lcwaikiki – Sabri Suyunu

LC Waikiki Datathon 2019

Bu yazı 13.03.2019 tarihinde perakendeanalitigi.com adresinde yayınlanmıştır. Perakende Analitiği websitesi farklı bir misyonla yoluna devam edeceği için bu yazının burada tekrar hayat bulacağını umut ediyorum. Crawlers ekibinin bir üyesi olarak kaleme aldığım bu yazıyı keyifle okumanız dileğiyle.

8–11 Mart 2019 tarihleri arasında, Türkiye’de ilk defa bir perakende firması, kendi verisini kullanarak Datathon gerçekleştirdi. Cuma günü saat 15:00’da başlayan bu maraton, Pazar günü ödüllerin verilmesi ile son buldu. Perakende Analitiği ekibi olarak bizi yakından ilgilendiren bu zorlu, keyifli ve bir o kadar da öğretici olan Datathon hakkında, kısa bir yazıyı kaleme almak istedik.

Bu yazıda,

Datathon nedir?
LC Waikiki Datathon Süreci
Program Hakkında Bilgi
Jüri ve Danışmanlar
Problemler hakkında bilgi
Birinciliği kazanan Crawlers Takımı ile kısa bir röportaj 🙂

Kısaca LC Waikiki firmasını tanıyalım.

George Amouyal, 1988 yılında bir uçak yolculuğu yaparken, önünde bulunan koltuğun cebinde bulunan dergiyi incelerken gördüğü Waikiki Adası’ndan çok etkilenmişti. Waikiki Adası’nda herkes çok mutluydu. Kurmak üzere olduğu şirkete harika bir isim bulmuştu. 1988 yılında başlay… (LC Waikiki’nin hikayesini tabi ki bu şekilde anlatmayacağız. Eğer bu hikayenin devamını merak ediyorsanız, yorum bırakabilirsiniz. Ben de size bu hikayenin tamamını anlatırım)

Kurumsal bilgiye gelecek olursak:

LC Waikiki, 1988 yılında Fransa’da çıktığı marka yolculuğuna, 1997 yılından beri LC Waikiki Mağazacılık Hizmetleri Ticaret A.Ş. çatısı altında Türk markası olarak devam etmektedir. “İyi giyinmek herkesin hakkı” felsefesi ile bugün 45 ülkede 922 mağazada uygun fiyata kaliteli ürünler sunarak müşterilerine ulaşılabilir modanın keyfini yaşatmaktadır. LC Waikiki, 2009 yılında ilk adımını Romanya’da atarak başladığı yurt dışı yatırımları ile “2023 yılına kadar Avrupa’nın en başarılı üç moda perakendecisinden biri olmayı’’ hedeflemektedir.

45 ülkede 922 mağazada hizmet sunan LC Waikiki, genel merkezinde bu organizasyona ev sahipliği yaptı.

Öncelikle Datathon nedir ve Datathon ile Hackathon arasındaki fark nedir ondan bahsedelim.

Wikipedia’daki tanıma göre, “A Hackathon is a design sprint-like event in which computer programmers and others involved in software development, including graphic designers, interface designers, project managers, and others, often including domain experts, collaborate intensively on software projects.”

“Hackathon; bilgisayar programcılarının ve yazılım geliştirme sürecinde olan grafik tasarımcıları, ara yüz tasarımcıları, proje yöneticileri ve alanında uzman kişilerin dahil olduğu, genellikle bir yazılım projesi üzerinde çalışılan etkinliktir.”

Datathon ise, Hackathon’da yapılan çalışmaların merkezinde veri olan versiyonudur. Bir yazılım projesi geliştirmek yerine, sunulan bir veri setinin amaca uygun olarak çözümlenmesi veya hedef değerlere en yakın sonuca ulaşmayı hedeflemektedir.

Şimdi kısaca bu etkinlik hakkında bilgi verelim.

Moda Perakendesinin öncü firması, bir Datathon düzenlerde katılım az olur mu? Tabi ki olmaz. 400 kişi başvurmuş.

Bu kadar çok başvuru olunca, bir ön eleme yapılmasına karar verilmiş. Etkinlikten 1 hafta önce, katılımcılara ufak bir problem yollandı. E-Ticaret müşterilerinin sitede kalma süreleri, açtıkları sayfalar, session sayıları, bounce rateleri, vs. gibi değerler ile alışveriş yapıp yapmadıkları verilmişti. Ekiplerden, bu verileri kullanılarak bir model kurmaları isteniyordu. Belirlenen zamanda bu modeli yollayanlar arasından, Datathon’a katılacak ekipler belirlendi.

Gelelim ana etkinliğimize.

Etkinlik ilk duyurusu yapıldığında 2 ana kategori verilmişti. Birincisi “Satışı Keşfet”, İkincisi ise “E-Ticareti Keşfet”. Bu iki kategoriyi görünce, dışarıdan biri olarak içeriği merak ettik. Acaba detayda ne sorulacak. Daha doğrusu bu iki güne sığdırılacak bir problem ne olacak diye. Ardından, etkinlik yaklaştıkça detaylar su yüzüne çıkmaya başladı. Ekiplerin 3 problemden birini seçmesi istendi.

Satış Tahmini
Churn Tahmini
Görüntü İşleme

Etkinlik başladığı ilk gün, şirket yetkilileri sahneye çıkarak, problemleri ve bu problemlerin çözümünden ne beklediklerini anlattılar. Sunumların sonunda, konularını seçen ekiplere veri setleri ve bu veri setlerinin açıklamaları verildi. Normalde Hackathonlarda, etkinlik boyunca aynı mekanda kalınır ve kimse eve gitmeden gece gündüz çalışılır. Hatta, uyku tulumlarında, belirlenen koltuk alanlarında uyunur. Fakat LC Waikiki’nin düzenlediği bu etkinlik, sadece gündüzleri yapıldı. Sabah ve akşamları katılımcılar servislerle ulaşımlarını sağladılar. Bunun tam olarak nedenini bilmesek de, katılımcı sayısının çok fazla olması, iş güvenliği, bilgi güvenliği (ISO 27001), sağlık vs. gibi nedenlerden biri olduğunu düşünüyoruz. Zaten yarışmayı kazanmak isteyen ekiplerin, eve gittiklerinde sabahlayıp yarışmayı kazanmak için ellerinden geleni yaptıklarını tahmin ediyoruz.

Problemlerin detaylarına geçmeden önce Ödülün ne olduğunu hatırlayalım. Birinciye tam 15.000TL, İkinciye 10.000TL, üçüncüye ise 5.000TL ödül verildi. Diğer etkinliklerle kıyaslandığında ödülün iyi olduğunu söyleyebiliriz.

Yazıyı buraya kadar okuduysanız, bu etkinlik hakkında övgüyle bahsettiğimizi anlamışsınızdır (biraz fazla mı övüyoruz). Bunun bir nedeni de, Jüri ve Danışmanların kalitesi. Hepsi birbirinden değerli ve sektörün önde gelen “iş insanları”. Jüri, Şampiyonlar Ligi gibi. Perakende denince akla gelen herkes orada. Jüride bulunan 4 kişiyi yakinen tanıyorum ve diğer kişileri de uzun zamandır takip ediyorum ve hepsi örnek aldığım kişiler.

Danışmanlar, her biri alanında uzman kişiler. Öğretim Üyeleri, farklı sektördeki profesyoneller, bu alana hayatını adamış eğitmenler, yazarlar ve tabi ki LC Waikiki çalışanları (Kalp).

Bu listede ismi olmayan fakat, katılımcılarla ayrı ayrı ilgilenen, Amazon (AWS), Google (Cloud) ve Microsoft (Azure) yetkililerine de buradan bir selam çakmamız lazım. Etkinliğin en başından sonuna kadar, ekiplerle ilgilenip destek verdiler.

Şimdi gelin, kısaca problemlerden bahsedelim.

Satış Tahmini

Satış Tahmini probleminden bahsetmeden önce Ürün Hiyerarşisi nedir onu kısaca anlatalım.

