Talebi tahmin et, kapasiteyi veriyle hizala
Operasyonel optimizasyon için talep tahmini ve kapasite yönetimi eğitimi: zaman serisi bileşenleri, Holt-Winters ve ARIMA, MAE/MAPE/RMSE doğruluk ölçümü, Little yasası ve SLA, darboğaz analizi ve senaryo tabanlı kaynak dengeleme.
Talep tahmini, kapasite planlama ve operasyonel kaynak dengeleme
Bu orta seviye eğitim, operasyonel verimliliği talep tahmini ve kapasite yönetimiyle artırmayı öğretir. Zaman serisi bileşenleri (trend, mevsimsellik, döngü), hareketli ortalama, üstel düzeltme (Holt-Winters) ve ARIMA ile talep tahmini; tahmin doğruluğu metrikleri (MAE, MAPE, RMSE) işlenir. Ardından kapasite planlama: kaynak kullanım oranı, darboğaz analizi, hizmet seviyesi (SLA) ve bekleme kuyruğu (Little yasası) mantığı; talep-kapasite eşleştirme, senaryo ve duyarlılık analizi, vardiya/kaynak dengeleme uygulanır. Katılımcılar Excel/Python ile talebi tahmin edip kapasite kararlarını veriye dayandırır.
3 Gün. Her gün dört modül; katılımcılar talep tahmini, doğruluk ölçümü ve kapasite planlama eksenlerinde optimizasyon modelini kurar.
Orta Seviye — Operasyonel verimliliği artırmak için zaman serisi talep tahmini, kapasite planlama modelleri, hizmet seviyesi ve kaynak dengeleme analitiğinin uygulamalı kullanımı.
Katılımcılar gerçek talep verisi üzerinde Excel ve Python ile tahmin modelleri kurar ve kapasite senaryolarını sayısal olarak karşılaştırır.
Zaman serisi yöntemleriyle talebi tahmin ederek belirsizliği azaltırsınız.
Talep ile kapasiteyi eşleştirerek atıl kaynak ve darboğazı azaltırsınız.
SLA ve bekleme hedeflerini veriye dayalı kapasite kararlarıyla tutturursunuz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Ortalama, sapma ve trend gibi temel kavramlara aşinalık faydalıdır.
Tablo, formül ve grafik düzeyinde Excel bilgisi beklenir.
Bir operasyon/planlama sürecine aşinalık örnekleri anlamlı kılar.
Python örnekleri için temel aşinalık faydalı ama zorunlu değildir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Trend ve mevsimselliği ayırır, uygun tahmin yöntemini seçersiniz.
Üstel düzeltme ve Holt-Winters ile mevsimsel talebi tahmin edersiniz.
ARIMA/SARIMA mantığını ve ne zaman tercih edileceğini kavrarsınız.
MAE, MAPE ve RMSE ile tahmin doğruluğunu ölçer ve iyileştirirsiniz.
Kayan pencere doğrulamayla modelleri gerçekçi biçimde karşılaştırırsınız.
Kullanım, darboğaz ve kapasite ihtiyacını sayısal olarak hesaplarsınız.
Little yasası ve kuyruk mantığıyla hizmet seviyesini korursunuz.
What-if ve duyarlılık analizleriyle kapasite kararlarını desteklersiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Excel PivotTable ve Power Pivot ile çok boyutlu analiz: değer gösterimleri, hesaplanmış alanlar, dilimleyiciler, veri modeli ve DAX. Orta seviye DVA eğitimi.
Detayları Gör →
Yoğun veri analitiği kampı: analitik döngü, SQL, Python, istatistik, A/B test ve BI panoları ile uçtan uca proje. Beş günlük ileri seviye DVA eğitimi.
Detayları Gör →
Kod yazmadan veri analitiği: elektronik tablolar ve no-code araçlarla veri hazırlama, grafikler ve ilk gösterge paneli. Başlangıç seviyesi DVA eğitimi.
Detayları Gör →
Modern veri mimarisi tasarımı: katmanlı mimari, lakehouse, medallion, data mesh, ELT orkestrasyonu ve yönetişim. İleri seviye DVA eğitimi.
Detayları Gör →
Kurumsal veri mimarisi: katmanlar, kurumsal veri modeli, OLTP/OLAP, ilişkisel/NoSQL/göl depolama ve entegrasyon kararları. Orta seviye DVA eğitimi.
Detayları Gör →