Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Voraussetzungen vor dem Hochladen Ihres Datensatzes
Um erfolgreich eine Prognose zu erstellen, stellen Sie sicher, dass Ihr Datensatz die folgenden Anforderungen erfüllt.
Mindestens eine product_id hat eine Verkaufshistorie, die mindestens dem Vierfachen des im Datensatz outbound_order_line angegebenen Prognosezeitraums entspricht. Wenn der Prognosezeitraum beispielsweise 26 Wochen beträgt, beträgt die Mindestbestelldatenanforderung 26*4 = 104 Wochen.
Product_ID unter der Produktdatenentität sollte keine unvollständigen Daten (Null oder leere Zeichenfolge) oder Duplikate enthalten.
Alle zusätzlichen Spalten, die in der Prognosekonfiguration aus Gründen der Granularität ausgewählt wurden (die bedingt erforderlich sind '), enthalten keine unvollständigen Daten (Null oder leere Zeichenfolge).
Die Spalten-ID für alle Datenentitäten (z. B. product_id, site_id, ship_from_site_id) enthält keine Sonderzeichen wie Sternchen (*) und doppelte Anführungszeichen (“ „).
Das order_date enthält kein ungültiges Datum. Zum Beispiel ist der 29.02.2023, also der 29. Februar 2023, nur in einem Schaltjahr gültig.
Um die Genauigkeit der Prognosen zu verbessern, empfiehlt Demand Planning dringend Folgendes.
Laden Sie die Historie ausgehender Bestellungen aus zwei bis drei Jahren als Eingabe hoch, um eine genaue Prognose zu erstellen. Diese Dauer ermöglicht es den Prognosemodellen, Ihre Geschäftszyklen zu erfassen und eine robustere und zuverlässigere Prognose zu gewährleisten.
Zur Verbesserung der Prognosegenauigkeit wird außerdem empfohlen, Produktattribute wie Marke, Farbe, product_group_id, product_introduction_day und discontinue_day in die Produktdateneinheit aufzunehmen.
Sie können zusätzliche Informationen zu den Nachfragetreibern über die Datenentität supplementary_time_series bereitstellen. Beachten Sie, dass nur numerische Werte unterstützt werden.
Sie bieten alternative Produktzuordnungen an, wenn Sie ähnliche Produkte oder eine frühere Version für ein neues Produkt haben.
Entfernen Sie alle einmaligen oder einmaligen Ereignisse, z. B. COVID bevor Sie historische Verkaufsdaten hochladen.