Bir perakende şirketinde, şirketi daha verimli yönetmek ve metrikleri doğru takip etmek için ürün, lokasyon, zaman hiyerarşilerine ihtiyaç duyulur. Bunun bir nedeni de, şirketteki personellerin konumlandırmasını doğru yapmaktır. Ürün hiyerarşisinde hem markalara hem cinsiyetlere hem de satın alma yapılan ürün cinsine göre şekillenmektedir.

LC Waikiki bu problemde, Mağaza-Gün-Class seviyesinde (Neee?) tahmin yapılmasını istemekteydi. Verdikleri train veri seti ile modeli geliştirip, test için hazırlanan veri setinde belirlenen metriklere göre modelin başarısı ölçülecekti.

Moda Perakendesinde tahmin üzerine uzun süre çalışmış biri olarak, problemin zor olduğunu söyleyebilirim. Zor olması aslında çok süper bir şey. Kolay bir şey olsaydı herkes çözerdi 🙂

Probleme zor dememin 2 nedeni var.

Moda Perakendesini bilmeyen kişiler için hiyerarşiyi, değişkenleri, teknik terimleri yani veriyi anlamak çok kolay değil
Veri çok büyük 🙂 Ekipler, model kurup train etmeye başlayınca bunu çok iyi anlamışlardır.

Churn Tahmini

Churn analizi ya da Tahminin de amaç, sizi terk edecek müşterilerin tespit edilmesidir. Eğer bu müşterileri öncede tespit ederseniz, onlar sizi terk etmeden önce aksiyon alıp sizden alışveriş yapmaya devam etmesini sağlayabilirsiniz.

Bu problemde de, Churn olacak müşterilerin tahmini ve Churn’e sebep olan etkenlerin ilişkilerinin ortaya çıkarılması beklenmekteydi.

Görüntü İşleme

Katılımcılara verilen ürün görsellerinden, ürünlerle ilgili özelliklerin (Cinsiyet, Renk, vs.) bulunması istenmekteydi. Bu sonuçlar gerçek verilerle karşılaştırılıp doğruluğa göre puanlanacaktı.

3 problemde birbirinden güzel ve zor. Fakat benim fikrimi soracak olursanız en zoru, Satış Tahmini problemi. Hem veri büyüklüğü, hem karmaşıklığı, hem de iş bilgisi gereksinimi nedeniyle zor olduğunu düşünüyorum. İkinci zor proje Görüntü İşleme. Verilen görüntülerin kalitesini ve boyut farklılıklarını bilmediğim için bunu söylüyorum. Eğer hepsi standart ise ve doğru kütüphanelerle çok da zor olmayabilir. Churn Tahmini ile ilgili literatürde bir çok çözüm bulunduğu için daha kolay yapılacağını düşünüyorum. Ama verinin kirli olma olasılığı ve samanlıkta iğne aramaya götüreceği için seçeceğim en son proje olurdu.

Şimdi bu yazının sürpriz kısmına gelelim. LC Waikiki Datathon’u kazanan ekip Crawlers oldu. Geçtiğimiz gün, bu harika ekiple röportaj yapma şansı buldum. Açıkçası uzun zamandır kendilerini tanıdığım için bu isteğimi kırmadılar ve sorularıma samimiyetle cevap verdiler. Gelin bu cevapları beraber okuyalım.

Crawlers ekibi üyeleri

Yavuz Selim Elmas — Borusan — Dijital Pazarlama Yöneticisi

Yasin Sancaktutan — TRT World — Veri Bilimci

Burak Suyunu — Boğaziçi Üniversitesi — Bilgisayar Mühendisliği Araştırma Görevlisi

Berk Baytar — TRT World — Yazılım Geliştirme Uzmanı

Mehmet Emin Öztürk — Afiniti — Veri Bilimci

Sabri: Kısaca Crawlers ekibini tanıtır mısınız?

Yasin: İlk ben cevap vermek istiyorum. Crawlers, birbiri ile vakit geçirmesini seven ve birlikte yaptığı her şeyden keyif alan genç bir ekip. Ben hepsi ile çalıştığım kurum dolayısıyla tanıştım, hatta üçümüz daha önce aynı ekipte bulunduk. (Ben, Mehmet Emin ve Burak)

Berk: Ekibimiz Yasin’in de belirttiği gibi aslında daha önceden beraber çalışmış kişilerden oluşuyor. Bu yüzde hepimiz birbirimizin yeteneklerini ve özelliklerini bildiğimiz için çok hızlı iş dağılımı yapabiliyoruz.

Mehmet Emin: Farklı bir deyişle, biz farklı yetkinlikleriyle birbirini tamamlayan 5 Data Sapiens’ten oluşuyor. Yavuz ekibin motivasyon kaynağı, Yasin tecrübeli bir data scientist, Berk rate limitlerin karşı koyamadığı bir crawler, Burak her konuya adapte olabilen joker bir developer ve veri bilimci, ben de kendini veri bilimi konusunda yetiştirmeye çalışan biriyim.

Burak: Biz vakti zamanında yolları TRT World’de kesişmiş, veri bilimine meraklı 5 kişiyiz. Birlikte vakit geçirmeyi seven kişiler olduğumuz için, farklı yollarda devam etsek bile görüşmeye devam ediyoruz. Her ay mutlaka bir öğlen yemeğini (lahmacun partisi) beraber yiyoruz ve sektörlerimiz hakkında konuşuyoruz.

Yavuz: Aslında bu bizim ekip olarak ilk hackathonumuz değil. Crawlers ekibi ile geçtiğimiz yıl Türk Hava Yolları Travel Hackathon’da 300 Takım arasından katilim hakki kazanan 30 takımdan birisi olduk, kendi sınıfımızda ise finale kalarak son 12 takımdan birisi olduk. Ayrıca Mercedes Benz Hackistanbul için yapılan 1000 başvuru arasından, shorlist edilen ekipler arasına girdik. Kişisel başarılardan ayrı ayrı bahsetsem tabi ki bu röportaj bitmez. Fakat Berk’in 2 adet Google Developers Challenge Ödülü , Mehmet Emin’in de geçtiğimiz yıllarda B/S/H’ın düzenlediği hackathonda birinciliği bulunuyor.

Sabri: Harika bir ekip. Açıkçası başarınızdaki en büyük etkenlerden biri sanırım birbirinizi tamamlamanız. Saf Veri Bilimciler yerine, hem data engineer, hem developer, hem veri bilimi hem de sunum ve pazarlama yeteneklerini birleştirmişsiniz. Birinciliğe şaşırmamak gerekir. Datathon’da 3 ayrı problem vardı. Satış Tahmini, E-Ticaret Churn ve Görüntü İşleme. Siz hangi problemi seçtiniz ve neden?

Yasin: Aslında başvuru esnasında Churn Analizi problemini seçmiştik. Hackathon günü Satış Tahmini projesinin hem önemi hem de problem tanımının iş sahipleri tarafından daha iyi yapılmasından dolayı konu değişikliğine gittik. LC Waikiki gibi senede yüz milyonlarca ürün satan bir perakende şirketinin süreçlerine ufak bir etkimizin bile onlar için çok şey ifade edeceğini düşündük. Ayrıca Satış Tahmini, görünürde çözülmesi en zor problem olduğu için burada yapacağımız iyi bir modelin bizi sadece bu kategoride değil, tüm yarışmada birinci yapacağını fark ettik. Bu sebeplerden dolayı konumuzu bu şekilde belirledik.

Burak: Bu problemi seçmemizin temel olarak iki sebebi vardı aslında. İlk olarak verinin kendisi ve zenginliği heyecan vericiydi. Üzerinde denenebilecek bir çok şey vardı. İkinci olarak ise satış tahmini problemi diğer problemlerden daha zor gözükse de sektör için daha değerli olduğunu düşündük.

