzun yıllar hizmet veren bir global ilaç şirketine ait bir ürün
incelenmiştir. Veri seti için 2016, 2017 ve 2018 yıllarına ait günlük satış verileri kullanılmıştır. Gelecek dönemlerin talebini
tahmin etmek için; Holt Winters, Ridge Regression, Rastgele Orman ve Xgboost olmak üzere dört ayrı model kullanılmıştır.
Ayrıca tahmin doğruluğunu arttırmak için dört modelin birbiriyle olan kombinasyonlarından oluşan modeller de
kullanılmıştır. Sonrasında, modellerin hata oranları ile ters orantılı şekilde ağırlıklandırma yapılarak, tekli modellerin ikili,
üçlü ve dörtlü kombinasyonları elde edilmiş ve hata oranları hem kendi aralarında hem de tekli modellerle kıyaslanmıştır.
Sonuçlar, en düşük tahminleme hatalarının birleştirilmiş modellerden elde edildiğini göstermiştir.Oluşturulan tüm modeller
hata oranı bakımından kıyaslandığında, hata oranı en düşük modelimiz %10,7 RMSPE (Kök ortalama Kare Yüzde Hata)
değeri ile Holt Winters ve Xgboost modellerinin kombinasyonlarından oluşan kombinasyon olmuştur. Sonuçlar, birden çok
modelin birlikte kullanılarak talep tahmininin doğruluk oranının artırılabileceğini göstermiştir.