Veri analitiği ile satiş tahmini: Makine öğrenmesi yaklaşimi

Yapay zeka uygulamaları, araştırmacılar tarafından gün geçtikçe artan ilgi görmektedir. Çoğunlukla robotik ve bilişim alanlarında kullanılan bu uygulamalar, endüstride günlük olarak yaşanan sorunları çözebilmektedir. Yapay zekanın bir alt dalı olan makine öğrenmesi (ML), geçmişe dönük verilere dayalı olarak geleceğe yönelik tahminler yapılmasını sağlar. Bu nedenle satış tahminlerini yapmak için makine öğrenmesi yöntemlerini kullanmak mümkündür. İşletmeler tarafından depolanan veri miktarları büyük boyutlara ulaştığından satış tahminlerini geleneksel yöntemlerle yapmak oldukça zor hale gelmiştir. Bu tezde, ofis malzemeleri endüstrisindeki bir işletme için makine öğrenmesi algoritmaları kullanılarak satış tahmini yapılmıştır. İlk olarak, keşifçi veri analizi kullanılarak veri setinden istatistiksel ve görsel çıkarımlar yapılmıştır. Veri seti kategorik değişkenler ve sayısal değişkenler ayrı ayrı ele alınarak incelenmiş, eksik veri ve aykırı değer analizleri yapılmıştır. On iki algoritma (Lineer regresyon, Ridge regresyon, Lasso regresyon, ElasticNet regresyon, K-Nearest Neighbor (KNN), Random Forest (RF), Support Vector Regression (SVR), Classification and Regression Trees (CART), Gradient Boosting Machine (GBM), Light Gradient Boosting Machine (LightGBM), Categorical Boosting Machine (CatBoost) and Extreme Gradient Boosting Machine (XGBoost)) uygulanmış; ortalama hata karesi, ortalama mutlak hata ve R^2 fonksiyonları kullanılarak sonuçlar değerlendirilmiştir. Model ayarlaması, her algoritma için farklı parametreler kullanılarak gerçekleştirilmiştir. Sonuçlar, en başarılı algoritmanın 11.7643 RMSE değeri ile XGBoost olduğunu göstermiştir. XGBoost algoritması ile geliştirilen model kullanılarak tahmin yapılmıştır.