Yavuz: LC Waikiki’nin 2017 yılı cirosu 12.2 Milyar TL, 2018 yılı rakamları açıklanmadı diye biliyorum ama hedeflerinin 16.2 Milyar TL olduğunu, bunun da yüzde 33 bandında bir büyümeye tekabül ettiğini görüyoruz. Bu ölçekte ve bu büyüme hızında LC Waikiki için en çok değer satış tahmini alanında yürütebileceğimizi düşündük, bundan dolayı satış tahmini konusunu seçtik, ve iyi ki de seçmişiz gerek LCW satış planlama ekibinin mentorlugu gerek bu alanda tecrübeli endüstri liderlerinden aldığımız öngörüleri, kurduğumuz modelle harmanlayınca çok güzel ve tatmin edici sonuçlar ortaya çıktı.

Mehmet: Ve satış tahminine odaklandık, çünkü aldığımız izlenimlere göre en zor ve aynı zamanda kıymetli problem satıştı. Churn probleminde kendimizi öne çıkaracak pek bir derinlik olmadığını düşündük. Görüntü işleme alanında da çok tecrübemiz yoktu. Bu sebeple zoru seçtik.

Berk: Bu konunun önemini anlamaya ek olarak, veri kalitesi ve derinliği olarak diğerlerinden çok daha üstündü. Hem temiz hem de büyük bir veri bulunuyordu. Bizim için gerçek bir meydan okumaydı.

Sabri: açıkçası ben de olsam, bu problemi seçerdim. Fakat Satış tahmini bu problemler arasında en zoruydu. Problem ile ilgili yaşadığınız zorlukları ve nasıl aştığınızı kısaca anlatabilir misiniz?

Yasin: Öncelikle perakende hakkında çok fazla bilgiye sahip değildik. Verideki öznitelikleri tam olarak anlamak için hem verilen doküman üzerinde kendimiz çalıştık hem de konu hakkında sektörün en iyisi olan mentorumuzdan (Adı bizde saklı 🙂 ) destek aldık. İkinci sıkıntımız ise verinin büyüklüğü ile ilgiliydi. 93 milyon satırlı bir veriyi her ne kadar elinizde bulut altyapısında çalışan çok güçlü makineler olsa bile bazı darboğaz sıkıntıları nedeniyle işlemeniz çok zorlaşıyor. Modelimiz çok yavaş çalışıyordu, iterasyon yapmamız da güçleşiyordu. Bulut sağlayıcımızın bize sağladığı neredeyse sınırsız kaynaklar sayesinde bir kaç çok güçlü makinede farklı modeller eğiterek bu problemin üstesinden geldik.

Burak: Sanırım en büyük zorluk bizim için zaman oldu. Veriyi ilk defa cuma günü Datathon’da gördüğümüzde hem verinin büyüklüğü hem de verinin zenginliği karşısında şaşırmadık desek yalan olur. Vaktimizin büyük kısmını bu veriden çıkarılabilecek ekstra özelliklere ayırdık ve veriye bir çok yeni bakış açısı getirdik. Her ne kadar ekibimiz ne yaptığını bilen insanlardan oluşsa da Yasin’in dediği gibi verinin çok büyük olması sebebiyle (Eğitim: 90M+ Test: 30M+ satır) işlemlerin yapılması uzun vakit alıyordu. Tam bu sırada Amazon’un bize sağladığı neredeyse sınırsız bulut bilişim desteği ilaç gibi geldi. Bunu tekrar tekrar söylüyoruz çünkü Amazon hızır gibi yetişti. Süre dolduğunda hala daha aklımızda modele yetiştiremediğimiz, ekleyemediğimiz özellikler kalmış olduysa da; verilen süre içerisinde en doğruya yakın özellikleri ve modelleri seçerek başarıya ulaştığımızı düşünüyorum.

Mehmet Emin: Ben biraz teknik detay vereyim. Burada teknik detay anlatmamız problem olmaz herhalde.

Sabri: Olursa kazandığınız paradan keseriz:)

Mehmet Emin: 🙂 Öncelikle büyük hacimde bir veri paylaşıldığı için 380 GB’lık belleğe 96 core işlemciye sahip makinelerde dahi sık sık bellek hatası aldık. Bu nedenle de aklımıza gelen birçok fikri uygulamakta zorlandık. Bunu aşmak için günlük seviyede tahminlerden önce veriyi haftalık seviyeye indirgeyip çok daha fazla değişken üreterek model kurma şansı bulduk. Bu şekilde aldığımız haftalık sonuçlarla günlük tahmin modelimizi besledik. Bu yaklaşım validasyon RMSE skorumuzda %20 iyileşme sağladı.

Bunun yanında günlük tahmin modelimizi daha da iyileştirmek özel günlerle alakalı çok anlamlı bir değişken ürettik. Bayramlar ve Anneler günü gibi özel günleri binary değişkenlerle temsil etmek yerine bu özel günlere kalan gün sayılarını hesapladık. Çünkü çoğunlukla özel günlerimize o gün değil öncesinde hazırlık yapıyoruz. Aldığımız geri bildirimlere göre bu değişken LC Waikiki’de şimdiye kadar hiç kullanılmamış.

Meteorolojinin satışla korelasyon içerisinde olduğunu bildiğimiz için ani hava değişimlerini hesaba katmak adına günlük sıcaklık farklarını da modelimize dahil ettik.

Ayrıca Mağaza ve Class gibi birçok sayısal görünümlü kategorik değere de ayrı ayrı odaklanarak kendi karakterlerine göre Target Encoding, Dummification, Label Encoding gibi farklı yöntemler uygulayarak modelimize ekledik.

Berk: En büyük problemimiz memory hatalarıydı bize verilen dataset büyüktü ve train etmesi çok uzun sürüyordu. Tercih ettiğimiz cloud provider Aws Cloud’du bize 500$ kredi verilmişti bir süre kadar küçük serverlar ile çalıştık son gün ise en büyüklerine geçtik ve ciddi anlamda rakiplerimize train süresinde fark attığımızı düşünüyorum.

Yavuz: Verilen datanın büyüklüğü model kuran arkadaşlarımızı özellikle zorladı, ama gerek AWS desteği gerekse sabırla 😎 bunu bir şekilde aştık diyebilirim. Teşekkürler AWS 🙂

Sabri: Son olarak eklemek istediğiniz bir şey var mı?

Berk: Bu tarz yarışmaların artması gerektiğini düşünüyorum. LC Waikiki çok iyi hazırlanmıştı ve verilen datasetler çok açıklayıcıydı. Bizden sadece probleme odaklanmamız beklenmişti. Emeği geçen herkese teşekkür ederim.

Yasin: Program her açıdan çok başarılıydı. Mentorlar bizlerle sürekli ilgilendiler, sorularımızı cevapladılar. Problemler ve veri setleri de çok ilgi çekiciydi. Ülkemizde mevcut hackathonların yanında bu şekilde veri yoğunluklu datathonların da olmasını çok isteriz. Buradan emeği geçen herkese ve sizlere de teşekkür ederiz.

Yavuz: LC Waikiki Datathon bizim için çok güzel bir tecrübeydi, düzenleyen ekibi ayrı ayrı tebrik etmek lazım. Veri konusunda uzman arkadaşlarımın aktardığına göre paylaştıkları veriler son derece temizdi. Görebildiğimiz kadarıyla sadece böyle bir etkinlik yapmak için yapılmış değildi, ben özellikle bizimle birebir ilgilenen IT’den sorumlu Genel Müdür Yardımcısı Şerafettin Özer’e çok teşekkür etmek istiyorum. Ayrıca pazar günü aksam saatinde 1.lik ödülünü LC Waikiki CEO’sundan almak da üst yönetim düzeyinde bu tarz etkinliklere ne derece önem verildiğinin ayrıca göstergesi .

Mehmet Emin: LC Waikiki’ye yeterince teşekkür edildi. Ben ekibimize teşekkür etmek istiyorum. Bu muhteşem ekibin bir parçası olarak böyle bir başarı elde ettiğimiz için çok mutluyum. Bu etkinlik aldığımız neticenin yanında önce ömür boyu unutmayacağımız güzel bir anı olarak kalacak zihinlerimizde.

