기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Demand Planning
다음 표에는 Demand Planning에서 사용하는 데이터 엔터티와 열이 나열되어 있습니다.
표를 읽는 방법:
필수 - 이 데이터 엔터티의 열은 실패 없이 수요 예측을 실행하는 데 필수입니다.
조건부 필수 - 이 데이터 엔터티의 열은 수요 계획 설정에서 설정한 구성에 따라 필요합니다. 자세한 내용은 수요 계획 설정 수정 단원을 참조하십시오.
예측 품질에 권장 - 이 데이터 엔터티의 열은 예측 품질에 필요합니다.
선택 사항 - 열 이름이 선택 사항입니다. 향상된 기능 출력을 위해서는 값으로 열 이름을 추가하는 것이 좋습니다.
| 데이터 엔터티 | 이 데이터 엔터티가 필요합니까? | 이 데이터 엔터티는 어떻게 사용되나요? | 열 | 열이 필요합니까? | 이 열은 예측에서 어떻게 사용됩니까? |
|---|---|---|---|---|---|
|
outbound_order_line |
필수 | Demand Planning은 제품 속성을 사용하여 수요 계획 검토 및 모델 훈련을 위한 계층 필터를 설정합니다. |
id |
필수 | id , cust_order_id 및 product_id는 데이터 엔터티의 레코드를 고유하게 식별하는 데 사용되며 이 조합은 항상 고유해야 합니다. 열 값에 별표 및 큰따옴표와 같은 잘못된 문자가 없는지 확인합니다. |
|
cust_order_id |
필수 | ||||
|
product_id |
필수 | ||||
|
order_date |
필수 | 예측 생성에 필요합니다. 시계열 예측 기간을 식별합니다. | |||
|
final_quantity_requested |
필수 | 예측 생성에 필요합니다. 시계열 예측에 사용되는 수량을 식별합니다. 이 열에는 null 값이 포함되어서는 안 되며 숫자여야 합니다. 값에 쉼표가 없는지 확인합니다. 예를 들어 500000.00은 수요 계획에서 허용되는 값입니다. | |||
|
ship_from_site_id |
조건부 필수 | 이 열은 예측 차원(사이트 계층 구조)에 대해 열을 선택한 경우 예측 생성에 조건부로 필요합니다. 이 열에는 값이 있어야 하며 데이터 필터링 및 분석에 사용됩니다. 다양한 이행 시나리오에 대한 데이터를 매핑하는 방법에 대한 자세한 내용은 섹션을 참조하세요이행을 위한 데이터 매핑 예제. | |||
|
ship_to_site_id |
조건부 필수 | ||||
|
channel_id |
조건부 필수 | 이 열은 예측 차원(채널 계층 구조)에 대해 열을 선택한 경우 예측 생성에 조건부로 필요합니다. 이 열에는 값이 있어야 하며 데이터 필터링 및 분석에 사용됩니다. 다양한 이행 시나리오에 대한 데이터를 매핑하는 방법에 대한 자세한 내용은 섹션을 참조하세요이행을 위한 데이터 매핑 예제. | |||
|
customer_tpartner_id |
조건부 필수 | 이 열은 예측 차원(고객 계층 구조)에 대해 열을 선택한 경우 예측 생성에 조건부로 필요합니다. 이 열에는 값이 있어야 하며 데이터 필터링 및 분석에 사용됩니다. 다양한 이행 시나리오에 대한 데이터를 매핑하는 방법에 대한 자세한 내용은 섹션을 참조하세요이행을 위한 데이터 매핑 예제. | |||
|
ship_to_site_address_city |
조건부 필수 | 이 열은 예측 차원(사이트 계층 구조)에 대해 열을 선택한 경우 예측 생성에 조건부로 필요합니다. 이 열에는 값이 있어야 하며 데이터 필터링 및 분석에 사용됩니다. 다양한 이행 시나리오에 대한 데이터를 매핑하는 방법에 대한 자세한 내용은 섹션을 참조하세요이행을 위한 데이터 매핑 예제. | |||
|
ship_to_site_address_state |
조건부 필수 | ||||
|
ship_to_site_address_country |
조건부 필수 | ||||
|
status |
