Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: Sinem BATMACA
Danışman: Sinem Büyüksaatçı Kiriş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Perakendeciler tarafından uzun yıllardır kullanılmaya devam eden; geleneksel, statik ve kural bazlı fiyatlandırma sistemleri, dijitalleşmenin getirdiği yeniliklere ve tüketici davranışlarındaki değişikliklere uyum sağlama konusunda ne yazık ki eksik kalmaktadır. Bu nedenle günümüzde; kârlılık ve ciro artışının sağlanması ve rekabet avantajı elde etmek amacı ile, veriye dayalı dinamik fiyatlandırma karar destek sistemlerinin kullanılması kaçınılmazdır.
Bu yüksek lisans tez çalışmasında; vaka çalışmasının gerçekleştirildiği gıda perakendesi firmasında, gelir optimizasyonunu sağlamak amacı ile dinamik fiyatlandırma karar destek sistemi geliştirilmiştir. Geliştirilen karar destek sistemi; veri ön işleme, veri kazıma, talep tahmini modülü ve optimizasyon modülü olmak üzere dört aşamadan oluşmaktadır. Veri ön işleme aşamasında perakende firmasından elde edilen ham veri, veri temizleme ve özellik mühendisliği işlemlerinden geçirilerek, talep tahmini algoritmalarında kullanılabilir hale getirilmiştir. Veri kazıma işlemi ile, ele alınan ürünlere ait rakip firmaların fiyat verileri web sitelerinden çekilerek, veri setine aktarılmıştır. Talep tahmini modülünde; doğruluğu yüksek talep tahmini gerçekleştirebilmek amacı ile son teknoloji ağaç tabanlı makine öğrenmesi algoritmalarından olan dağıtık rassal orman, gradyan artırım makinesi ve ekstrem gradyan artırımlı ağaçlar algoritmaları ile modeller oluşturulmuş ve modellerin sonuçları çeşitli performans ölçütlerine göre karşılaştırılmıştır. Karşılaştırma sonuçlarına göre; en iyi performans, ekstrem gradyan artırımlı ağaçlar algoritması modeli ile elde edilmiş ve dolayısıyla talep tahmini bu algoritma ile gerçekleştirilmiştir. Optimizasyon modülünde ise; kârı maksimize etmek amacı ile, parçacık sürü optimizasyonu ve genelleştirilmiş tavlama benzetimi olmak üzere iki farklı metasezgisel algoritma kullanılarak ve bir önceki modülde hesaplanan en iyi talep tahmin değerleri dikkate alınarak optimizasyon modelleri kurulmuş ve modellerin sonuçları karşılaştırılmıştır. En iyi performansın elde edildiği genelleştirilmiş tavlama benzetimi algoritması modeli ile perakende firması için toplam kâr ve her bir ürün için optimum fiyat verileri elde edilmiştir.
Önerilen dinamik fiyatlandırma karar destek sistemi Türkçe literatürde ilktir ve bu yönüyle önem taşımaktadır. Her ne kadar Türkçe literatürde moda endüstrisine ait indirim optimizasyonu çalışmalarında talep tahmini ve optimizasyondan oluşan karar yapıları mevcut olsa da, dinamik fiyatlandırma konusunda Türkçe literatürde bu içerikte bir çalışmaya rastlanmamıştır. Uluslararası literatürde ise sadece García-Calderón Chávez (2017)’in çalışmasında bir bira firması için dinamik fiyatlandırma aracı geliştirilmiş, ürün portföyü için fiyatın bir fonksiyonu olarak talep öğrenme algoritması ile kârı maksimize etmek amacıyla ürünler için en uygun fiyatlar belirlenmiştir. Ancak bu tez çalışmasında; daha kapsamlı bir karar destek sistemi önerilerek, UiPath ile veri kazıma işlemi gerçekleştirilmiş ve rakip perakende firmalarının fiyat verileri de karar destek sistemine dahil edilmiştir. Ayrıca yine bu çalışmada, farklı tahminleme ve optimizasyon algoritmaları sistem içinde çalıştırılmıştır.
Tüm bu yönleri ile tez çalışmasının hem akademik hem de sektörel anlamda katkı sağlayacağı düşünülmektedir.