Burak: LC Waikiki ve ekibe teşekkür edildiğine göre, ben de ekibimizin abisine teşekkür etmek istiyorum. Başta ne kadar ekibimiz 5 kişiden oluşuyordu dediysem de; arka planda bizi mentörlüğüyle ve bilgisiyle aydınalatan; veriyi farklı şekillerde görmemizi sağlayan Sabri Suyunu’ya (evet kendisi abim oluyor) teşekkür etmeden olmazdı 🙂

Sabri: Ben hepinize ayrı ayrı teşekkür ederim. Hepinizi tekrar tebrik ederim. Gerçekten harika insanlarsınız. Bu röportaj vesilesi ile LC Waikiki’yi de böyle güzel bir organizasyonu düzenledikleri için tebrik ediyorum. Ellerinize sağlık

Son söz olarak, gerçekten kaliteli bir etkinlikti. Özetleyecek olursak,

Kaliteli Problemler
Kaliteli Jüri ve Danışmanlar
Kaliteli altyapı sağlayıcıları ve Teknik Destek
Kaliteli mekan
CEO’sundan uzmanına kadar sahiplenilmiş bir organizasyon

Bu organizasyonun sonucunda hem LC Waikiki, hem yarışmacılar, hem de servis sağlayıcılar kazandı. Organizasyonu düzenleyen ve ekiplerle yakından ilgilenen Şerafettin Özer Bey ile Ahmet Kalafat’a ve tüm Datathon ekibine tebriklerimi iletiyorum. Perakende sektörüne ve diğer sektörlere örnek olması temennisi ile.

Datahon Websitesi: http://datathon.lcwaikiki.com/

LC Waikiki Analytics Ekibinin yayınladığı medium yazısı: https://medium.com/lcw-analytics/bir-datathonun-anatomisi-lc-waikiki-datathon-2019-a55606117bcb

Boğaziçi Üniversitesi Haberler: https://haberler.boun.edu.tr/tr/haber/verinin-sihirbazlari-datathon-da-buyuk-odulu-aldi

Boğaziçi Üniversitesi MIS Haberler: http://www.mis.boun.edu.tr/new/bolumumuz-ogrencilerinden-yavuz-selim-elmasin-takimi-lc-waikiki-datathonda-birinci-oldu

Execution – İş Yaptırabilme Disiplini

Yönetici olduktan 1 ay sonra yani 2012 yılının 11. ayında, direktörümün tavsiyesi üzerine aldığım Execution – İş Yaptırabilme Disiplini adlı kitabımda 4. Bölüme kadar geldim. Kitabın bitmesine daha çok var. Ben yinede hem kitabın tanıtımı hem de aldığım notları buradan paylaşmak istiyorum.

Execuiton, Larry Bossidy ve Ram Charan tarafından kaleme alınmış, MediaCat-Kapital Medya tarafından çıkarılmış bir kitap. Ben bu kitabı piyasada bulamadım ve nadir kitap üzerinden ikinci el olarak aldım.
Bu adreste şu anda kitabın stoğu olduğu yazıyor.

Execution Nedir?
Kitabın ilk sayfasında execution kelimesinin anlamını çok güzel bir şekilde anlatılmış.
ex-e-cu-tion (ek-si-kyü-shan), isim. 1. Bağlantı kopukluğu. 2. Şirketlerin sözlerini yerine getirememesinin temel nedeni. 3. Bir şirketin liderinin başarmak istedikleri ile organizasyonun bunu sağlama olanakları arasındaki uçurum. 4. Sadece taktikler değil ama aynı zamanda sorgulama, analiz ve takip yoluyla işleri başarma sistemi. 5. Bir şirketin stratejisinin ve hedeflerinin merkezi bir parçası ve şirketteki her liderin temel görevi. 6. Bir şirketi, çalışanlarını ve çalışma ortamını kapsamlı bir biçimde kavramayı gerektiren disiplin. 7. İşleri zamanında yapmak için her şirketteki üç temel süreç – yani insan süreci, strateji süreci ve operasyon süreci – arasında bağlantı kurma yöntemi. 8. 2002’de Larry Bossidy ve Ram Charan tarafından keşfedilip Execuiton: İş Yaptırabilme Disiplini adlı kitapta açıklanan başarı yöntemi.

Piyasada liderlerin okuması için yazılmış yüzlerce kitap var. Bunların çoğu kişisel gelişim kitapları. Execution’ı diğer kitaplardan ayıran en önemli özelliklerinden biri problemler ve çözümleri anlatırken gerçek örneklerin verilmiş olması. Bu örnekler de bilinmeyen firmalar falan değil. Xerox, Lucent, EDS, HP, GM, DELL gibi şirketler ve bu şirketlerdeki yöneticiler hakkında örnekler mevcut. Kitabın diğer bir özelliği de yazarların çok tecrübeli kişiler olması. Bugün ben liderlik hakkında bir kitap yazsam, eminim çok satan bir kitap olmaz. Hatta satıp satmayacağı konusunda bile şüphelerim var 🙂 Bu kitap New York Times Bestseller listesinde 1 numara olmuş. Peki bu kitabı neden okumaya karar verdim. 2012 yılında departmanda yönetici olacağım zaman Assessment adı verilen bir teknik ile yetkinliklerim ölçülmüştü. Bir yetkinliğim dışında hepsi yüksek çıkmıştı. Koçluk Becerisi. Bu sonuca çok şaşırmamıştım. Yönetici olduğumda 5 senelik uzmandım. Hiç bir yönetme tecrübem olmamıştı. O güne kadar hep yönetilmiştim. Evdeki ekmek almaya gönderilen en küçük çocuktum. X Jenerasyonu özelliklerini taşıyan bir Y jenerasyonu üyesiydim. İşleri kendi başıma yapmaya alışmıştım. Yönetici olduğumda en çok zorlandığım, çalışanlarıma yapmaları gereken işleri söylemek olmuştu. 1 gün önce beraber çalıştığın arkadaşlarına, iş yaptırmak göründüğü kadar kolay olmuyordu. Bunun üzerine Yöneticim (direktörüm) Erdem Bey bu kitabı tavsiye etti. Kendisi okuduğunu ve çok faydalandığını belirtti. Ben kitabı almış, okumaya başlamış ama bitirmeden bir kenara koymuştum. Aradan 2 sene geçtikten sonra kitabı baştan sonra detaylı bir şekilde okumaya karar verdim.

Kitap 3 Kısım ve 9 bölümden oluşuyor. 1. Kısımda “Execution Neden Gereklidir?” başlıklı ve örneklerle execution kullanılması ve kullanılmaması durumu anlatılarak executionun ne anlama geldiğinden bahsediliyor. 2. Kısımda “Execution’ın Yapıtaşları” Liderin Yedi Temel Davranışı, Kültürel Değişimin Çerçevesini Oluşturmak ve Hiçbir Liderin Başkasına Devredemeyeceği Görev – Doğru İnsanı Doğru İş Yerleştirme alt başlıkları ile anlatılıyor. 3. yani son kısımda “Execuiton Disiplinin Üç Temel Süreci” yani İnsan, Strateji ve Operasyon süreci detaylı bir şekilde anlatılıyor.

Şu anda şirketimizde Durumsal Liderlik – Çok Boyutlu Liderlik uygulanmaktadır. Bunun yanında Başarı Faktörlerinin, Hedeflerin, Kilit Performans Kriterlerinin ve Bariyerlerin belirlenmesi için detaylı çalışmalar yapılıyor. Görev tanımları baştan yazılıyor. Tüm şirket en tepeden en alt kademeye kadar bu yapıyı uyguladığı için başarılı olacaktır. Execuiton’ın da başarılı olması için şirketin tüm süreçlerinde bunun uygulanması gerekiyor. Bu disiplinin de durumsal liderlik ile ortak özellikleri olduğu için kişisel olarak departmanımda uygulayabileceğimi düşünüyorum.

