Компонент HANA "Прогнозирование потребности" выполняет в HANA алгоритм для получения прогнозов на указанный период в будущем. Функциональность компонента является подмножеством Unified Demand Forecast (UDF), модуля в SAP Customer Activity Repository (CAR). Основным назначением этого компонента является прогноз потребительского спроса. Помимо предоставления сведений о прогнозе и интервале прогноза данный алгоритм также предоставляет данные о потребности в эластичности цены для всех продуктов в потоке операций. Ниже описаны свойства конфигурации, сетка результатов и сводка алгоритма компонента HANA "Прогнозирование потребности".
Раздел |
Описания свойств |
|---|---|
Горизонт прогнозирования |
Установите даты Начала и Окончания периода прогнозирования. |
Переменные |
Установите следующие переменные свойства: Ид. продукта: выберите только строковый столбец из входной таблицы, содержащий идентификационный код продукта длиной до 60 символов. Ид. местоположения: выберите только строковый столбец из входной таблицы, содержащий идентификационный код местоположения длиной до 60 символов. Метка времени операции: выберите из входной таблицы столбец, содержащий метку времени операции в формате даты или метки времени. Объем сбыта: выберите только числовой столбец из входной таблицы, содержащий значение объема сбыта. Выручка: выберите только числовой столбец из входной таблицы, содержащий значение выручки. |
Нерабочие дни (необязательно) |
Содержит сведения о праздничных днях в определенных местоположениях. Установите следующие свойства: Схема: выберите схему для входной таблицы из списка в базе данных HANA.Таблицы: выберите таблицу из схемы. Представления: выберите представление из схемы. Ид. шкалы времени: выберите только строковый столбец из входной таблицы, содержащий идентификационный код шкалы времени длиной до 10 символов. Ключ праздничного дня: выберите только строковый столбец из входной таблицы, содержащий ключ праздничного дня длиной до 3 символов. Оперативный статус: выберите только целочисленный столбец из входной таблицы, содержащий оперативный статус. Метка времени: выберите из входной таблицы столбец, содержащий метку времени операции в формате даты или метки времени. |
Мэппинг МПЛ к нерабочим дням (необязательно) |
Установите следующие свойства сопоставления нерабочих дней с местоположениями: Схема: выберите схему, содержащую таблицу со сведениями о сопоставлении местоположений праздничным дням. Таблицы: выберите таблицу из схемы. Представления: выберите представление из схемы. Ид. местоположения: выберите только строковый столбец из входной таблицы, содержащий идентификационный код местоположения длиной до 60 символов. Ид. нерабочего дня: выберите только строковый столбец из входной таблицы, содержащий идентификационный код нерабочего дня длиной до 10 символов. |
Факторы, влияющие на потребность (необязательно) |
Установите следующие свойства факторов, влияющих на потребность: Схема: выберите схему, содержащую таблицу со сведениями о факторах, влияющих на потребность. Таблицы: выберите таблицу из схемы. Представления: выберите представление из схемы. Ид. продукта: выберите только строковый столбец из входной таблицы, содержащий идентификационный код продукта. Ид. местоположения: выберите только строковый столбец из входной таблицы, содержащий идентификационный код местоположения. Атрибут фактора, влияющего на потребность: выберите только строковый столбец из входной таблицы, содержащий атрибут фактора, влияющего на потребность, длиной до 32 символов. Метка времени с: выберите столбец только дат из входной таблицы, содержащий дату, с которой начинается метка времени. Метка времени по: выберите столбец только дат из входной таблицы, содержащий конечную дату метки времени. Значение фактора, влияющего на потребность: выберите только числовой столбец из входной таблицы, содержащий значение фактора, влияющего на потребность. |
Ожидаемые будущие цены (необязательно) |
