Geri Dön

Retail sales analysis and forecasting in texstile industry

Tekstil sektöründe perakende satış analizi ve tahminlemesi

  1. Tez No: 849060
  2. Yazar: HÜSEYİN YILDIRIM
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Veri Analitiği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 37

Özet

Bu tez, makine öğrenimi yöntemlerini kullanarak perakende alanındaki satış tahminlerini ele almaktadır. Günümüzde perakende sektörü hızla değişen ve katlanarak büyüyen bir alan olarak karşımıza çıkmaktadır. Bu nedenle satış tahminlerinde doğru ve güvenilir öngörülerin elde edilmesi, işletmelerin rekabet üstünlüğünü sürdürebilmeleri açısından kritik öneme sahiptir. Makine öğrenimi, satış tahmini gibi karmaşık sorunları çözmek için veri analizi ve model tanıma yeteneklerine sahip etkili bir araç olarak kabul edilmektedir. Bu çalışma, perakende sektöründeki satış tahmini sorununu ele almayı ve bu sorunun çözümü için makine öğrenmesi yöntemlerinden nasıl yararlanılabileceğini araştırmayı amaçlamaktadır. Öncelikle literatürdeki mevcut satış tahmin yöntemleri ve makine öğrenmesi algoritmaları incelenmektedir. Daha sonra satış tahmininde çeşitli makine öğrenmesi algoritmalarının (LGBM, LSTM, XGBoost gibi) etkinliği ve performansı karşılaştırılmıştır. Bu tez, gerçek dünyadaki veri kümeleri üzerinde yürütülen deneysel çalışmalarla desteklenmektedir. Veri setleri tekstil perakende sektöründeki satış verilerini kapsıyor ve belirli bir zaman diliminde elde edilen verileri içeriyor. Bu veri setleri üzerinde yapılan analizler, makine öğrenmesi algoritmalarının satış tahmininde geleneksel yöntemlere göre nasıl bir avantaj sağlayabileceğini ortaya koyuyor. Sonuçlar, makine öğrenimi algoritmalarının perakende sektöründe satış tahmini için etkili ve doğru bir araç oluşturduğunu göstermektedir. Bu tez, özel olarak seçilen LightGBM yöntemine ilişkin değerli bilgiler sağlar ve işletmelerin talep yönetimi, envanter optimizasyonu ve stok planlaması gibi stratejik kararları geliştirmelerine yardımcı olabilir.

Özet (Çeviri)

This thesis addresses sales forecasting in the retail domain using machine learning methods. Nowadays, the retail sector emerges as a rapidly changing and exponentially growing field. Therefore, obtaining accurate and reliable predictions in sales forecasting holds critical importance for businesses to sustain their competitive advantage. Machine learning is recognized as an effective tool with data analysis and pattern recognition capabilities to address complex problems like sales forecasting. This study aims to tackle the sales forecasting problem in the retail sector and investigate how machine learning methods can be utilized to solve this issue. Firstly, an exploration of the existing sales forecasting methods in the literature and machine learning algorithms is conducted. Subsequently, the effectiveness and performance of various machine learning algorithms (such as LGBM, LSTM, XGBoost) in sales forecasting are compared. This thesis is supported by experimental studies conducted on real-world datasets. The datasets encompass sales data from the textile retail sector and comprise data obtained over a specific time frame. Analyses conducted on these datasets reveal how machine learning algorithms can offer an advantage in sales forecasting compared to traditional methods. The results demonstrate that machine learning algorithms constitute an effective and accurate tool for sales forecasting in the retail sector. This thesis provides valuable insights into the LightGBM method specifically chosen and can aid businesses in enhancing strategic decisions, such as demand management, inventory optimization, and stock planning.

Benzer Tezler

  1. Sales forecasting in fashion retail industry with classical and machine learning methods

    Moda perakendesi sektöründe klasik ve makine öğrenmesi metodları ile satış tahmini

    HANİFE IŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Ekonomiİstanbul Teknik Üniversitesi

    Ekonomi Ana Bilim Dalı

    DOÇ. DR. TOLGA YURET

  2. Proposal for a forecasting methodology to predict commercial real estate values in Istanbul using social big data

    Sosyal büyük veri kullanımı ile İstanbul'daki ticari gayrimenkul değerlerini tahmin etmek için bir kestirim yöntemi önerisi

    MARAL TAŞCILAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Ekonometriİstanbul Teknik Üniversitesi

    Gayrimenkul Geliştirme Ana Bilim Dalı

    DOÇ. KEREM YAVUZ ARSLANLI

  3. Enriching predictive models using graph embeddings

    Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi

    YAREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  4. Perakende sektöründe veri madenciliği teknikleri ile satış tahmini

    Sales forecasting in the retail sector with data mining techniques

    PELİN DİNÇOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN AYGÜN

  5. Multi-product, multi-stage production planning model and decision support system suggestion for F&B industry

    Yiyecek içecek sektörü için çok ürünlü, çok aşamalı üretim planlamasına yönelik model ve karar destek sistemi önerisi

    GÜZİN TİRKEŞ

    Doktora

    İngilizce

    İngilizce

    2016

    Endüstri ve Endüstri MühendisliğiAtılım Üniversitesi

    Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı

    PROF. DR. NEŞE ÇELEBİ

    DOÇ. DR. MURAT KOYUNCU