Şu ana kadar kitapta gördüğüm bir kaç olumsuzluktan da bahsetmeden geçemeyeceğim. Birincisi kitap bir çeviri olduğu için okurken bazen konsantreniz bozulabiliyor. Yanlış kelime seçimleri ve anlatım bozuklukları sıkıntı yaratabiliyor. Bunun dışında her kişisel gelişim kitabında olduğu gibi bu kitapta da gereksiz uzatılan ve tekrar edilen yerler mevcut.

Kitabın henüz ortasında olduğum için tüm kitabı bitirdikten sonra daha kesin yargılarla konuşabilirim. Gelecek yazılarda bu kitabı okurken özellikle altını çizdiğim yerleri kendi yorumları da katarak size aktarmaya çalışacağım

Aklı Fikri Mülkiyet – Fikri Mülkiyet Haklarına Dair Paylaşımlar

Çok yakın zamanda Fikri Mülkiyet Haklarına dair örnek dava ve vakaların paylaşıldığı bir blog açıldı. http://aklifikrimulkiyet.blogspot.com.tr/ Şu anda aynı firmada çalıştığımız Ender Bey tarafından yönetilen bu blogda; tescilli tasarımların izinsiz kullanılması durumları, büyük firmaların birbirine açtığı davalar, esinlenme sonucu oluşan ürünler, marka analizleri ve bir çok konu hakkında yazılar bulacaksınız. Kendisi her hafta şirket içine bu konular hakkında yazılar yayınladığı için ben ve ekibim kendisini ilgiyle takip ediyoruz. Kendisinin bir blog açarak buradan da yazmasına en çok biz sevindik 🙂

Aşağıda http://aklifikrimulkiyet.blogspot.com.tr/ sitesinden yaptığım iki alıntı bulunmaktadır. (Site adresi vereyim de sonra biz de davalık olmayalım 🙂 )

ADIDAS vs LANDS’ END
5 Mayıs 2011 tarihinde Adidas firması, Land’s End firmasına karşı, tescilli 3 şerit tasarımını ihlal etmesi sebebiyle dava açar.
Adidas firması, ürünlerin kendi ürünleri ile ayırt edilemeyecek derecede benzer olduğunu ve tüketicilerin Lands’ End firmasının ürettiği ayakkabıların üreticisinin Adidas olduğunu sanacaklarını iddia eder.
Adidas benzer şekilde; 2008 yılında, 3 şerit tasarımını ihlal etmesi sebebi ile Payless firmasına açtığı davayı kazanarak, 305 milyon $ tazminat hakkı kazanmıştı.
Devam eden bu davada, benzer şekilde mi sonuçlanacak? Gelişmeleri hep birlikte göreceğiz.
Söz konusu sürece ilişkin benzer tasarımları aşağıda görebilirsiniz.

556 sayılı Markaların Korunması Hakkında KHK Madde 9/b: Marka sahibi tescilli marka ile aynı veya benzer olan ve tescilli markanın kapsadığı mal ve/veya hizmetlerin aynı veya benzeri mal ve/veya hizmetleri kapsayan ve bu nedenle halk tarafından, işaret ile tescilli marka arasında ilişkilendirilme ihtimali de dahil, karıştırılma ihtimali bulunan herhangi bir işaretin kullanılmasının önlenmesini talep edebilir.

CARNEGIE MELLON UNIVERSITY vs MARVELL TECHNOLOGY GROUP LTD
2012 yılında sonuçlanan; Apple ve Samsung arasındaki fikri mülkiyet hakları ihlali ile ilgili olan davayı duymuşsunuzdur.
Mahkeme sonrasında; Samsung firması, Apple’a 1,049 milyar dolar gibi çok yüksek bir bedeli ödemek zorunda kalmıştı.
Fakat; 2012 yılındaki en yüksek tazminat bedelini içeren dava bu değildi.
2009 yılında açılan ve 2012 yılında sonuçlanan davaya göre; Marvell firması, Carnegie Mellon Üniversitesi’nin 2 patentini (Patent No: US 6,201,839 ve US 6,438,180) ihlal etmişti.
Sonuç, 2012’deki en yüksek tazminat, yaklaşık olarak 1,17 milyar dolar. (1,169,140,271 $)

Görüldüğü üzere, bilgi çok değerli hale gelmiş ve inanılmaz derecede güç kazanmıştır. Dolayısıyla, fikri mülkiyet haklarının temelini oluşturan bilgiler de aynı şekilde önemli hale gelmiştir.

Rota Planlama – Optimizasyon – Bölüm 1

Araç Rotalama Problemi (ARP), bir merkezden coğrafi olarak dağılmış çeşitli talep noktalarına dağıtım veya toplama rotalarının, araç filosunun kat ettiği toplam mesafeyi minimize edilecek şekilde bulunmasdir. Araç Rotalama Problemi, Tedarik Zincirinde ve aynı zamanda Tedarik Zincirinin parçası olarak Lojistikte yer alan ana karar alanlarından olan taşıma ile doğrudan ilişkilidir. Gerçek dünya uygulamalarında birçok değişik kısıtlar ve farklılıklar Araç Rotalama Problemlerinde çeşitliliği de beraberinde getirmiş, literatürde ve uygulamalarda farklı özellik ve kısıtlara sahip Araç Rotalama Problemlerinin incelenmesine yol açmıştır.

Araç Rotalama Problemi, en az maliyetle verilen belirli sayıda noktayı dolaşmayı sağlamayı hedefleyen bir kombinasyonel eniyileme problemidir. Çözümü için birçok alanda kullanılmakta olan çok sayıda sezgisel algoritma geliştirilmiştir. Sezgisel algoritmaların geliştirilmesinin nedeni Araç Rotalama probleminin NP-hard (herhangi bir algoritmayla optimal sonuca ulaşılamayan problem) olmasından kaynaklanmaktadır. Rota Planlamayı polinom zamanda optimize etmek güçtür ve sezgisel algoritmalar yardımıyla optimum yakın sonuçlar bulunabilmektedir.

Aslında Rota Planlama probleminin optimum sonucunu bulmak teorik olarak mümkündür. Fakat problem kombinasyonel olduğu için talep noktalarının 15-20’yi geçmesi durumunda optimuma ulaşmak mevcut teknoloji ile zorlaşmaktadır.

Araç Rotalama Problemleri şirketlerin ihtiyaçlarına göre farklılık göstermektedir. En büyük farklılık, problemin Açık ve Kapalı uçlu olmasıdır. Yani yollanan aracın tekrar merkeze geri dönmesi ya da dönmemesidir. Diğer bir farklılık, Geri Toplaması olan Rotalama Problemidir. Literatürde Milk Run olarak geçer. Milk Run, dağıtımla birlikte aynı zamanda aynı yerden toplama yapılmasıdır.

Bunun dışında, Araçların farklı kapasitelere sahip olması, birden fazla merkez deponun bulunması, aynı mağaza/müşteriye birden fazla aracın gitmesi, talebin belirsiz olması (marketler) gibi durumlar da söz konusudur.

Bir Araç Rotalama Probleminde çeşitli amaç fonksiyonları olabilir?
Minimum Kilometre : Araçların en kısa mesafeyi kat ederek ürün ya da hizmeti müşteri/mağazaya ulaştırmasıdır.
Minimum Zaman : En kısa mesafeye çok benzerdir. Çoğu durumda en kısa mesafeyle aynı sonucu verir. Fakat mikro dağıtım yapılıyorsa bu değişkenlik gösterebilir.
Minimum CO2 emisyonu: Minimum kilometreye çok benzerdir. Kullanılan araçların hepsi aynı ise aynı sonucu verir. Araçlar değişiklik gösterirse farklılaşır.
Minimum Araç Sayısı : Araçların kapasitelerinin (hacim ya da ağırlık) en verimli şekilde kullanarak en az sayıda araç kullanılmasını sağlar. Genelde araç başına ücret verildiği ya da boş gitmenin cezası olduğu durumlarda kullanılır.

