sistem tasarım 2 fiyatlandırmaya ba ğlı talep tahmin analizi
DESCRIPTION
Sistem Tasarım 2 Fiyatlandırmaya Ba ğlı Talep Tahmin Analizi. Grup: BigM Proje Danışmanları M. Gökhan ATALIK Çağlar GÜVEN Serhat BAŞKAYA Serhan DURAN Koray GÜL Sadullah İMAT Şirket Danışmanları - PowerPoint PPT PresentationTRANSCRIPT
Sistem Tasarım 2
Fiyatlandırmaya Bağlı Talep
Tahmin Analizi
Grup: BigM Proje Danışmanları
M. Gökhan ATALIK Çağlar GÜVEN
Serhat BAŞKAYA Serhan DURAN
Koray GÜL
Sadullah İMAT Şirket Danışmanları
Nida Benan ÖZER Seden EFE
2
Sunum İçeriği
• Firma Tanıtımı ve Proje İçeriği
• Mevcut Sistemin Analizi
• Problem Tanımı ve Formülasyonu
• Çözüm Yaklaşımı ve Model Formülasyonu
• Model Çıktıları
• Uygulama Planı
3
• Firma Tanıtımı ve Proje İçeriği
• Mevcut Sistemin Analizi
• Problem Tanımı ve Formülasyonu
• Çözüm Yaklaşımı ve Model Formülasyonu
• Model Çıktıları
• Uygulama Planı
Sunum İçeriği
6 kategoride
24 Marka
973 Kalem ürün
Kategoriye
özel
• Pazarlama
• Satış
• Talep
Planlama
• Finans
Firmanın Tanıtımı:
55
Firmanın fiyatlandırma politikaları,
Rakiplerin fiyat değişiklikleri
göz önüne alınarak;
Aylık toplaşık talep tahminlerini haftalara ve ürün kalemlerine
dağıtmak
6
• Firma Tanıtımı ve Proje İçeriği
• Mevcut Sistemin Analizi
• Problem Tanımı ve Formülasyonu
• Çözüm Yaklaşımı ve Model Formülasyonu
• Model Çıktıları
• Uygulama Planı
Sunum İçeriği
Mevcut Sistem7
8
3 Yıllık Gönderi Bilgisi GDF
Aylık Yalın Talep Tahmini
DüzeltmeDüzeltme
Haftalık DağılımHaftalık DağılımHaftalık Dağılım
Kalem Bazlı Dağılım
Kalem Bazlı Dağılım
Haftalık Marka Bazlı Talep Tahmini
Mevcut Sistem
Sku-1
Sku-2
Sku-3
Sku-4
Haftalık Kalem Bazlı Talep Tahmini
Problem ile İlgili AnalizlerAylık talep tahminleri ve gerçekleşen sevkiyatların karşılaştırılması:
Saç Bakım-Blendax
Haftalık Dağılım Oranları
Saç Bakım-Blendax
111111
Fiyatlandırma dönemlerinde kalem bazlı haftalık talep tahmin hatalarının fazla olması
Tahmin edilen dağılım % – Gerçekleşen dağılım %
t = 4’te fiyat artışı
bildirilmesi
Son haftalarda talepte artış
1 2 3 4 5 6 7 8
Fiyat artışı
0 9
İlk haftalarda talepte düşüş
Haftalar
Problem ile İlgili Analizler
13
• Firma Tanıtımı ve Proje İçeriği
• Mevcut Sistemin Analizi
• Problem Tanımı ve Formülasyonu
• Çözüm Yaklaşımı ve Model Formülasyonu
• Model Çıktıları
• Uygulama Planı
Sunum İçeriği
Belirti Ürün kalemlerinin haftalık tahminlerinde hedefler tutturulamıyor
Aylık tahmin haftalara doğru dağıtılmıyor.
Fiyat değişimleri haftalık talep tahminlerine yansıtılamıyor.
Aylık talebi, haftalara ve ürün kalemlerine doğru bir şekilde dağıtacak bir karar mekanizmasının olmaması
NEDEN ?
NEDEN ?
NEDEN ?
