Data-driven modelling of cost advantage strategies enhancing operational efficiency in the retail sector
Perakende sektöründe operasyonel verimliliği arttıran maliyet avantajı stratejilerinin veri temelli modellenmesi
- Tez No: 944635
- Danışmanlar: PROF. DR. SEZİ ÇEVİK ONAR
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 134
Özet
Bu tez, perakende sektöründe veri tabanlı maliyet avantajı modellerinin geliştirilmesi ve uygulanmasını, hem fiziksel hem de internet üzerinden perakende ortamlarını kapsayacak şekilde incelemektedir. Perakende sektörü içerisinde bulundurduğu alt sektörler ile birlikte ekonominin en dinamik ve hızla dönüşen alanlarından biridir. Son yıllarda bu sektör yapısal olarak üç temel alt sektör grubuna ayrılmaktadır: fiziksel/yerinde (offline) perakende, internet üzerinden (online) perakende ve ikisinin de aynı anda kullanabildiği hibrit perakende modelleri. Dijital dönüşümün hızlanmasıyla birlikte, perakende sektöründe üretilen veri miktarı ve çeşitliliği önemli ölçüde artmış, bu verilerin analizi ve stratejik kararlarda kullanımı rekabet avantajı elde etmenin en önemli unsurlarından biri haline gelmiştir. Günümüzde veri tabanlı modeller oluşturulurken karşılaşılan en önemli problemlerden bazıları, modelin kurulacağı doğru problemin seçilememesi, seçilen probleme uygun verilerin belirlenmesi ve toplanamaması, verilerin doğru metodolojilerle analiz edilememesi ve nihai olarak kurulan modelin doğru ürünleştirecek senaryoya dönüştürülememesidir. Bu zorluklar, veri tabanlı modellerin potansiyel faydalarının tam olarak realize edilememesine ve yapılan yatırımların beklenen getiriyi sağlayamamasına neden olmaktadır. Bu araştırma, makine öğrenmesi algoritmaları ile bulanık karar verme tekniklerini birleştiren entegre bir yaklaşım önererek, perakende operasyonlarını optimize etmek ve maliyet verimliliğini artırmak amacıyla literatürdeki önemli bir boşluğu doldurmaktadır. Çalışma, birbiriyle bağlantılı üç araştırma alanından oluşmaktadır. İlk alan, yeni bir hibrit bulanık tahmin yöntemi aracılığıyla AVM ziyaretçi sayılarının tahmin edilmesine odaklanmaktadır. Bu yaklaşım, hava koşulları, finansal piyasa verileri ve internet trendleri gibi çevresel faktörlerin ziyaretçi desenleri üzerindeki etkisini analiz etmek için makine öğrenmesi algoritmalarını bulanık çok kriterli karar verme teknikleriyle entegre etmektedir. Perakende sektöründe lokasyon analizi ve müşteri talebi tahmini alanındaki literatür taraması, makine öğrenmesi yöntemlerinin yanında çok kriterli karar verme tekniklerinin birlikte kullanıldığı hibrit yaklaşımların sınırlı olduğunu göstermektedir. Özellikle AVM'lerin ziyaretçi sayılarının tahmin edilmesinde bu tür hibrit yaklaşımlar neredeyse hiç uygulanmamıştır. Geliştirilen hibrit bulanık tahmin yöntemi, makine öğrenmesi algoritmaları ile bulanık çok kriterli karar verme tekniklerinin entegrasyonuna dayanmaktadır. Bu entegrasyon, tahmin modellerinde kullanılacak özelliklerin (features) bulanık çok kriterli karar verme teknikleri ile belirlenmesi ve bu özelliklerin makine öğrenmesi algoritmaları ile ağırlıklandırılması şeklinde gerçekleştirilmiştir. İstanbul'un Anadolu yakasındaki üç AVM'den elde edilen veriler modelin doğrulanması için kullanılmış, yüksek tahmin doğruluğu ve genellenebilirliği gösterilmiştir. Veri seti olarak, Haziran 2018 - Ocak 2019 dönemine ait günlük veriler kullanılmıştır. Bu veriler, büyük ölçekli bir teknoloji ve telekomünikasyon hizmetleri sağlayıcısının baz istasyonlarından elde edilen sinyal verileri, hava durumu verileri, finansal piyasa verileri ve internet trend verileri gibi çeşitli veri kaynaklarını içermektedir. Çalışma sonucunda, geliştirilen hibrit bulanık tahmin yönteminin AVM ziyaretçi sayılarını yüksek doğrulukla tahmin edebildiği gösterilmiştir. Bu model, AVM yöneticilerine hava durumu, finansal piyasalar ve internet trendleri gibi çevresel faktörlerin ziyaretçi sayıları üzerindeki etkisini anlama ve bu faktörlere dayalı tahminler yapma yeteneği sunmaktadır. Bu tahminler, personel planlaması, enerji tüketimi yönetimi, güvenlik hizmetleri, temizlik ve bakım hizmetleri gibi operasyonel alanlarda daha etkin kaynak tahsisi yapılmasına olanak sağlamaktadır. Önerilen metodoloji diğer perakende lokasyonlarına da uygulanabilir niteliktedir. İkinci araştırma alanı, makine öğrenmesi ile Küresel Bulanık TOPSIS metodolojisini birleştiren hibrit bir yaklaşım geliştirerek internet üzerinden perakendede teslimat optimizasyonunu ele almaktadır. Online perakende sektörü, hem