Rota Planlama probleminin temel bileşenleri aşağıdaki gibidir.

Kaç kamyon kullanılmalı?
Hangi mağazalara hangi kamyon atanmalı?
Her kamyonun mağaza sıralaması nasıl olmalı?

Bir işletme ve bu işletmenin 40 mağazası olduğunu varsayalım. Bu mağazalara maksimum 7 araç kullanarak günlük sevkiyat yapıldığını ve araçların rota planlamasının optimizasyonla yapılmak istendiğini düşünelim.

Hangi mağazalara hangi kamyon atanmalı?
Bu işletmede ortalama her bir araç 5-6 mağazaya sevkiyat yapmaktadır. Eğer tüm araçlar 5 mağazaya sevkiyat dağıttığını düşünürsek her bir aracın hangi mağazaları içereceği 40’ın 5’li kombinasyonu şeklinde olacaktır.

Kombinasyon bir nesne grubu içerisinden sıra gözetmeksizin yapılan seçimlerdir. Nesne grubunun tekabül ettiği kümenin alt kümeleri olarak da tanımlanabilir. Çünkü alt kümelerde sıra önemli değildir.
Bir A kümesinin herhangi bir alt kümesine A kümesinin bir kombinasyonu denir. Mesela 52 iskambil kartı arasından seçilen dört kart, kartları seçme sırası önemli olmadığından bir kombinasyon problemidir. (Wikipedia)

Bizim problemimizdeki tüm ihtimaller C(40,5) şeklinde olacaktır.
Birkaç örnek yazacak olursak,

Bu yaptığımız hesaplamalar neden bir rotalama probleminin optimizasyon ile çözülmesinin çok zor olduğunu anlatmak içindir.
Kombinasyon her bir araç için 5 mağaza olması durumundaki tüm ihtimalleri verir. Bu aşamada klasik ARP’de olan kısıtları hatırlamakta fayda vardır.

Araç kapasiteleri : Her bir aracın bir kapasitesi vardır. Kapasiteyi en verimli kullanmak gerekir. Bazı durumlarda boş göndermeniz durumunda ceza ödemek zorunda kalırsınız.
Zaman kısıtları : Mağazaların, müşterilerin gönderdiğiniz ürün ya da hizmeti almak için zaman kısıtları mevcuttur. Örneğin bir AVM’de ise saat 10:00’dan önce ürünleri kabul etmek isteyecektir.
Yol kısıtları (Köprü Kısıtları) : Kullanılmayan yollar, saatlik kapalı yollar (Köprüler vs.), belli araçların giremeyeceği yollar gibi.
Araç kullanım süreleri: Aracın bir günde maksimum kaç saat kullanılabilecğeini gösterir.

Bu kısıtlara göre yukarıda hesapladığımız ihtimaller azalabilir. Örneğin; 3, 4, 7, 8, 9 nolu mağazaların demandlerinin toplamı bir kamyonun kapasitesinden büyük ise bu rut otomatik olarak elenir.

Her kamyonun mağaza sıralaması nasıl olmalı?
Elemlerin ardından elimizdeki ihtimaller sadece hangi kamyona hangi mağazaların konu olacağını vermektedir. Bu araç dolulukları ile ilgilidir. ARP’deki en önemli amaç fonksiyonlarından biri olan minumum kilometrenin sağlanması için her bir ihtimalin içindeki mağazaların sıralamalarının denenmesi gerekir.
Bu da Permütasyon anlamına gelmektedir.

Matematikte permütasyon, her sembolün sadece bir veya birkaç kez kullanıldığı sıralı bir dizidir.
1’den 10’a kadar olan doğal sayıları içeren n elemanlı kümede r = 4 olarak alınırsa permütasyonların sayısı {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} kümesinden sırayı da gözetmek suretiyle oluşturulabilecek dört değişik elemanlı kümelerin sayısını ifade eder. (Wikipdia)

Bizim yukarıda oluşturduğumuz her bir 40’ın 5’li kombinasyonların permütasyonlarını bulmalı ve bunların mesafelerini ölçmeli ve bunların da en düşük mesafeli olanlarını seçmeliyiz.

Örneğin yukarıda oluşturduğumuz kombinasyonlardan 1, 2, 3, 4, 5’in permütasyonlarını bulalım.

Sonuç olarak bu problemde 40 mağazanın 5’erli olarak araçlara yerleştirilmesi sonucundaki değişken sayısı;

Bu durumda bile problemin bir çözümü olabilir. Fakat aynı araca 5’ten fazla mağaza/müşteri konu olabilir. Aşağıda bir araca konu olan mağaza/müşteri sayısı bulunmaktadır. Rakamları gördükten sonra neden bu problemin optimizasyonla çözülemeyeceğini siz de anlayacaksınız.

Mağaza sayısı arttığı zaman problem çok daha zorlaşmakta ve karar değişken sayısı çözülemeyecek kadar artmaktadır.

Bu sebeple ARP probleminin çözümü için, literatürde optimizasyon yerine çeşitli heuristic (sezgisel) ve metaheuristic (ileri-sezgisel) yöntemler ortaya çıkmıştır. Bu yöntemler doğru uygulandığında optimuma çok yakın sonuçlar verebilmektedir.

Bir sonraki yazımızda bu yöntemleri ve LC Waikiki’nin Rota Planlama problemini nasıl çözdüğünü anlatmaya çalışacağım.

Allocation – Sezon İçi Yönetim Nedir?

Aşağıda okuyacağınız yazı, LC Waikiki İş Analitiği ve İş Geliştirme Departmanı tarafından çıkarılan Analything adlı bültenden alınmıştır. Yazı benim tarafımdan kaleme alındığı için burada yayınlıyorum. Bu yazıda Allocation nedir, Allocator ne iş yapar anlatmaya çalıştım. Şirket içinde yayınlanan halinde bazı değişiklikler yaptım.

Not: Google üzerinden web siteme gelen kişileri incelediğimde Allocation ve Allocator kelimelerinde artış olduğunu gördüm. Bu yazının Allocation alanında çalışacak kişilere ön bir bilgi vermesi dileğiyle. Keyifli okumalar dilerim.

Sezon içi yönetim (Allocation) gerçekten zor mu? Ali, Veli, Pelin

Giyim Perakendesinde bir döngü bulunur. Eğer uzak doğuda üretim yaptırıyorsanız bu döngü çok daha aşikardır. Hele hızlı moda denilen sektörün lideriyseniz bunu bilmemek imkansızdır. Bu şirkette herkesin bildiği döngü şu şekildedir.

Satışa sunulmadan 9-12 Ay kadar öncesinden hangi ürünlerin ne kadar üretileceği belirlenir. 6-9 ay öncesinden üretim siparişleri verilir. 0-3 ay öncesinden ürünler lojistik merkezine gelir. İşte o ürünler o merkez depoya gelir ya, sezon için yönetim denilen süreç başlar.

Sezon içi yönetim (Allocation). 3 kelime. Bu 3 kelime ne kadar zor olabilir. Ürünler merkez depoya geliyor ve mağazaya yollanıyor. “Ürün burada, mağaza şurada, planda ortada. E hadi yollasana” demek o kadar da kolay değil.

Aslında her şey 12 ay önce başlıyor. Yani planlama sürecinde. Her bir ürünü ilgili mağazalara planlıyoruz ve bu plana göre üretim yaptırıyoruz. Buna rağmen neden halen ürünleri mağazalara yollamada sıkıntı yaşıyoruz? Bu sorunun bir tane cevabı yok. Bir çok cevabı mümkün. Mesela, Planlamanın 1 sene öncesinden yapılması, Mağaza gruplamasının yeterli olmaması, üreticiden ürünün zamanında gelmemesi, ürünün planlandığı haftalarda hava şartlarının beklenenin dışında gerçekleşmesi, ekonomik durumlar, inspectiona takılma, beklenen satışların gerçekleşmemesi, kapasiteden fazla ürün planlanması, vs. Bunun gibi birçok neden sayılabilir. Eğer her şey harika olsaydı ve saydığımız ve sayamadığımız sebepler beklendiği ve istenildiği gibi olsaydı sezon içi yönetim o kadar da zor olmazdı.