예측 품질에 권장 | 이 열은 예측 품질에 권장됩니다. 취소된 상태의 주문은 예측 입력으로 간주되지 않습니다. | |||
|
product |
필수 | 수요 계획은 이 데이터를 예측에 대한 과거 수요의 주요 소스로 사용합니다. 또한 세분화로 선택된 필드는 훈련을 위해 전송되며 수요 계획을 검토하기 위한 필터로 사용할 수 있습니다. |
id |
필수 | Supply Chain Data Lake()로 데이터를 수집하는 데 필요합니다SCDL. 열 값에 별표 IDs 및 큰따옴표와 같은 중복 및 특수 문자가 없어야 합니다. |
|
설명 |
필수 | Supply Chain Data Lake()로 데이터를 수집하는 데 필요합니다SCDL. 이 열에는 별표, 하이픈, 따옴표, 큰따옴표와 같은 특수 문자가 포함될 수 있습니다. | |||
|
parent_product_id |
조건부 필수 | 이 열은 예측 차원(제품 계층 구조)에 대해 열을 선택한 경우 예측 생성에 조건부로 필요합니다. 열에 값이 있고 데이터 및 모델 훈련을 필터링하고 분석하는 데 사용되는지 확인합니다. | |||
|
product_group_id |
조건부 필수 | ||||
|
product_type |
조건부 필수 | ||||
|
brand_name |
조건부 필수 | ||||
|
color |
조건부 필수 | ||||
|
display_desc |
조건부 필수 | ||||
|
product_available_day |
예측 품질에 권장 | 권장. 이 열의 값은 예측 모델이 신제품 도입 시기를 고려할 수 있도록 하여 예측 품질을 개선합니다. | |||
|
discontinue_day |
예측 품질에 권장 | 권장. 이 열의 값은 예측 모델이 제품 사용 중지 시기를 고려할 수 있도록 하여 예측 품질을 개선합니다. | |||
|
base_uom |
예측 품질에 권장 | 제품의 측정 단위입니다. 기본값은 한 단위 안에 있는 개별 상품입니다. | |||
|
is_deleted |
예측 품질에 권장 | 권장. 제품 ID를 예측에서 제외해야 하는 경우 Y를 입력합니다. | |||
|
pkg_height |
예측 품질에 권장 | 권장. 예측 모델이 이해할 수 있는 제품의 물리적 특성입니다. | |||
|
pkg_length |
예측 품질에 권장 | ||||
|
pkg_width |
예측 품질에 권장 | ||||
|
shipping_dimension |
예측 품질에 권장 | ||||
|
casepack_size |
예측 품질에 권장 | ||||
|
product_alternate |
예측 품질에 권장 | Demand Planning은 제품의 이전 버전(들) 또는 대체 버전(들)의 데이터를 사용하여 신제품에 대한 예측을 생성합니다. 데이터가 product_alternate 데이터 엔터티로 수집되면 예측에 대한 제품 계보 지원이 활성화됩니다. 자세한 내용은 제품 계보 단원을 참조하십시오. product_alternate 데이터 엔터티로의 데이터 수집을 건너뛸 수 있으며 예측은 여전히 생성될 수 있습니다. |
alternative_product_id |
필수 | Supply Chain Data Lake()로 데이터를 수집하는 데 필요합니다SCDL. 고유한 레코드 식별자입니다. |
|
product_id |
필수 | Supply Chain Data Lake()로 데이터를 수집하는 데 필요합니다SCDL. 새 제품 또는 새 버전의 제품 ID입니다. product_id가 제품 데이터 엔터티에 채워져 있는지 확인합니다. | |||
|
product_alternate_id |
필수 | 로 데이터를 수집하는 데 필요합니다SCDL. 유사한 제품 또는 이전 버전의 제품에 대한 식별자입니다. 여러 유사 제품을 단일 product_id 로 간주하려면 제품을 별도의 행에 입력합니다. product_alternate_id가 제품 데이터 엔터티에 채워져 있는지 확인합니다. | |||
