Forecasting customer service demand by machine learning with real life implementation

Karar verme süreci sektörde önemli bir role sahiptir ve müşteri memnuniyeti üzerinde doğrudan etkisi olması sebebiyle müşteri hizmetleri sunumu da bu sürecin önemli parçalarından biridir. Çalışmanın ilk bölümünde yedek parça ve servis personeli için daha iyi planlama yapmak ve müsteri hizmetleri talebini zamanında karşılamak amacıyla Türkiye'de kurulan ve bir çok ülkede bulunan şubesi ile sektöründe öncü ev aletleri üreticisi için ürünlerin aylık arıza oranlarının tahminlemesi yapılmaktadır. Şirketten elde edilen gerçek veri, kurulu, arızalı ürünlerin verilen ay içerisindeki sayısını ve ürünlerin bireysel kurulum, arıza tarihlerini içerir. Veriler çok boyutlu formda birden fazla zaman serisini içerir ve her bir zaman serisinin diğer zaman serileri üzerinde etkisi vardır. Bu etkiyi ortaya çıkarmak ve daha iyi tahminleme sonuçlarını başarabilmek için bu projede makine ögrenimine dayalı yaklaşımlar uygulanmıştır. Çalışmanın ikinci hedefi olarak istatistiksel temelli yöntemler ile makine öğrenim temelli yaklaşımlar arasında karşılaştırmalar yapılmıştır. İstatistiksel tabanlı yöntem olarak hareketli ortalama, makine öğrenimi tabanlı yaklaşımlar için yapay sinir ağı ve destek vektör regresyon yöntemleri model performansları açısından karşılaştırılmıştır.