Ürün merkeze geldikten sonraki süreci biraz daha detaylı inceleyelim ve biraz da matematik ile süsleyelim. Ürün merkez depomuza geldikten sonra inspection ve depolama aşamalarından geçiyor. Sonrasında ürünler rezerveye hazır hale gelir ki sezon içi yönetim (allocation) buradan itibaren başlar.

Ali (Allocator’ın kısaltması olarak kullanılacaktır) pazartesi günü sabahın köründe şirkete gelmiştir. Coşkun Abi’den tost mu yoksa kapıdaki simitçiden açma mı alayım ikileminde kaldıktan sonra Veli’nin (Diğer Allocator) aldığı simide ortak olurum diyerek X-Ray cihazından geçmiş ve kartını evde unutmadığına şükrederek sırıtarak merdivenlerden çıkmaya başlamıştır. Ali masasına ulaştığında o gün yapılacak işlerin listesini çıkarmak için defterinin beyaz bir sayfasını açmış ve yazmaya başlamıştır.

Trading Toplantısına katılınacak
Projeksiyon yapılarak mağaza ihtiyaçları belirlenecek
İlk Sevkiyatlar yapılacak
Haftasonu satışı desteklenecek
Transferler çalışılacak
Veli’nin simidi yenecekti ama bunu bire yazmalıydım aslında

Kahvaltısını beleşe getirmenin ve Trading toplantısı ile güne başlamanın verdiği mutlulukla raporlarını çekmeye ve güncellemeye başlar. Veli simidinin yarısının yendiğini görünce küplere biner ama küpler hala dönmektedir ve o lap diye düşer. Pelin (Planner’ın kısaltması olarak kullanılacaktır) durumu fark etmiş ve arkadaşlara acele etmesini söyleyerek trading toplantısının yapılacağı odaya geçmiştir.

Trading toplantısı her zamanki gibi çok heyecanlı geçmektedir. Ürünler bir birleriyle yarıştırılmakta ve en iyi satandan en kötü satana göre sıralanmaktadır. Ali bir en iyi ürüne bir de en kötü ürüne bakarak haftasonu yaptığı mağaza ziyareti gözlemlerini katılımcılara aktarmaktadır. Toplantıda sonuç olarak bir strateji belirlenir ve ilk sevkiyat, rpt planları üç aşağı beş yukarı karar verilmiştir.

Ali masasına döndükten sonra Pelin ile tekrar bir araya gelerek spesifik olarak hangi ürünün bu hafta ilk sevkiyatının yapılacağını, hangi ürünlerin rpt yapılması gerektiğini, transfer ve iade planlarını konuşur ve iş planını günceller.

Önce mağazalarının durumunu incelemek için dönmeyi bırakmış olan Kapasite raporunu kullanarak projeksiyonunu yapar. Mağazaların ihtiyaçlarını belirler. Bu ihtiyaçları karşılamak için 2 + 2 seçeneği vardır. İlk Sevkiyat, RPT (2) yaparak ihtiyacı karşılamak veya Trasnfer, İade yaparak (2) ihtiyacı şekillendirmek.

O anda üzücü bir haber alır. Yere düşen Veli hastaneye kaldırılmıştır. Tek başına kalmıştır. LC Waikiki’de tek bir allocator kalmıştır. O da Ali. (One man, one allocator, one destiny – dan lafontaine)

Elleri terlemesine rağmen sakinliğini korumaya çalışmaktadır. İlk olarak İlk Sevkiyat ve RPT yapmayı tercih eder. Hesaplamaya başlar.

Ürün yollayacak 1 Lojistik Depo ve ürünü alacak 400 Mağaza var. An itibari ile 4.000 farklı ürün var. Beden detayında düşünürsek 25.000 SKU anlamına geliyor. Bunlardan bir kısmı ilk sevkiyat bir kısmı ile de Replenishment yapacağım. Bunu yaparken aynı zamanda mağazaları patlatmamam gerekiyor. Yani dolulukları da göz önünde bulundurmam lazım. Tabi unutmadan kısıtlı stoklarıda en iyi satacak mağazalara yollamam lazım. Ya en zor olanı da koli bazında yollama kararı. Yok M bedeni satmış XL satmamış ve stok şişme yaşamasın ama satış kaybı da olmasın. İlk sevkiyatta kaç koli yollayacağım, Replenishmentta nasıl tahmin yapacağım. Mağazaların bir de alım limiti var. Veliiiiiiii, Allah seni bildiği gibi yapsın!
Şimdi bir ara verelim ve Ali’nin akıl hastanesine kaldırılmasına sebep olan problemi inceleyelim.

Ürün detayında sevkiyat yaptığımızı düşünürsek 400 Mağaza ve 4.000 ürüne rezerve girmemiz gerekiyor. Yani 400 x 4.000 = 1.600.000 tane karar verilmesi gerekiyor. Bu kararı verirken üç önemli hususu göz önünde bulundurması gerekiyor. Mağazaların alım limiti; her bir mağazanın bir limiti yani toplamda 400 kısıt bulunmakta. Grup ve Kategori dolulukları; 22 Grup için 22 x 400 = 8.800 kısıt, Grup – Kategori için 22 x 10 x 400 = 88.000 kısıt bulunmakta. Bunların dışında replenishment yaparken koli yollama kararını vermesi için her birini beden detayında incelemesi gerekiyor.

Eğer bu kararı SKU detayında vermesi gerekseydi (beden detayında rezerve girseydi), 400 x 25.000 = 10.000.000 tane karar olacaktı. Diğer kısıtlar aynı şekilde olacaktı.
Sonuç olarak, 1.600.000 ya da 10.000.000 farklı kararı verirken birbirine bağlı 400, 8.800 ve 88.000 kısıtı gözetmesi gerekecekti.

Sonuç olarak, merkez depo(lar)dan, mağaza(lar)a, çeşitli kısıtları ve değişkenleri (hava durumu, ürün karışımı, haftanın günü, vs.) göz önünde bulundurarak, ürünleri yollama kararını verme işine allocation (sezon içi yönetim) denir. Allocation zurnanın zırt dediği yerdir. Tasarım, planlama, üretim, inbound lojistik, inspection, depolama yapılmış ve son adım olan ürünler mağazalara yollanacaktır. Yani en son adımdır allocation. Bu karar ne kadar doğru verilirse ürünler o kadar iyi satışa dönüşecektir. Ne kadar kötü olursa, hem satan ürün engellenecek hem de iade maliyeti ortaya çıkacak ya da indirim yapılacaktır.

Kolay gibi görünse de aslında Merchandising’in en zor kısmıdır Allocation. Şimdiden tüm allocatorlara ve allocator adaylarına kolay gelsin 🙂

Kullanıcı, Yazılım Uzmanı, İş Analisti, İş Zekası Uzmanı ve İş Analitiği Uzmanı

Son zamanlarda popüler olan ve önümüzdeki 5 yıl daha bu popülerliğini devam ettirecek olan meslekler var. 2012’nin Gözde Meslekleri adlı yazımda popüler olan Veri Madenciliği Uzmanı ve İş analisti 2014 yılında popülerliğini devam ettiriyor. Bunlara ek olarak Türkiye’de son dönemde öne çıkan İş Zekası Uzmanlığı da ön sıralarda yerini almış durumda. Daha önceki birkaç yazımda bu mesleklerin ne iş yaptığını yazmaya çalışmıştım. (1, 2, 3) Bugünkü yazımda size bu mesleklerin ne iş yaptığını farklı bir bakış açısından anlatmaya çalışacağım.

