Zaman serisi yöntemleri ve XGBoost algoritması ile kömür satış tahmini: Türkiye Tarım Kredi Kooperatifleri uygulaması = Sales prediction using time series and XGBoost algorithm: Application of Agricultural Credit Cooperatives of Turkey

Abstract

Şirketlerin ileriye yönelik doğru kararlar verebilmesi için geçmiş verilerden yararlanmalarına birçok durumda ihtiyaç vardır. Günümüzde yöneticiler geçmiş verilere rahatlıkla ulaşabilmektedir. Firmaların iş süreçlerinde kullanılan gelişmiş kurumsal programlar sayesinde geçmiş kayıtları saklayan büyük veri tabanları oluşmuştur. Satış işlemi firmaların en önemli süreçlerinden biridir. Satış kayıtlarına ulaşmak ve bu kayıtları tahmin amaçlı kullanmak mümkündür. Ürün satışı yapan şirketlerde satılan ürünün tahmininin doğru yapılması, şirket kaynaklarının etkin kullanılmasını sağlayarak maliyetleri düşürmekte ve karlılığı artırmaktadır. Kömür ürünü tonlarca satışı gerçekleşen depolama maliyeti yüksek bir üründür. Türkiye'de kış aylarında ısınma amaçlı kullanımı fazladır. Yaz aylarında gereksiz depolanması maliyetleri artırmakta, ayrıca kömür ürünü gramaj kaybederek satıcıyı zarar ettirmektedir. Kömür ürününün satış tahmininin doğru yapılması firmanın zarar etmesini önlemektedir. İstatistik alanında kullanılan zaman serisi tahmin yöntemleri satış tahmin çalışmalarında yaygın olarak kullanılmaktadır. SARIMAX ve Holt-Winters yöntemleri çalışmalarda tercih edilen popüler zaman serisi tahmin yöntemlerdir. FB-Prophet, Facebook tarafından geliştirilmiş yeni bir zaman serisi tahmin yöntemidir. FB-Prophet yıllık, haftalık ve günlük değişen zaman serisi verilerini tahmin etmek için kullanılır. Satış tahmin çalışmalarında makine öğrenmesi algoritmalarıda kullanılmaktadır. XGBoost, son zamanlarda yapılan makine öğrenmesi tabanlı çalışmalarda öne çıkan ve tahmin çalışmalarında da kullanılan bir algoritmadır. Bu tezin amacı Tarım Kredi Kooperatifleri Sakarya Bölge Birliği'ne bağlı 21 kooperatif tarafından yapılan kömür satışlarının tahminini yapabilmek için ideal tahmin yönteminin bulunmasıdır. Çalışmada 2014-2022 yılları arasındaki kömür ürünü satış verileri kullanılarak yıllık ve 2 yıllık toplam kömür satış miktarı ton olarak tahmin edilmiştir. Tahmin yöntemi olarak SARİMAX, Holt-Winters, FB-Prophet zaman serisi yöntemleri ve XGBoost makine öğrenme algoritması kullanılmıştır. Çalışmada kullanılan yöntemlerin performansları MAE, MAPE, MSE, RMSE, R-Kare, ölçüm yöntemleri ile karşılaştırılmış, XGBoost ve SARİMAX yöntemleri ile uzun süreli tahmin sonucunda başarılı sonuçlar elde edilmiştir. XGBoost yönteminin destekleyici parametreler ile kullanılması diğer yöntemlerden daha iyi sonuçlar vermiştir.

In company management, in order to make the right decision, using historical data is a successful methodology. Today, managers can easily access historical data. Thanks to the advanced enterprise programs used in the business processes of the companies, large databases that store historical records have been created. The sales process is one of the most important processes of companies. It is possible to access sales records and use these records for forecasting. Estimating the amount of product sales in retail stores, increases profitability by ensuring the effective use of company resources. Coal is a product with a high storage cost, which is sold in tons. Coal is widely used for heating in Turkey during the winter months. In addition to the cost of storage, the coal loses weight, making sellers losses in the summer. Accurate sales forecast prevents the company from making a loss. Time series methods used in statistics are widely used in sales forecasting studies. SARIMAX and Holt-Winters methods are popular time series estimation methods, preferred in studies. FB-Prophet is a new time series forecasting method developed by Facebook. FB-Prophet is used to forecast annual, weekly and daily varying time series data. Machine learning algorithms are also used in sales forecasting studies. The XGBoost algorithm is a new algorithm that is preferred in recent machine learning competitions and gives successful results. The XGBoost algorithm is also used in forecasting studies. The aim of this thesis is to find the ideal method in order to estimate coal sales made from 21 cooperatives affiliated to Sakarya Regional Association of Turkish Agricultural Credit Cooperatives. In this paper, yearly and biennial sales amount of coal are estimated in tons using total sales values between 2014-2022. SARIMAX, Holt-Winters, FB-Prophet time series methods and XGBoost machine learning algorithm are used as estimation methods. The estimation performances of the methods used in the study were compared with MA, MAPE, MSE, RMSE, R-Square performance measurement methods. Successful results have been obtained as a result of long-term prediction with XGBoost and SARIMAX methods. Using the XGBoost method with supporting parameters gave better results than other methods.