Talep Tahmini — Getir Fikir #053

Fikir

Problem → Çözüm

Problem

Dark store’lar sınırlı rafa sahip; yanlış tahmin ya boş raf (kayıp satış) ya da çöpe giden taze ürün demek. Mevcut hareketli ortalama yaklaşımı maç günlerini, yağmuru, bayram arifesini ve kampanyaları göremiyor.

Çözüm

Talep Tahmini, ~1.500 depo × SKU kombinasyonu için saatlik talebi LightGBM global modeliyle tahmin eder; hava durumu, maç takvimi, tatiller ve kampanya planı feature olarak girer. Satın alma ekibine sipariş önerisi, depo şefine tükenme alarmı üretir.

Ürün

Temel özellikler

1SKU × depo × saat tahminiTek global model, 14 güne kadar ufuk, p10-p90 güven aralığıyla.

2Olay farkındalığıDerbi, kar yağışı, Ramazan iftarı ve 11.11 gibi olayların etkisini ayrı gösterir.

3Otomatik sipariş önerisiTahmin + emniyet stoku + tedarik süresi ile önerilen sipariş miktarı.

4AçıklanabilirlikSHAP ile “bu artışın %40’ı yağmurdan” gibi sade açıklamalar.

AI katmanı

Yapay zeka nerede devreye giriyor?

LightGBM global model tweedie loss ile kesikli talebi tahmin eder; LLM katmanı tahmin sapmalarını planlamacıya doğal dille açıklar.

LightGBM (tweedie) + lag/rolling feature’lar, hava (MGM API), maç ve tatil takvimi; WAPE %18,4 (önceki %27)
Hiyerarşik reconciliation (depo → bölge → şehir) ve quantile tahminle emniyet stoku hesabı
Claude Haiku ile SHAP değerlerinden Türkçe açıklama üretimi; Airflow ile her gece 03:00’te batch retrain + backtest

Mimari

Nasıl çalışır?

KaynaklarSatış, stok, hava, maç takvimi

Feature StoreFeast • Redis online / S3 offline

Tahmin ModeliLightGBM tweedie • quantile

Açıklama KatmanıSHAP + LLM özet

Planlama PaneliNext.js • sipariş önerisi

Teknoloji

Stack

Arayüz

Next.jsTailwindRecharts

Backend

Python 3.12FastAPIAirflow

AI / ML

LightGBMSHAPOptunaClaude Haiku

Veri

SnowflakeFeastRedisS3

Altyapı & DevOps

AWS SageMakerKubernetes (EKS)MLflow

Go-to-market

Pazarlama & lansman

Satın alma roadshow’uKategori yöneticilerine kendi SKU’larının geçmiş tahmin vs gerçek grafiği ile 30 dk demo.

“Fire sayacı”Panelde kurtarılan ürün tonajı ve TL karşılığı canlı gösterilir.

Haftalık doğruluk bülteniEn iyi ve en kötü tahmin edilen 10 SKU ve nedenleri Slack’e düşer.

Ölçüm

Başarı metrikleri (hedef)

%18,4WAPE (önceki %27)

-%31taze ürün firesi

-%24stoksuz kalma (OOS) oranı

Teslimat

MVP yol haritası

Hafta 1-2Veri ve baseline2 yıllık satış verisi, feature store ve seasonal naive baseline backtest.

Hafta 3-4LightGBM global modelOptuna tuning, quantile çıktı, 20 depoda planlamacılarla shadow karşılaştırma.

Hafta 5-8Otomatik siparişSipariş önerisinin ERP’ye bağlanması, SHAP + LLM açıklamaları.

Fİ

Fatih İnci — Full Stack Software Engineer

Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.