Show TOC

Unified Demand Forecast (UDF)Locate this document in the navigation structure

Konzept

Unified Demand Forecast (UDF) ist ein Modul im SAP Customer Activity Repository und stellt Services zur Bedarfsmodellierung und -prognose für SAP-for-Retail-Anwendungen bereit, die von der Bedarfsprognose gesteuert werden. Darüber hinaus ermöglicht UDF Einblicke in das Käuferverhalten und ermöglicht Händlern die Durchführung prädiktiver Analysen zum Kundenbedarf.

UDF verwendet für die Eingabe echtzeitnahe Informationen zu im SAP Customer Activity Repository gesammelten Multichannel-Kundentransaktionen. UDF kann historische Bedarfsdaten aus verschiedenen Zeitreihen (z.B. Verbrauchsdaten, Point-of-Sale-Daten oder Kundenaufträgen) verwenden. Unter Nutzung der Vorteile der SAP-HANA-Möglichkeiten, stellt UDF eine einheitliche Prognose zukünftiger täglicher Bedarfe bereit.

Für die Ausgabe generiert UDF einen täglichen Bedarfswert sowie eine zugehörige Dekomposition des Bedarfs nach Bedarfseinflussfaktoren (z.B. Basisbedarf und Aktions-Uplifts). Die Bedarfsprognosen können als Basis für verschiedene branchenübergreifende Planungsanwendungsfälle dienen.

Einführungshinweise

  • UDF ist nicht spezifisch für eine nachgelagerte Anwendung. Stattdessen stellt er seine Services über die auf dem SAP Customer Activity Repository installierte konsumierende Anwendung bereit. Weitere Informationen finden Sie im SAP Help Portal unter http://help.sap.com/carAnfang des Navigationspfads <Ihr Release> Nächster Navigationsschritt Installation and Upgrade Information Nächster Navigationsschritt Master Guide Ende des Navigationspfads.

  • UDF benötigt das Modul Demand Data Foundation (DDF) in SAP Customer Activity Repository für Stamm- und Transaktionsdaten. Weitere Informationen finden Sie unter Demand Data Foundation.

  • Ab der SAP-HANA-Plattform mit SPS 08, Revision 82, werden die statistischen Algorithmen des UDF in Form einer Anwendungsfunktionsbibliothek (UDF AFL, Softwarekomponente UDFAFL_INST) implementiert. Die UDF AFL folgt dem Release-Zyklus der SAP-HANA-Plattform. Weitere Informationen finden Sie im SAP-Hinweis 2050229 Auf SAP-Site veröffentlichte Informationen.

  • Informationen zur Installation und Implementierung finden Sie im SAP-Hinweis 1880610 Auf SAP-Site veröffentlichte Informationen sowie im SAP Help Portal für SAP Customer Activity Repository unter http://help.sap.com/carAnfang des Navigationspfads <Ihr Release> Nächster Navigationsschritt Installation and Upgrade Information Ende des Navigationspfads und Integration Information.

Prozess

UDF operiert in zwei Hauptschritten:

  1. Bedarfsmodellierung

    Anhand der als Eingabe bereitgestellten historischen Bedarfsdaten versucht UDF, den historischen Verkauf und die Auswirkungen zu erklären, die die einzelnen Bedarfseinflussfaktoren in der Vergangenheit auf den Konsumentenbedarf hatten. Beispiele beinhalten Preisänderungen, Aktionen, Werbemittel, die Saisonalität, gesetzliche Feiertage oder Trends.

    Technisch gesehen modelliert UDF den historischen Bedarf durch Schätzung der optimalen Werte für die Parameter seines definierten statistischen Modells. Die Parameter beschreiben in der Regel BEF-Auswirkungen. Einzelheiten finden Sie unten im Abschnitt Algorithmus.

    Modellierungsergebnisse

    Die Modellierung kann verschiedene Zeitreihen generieren (siehe Modell).