Установите следующие свойства ожидаемой будущей цены: Схема: выберите схему, содержащую таблицу со сведениями об ожидаемых будущих ценах. Таблицы: выберите таблицу из схемы. Представления: выберите представление из схемы. Ид. продукта: выберите только строковый столбец из входной таблицы, содержащий идентификационный код продукта. Ид. местоположения: выберите только строковый столбец из входной таблицы, содержащий идентификационный код местоположения. Метка времени с: выберите столбец только дат из входной таблицы, содержащий дату, с которой начинается метка времени. Цена: выберите только числовой столбец из входной таблицы, содержащий цену. |
Раздел |
Описания свойств |
|---|---|
Параметры конфигурации (необязательно) |
В разделе "Параметры конфигурации" можно настроить следующие параметры: Коэффициент сдерживания (FC_TREND_DAMP): определяет коэффициент сдерживания для регрессора тренда. Допустимое значение >= 0.00000.Общая масса регрессии (MOD_HDM_NEAR_HOLIDAY_DENSITY): задает долю общей массы регрессии справа (POST: слева) от срединной даты. Учтите, что есть две группы HDM-регрессоров, SYS:CAL:YR:HDM:PRE:* и SYS:CAL:YR:HDM:POST:*. PRE-регрессоры определяют повышение перед нерабочим днем, а POST-регрессоры понижение после нерабочего дня. Диапазон: 0.50000 <= значение < 1.00000. |
| Влияние задержки (необязательно) | В разделе "Влияние задержки" настройте следующие параметры: Вес наблюдения (MOD_TIME_WEIGHT): задает весь наблюдения годичной давности в сравнении с сегодняшним наблюдением. Эта переменная помогает решить, следует ли придавать одинаковую важность (или вес) всем записям вне зависимости от их меток времени. Например, при построении модели установка для этого параметра значения 1 присваивает равную важность всем записям вне зависимости от времени их создания. При это установка для данного параметра значения меньше 1 позволяет пользователю придавать более старым записям меньшую важность в сравнении с более недавними записями. Диапазон: 0.50000 <= значение < 1.00000. Нижняя граница веса (MOD_TIME_WEIGHT_MIN): определяет нижнюю границу, ниже которой вес не будет опускаться. Диапазон: 0.00001 <= значение < 1.00000. |
Обнаружение дефицита запаса (необязательно) |
В разделе "Обнаружение дефицита запаса" настройте следующие параметры: Период нулевого оборота (MOD_OOSD_MIN_LEN): задает минимальную продолжительность непрерывного нулевого оборота для учета при оценке периода дефицита запаса. Допустимое значение >= 1,00000. Порог вероятности (MOD_OOSD_THRSHLD): задает пороговое значение оценки вероятности для определения позиций с дефицитом запаса. Оценка вероятности для каждой позиции основана на возникновении нулевого оборота на период больше заданного параметром MOD_OOSD_MIN_LEN. Допустимое значение >= 1,00000. |
Декомпозиция временного ряда (необязательно) |
Установите нужные флажки декомпозиции временного ряда, чтобы вычленить следующие факторы и ясно увидеть их влияние на результаты: Сезонность: может влиять на результаты в различные периоды года, такие как начало или конец года либо каждый второй месяц. Рекламное мероприятие для пользователя: может отражаться на результатах внезапными пиками оборота. Нерабочие дни: праздники, такие Новый год и Рождество, могут влиять на оборот. Снимите флажки факторов, влияние которых не требуется учитывать в результатах. |
Обнаружение посторонних значений (необязательно) |
В разделе "Обнаружение посторонних значений" настройте следующие параметры: Сконфигурировать обнаружение посторонних значений: флажок для включения или отключения обнаружения посторонних значений. Допустимое отклонение от среднего значения (MOD_OUTLIER_MEAN_FACTOR): определяет фактор обнаружения посторонних значений для определения приемлемого отклонения от среднего значения. Минимум ненулевых наблюдений (MOD_OUTLIER_STD_DEV_FACTOR): определяет минимальное число ненулевых наблюдений обнаружения посторонних значений, обычных и рекламных, для заполнения нулями. Стандартное отклонение (MOD_OUTLIER_STD_DEV_FACTOR): определяет фактор обнаружения посторонних значений для определения приемлемого количества отклонений от среднего значения. |
Имя раздела |
Описания свойств |
|---|---|
Основные (необязательно) |
Имя компонента: Не настраивается. В разделе "Обнаружение посторонних значений" можно настроить следующие параметры:Псевдоним: псевдоним компонента. Описание: назначение компонента. |
Столбец |
Описание |
|---|---|
PROD_ID |
Идентификатор продукта |
LOC_ID |
Идентификатор местоположения |
TSTMP_FR |
Начальная метка времени |
TSTMP_TO |
Конечная метка времени |
