根據需求驅動因素預測 - AWS Supply Chain

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

根據需求驅動因素預測

若要在設定預測時提高預測準確性,您可以使用需求驅動因素。需求驅動因子是相關時間序列輸入,可擷取產品趨勢和季節。您可以根據各種因素使用需求驅動因素來影響供應鏈,而不是根據歷史需求。例如,促銷、價格變更和行銷活動。需求規劃支援歷史和未來需求驅動因素。

使用需求驅動程序的 P 必要條件

在擷取需求驅動因素的資料之前,請確定資料符合下列條件:

  • 請務必在 supplementary_time_series 資料實體中擷取需求驅動因素資料。您可以同時提供歷史和未來需求驅動程式資訊。如需需求規劃所需資料實體的相關資訊,請參閱 需求規劃

    如果您找不到 supplementary_time_series 資料實體,您的執行個體可能會使用較早的資料模型版本。您可以聯絡 AWS 支援部門來升級資料模型版本或建立新的資料連線。

  • 請確定在 supplementary_time_series 資料實體中填入下列資料欄。

    • id – 此欄是唯一的記錄識別符,是成功擷取資料的必要項目。

    • order_date – 此欄表示需求驅動程式的時間戳記。它可以是過去和未來的日期。

    • time_series_name – 此欄是每個需求驅動程式的識別符。此欄的值必須以字母開頭,長度應為 2–56 個字元,且可能包含字母、數字和底線。其他特殊字元無效。

    • time_series_value – 此欄提供特定需求驅動程式在特定時間點的資料點測量。僅支援數值。

  • 選取最少 1 個,最多 13 個需求驅動因素。請確定已設定彙總和填充方法。如需填充方法的詳細資訊,請參閱 需求驅動程式資料填充方法。您可以隨時修改設定。需求規劃將在下一個預測週期中套用變更。

下列範例說明當在 supplementary_time_series 資料實體中擷取所需的需求驅動程式資料欄時,如何產生需求計畫。需求規劃建議同時提供歷史和未來需求驅動程式資料 (如果可用)。此資料可協助學習模型學習並將模式套用至預測。

需求驅動程式範例

下列範例說明如何在資料集中設定一些常見的需求驅動因素。

需求驅動程式範例

當您提供主要指標時,Demand Planning 強烈建議您調整時間序列日期。例如,假設特定指標可做為轉換率為 70% 的 20 天領先指標。在這種情況下,請考慮將時間序列中的日期轉移 20 天,然後套用適當的轉換係數。雖然學習模型可以在不進行此類調整的情況下學習模式,但將主要指標資料與對應的結果對齊,在模式識別上更有效。值的規模在此過程中扮演重要角色,增強模型準確學習和解釋模式的能力。