Yapay Zeka ile Nakit Akışı Tahmini: Nasıl Çalışır, Ne Zaman Güvenilir?

Bu yazıyı ML mühendisimiz ve CFO'muz birlikte yazdı; çünkü nakit tahmini, ikisinin de işi: biri modeli kurar, diğeri parasını bu tahmine göre yönetir. Önce dürüst cümle: hiçbir model geleceği bilmez; iyi model belirsizliği ölçer.

Elle tahmin yapmanın gerçek maliyeti

Klasik 13 haftalık nakit tablosu: bir analist, haftada yarım-bir gün — yılda 25-50 iş günü. Üstelik elle toplanan veri 3-7 gün eski olduğundan tahmin doğduğu gün bayatlar. Sapması da yüksektir: elle tahminlerde ±%20-30 normaldir.

Bunun parasal karşılığı iki yönlüdür: tahmin kötümserse atıl nakit tutarsınız — bugünkü getiri ortamında atıl her TL ölçülebilir fırsat maliyetidir. İyimserse plansız kredi/KMH kullanırsınız — plansız borçlanma her zaman planlıdan pahalıdır. Sapmayı %20'den %10'a indirmek, güvenlik tamponunu küçültmek demektir; serbest kalan tampon doğrudan işletme sermayesidir.

Model banka verisinden nasıl tahmin üretir?

Sihir algoritmada değil, özellik çıkarımındadır. 3000+ bankadan akan işlem satırlarından üç örüntü grubu çıkarılır:

• Tekrarlayan ödemeler: kira, maaş, SGK, vergi — karşı taraf + tutar + periyot örüntüsüyle tespit edilir; nakit çıkışının en öngörülebilir kısmı
• Mevsimsellik: haftalık (hafta sonu tahsilat düşer), aylık (maaş günü, ay sonu yığılması), yıllık (bayram, sezon) — turizmci ile toptancının eğrisi bambaşkadır
• Müşteri ödeme davranışı: "X müşterisi ortalama 42 günde, ±8 gün sapmayla öder" — açık alacaklardan gelecek tahsilat projeksiyonu

Hangi model ne zaman gerçekçi?

• Klasik zaman serisi: hızlı, açıklanabilir, KOBİ verisinde şaşırtıcı derecede iyi taban çizgisi
• Gradient boosting: üretimin gerçek iş atı — çok firma üzerinde tek "global model" eğitilir, veri azlığını firmalar arası öğrenmeyle telafi eder
• Derin öğrenme: binlerce seri varsa marjinal kazanç; tek KOBİ'nin 8 aylık verisinde aşırı öğrenme garantisi. Dürüst cevap: çoğu senaryoda gerekmiyor

Doğruluk nasıl konuşulmalı?

"23 Mart'ta bakiyeniz 412.350 TL olacak" bir satış cümlesidir, mühendislik değil. Doğrusu aralık tahmini: "%80 ihtimalle 350-480 bin TL bandı". Asıl ürün değeri ise ikili soruda: "önümüzdeki 30 günde bakiye eksiye düşer mi?" — bu soru, tutar tahmininden çok daha güvenilir cevaplanır.

Tahmine güvenmenin 4 koşulu

1. Veri eksiksiz olmalı: tüm banka hesapları kapsanmalı — tek eksik hesap tahmini çürütür
2. Geriye dönük test (backtest): modelin son 8-12 haftadaki tahmin/gerçekleşme sapması raporlanmalı
3. Hata payı görünür olmalı: nokta değil aralık
4. İnsan varsayım katmanı ayrı: model tekrarlayanı öğrenir; tek seferlik olayları (vergi, yatırım, temettü) finans ekibi girer

Bu dördü yoksa "YZ tahmini" sadece süslü bir Excel'dir. Tuzaklar da bilinmeli: yeni bağlanan hesapta 3-6 aylık geçmişle model kurulmaz (soğuk başlangıçta kural+takvim modu dürüst seçenektir); kur şoku gibi rejim değişimlerini model öngöremez ama "tahmin güvenim düştü" diyebilmelidir. Temel veriyi düzenli tutmak için nakit akışı yönetimi rehberimize de göz atın.

Kobaküs Finansal Yapay Zeka çok yakında: nakit akışı tahmini, anomali uyarısı ve mutabakat asistanı tek panelde. Ana sayfadan erken erişim listesine katılın — lansman önceliği ilk kaydolanlarda.