operasyonel maliyetleri hem de müşteri memnuniyetini etkileyen kritik bir bileşen olan son kilometre teslimat optimizasyonunda önemli zorluklarla karşı karşıyadır. Bu yenilikçi entegrasyon, makine öğrenmesi modellerinden elde edilen SHAP (Shapley Additive exPlanations) değerlerini Küresel Bulanık Kümelere dönüştürerek, belirsizlik altında daha etkili karar vermeyi mümkün kılmaktadır. Çalışmada, online perakende teslimat verilerini kullanarak siparişlerin başarılı teslimat olasılığını tahmin eden bir Stokastik Gradyan Artırma modeli geliştirilmiştir. SHAP analizi sonucunda, teslimat başarısını etkileyen en önemli faktörlerin paket sayısı, kurye taşıma süresi, sipariş hazırlama süresi ve işlem tutarı olduğu belirlenmiştir. Bu faktörlerin önem dereceleri, küresel bulanık kümelere dönüştürülerek, aylık teslimat planlaması için iki farklı senaryo değerlendirilmiştir: verimlilik odaklı çoklu paket teslimat stratejisi ve müşteri memnuniyeti odaklı anlık teslimat stratejisi. Küresel Bulanık TOPSIS yöntemi kullanılarak yapılan analiz sonucunda, belirli bir ay için çoklu paket teslimat stratejisinin daha uygun olduğu belirlenmiştir. Bu bulgu, online perakendecilere, teslimat stratejilerini çevresel faktörlere, müşteri tercihlerine ve operasyonel kısıtlamalara göre optimize etmeleri için değerli bir çerçeve sunmaktadır. Karar modeli, teslimat maliyetlerini azaltırken, müşteri memnuniyetini artırmayı ve çevresel sürdürülebilirliği sağlamayı hedeflemektedir. Üçüncü araştırma alanı, işlem maliyeti ekonomisi perspektifiyle ürün geliştirme süreçlerindeki kaynak tahsisi kararlarını incelemektedir. İşlem maliyeti teorisi, Coase (1937) tarafından öncülük edilen ve daha sonra Williamson (1975, 1981) tarafından geliştirilen, organizasyonların ne zaman faaliyetleri dahili olarak gerçekleştirmesi ve ne zaman harici olarak sözleşme yapması gerektiğini anlamak için bir çerçeve sağlar. Bu teori üç temel boyut belirler: belirsizlik, varlık özgüllüğü ve sipariş sıklığı. İşlem maliyeti ekonomisi, dış kaynak kullanım maliyetleri ile iç üretim maliyetleri arasındaki fark olarak tanımlanır. Bulanık Analitik Hiyerarşi Süreci'ni işlem maliyeti teorisine uygulayarak, çalışma iç ve dış kaynak tahsisi kararlarını etkileyen maliyet faktörlerini belirlemekte ve önceliklendirmektedir. Bu araştırma, teknoloji şirketlerinin ürün veya proje geliştirme sırasında optimal kaynak tahsisi stratejisini (iç veya dış) belirlemelerine yardımcı olacak bir karar verme yöntemi geliştirerek literatürdeki önemli bir boşluğu ele almaktadır. Yenilikçi katkı, çeşitli maliyet faktörlerinin işlem maliyetleri üzerindeki etkisini sayısallaştıran, şirketlerin kaynak tahsisi hakkında daha bilinçli stratejik kararlar almalarına olanak tanıyan çok kriterli bulanık bir karar verme çerçevesinin oluşturulmasıdır. Çalışma, dijital ürün lansmanlarında deneyime sahip büyük ölçekli teknoloji şirketlerindeki ürün yöneticilerinden uzman girişi içeren kapsamlı bir metodoloji kullanmıştır. Bu süreç boyunca, hem iç üretim hem de dış kaynak kullanım senaryolarında ortaya çıkan tüm maliyetler belirlendi, kategorize edildi ve Bulanık Analitik Hiyerarşi Süreci (FAHP) kullanılarak önceliklendirildi. Bulgular, altyapı ve geliştirme maliyetleri (%44) ile belirsizlik ve zaman maliyetlerinin (%31) bu kararları etkileyen en önemli faktörler olduğunu ortaya koymaktadır. Bu iki faktörü, süreç ve onay maliyetleri (%12), insan kaynakları maliyetleri (%9) ve destek faaliyetleri maliyetleri (%4) takip etmektedir. Bu bulgular, teknoloji şirketlerine ürün geliştirme süreçlerinde iç kaynak veya dış kaynak kullanımı kararını vermek için sistematik bir çerçeve sunmaktadır. Şirketler, belirli bir projede hangi maliyet faktörlerinin daha önemli olduğunu değerlendirerek, daha bilinçli ve maliyet-etkin kararlar alabilirler. Örneğin, belirsizlik ve zaman maliyetlerinin yüksek olduğu projelerde iç kaynak kullanımı daha uygun olabilirken, altyapı ve geliştirme maliyetlerinin yüksek olduğu projeler için dış kaynak kullanımı daha avantajlı olabilir. Bu üç çalışmanın ortak özelliği, veri analitiği ile bulanık mantık yaklaşımlarını entegre eden hibrit metodolojiler geliştirmeleri ve bu metodolojileri gerçek sektör verilerine uygulamalarıdır. Bu entegrasyon, hem tahmin doğruluğunu hem de karar verme süreçlerinin etkinliğini artırmakta, perakende sektöründe maliyet avantajı sağlama potansiyeli sunmaktadır. Tez, makine öğrenmesi ile bulanık karar verme tekniklerinin metodolojik entegrasyonunu ilerletme, işlem maliyeti teorisini ürün geliştirme karar verme sürecine genişletme ve perakende karar süreçlerinde belirsizlik modellemesine yeni bir yaklaşım getirme yoluyla hem teoriye hem de uygulamaya katkıda bulunmaktadır. Önerilen çerçeveler, perakendecilere giderek karmaşıklaşan pazar ortamında operasyonları optimize etmek, maliyetleri azaltmak ve rekabet gücünü artırmak için pratik araçlar sunmaktadır. Bu çalışmanın sonuçları, perakende sektöründe veri analitiğinin potansiyelini tam olarak realize etmek ve dijital dönüşüm sürecinde rekabet avantajı elde etmek için değerli içgörüler ve araçlar sağlamaktadır.
