Ersatzdatensatz - Amazon Forecast

Amazon Forecast ist für Neukunden nicht mehr verfügbar. Bestehende Kunden von Amazon Forecast können den Service weiterhin wie gewohnt nutzen. Erfahren Sie mehr“

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.

Ersatzdatensatz

Ein Ersatzdatensatz ist eine modifizierte Version der auf den Basisplan bezogenen Zeitreihe, die nur die Werte enthält, die Sie in einer Was-wäre-wenn-Prognose ändern möchten. Der Ersatzdatensatz muss die Prognosedimensionen, Elementkennungen und Zeitstempel der auf den Basisplan bezogenen Zeitreihe sowie mindestens eine geänderte Zeitreihe enthalten. Dieser Datensatz wird mit der auf den Basisplan bezogenen Zeitreihe zusammengeführt, um einen transformierten Datensatz zu erstellen, der für die Was-wäre-wenn-Prognose verwendet wird. Der Ersatzdatensatz muss das Format haben. CSV

Dieser Datensatz sollte keine doppelten Zeitstempel für dieselbe Zeitreihe enthalten.

Im Folgenden finden Sie einige Beispiele dafür, wie Sie eine Ersatzzeitreihe angeben können und wie diese Spezifikationen interpretiert werden. Stellen Sie sich den Fall vor, dass Sie täglich Prognosen erstellen und der Prognosezeitraum vom 01.08.2022 bis 03.08.2022 reicht. Die auf den Basiswert bezogene Zeitreihe für alle Beispiele ist in der folgenden Tabelle aufgeführt.

item_id Zeitstempel price stock_count

artikel_1

01.08.2022

100

50

artikel_1

02.08.2022

100

50

artikel_1

03.08.2022

100

50

artikel_2

01.08.2022

75

500

artikel_2

02.08.2022

75

500

artikel_2

03.08.2022

75

500

Unchanged values

Um einen discount von 10% auf Artikel_1 für den 02.08.2022 und den 03.08.2022 zu gewähren, genügt es, für den Ersatzdatensatz Folgendes anzugeben:

Ersatzdatensatz
item_id Zeitstempel price

item_1

02.08.2022

90

artikel_1

03.08.2022

90

Es ist jedoch auch zulässig, unveränderte Werte im Ersatzdatensatz anzugeben. Bei Verwendung als Ersatzdatensätze liefert jede der folgenden drei Tabellen dieselben Ergebnisse wie die zuvor bereitgestellte Tabelle.

Ersatzdatensatz mit unveränderter Spalte
item_id Zeitstempel price stock_count

artikel_1

02.08.2022

90

50

artikel_1

03.08.2022

90

50

Ersatzdatensatz mit unveränderten Zeilen
item_id Zeitstempel price

item_1

01.08.2022

100

artikel_1

02.08.2022

90

artikel_1

03.08.2022

90

artikel_2

01.08.2022

75

artikel_2

02.08.2022

75

artikel_2

03.08.2022

75

Ersatzdatensatz mit unveränderten Zeilen und Spalten
item_id Zeitstempel price stock_count

artikel_1

01.08.2022

100

50

artikel_1

02.08.2022

90

50

artikel_1

03.08.2022

90

50

artikel_2

01.08.2022

75

500

artikel_2

02.08.2022

75

500

artikel_2

03.08.2022

75

500

Missing values

Fehlende Werte in der Ersatzzeitreihe werden durch Werte aus der Bezugszeitreihe ersetzt. Stellen Sie sich das Szenario vor, in dem Sie für den 02.08.2022 und den 03.08.2022 einen discount von 10% auf Artikel_1 gewähren und den Lagerbestand von Artikel_2 am 01.08.2022 erhöhen. Dieser Ersatzdatensatz ist ausreichend:

Ersatzdatensatz mit fehlenden Werten
item_id Zeitstempel price stock_count

artikel_1

02.08.2022

90

artikel_1

03.08.2022

90

artikel_2

01.08.2022

5000

Die Werte, die in dieser Tabelle fehlen, werden aus der Zeitreihe für den Basisplan imputiert.

Extraneous values

Überflüssige Werte in der Ersatzzeitreihe werden bei der Erstellung einer Was-wäre-wenn-Prognose ignoriert. Das heißt, Werte im Ersatzdatensatz, die nicht den Werten in der Bezugszeitreihe entsprechen, werden nicht modelliert. Betrachten Sie diesen Ersatzdatensatz:

Ersatzdatensatz mit überflüssigen Werten
item_id Zeitstempel price stock_count

artikel_1

01.08.2022

100

50

artikel_1

02.08.2022

100

50

artikel_1

03.08.2022

100

50

artikel_2

01.08.2022

75

500

artikel_2

02.08.2022

75

500

Artikel_2

03.08.2022

75

500

artikel_3

01.08.2022

50

125

Artikel_3

02.08.2022

50

125

artikel_3

03.08.2022

50

125

Die Zeilen, die item_3 enthalten, werden ignoriert und sind nicht Teil der Was-wäre-wenn-Analyse.

Historical changes

Änderungen im Ersatzdatensatz, die außerhalb des Prognosezeitraums liegen, werden ignoriert. Betrachten Sie diesen Ersatzdatensatz:

Ersatzdatensatz mit Werten außerhalb des Prognosehorizonts
item_id Zeitstempel price stock_count

artikel_1

31.07.2022

100

50

artikel_1

01.08.2022

100

50

artikel_1

02.08.2022

100

50

artikel_1

03.08.2022

100

50

artikel_1

04.08.2022

100

50

Artikel_2

31.07.2022

75

500

Artikel_2

01.08.2022

75

500

Artikel_2

02.08.2022

75

500

Artikel_2

03.08.2022

75

500

artikel_3

04.08.2022

75

500

Die Zeilen, die den 31.07.2022 und den 04.08.2022 enthalten, werden ignoriert und sind nicht Teil der Was-wäre-wenn-Analyse.

Prognosedimensionen

Wenn Sie Prognosedimensionen in Ihren Datensatz aufnehmen, müssen Sie sie in den Ersatzdatensatz aufnehmen. Betrachten Sie diese Zeitreihe, die sich auf den Basisplan bezieht:

item_id store_id Zeitstempel price Anzahl der Bestände

artikel_1

speichern_1

01.08.2022

100

50

artikel_1

speichern_1

02.08.2022

100

50

artikel_1

speichern_1

03.08.2022

100

50

artikel_1

speichern_2

01.08.2022

75

500

artikel_1

speichern_2

02.08.2022

75

500

artikel_1

speichern_2

03.08.2022

75

500

Daher würde der Ersatzdatensatz für einen discount von 10% in allen Geschäften am 02.08.2022 wie folgt aussehen:

item_id store_id Zeitstempel price

artikel_1

speichern_1

02.08.2022

90

artikel_1

speichern_2

02.08.2022

67,5