Nowadays, due to the developments in technology and the effects of the pandemic, people have largely switched to e-commerce instead of traditional face-to-face commerce. In this sector, the product variety reaches tens of thousands, which has made it difficult to manage and to make quick decisions on inventory, promotion, pricing, and logistics. Therefore, it is thought that obtaining accurate and fast forecasting for the future will provide significant benefits to such companies in every respect. This study was built on the proposal of creating a cluster-based–genetic algorithm hybrid forecasting model including genetic algorithm (GA), cluster analysis, and some forecasting models as a new approach. In this study, unlike the literature, an attempt was made to create a more successful forecasting model for many products at the same time inside of single product forecasting. The proposed CBGA model success was compared separately to both the single prediction method successes and only genetic algorithm-based hybrid model successes by using real values from a popular B2C company. As a result, it has been observed that the forecasting success of the model proposed in this study is more successful than the forecasting made using single models or only the genetic algorithm.

Nowadays especially production companies gathering a huge data due to their daily transactions on the own systems. Production companies should handle this raw data as handling the raw materials too. Today, scientific studies carried out for this purpose are gathered under the title of BigData. The BigData creates many helps to companies’ competitive advantages according to their competitors. For this view, the purpose of this study was to determine the best demand forecasts method and forecasting period by using BigData at forest production industry. Using the time series analysis module of the WEKA program, the algorithm and data set providing the most accurate estimate for each of the selected decor papers were determined. As a result, it is thought that this study will provide a route map for about choosing right data period and forecasting method for the forest products.

Günümüz Türkiye’sinde sağlık sektörü, toplumun birçok yönünü etkileyen hayati bir konumda yer almaktadır. Yatırım kapasitesini ve mevcut kaynaklarını en verimli şekilde kullanması gereken temel birimlerin başında gelen hastaneler, sağlık sisteminin merkezî hizmet sağlayıcılarıdır. Pek çok paydaşı içeren bu sektörde, iller düzeyinde hastane performansının Veri Zarflama Analizi (VZA) ile değerlendirilmesi, kamu sektöründe verimliliğin artırılması açısından önemli avantajlar sunmaktadır. Bu çalışma, kamu hastanelerinin operasyonel etkinliğini analiz etmeyi ve onları optimum performans düzeylerine yönlendirmeyi amaçlamakta; böylece ulusal refaha ve yaşam kalitesinin sürdürülebilirliğine katkı sağlamayı hedeflemektedir. Önceki çalışmalardan farklı olarak, bu araştırma yalnızca VZA ile iller düzeyinde verimlilik analizi yapmakla kalmayıp, yapay sinir ağlarının denetimsiz öğrenme yöntemlerinden biri olan Özdüzenleyici Haritalar (SOM) yöntemini de sürece dâhil ederek, verimlilikteki farklılıkları etkileyen temel faktörleri ortaya koymayı ve açıklamayı amaçlamaktadır. SOMDEA olarak adlandırılan bu bütünleşik yaklaşım, iller arasındaki performans farklılıklarının daha anlaşılır ve kapsamlı bir şekilde değerlendirilmesine olanak sağlamaktadır.