Problem
Problem Tanımı
Problem Formülasyonu
Karar verici: Talep yöneticisi
Karar vericinin amacı: Düşük tahmin hatası
Karar kriteri: Ortalama mutlak yüzde hatasını
(MAPE) en aza indirgemek
Başarı ölçütü: MAPE (Ortalama mutlak yüzde hatası)
15
16
• Firma Tanıtımı ve Proje İçeriği
• Mevcut Sistemin Analizi
• Problem Tanımı ve Formülasyonu
• Çözüm Yaklaşımı ve Model Formülasyonu
• Model Çıktıları
• Uygulama Planı
Sunum İçeriği
Regresyon Analizi
• Saç-bakım kategorisi için istatistiksel veri analizi
• Haftalık talep tahminlerinde etkili olan değişkenleri (fiyat, geçinme endeksi…) belirlemek ve bunların etkisini ölçmek
17
Model Girdi ve Çıktıları18
Regresyon Modeli
SKU dağılım oranları
ile çarpım
Haftalık Kalem Bazlı
Talep Tahmini
•Haftalık Gönderi Bilgisi• Fiyat Endeksi•Rakip Ürün Fiyatı•Kendi Ürün Fiyatı•Geçinme Endeksi
Marka Bazında
Haftalık Talep Tahmini
W-2 W-1 W0 W1 W2 W3 W4
Geçen ay
Tahmin edilecek
Haftalar
Shp(W1) = β0 +β1*Shp(W0) + β2*Shp(W-2)+β3*(Fiyat endeks değişimi)+β4*(Geçinme endeksi) LOG(Shp(W2)) = β1*LOG(Shp(W1)) + β2*LOG(Fiyat endeks değişimi)+β3*LOG(Geçinme endeksi) LOG(Shp(W3)) = β1*LOG(Shp(W2)) + β2*LOG(Shp(W1)) +β3*LOG(Fiyat endeks değişimi) LOG(Shp(W4)) = β0+β1*LOG(Shp(W3)) + β2*LOG(Geçinme endeksi) + β3*LOG(Rakip ürün fiyatı)
Fiyat değişimi
Model Formülasyonu
Shp(W1) = β0 +β1*Shp(W0) + β2*Shp(W-2)+β3*(Fiyat endeks değişimi)+β4*(Geçinme endeksi)
LOG(Shp(W2)) = β1*LOG(Shp(W1)) + β2*LOG(Fiyat endeks değişimi)+β3*LOG(Geçinme endeksi)
LOG(Shp(W3)) = β1*LOG(Shp(W2)) + β2*LOG(Shp(W1)) +β3*LOG(Fiyat endeks değişimi)
LOG(Shp(W4)) = β0+β1*LOG(Shp(W3)) + β2*LOG(Geçinme endeksi) + β3*LOG(Rakip ürün fiyatı)
Hafta 1 tahmin (Düzeltmeden Önce)
Hafta 2 tahmin (Düzeltmeden Önce)
Hafta 3 tahmin (Düzeltmeden Önce)
Hafta 4 tahmin (Düzeltmeden Önce)
21
Doğru Kabul Edilen Aylık Talep Tahmini ile Kıyaslanır
Modelden çıkan
1. Hafta Talep
Tahmini
Mod
elde
n çı
kan
3. H
afta
Tal
ep
Tahm
ini
Modelden
çıkan 2. Hafta
Talep Tahmini
Mod
elde
n çı
kan
4. H
afta
Tal
ep
Tahm
ini
Normalleştirme Faktörü (k)
Nihai Haftalık TahminlerNWi = k*Wi
Hafta Bazlı Tahmin
Zaman Serileri
Durağan bir veri için kullanılan başlıca iki tahminleme metodu
Geçmiş Gönderi miktarı
Hareketli
Ortalamalar
Metodu veya Üstel
Düzeltme
Talep Tahmini
FİYATIN ETKİSİ
GÖRÜLEMİYOR
Hareketli
Ortalamalar
Metodu veya Üstel
Düzeltme
Geçmiş Gönderi
Fiyat
Fiyat
Talep Tahmini
Karar Değişkenlerifj : j haftası için talep tahmini
ki : faktör i’nin talep tahminindeki etkisi (ağırlığı)
i = 1 Blendax’ın fiyatı,