|
alternate_type |
필수 | 제품 과잉 작업 또는 계보를 적용하는 데 필요합니다. 모든 행에서 유사한_demand_product 정적 값을 사용합니다. | |||
|
alternate_product_qty |
필수 | 제품 과잉 작업 또는 계보를 적용하는 데 필요합니다. product_id 예측에 사용할 alternate_product_id의 기록 비율을 입력합니다. 예를 들어 60%인 경우 60을 입력합니다. 단일 product_id 에 대해 alternative_product_id가 여러 개 있는 경우 alternate_product_qty는 최대 100개까지 추가할 필요가 없습니다. | |||
|
alternate_product_qty_uom |
필수 | 제품 과잉 작업 또는 계보를 적용하는 데 필요합니다. 특정 정적 값 “백분율”을 사용합니다. | |||
|
eff_start_date |
필수 | 로 데이터를 수집하는 데 필요합니다SCDL. 유사한 제품의 기록을 고려하려면 시작 기간을 입력합니다. 이 날짜가 eff_end_date 또는 그 이전인지 확인합니다. 그렇지 않으면 이 필드를 비워 두면 Demand Planning이 연도를 1000으로 자동 채웁니다. | |||
|
eff_end_date |
필수 | 로 데이터를 수집하는 데 필요합니다SCDL. 유사한 제품의 기록에서 고려할 종료 기간을 입력합니다. 이 날짜가 eff_start_date 또는 그 이후인지 확인하거나 이 필드를 비워 두면 Demand Planning이 9999로 연도를 자동으로 채웁니다. | |||
|
status |
예측 품질에 권장 | 권장. 비활성을 입력하여 제품 과잉 또는 계보 매핑을 무시합니다. | |||
|
보조_시간_시리즈 |
예측 품질에 권장 | Demand Planning은 이 데이터를 프로모션 이벤트, 할인, 휴일 등과 같은 일반적인 요인에 태그를 지정하는 기본 소스로 사용합니다. |
id |
필수 | Supply Chain Data Lake()로 데이터를 수집하는 데 필요합니다SCDL. 고유한 레코드 식별자입니다. |
|
order_date |
필수 | Supply Chain Data Lake()로 데이터를 수집하는 데 필요합니다SCDL. 시간 기록 시 타임스탬프입니다. | |||
|
time_series_name |
필수 | Supply Chain Data Lake()로 데이터를 수집하는 데 필요합니다SCDL. 특정 유형의 시계열의 이름입니다. time_series_name 열은 문자로 시작해야 하고, 2~56자여야 하며, 문자, 숫자 및 밑줄을 포함할 수 있습니다. 기타 특수 문자는 허용되지 않습니다. | |||
|
time_series_value |
필수 | 로 데이터를 수집하는 데 필요합니다SCDL. 특정 시계열에 해당하는 값입니다. Demand Planning은 숫자 입력만 지원하며 범주형 값이 있는 시계열은 고려되지 않습니다. | |||
|
product_id |
선택 사항 | 권장. 특정 제품의 고유 식별자입니다. 제품 수준에서 수요 드라이버를 사용할 수 있는 경우 이 열을 사용합니다. | |||
|
site_id |
선택 사항 | 권장. 특정 사이트 또는 위치의 고유 식별자입니다. 사이트 수준에서 수요 드라이버를 사용할 수 있는 경우 이 열을 사용합니다. 이 열은 가장 낮은 수준의 사이트 계층 구조를 기반으로 ship_from_site_id 또는 ship_to_site_id를 나타낼 수 있습니다. | |||
|
channel_id |
선택 사항 | 권장. 특정 채널의 고유 식별자입니다. 채널 수준에서 수요 드라이버를 사용할 수 있는 경우 이 열을 사용합니다. | |||
|
customer_tpartner_id |
선택 사항 | 권장. 특정 고객의 고유 식별자입니다. 고객 수준에서 수요 드라이버를 사용할 수 있는 경우 이 열을 사용합니다. |