Özet (Çeviri)
This thesis explores developing and implementing data-based cost advantage models in the retail sector, covering both physical and online retail environments. The research addresses a significant gap in the literature by proposing an integrated approach that combines machine learning algorithms with fuzzy decision-making techniques to optimize retail operations and enhance cost efficiency. The study consists of three interconnected research areas. The first focuses on predicting shopping mall visitor numbers through a novel hybrid fuzzy prediction method. This approach integrates machine learning algorithms with fuzzy multi-criteria decision-making techniques to analyze the impact of environmental factors such as weather conditions, financial market data, and internet trends on visitor patterns. Data from three shopping malls on the Anatolian side of Istanbul validated the model, demonstrating its high prediction accuracy and generalizability. The second research area examines resource allocation decisions in product development processes through the lens of transaction cost economics. The study identifies and prioritizes cost factors that influence internal versus external resource allocation decisions by applying the Fuzzy Analytic Hierarchy Process to transaction cost theory. The findings reveal that infrastructure and development costs (44%) and uncertainty and time costs (31%) are the most significant factors affecting these decisions. The third area addresses delivery optimization in online retail by developing a hybrid approach that combines machine learning with Spherical Fuzzy TOPSIS methodology. This innovative integration transforms SHAP (Shapley Additive exPlanations) values from machine learning models into Spherical Fuzzy Sets, enabling more effective decision-making under uncertainty. The approach was applied to evaluate different delivery strategies (multi-package versus immediate delivery), providing online retailers with a framework to balance operational efficiency and customer satisfaction. The thesis contributes to both theory and practice by advancing the methodological integration of machine learning with fuzzy decision-making techniques, extending transaction cost theory to product development decision-making, and introducing a novel approach to modeling uncertainty in retail decision processes. The proposed frameworks offer retailers practical tools to optimize operations, reduce costs, and enhance competitiveness in an increasingly complex market environment.
Benzer Tezler
- ERP sistemine entegre tüketime dayalı stok kontrol parametrelerinin belirlenmesi
Determination of consumption-based inventory control parameters integrated in the ERP system
NEVA EMEL İŞLER
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN GÜNDOĞAR
- Contributions to the determination of optimized driving strategies for electric vehicles using artificial intelligence based methods
Elektrikli araçlar için yapay zeka tabanlı yöntemlerle en uygunlaştırılmış sürüş stratejilerinin belirlenmesine katkılar
UFUK BOLAT
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA AHMET KOCABAŞ
DOÇ. DR. GÜLCİHAN ÖZDEMİR
- Köpük enjeksiyon prosesinde gri Taguchi ve yapay sinir ağları yöntemleri ile parametre optimizasyonu
Parameter optimization in foam injection process using grey Taguchi and artificial neural network methods
NİLAY ERKAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- Üç boyutlu nokta bulutları ile üretilen kent modelinin kentsel dönüşüm ile entegrasyonu: Zeytinburnu ilçesi örneği
Integration of city model produced with three-dimensional point clouds with urban transformation: Zeytinburnu district example
MERVE ALTIN ÇETİNKAYA
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. MUSTAFA YANALAK
- Bir robotik manipülatörün eklem ve kartezyen esaslı öngörülü kontrolu
Joint and cartesian based predictive control of a robotic manipulator
RECEP KAZAN