Proje İçeriği

Bu proje, otomotiv perakendeciliğinde ikinci el araç satışının hangi satış noktalarında yapılacağına dair elde edilen veriler aracılıyla, makine öğrenmesi yöntemleriyle oluşturulan karar destek sistemi üzerine araştırmalar sunmaktadır. Mevcut durumda 2.el araçlar, ikinci el satış şubelerinin geçmiş satış hızları ve şubelerdeki araçların anlık bulunurluğu kontrol edilerek operasyon birimi tarafından manuel olarak dağıtılmaktadır. Bu nedenle operasyon birimi her gün 3 farklı birimden gelen araçların satış noktalarında dağıtırkan büyük bir iş yüküne sahiptir. Analitik tabanlı bir model ile bu dağılımın optimize edilmesi amaçlanmaktadır. Model, harcanan işgücünü azaltmak ve daha etkin kullanmak için geçmişte satılan araç ve şubelerin çok yönlü değişkenlerini dikkate almaktadır. Amaç, hangi ikinci el aracın hangi satış noktasında en karlı ve en kısa sürede satılabileceğini tahmin etmektir. Araçlar, uzun ve kısa dönem araç kiralama ofislerinden filolardan alınarak ikinci el araç satış birimine aktarılır. Ayrıca satın alma birimi tarafında alınan dış satın alma olarak adlandırılan araçlar ikinci el satış birimine aktarılır. Doğru araçların doğru satış noktalarında satışa sunulmaması durumunda stoktaki araçların bekleme süreleri artar. Aracın en hızlı satışın gerçekleşeceği satış noktasına teslimi için çok değişkenli sürekli makine öğrenmesi algoritmaları ile stoktaki gün sayısı tahmin edilir. Mümkün olan en kısa stok günü sayısına sahip araçların satışının yanı sıra, fiyatlandırma birimlerinin her araç için belirlenen taban fiyatın mümkün olduğunca üzerinde satılması hedeflenmektedir. Bu çalışmada, geliştirilen makine öğrenmesi algoritmasının tahminleri, satış ofisinin araç kullanılabilirliği ve karlılığı dikkate alınarak optimizasyon algoritmasına girdi sağlamaktadır. Bu modelin geliştirilmesinde aşağıdaki veriler kullanılmıştır: (i) Otokoç firmasının önceki kullanılmış araç satış verileri, (ii) Türkiye ikinci el araç satış pazarı verilerini sağlayan otomotivanaliz.com verileri ("Otomotiv Analiz" n.d.), ve (iii) TUIK verileri (“TÜİK Coğrafi İstatistik Portalı,” n.d.) kullanılmıştır. Toplanan bu veriler, her bir benzersiz araç numarası için o araç marka, model ve tipine göre şube ve şehirlerin özelliklerini yansıtacak şekilde tablo formatında birleştirilmiştir. Bir satış noktasında bir aracın stokta kaldıktan sonra kaç günde satılacağını tahmin etmek için makine öğrenmesi tabanlı modeller geliştirilmiştir. Makine öğrenimi modelinin çıktıları ve ilgili araç tipinin şubelerdeki kullanılabilirliği dikkate alınarak hangi aracın hangi branşta daha hızlı ve daha karlı satılacağını hesaplayan bir optimizasyon modeli geliştirilmiştir. Bu optimizasyon modeli geliştirildikten sonra hem operasyon birimlerinin iş gücü azaltılmış hem de kullanılmış araçlar doğrudan hızlı ve karlı satılacağı lokasyonlara gönderilmiştir

Projenin Amacı

Manuel olan ve uçtan uca ölçülemeyen süreçler otomatize edildi. İnsan ile yapılan ve uzun vakit alan bir iş artık makine öğrenmesi ve yapay zeka kullanılarak artık robot tarafından ve daha etkin şekilde yapılıyor. Rakamsal Olarak Stok Gün Sayısını Makine Öğrenmesi Algoritmaları ile Belli Bir Oranda Düşürüldü.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Stok gün sayısında %2,22 iyileşme 3.400.000 TL/Yıl finansal kazanç Ayda 11 adamxgün verimlilik

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Manuel olarak yapılan bir işin yapay zeka temelli, insanların hesaplamasının mümkün olmayacağı parametreleri de dikkate alarak sonuç vermesi, Kiralama süreçlerinin kısaltarak müşteri memnuniyetini yükseltme, Süreçlerin dijitalleşmesi, Çevik Yönetim ve Yalın 6 Sigma Yaklaşımı, Veri Odaklı Karar Destek Mekanizmaları, Makine Öğrenmesi (CatBoost) ve Optimizasyon Algoritmalarının Sentezlenmesi

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Evet, üst yönetimin desteğini tam olarak aldık. Proje Agile olarak ilerletildiği için her bir çıktı üst yönetim ile paylaşıldı ve yönlendirmeleri ile daha katmadeğerli bir ürün ortaya çıktı

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

2.El araç satış operasyonuna Mali İşler Finans

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

10 kişi görev almıştır.

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Tamamen iç kaynaklar ile yapılmıştır

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

Azure Data Factory, Azure Machine Learning Service, Azure Logic Apps, Azure Storage Account, Python, MS PowerApps, MS SQL Server, MS Power Automate