Bulanık Doğrusal Regresyon Yöntemi İle Talep Tahmini : Medikal Asistans Firmasında Bir Uygulama

Abstract

İşletmelerin geleceğe yönelik iş talep tahmini, işletme üst düzey yöneticilerinin stratejik karar vermesi ve bu kararların finans, insan kaynakları, sabit varlık yatırımı gibi önemli alt bileşenlere yansıtması sürecindeki en önemli etkenlerden biridir. Günümüzde yaygın kullanılan talep tahmin yöntemlerinden birçoğu geçmiş verilere dayanarak yapılmakta ve tahminin kesin bir sonuca varacağı varsayımını sözel olarak açıklama yapmasada kısıtlarda yansıtmaktadır. Ancak bu tahminler genellikle güncel hayatın da özelliği itibariyle oldukça karmaşık ortamlarda gerçekleşebilmektedir. Çevremizdeki kaçınılmaz belirsizliklerden veya tahmin edicinin kesin bilgiye sahip olamamasından kaynaklanan bu karmaşık durumlara araştırmacıların farklı çözüm yaklaşımları üzerine yoğunlaşmasına yol açmıştır. Matematik bilimindeki paradigma kaymalarından birisi de belirsizlik kavramı ve buna karşı bulanık çözüm yaklaşımları ile ilgilidir. 1965 yılında L. A. Zadeh tarafından, belirsizliği incelemek için kullanılan ve olasılık teorisinin ötesinde çoklu mantığa dayalı olan, bulanık küme teorisi geliştirilmiştir. Bu teorinin karar verme problemlerinde kullanıma ilişkin tarihteki ilk çalışma 1970 yılında L. A. Zadeh ile R. E. Bellman tarafından beraber yapılmıştır. Bulanık teorisinin uygulamadaki yerini bir üst kademeye taşımak adına, H. J. Zimmermann bulanık doğrusal programlama ile ilgili ilk çalışmasını 1974 yılında L.A. Zadeh ve R. E. Bellman’ın yukarıda bahsedilen çalışmasına dayanarak yapmıştır. Bulanık doğrusal regresyon metodolojisi tahmini ile gözlemlenen değerler arasındaki sapmanın, tahmin gerçekleştirilen sistemin yapısından veya kusurlu gözlemlemeden kaynaklanan belirsizlik olduğunu savunmakta ve bu nedenle de tahmin sonuçlarının somut bir sayı olmasının gerçek şartlara uygun olmadığını öne sürmektedir. Bunun yanı sıra, kurumsallaşmaya yeni adım atan firmalarda geçmişe dönük fazla veri birikimi ve tecrübe olmadığından, klasik doğrusal regresyon yöntemleri ile tahmin yapılarak işletmelerin stratejik yönünün büyük ölçekte etkilenmesi büyük bir risk içermektedir. 1982 Yılında Tanaka, Uejima ve Asai tarafından geliştirilen bulanık linear regresyon yöntemi, az miktarda veri seti kullanarak tahmin modeli kurulabilme ve etken faktörler ile beklenen tahmin sonucu arasındaki bulanık ilişkiyi göz ardı etmeme özelliğiyle, klasik sabit katsayılı doğrusal regresyona karşı üstünlük sağlamaktadır. Bu çalışmada Türkiye’deki bir medikal asistans firmasının dosya talep tahmin problemini ele alınarak, Tanaka’nın bulanık doğrusal regresyon yaklaşımıyla matematiksel tahmin modeli geliştirilmiştir. Geliştirilen matematiksel tahmin modeli ile klasik doğrusal regresyon modelinin tahmin sonuçlarını karşılaştırılmış ve benzeri işletmelerde uygulanmasının uygunluğu tartışılmıştır.

Future-oriented demand forecastings of enterprises is one of the most significant factors that effect strategic business decisions made by senior managers and reflection of these decisions on the desicions such as investment in fixed assets, financial activities, human resource planning and operational schedule. Today many of the forecasting methods that based on previous data are implemented under the hypothesis that the forecast results a definitive conclusion. However, these estimates are applied in a very complex environment considering the properties of our daily life. The complex situation of unavoidable uncertainties around us or the insufficient abilities of the observers results the concentration of the researchers on new methodologies. One of the revolutionary change in the mathematical sciences and the concept of uncertainty is related to the burst of various approaches to fuzzy solution. For instance, multiple logical fuzzy set theory was developed by L. A. Zadeh in 1965 for the first time to examine the uncertainty beyond the theories of probability. Related applications of this theory in decision-making problems were discussed in 1970 through collaboration of L. A. Zadeh and R. E. Bellman for the first time in the history of mathematical science. To bring the implementation of fuzzy theory to the next stage, H. J. Zimmermann did some fuzzy linear regression related studies in 1974 based on the studies of L. A. Zadeh and R. E. Bellman. Fuzzy linear regression methodology demonstrates the deviations between observed and estimated sets of data due to uncertinites of structure of a system or imprecise observation of fuzziness and advocates that it’s hard to reach a real number as the result considering the fuzziness in real conditions. Besides, lack of statistical date sources and experiences of new institutionalising enterprises such as this medical assistance company discussed in this study may possibly lead to extremely risky decisions in case that the desition makers of the foundation choose strategic solution depending of classic linear regression methods. However, the fuzzy linear regression methodology developed by Tanaka, Uejima and Asai in 1982 overcomes the above-mentioned risk of designing demand forecast models according to unefficient data source and takes the fuzziness of relationship between input and output values into consideration that is superiority against classic constant coefficient regression approaches. Decision makers of medical assistance companies are generally implementing various classic demand forecast approaches to give a direction to their long-term investments. The decisions made by these managers not only set the organizational structure of the corporation, but also establish the operational processes, pricing policies, routation of human resources internal and external. Working close to health insurance companies, medical assistance companies are willing to depend of the working experieces of senior insurance industry insiders while doing the estimation of annual revenue, workload and expected market share in the industry. Subjective information such as personal connections between the managers of insurance companies and assistance companies, the marketing strategies and coverage of latest international health insurance policies and expatriate products released by collaborating insurance companies, the attractiveness of the country as the touristic destination for the insured foreigners and approach of the oversea oriented financial enterprises in terms of local investments that draw attention of foreign workforce have been treated as some of the factors taken into concideration while the managers of medical assistance companies determine what direction to go. Given the complexity of the social and medical inviorenment and lack of official investigations on collection of related data sources, assistance companies are having tough time with making the “almost right” decision. Frequent changes in the situations have made the experiences of last decades less reliable while doing demand forcasting and shown the necessity of close-to-reality approaches to avoid unneeded loss. This study tries to implement Tanaka’s (1982) fuzzy linear regression approach in the mathematical demand forecast model of amount of cases in a medical assistance company in Turkey. To discuss the advantages and disadvantages of the fuzzy approach, classic regression model is designed to do the benchmarking between to methods. The estimated results of the fuzzy model and classic regression model, that obtained by using the exact same set of data, are compared and the feasibility of the application the fuzzy model in similar enterprises is discussed. Personal opinions are shared regarding the ways researches may improve the effectiveness of demand estimation of case volume in medical assistance companies by appling fuzzy linear regression models.