Ensemble de données de remplacement

Un jeu de données de remplacement est une version modifiée de la série chronologique associée à la référence qui contient uniquement les valeurs que vous souhaitez modifier dans une prévision hypothétique. Le jeu de données de remplacement doit contenir les dimensions de prévision, les identificateurs d'éléments et les horodatages des séries chronologiques associées à la référence, ainsi qu'au moins une série chronologique modifiée. Ce jeu de données est fusionné avec la série chronologique associée à la ligne de base pour créer un jeu de données transformé qui est utilisé pour les prévisions hypothétiques. Le jeu de données de remplacement doit être au format CSV.

Ce jeu de données ne doit pas contenir d'horodatages dupliqués pour la même série chronologique.

Vous trouverez ci-dessous plusieurs exemples de la manière dont vous pouvez spécifier une série chronologique de remplacement et de la manière dont ces spécifications sont interprétées. Imaginons le cas où vous faites des prévisions quotidiennes et que l'horizon de prévision se situe entre le 1er août et le 3 août. Les séries chronologiques relatives à la base de référence pour tous les exemples sont indiquées dans le tableau suivant.

item_id	timestamp	prix	stock_count
article_1	05/08/01	100	50
article_1	05/08/02	100	50
article_1	03/08/08	100	50
article_2	05/08/01	75	500
article_2	05/08/02	75	500
article_2	03/08/08	75	500

Unchanged values

Pour appliquer une réduction de 10 % sur item_1 pour le 02/08/2008 et le 03/08/2008, il suffit de spécifier les éléments suivants pour le jeu de données de remplacement :

Ensemble de données de remplacement
item_id	timestamp	prix
article_1	05/08/02	90
article_1	03/08/08	90

Toutefois, il est également possible de spécifier des valeurs inchangées dans le jeu de données de remplacement. Lorsqu'elles sont utilisées comme ensembles de données de remplacement, chacune des trois tables suivantes produira les mêmes résultats que la table fournie précédemment.

Ensemble de données de remplacement avec une colonne inchangée
item_id	timestamp	prix	stock_count
article_1	05/08/02	90	50
article_1	03/08/08	90	50

Ensemble de données de remplacement avec des lignes inchangées
item_id	timestamp	prix
article_1	05/08/01	100
article_1	05/08/02	90
article_1	03/08/08	90
article_2	05/08/01	75
article_2	05/08/02	75
article_2	03/08/08	75

Ensemble de données de remplacement avec des lignes et des colonnes inchangées
item_id	timestamp	prix	stock_count
article_1	05/08/01	100	50
article_1	05/08/02	90	50
article_1	03/08/08	90	50
article_2	05/08/01	75	500
article_2	05/08/02	75	500
article_2	03/08/08	75	500

Missing values

Les valeurs manquantes dans la série chronologique de remplacement sont remplacées par les valeurs de la série chronologique associée à la base de référence. Imaginons le scénario dans lequel vous appliquez une réduction de 10 % sur l'article 1 pour le 2 août et le 3 août et augmentez le stock de l'article 2 le 1er août. Ce jeu de données de remplacement est suffisant :

Ensemble de données de remplacement avec des valeurs manquantes
item_id	timestamp	prix	stock_count
article_1	05/08/02	90
article_1	03/08/08	90
article_2	05/08/01		5000

Les valeurs absentes de ce tableau sont imputées à partir des séries chronologiques relatives à la base de référence.

Extraneous values

Les valeurs superflues de la série chronologique de remplacement sont ignorées lors de la création d'une prévision hypothétique. En d'autres termes, les valeurs du jeu de données de remplacement qui ne correspondent pas aux valeurs des séries chronologiques associées à la référence ne sont pas modélisées. Considérez cet ensemble de données de remplacement :

Ensemble de données de remplacement avec des valeurs superflues
item_id	timestamp	prix	stock_count
article_1	05/08/01	100	50
article_1	05/08/02	100	50
article_1	03/08/08	100	50
article_2	05/08/01	75	500
article_2	05/08/02	75	500
article_2	03/08/08	75	500
article_3	05/08/01	50	125
article_3	05/08/02	50	125
article_3	03/08/08	50	125

Les lignes contenant item_3 sont ignorées et ne font pas partie de l'analyse hypothétique.

Historical changes

Les modifications apportées au jeu de données de remplacement en dehors de l'horizon de prévision sont ignorées. Considérez cet ensemble de données de remplacement :

Jeu de données de remplacement avec des valeurs situées en dehors de l'horizon de prévision
item_id	timestamp	prix	stock_count
article_1	07-31	100	50
article_1	05/08/01	100	50
article_1	05/08/02	100	50
article_1	03/08/08	100	50
article_1	04/08/2008	100	50
article_2	07-31	75	500
article_2	05/08/01	75	500
article_2	05/08/02	75	500
article_2	03/08/08	75	500
article_3	04/08/2008	75	500

Les lignes contenant le code « 07-31 » et le « 08-04 » sont ignorées et ne font pas partie de l'analyse hypothétique.

Dimensions des prévisions

Si vous incluez des dimensions de prévision dans votre jeu de données, vous devez les inclure dans le jeu de données de remplacement. Considérez cette série chronologique liée à la base de référence :

item_id	identifiant du magasin	timestamp	prix	stock_count
article_1	magasin_1	05/08/01	100	50
article_1	magasin_1	05/08/02	100	50
article_1	magasin_1	03/08/08	100	50
article_1	boutique_2	05/08/01	75	500
article_1	boutique_2	05/08/02	75	500
article_1	boutique_2	03/08/08	75	500

Par conséquent, le jeu de données de remplacement pour bénéficier d'une réduction de 10 % dans tous les magasins le 2 août serait le suivant :

item_id	identifiant du magasin	timestamp	prix
article_1	magasin_1	05/08/02	90
article_1	boutique_2	05/08/02	67,5

Avertissement JavaScript est désactivé ou n'est pas disponible dans votre navigateur.

Pour que vous puissiez utiliser la documentation AWS, Javascript doit être activé. Vous trouverez des instructions sur les pages d'aide de votre navigateur.

Conventions de rédaction

Fonctions de transformation

Gestion des ressources