ACTUAL_UNIT_SALES |
Фактический объем сбыта |
FC_CONF_INDEX |
Показатель достоверности прогноза (ПДП) |
FC_UNIT_SALES |
Прогнозируемый объем сбыта |
INTERCEPT |
Перехват компонента декомпозиции временного ряда. |
| TREND | Тренд компонента декомпозиции временного ряда. |
SEASONALITY |
Сезонность компонента декомпозиции временного ряда. |
DAY_OF_WEEK |
День недели компонента декомпозиции временного ряда. |
HOLIDAY |
Нерабочий день компонента декомпозиции временного ряда. |
| SALES_PROMOTION | Рекламное мероприятие компонента декомпозиции временного ряда. |
PRICE |
Будущая цена для продукта и местоположения на ежедневной основе. Историческая цена вычисляется на основе оборота и цены за единицу. |
PRICE_ELASTICITY |
Эластичность цены. Показатель чувствительности спроса на товар или услугу к изменению цены. |
FORECAST_INFO_MSG |
Предоставляет дополнительные сведения, поясняющие показатель достоверности прогноза (ПДП). |
FORECAST_INFO_DIF_DESC |
Предоставляет дополнительные сведения, поясняющие влияние данного влияющего на спрос фактора на прогноз. |
Категория |
Число комбинаций местоположения продукта |
Критерии |
Описания |
|---|---|---|---|
Абсолютно неэластичная потребность |
0 |
E = 0 |
Данная категория крайний случай, так как на востребованный объем не влияют никакие изменения цены. Объем фиксирован и изменения цены никак не сказываются на результате. |
Неэластич. |
0 |
-1 < E < 0 |
UDF по умолчанию ограничивает эластичность пределами от нуля до -10. Поэтому эластичность цены выше -1 называют неэластичной потребностью. Это означает, что изменения цены относительно мало влияют на объем потребности в товаре или услуге. Напротив, если эластичность цены ниже -1, изменения цены имеют относительно большое влияние на объем потребности в товаре или услуге, что означает эластичный спрос. |
Единич. эластич. |
0 |
E = -1 |
Любое изменение цены вызывает равное относительное изменение объема. Например, изменение цены на 20% приводит к изменению объема потребности на 20%. Единичная эластичность является разделительной чертой между эластичным и неэластичным диапазонами. |
Относительно эластичная потребность |
1 |
E < -1 |
Объем потребности чрезвычайно чувствителен к цене, так как относительно малые изменения цены вызывают относительно крупные изменения объема. Например, изменение цены на 2% приводит к изменению объема потребности более чем на 20% (возможно, более чем на 40%). |
Компонент HANA "Прогнозирование потребности" является подмножеством UDF (Unified Demand Forecast) для приложений SAP Retail в SAP HANA. Это часть SAP Customer Activity Repository (CAR). UDF автоматически использует все необходимые входные данные близреального времени из этой платформы. Таким образом, UDF опирается на компонент CAR Demand Data Foundation и может обеспечивать такие задачи, как планирование заданий на базе NW, структура параллелизации пакетных заданий, инструментальные средства особых ситуаций и IMG-экран конфигурации.
Механизм унифицированного прогнозирования представляет собой сочетание научных знаний в области прогнозирования и методологий из нескольких источников. К ним относятся приобретенные SAP компании SAF AG (SAP Forecasting and Replenishment) и Khimetrics (Demand Management Foundation).
UDF предоставляет бизнес-аналитикам знание о влиянии, которое каждый из факторов, влияющих на потребность (DIF), имел на потребительский спрос в прошлом. Такими факторами могут быть, например, изменения цены, рекламные мероприятия, сезонность или тренд. Разложенные значения могут использоваться при прогнозировании будущей потребности для поддержания приложений-потребителей в компонентах "Розница" и "Потребительские товары". Более того, UDF обучается на новых данных потребности, то есть автоматически адаптирует модель потребности для укрепления прогноза по мере поступления данных.
Максимально используются возможности технологии базы данных in-memory, что позволяет извлекать преимущества, предоставляемые большими данными. Все это дает пользователям возможность моделировать и прогнозировать большие объемы данных для обеспечения новых бизнес-сценариев. Это обеспечивает поддержку больших объемов данных, выполнение обработки в близреальном времени и привнесение детализированных предположений в данные потребности.