i = 2 Rakibin fiyatı,
i = 3 Geçinme endeksi
i = 4 Geçmiş gerçekleşen haftalık gönderi
Matematiksel Model
Parametreler
gj : j haftası için gönderi miktarı
bj : j haftasında Blendax markasının fiyatı
ej : j haftasında rakip markanın fiyatı
lj : j haftasında sağlık ve kişisel bakım harcamaları
için geçinme endeksi
j = 1, 2, 3, 4
Model
Min (fj – gj)2
subject to
fj = k1*bj + k2*ej + k3*lj + k4* gj + k5* gj-1 + k6* gj-2
k1 <= 0
k2 >= 0
k3 <= 0
Kalem Bazlı Tahmin27
28
• Firma Tanıtımı ve Proje İçeriği
• Mevcut Sistemin Analizi
• Problem Tanımı ve Formülasyonu
• Çözüm Yaklaşımı ve Model Formülasyonu
• Model Çıktıları
• Uygulama Planı
Sunum İçeriği
Marka Bazında Sonuçlar29
BLENDAX Model MAPERegresyon 42.14
Model Log-Model 43.1
Sin(Pi(Log))-Model 55.64Zaman Serileri Expo(α=0.4) 51.65
MA(5) 52.87
Mevcut Sistem 51.85
Blendax Ortalama Mutlak Hata Grafiği30
Marka Bazında Sonuçlar31
PANTENE Model MAPERegresyon 33.51
Model Log-Model 36.04
Sin(Pi(Log))-Model 82.87Zaman Serileri Expo(α=0.9) 54.17
MA(1) 60.24
Mevcut Sistem 68.81
Pantene Ortalama Mutlak Hatası32
Ortalama Mutlak Tahmin Hatası (%)
Kalem Bazında Sonuçlar- Blendax33
BLENDAX
A class SKUs Regresyon Mevcut Durum (Q/P) Zaman Serisi Sin(Pi(log))-ModelSKU-1 58.34 90.5 269 66.9SKU-2 43.83 59.91 107 42.82SKU-3 55.83 56.54 77.84 70.13SKU-4 47.23 55.22 260 59.27SKU-5 43.23 61.86 68.8 50.54SKU-6 42.64 56.71 72.2 51.2SKU-7 53.82 58.1 134 57.75SKU-8 53.17 52.47 122 61.43
MAPE (Ortalama Mutlak Tahmin Hatası)
Kalem Bazında Sonuçlar- Pantene34
PANTENEA class SKUs Reg-Model Mevcut Durum Log-Model
SKU-1 112.25 103.41 118.78SKU-2 105.05 118.3 103.66SKU-3 36.41 64.96 38.08SKU-4 44.78 71.73 47.31SKU-5 88.32 69.7 89.52SKU-6 54.69 73.07 55.26SKU-7 49.53 86.47 51.42
MAPE (Ortalama Mutlak tahmin Hatası)
SKU Regresyon Sonuçları35
Blendax A sınıf Ürünü
Pantene A sınıf Ürünü
Regresyon SKU Regresyon Mevcut Durum41.14 865.55 51.84
MAPE (Ortalama Mutlak Tahmin Hatası)
Regresyon SKU Regresyon Mevcut Durum33.51 62.1 68.81
MAPE (Ortalama Mutlak Tahmin Hatası)
Ağırlıklı Mutlak Tahmin HatasıBlendax
36
Ağrılıklı Mutlak Tahmin Hatası
Ağırlıklı Mutlak Tahmin HatasıPantene
37
%
Ağırlıklı Mutlak Tahmin Hatası
38
• Firma Tanıtımı ve Proje İçeriği
• Mevcut Sistemin Analizi
• Problem Tanımı ve Formülasyonu
• Çözüm Yaklaşımı ve Model Formülasyonu
• Model Çıktıları
• Uygulama Planı
Sunum İçeriği
Uygulama Planı39
Kalem veya Marka Seçimi
Verilerin Güncellenmesi
40
Dinlediğiniz için teşekkürler...
Sorularınız ve tavsiyeleriniz...