翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
フルフィルメントのデータマッピングの例
実店舗販売またはオンライン販売をアウトバウンド注文品目データセットにマッピングして、過去の需要設定を最適化する例は、次のとおりです。この例を利用して、正確な予測に向けてデータを構造化してください。この例の設定を調べて、予測モデルがさまざまな納品シナリオに対応していることを確認します。
注記
データフィールド ship_from_site_id 、ship_to_site_id 、channel_id が予測粒度用に選択されている場合は、値があることを確認するか、値NULLとして を入力します。上記のフィールドが空白の場合、予測は失敗します。
| データフィールド | 説明 | シナリオ 1 – ストアセールス (POS） | シナリオ 2 – 店舗で e コマースの需要を満たす場合 | シナリオ 3 – オンライン納品センター (顧客への直送) で e コマースの需要を満たす場合 |
|---|---|---|---|---|
| ship_from_site_id | 在庫を管理するサイト | 店舗 ID | 店舗 ID | 納品センター ID |
| ship_to_site_id | 注文の再送先サイト | と入力NULLすると、予測の失敗を回避できます | 国、リージョン、都道府県、または郵便番号 – 該当する場合 | 外部小売業者の店舗 ID または国、リージョン、都道府県、郵便番号 – 該当する場合 |
| channel_id | 品目の販売方法のマップ | 実店舗販売 | e コマース | e コマース |