Bu arkadaşımızın adı Son Kullanıcı (End-User) Kendisi herhangi bir şirkette bir paket programı kullanarak işlerini halletmektedir. Bu bir yazılım programı (SAS, Oracle Retail, LOGO, Netsis, Link, vs.) olabileceği gibi şirketlerin kendi in-house yazdıkları yazılımlarda olabilir. (bknz. LC Waikiki) Muhasebe, İnsan Kaynakları, Planlama, Lojistik vb. süreçlerde çalışmaktadır. Çalıştığı süreçle ilgili olan program modülüne girmekte ve işlerini yapmaktadır.

Bu arkadaşımızın adı BT Yazılım Uzmanı (IT Software Developer) Bu örneğimizde, kendisi herhangi bir şirkette bir yazılım paketini geliştirmekten sorumludur. Özellikle açık kaynak kodlu yazılım kullanan ve kendi yazılımını kendi yapan şirketlerde bolca bulunur. Asosyal oldukları ve eğlenmeyi bilmediklerine dair söylentiler vardır. Bunların tam aksine hem çok eğlenceli hem de çok sosyal insanlardır.
Son Kullanıcı ve BT Yazılım Uzmanı iş dışında çok iyi arkadaş olmalarına rağmen, konu iş olduğunda hiç çekilmez olurlar. Birinin beyaz dediğine diğer siyah der. İkisi de birbirlerinin işinin çok kolay olduğunu söyler durur.
Son Kullanıcı: Yazılım Uzmanı ne yapıyor ki? Akşama kadar internete girip, yarım saatte bir düğme ekliyorlar. Word’de yazı yazmak ile yaptıkları iş arasında ne fark var ki allasen? Bir günlük işi Bir hafta demiyorlar mı? Full yatış!
BT Yazılım Uzmanı: Adamların hem ekranlarını yap, hem sistemlerini hem yaptıkları işi bil, sonra bıdı bıdı konuşsunlar. Bu kadar ekran, alt yapı olduktan sonra onların işini ben de yaparım. O ekranları paintte yapmıyoruz biz.

Bu iki arkadaş yüz yıllardır bir birleri ile anlaşamamışlardır. Şirkette her iki departmanda farklı katlarda bulunmasının nedeni de birbirlerine ulaşamaması içindir. Hatta ve hatta çoğu BT departmanın kapısında kartlı giriş sistemi vardır. Her ne kadar karizmatik görünsün diye yapılmış olduğu düşünülse de asıl sebebi Son Kullanıcı adlı kişilerin içeri girmesinin engellenmesidir.

Bu savaşa bir dur demek, iki tarafın arasında elçi görevi görmek, dekoderlik yapmak için yeni bir pozisyon oluşturulmuştur. Bu savaşı bitiren beyaz atlı şövalyemiz, İş Analistidir. Kendisi, arada kalmışların kahramanı, hem fakirliği hem zenginliği görmüş, BT Yazılım Uzmanının çekilmez hareketlerini, Son Kullanıcın kaprislerini yaşamış sindirmiş ve benimsemiştir. Hem BT’deki hem Son Kullanıcıdaki düşünme yetisine sahiptir. Değişik bir karakterdir İş Analisti. Bu arkadaşımız iletişim gücü yüksek ve analitik yönü gelişmiştir. Yani resmin tamamını görebilen ve gelecekteki ihtiyaçları tahmin edebilen bir yapıdadır. Pratik zekası yüksek, matematik ile arası da iyidir hani. Yazmayı seven, öğrenmeyi seven, düşündüklerini rahat anlatabilen biridir kerata.

Kullanıcılarla, yazılım uzmanlarının arasını düzelttik. Artık çok iyi bir şekilde anlaşabiliyorlar. Kullanıcı istiyor, yazılım uzmanı hallediyor. Fakat Kullanıcının dertleri bitmiyor. Ekranlara birçok bilginin gelmesini istiyor. Her şey ekranda olsun, bütün verileri ekrana basalım diyorlar. Yazılım Uzmanları da rahat durmuyor bu arada. İş analistinden gelen analizlerdeki verileri bulabilecekleri veri altyapının olmadığından dert yanıyorlar. İlişkisel veri tabanları iyi hoş da, datamartlar, warehouse sistemleri yok ki özetlenmiş veriden yapalım bazı sistemleri.

İşte karşınızda ikinci beyaz atlı prensimiz. İş Zekası Uzmanı. Bu arkadaşımız Türkiye’ye yakın zamanda geldi. Yurtdışında doğdu. Gerçi doğum tarihine baktığımızda çok genç olduğunu görmekteyiz.
Daha önce yazdığım yazıda iş zekası hakkındaki şu satılar çok manidardır. “Rekabet dünyasında, çalışanların ve yöneticilerin daha verimli işlere zaman ayırabilmesini sağlayan sistemlerdir. Türkiye henüz olayın ehemmiyetini kavrayamamış olsa da personelin ve zamanın tasarruflu kullanılmaması sonucu elde edilen zararları azaltmaya yönelik raporlama, analizleme, görüntüleme, geliştirme konularında yardımcı olurlar.”
Görevleri ikiye ayrılmaktadır; BT’ye hizmet edenler, kullanıcıya hizmet edenler.
BT’ye hizmet edenler, Veriambarları ve OLAP alt yapılarını oluştururlar. Mimarlara benzerler. Eğer doğru yapıları kurmazlarsa verimsiz sistemler inşa ederler. Türk Müteahhit olarak da düşünebilirsiniz. Kullanıcıya hizmet edenler, veriyi süreçlerin daha verimli olması için geliştirme amaçlı kullananlardır. Yani kullanıcıların raporlama ihtiyaçlarını karşılarlar. Konu hakkında iş bilgisine sahiptirler ve bu bilgi ile teknik bilgiyi harmanlayıp, kullanıcılara sunarlar. Hem alt yapı hem, rapor hem de iş bilgisine sahip oldukları için zor bulunur hint kumaşları gibidirler. Bir iş zekası uzmanının yetişmesi seneler almaktadır.

Ve işte son kahramanımız geliyor. Biliyorsunuz, konserlerde en son sırada en iyi şarkıcılar çıkar. Bizim kahramanımızda en iyi olduğu iddiasındadır. Hem beyaz hem de unicorn bir ata binmektedir. (Unicorn zaten tek boynuzlu efsanevi at demektir. Bir daha at yazmana gerek yoktu)

Analitik kelimesinin bir kaç anlamı bulunmaktadır. İlk anlamı, parça ile bütün arasındaki ilişkiyi çözmek ve özüne inmektir. Diğer anlamı ise verinin içindeki anlamlı deseni keşfetme sanatıdır.
Peki İş analitiği nedir?
Deloitte’ye göre; İş Analitiği, veri yönetimi ve ticari bilgi ve performans raporlaması (BI) gibi temel konuların yanı sıra tahminsel modelleme, optimizasyon ve simülasyon gibi sofistike konuları kapsamaktadır. Somut verilere ve bilgiye dayalı bir şekilde karar verilebilmesini sağlayan İş Analitiği, firmanızın performansını detaylı bir şekilde anlamanızı ve geleceğe yönelik neler yapılabileceğini belirlemenizi sağlayarak rekabet avantajı elde etmenize yardımcı olacaktır.
İş Analitiği, en uygun yöntem biliminden yola çıkarak son teknolojileri kullanan akıllı sistemler kurarak, iş süreçlerini en etkin ve en verimli hale getirmeyi amaçlamaktadır. Bunu yaparken, Optimizasyon, simülasyon gibi mühendislik çözümlerini kullanırken, veri analitiği ve veri madenciliği kullanarak verinin içindeki anlamlı deseni keşfetmektedir. Sektör hakkındaki bilgi ve tecrübesi sayesinde entegre ve iş hedeflerine uygun çözümler üretmektedirler.
Ve işte bulmacamızın son parçası da eklendiğine göre yazımızı da bitirebiliriz.

Tüm sorularınızı İletişim linkine tıklayarak tarafıma ulaştırabilirsiniz. Kalın sağlıcakla.