İçeriğe atla
aracı teknoloji
EN
2025İstanbul merkezli 5 şubeli restoran

Restoran Zincirinde AI ile Sipariş Tahmini.

AIPythonVeri Analizi

Problem

Haftalık sipariş dalgalanmaları nedeniyle stok yönetimi ve fire oranları kontrol edilemiyordu.

Çözüm

Geçmiş sipariş verileri, hava durumu ve özel günleri analiz eden yapay zeka tabanlı talep tahmin sistemi geliştirdik.

sonuçlar

Fire oranı %40 azaldı

Stok maliyetleri %25 düştü

Müşteri memnuniyeti %35 arttı

İstanbul'da 5 şubesi olan bir restoran zinciri, haftalık sipariş dalgalanmaları nedeniyle ciddi stok yönetimi sorunları yaşıyordu. Bazı haftalar fazla stok fire oluyor, bazı haftalar popüler ürünler tükeniyordu.


Problem


Restoranın mevcut stok yönetimi tamamen şube müdürlerinin sezgilerine dayanıyordu. Hava durumu, özel günler, okul tatilleri gibi talebi etkileyen faktörler sistematik olarak hesaba katılmıyordu. Sonuç: fire oranı %22, müşteri şikayetleri artıyor.


Yaklaşım


Önce 2 yıllık geçmiş sipariş verilerini topladık. Bu verileri hava durumu API'si, resmi tatil takvimi ve bölgesel etkinlik verileriyle birleştirdik.


Geliştirdiğimiz makine öğrenmesi modeli (XGBoost tabanlı), 7 günlük talep tahmini yapıyor. Model her gün güncel verilerle yeniden eğitiliyor.


Çözüm


  • Geçmiş sipariş verilerinden feature extraction
  • Hava durumu, tatil, etkinlik verileri entegrasyonu
  • Şube bazlı XGBoost tahmin modelleri
  • Web tabanlı dashboard (React + Flask)
  • Mobil onay ve manuel override imkanı

    • Sonuçlar


    3 aylık pilot uygulama sonrası:


    Fire oranı: %22'den %13'e düştü ( %40 iyileşme)

    Stok maliyetleri: Aylık ortalama %25 azaldı

    Müşteri memnuniyeti: "Ürün kalmadı" şikayetleri %35 azaldı

    ROI: Sistem kendini 4 ayda amorti etti

    Siz de bir başarı hikayesi yazmak ister misiniz?.

    İşletmenizin potansiyelini ortaya çıkarmak için bugün iletişime geçin.

    Hemen Başlayalım