    Hinweis

    Die Bedarfsmodellierung ist eine Voraussetzung für die Bedarfsprognose. Bevor Objekte (z.B. Produkte und Lokationen) für eine Prognose berücksichtigt werden können, müssen sie zuerst modelliert werden, damit Modellierungsergebnisse verfügbar sind.

  2. Bedarfsprognose

    Anhand der Ergebnisse der Bedarfsmodellierung und den vorhandenen Eingaben wie z.B. geplante Aktionen und Preise, kann UDF die Auswirkungen ähnlicher BEF-Instanzen in der Zukunft prognostizieren und den zukünftigen Bedarf aus ihnen ableiten. UDF kann diesen Bedarf für den angeforderten Zeitraum für eine spezifische Kombination aus Produkt/Lokation/Verkaufsorganisation/Vertriebsweg/Auftragskanal/Tag prognostizieren. Die Auswirkungen jedes Faktors, der zur Gesamtprognose beigetragen hat, können detailliert aufgeführt werden (siehe Abschnitt Bedarfsdekomposition unten).

    Prognoseergebnisse

    Die Prognose kann verschiedene Zeitreihen generieren (siehe Prognose).

Funktionsumfang

Verschiedene Arten historischer Bedarfsdaten

UDF unterstützt als Eingabe für die Modellierung verschiedene Zeitreihen (z.B. Point-of-Sale-Daten, Verbrauchsdaten oder Kundenaufträge). Weitere Informationen finden Sie unter Zeitreihen sowie im Abschnitt Introduction to Demand Data Foundation (DDF) des Administrator's Guide, Demand Data Foundation (DDF) with Unified Demand Forecast (UDF) on SAP HANA, der unter http://help.sap.com/carAnfang des Navigationspfads <Ihr Release> Nächster Navigationsschritt Integration Information Ende des Navigationspfads verfügbar ist.

Empfehlung

  • Sie sollten 2 Jahre der Absatzhistorie bereitstellen, um eine aussagekräftige Interpretation von Saisonalität, Trends und weiteren jährlichen BEFs zu erhalten.

  • Ihre historischen Daten müssen eine tägliche Granularität aufweisen. Wöchentliche Daten werden derzeit nicht unterstützt. Weitere Informationen finden Sie im Customizing (Transaktion SPRO) unter Anfang des Navigationspfads Anwendungsübergreifende Komponenten Nächster Navigationsschritt Demand Data Foundation Nächster Navigationsschritt Importierte Daten Nächster Navigationsschritt Zeitreihen Nächster Navigationsschritt Zeitreihen für Kennzahlenkonfiguration definieren Ende des Navigationspfads.

Ausführungsmodi

In Abhängigkeit von Ihrem Prognoseszenario können Sie UDF in verschiedenen Ausführungsmodi ausführen:

  • Produktionsmodus: Dies ist der Standardmodus, und Sie können den Prognoselauf einplanen. Die Prognoseergebnisse werden in der Datenbank persistiert und können direkt aus SAP-HANA-Views oder -Tabellen gelesen werden.

  • Diagnosemodus: Dieser Modus ist für diagnostische Evaluierungen und Prognoseanalysen wie Holdout-Prognosen vorgesehen. Sie müssen für jede diagnostische Prognose, die Sie ausführen möchten, eine Diagnose-ID angegeben. Sie können den Prognoselauf einplanen.

  • What-if-Prognose: Sie können die Prognose bei Bedarf auslösen. Die Prognoseergebnisse werden der konsumierenden Anwendung wie angefordert bereitgestellt (z.B. SAP Promotion Management for Retail). What-if-Prognosen werden häufig während der Planung verwendet, da sie es Ihnen ermöglichen, die Auswirkungen eines bestimmten Ablaufs einzuschätzen, der in der Zukunft erfolgt oder nicht (z.B. ein geplantes Angebot).

Prognosegranularität

UDF prognostiziert einen Bedarf in der feinsten Granularität (täglich). In traditionellen Szenarien handelt es sich hierbei um ein einzelnes Produkt in einer einzelnen Lokation. Für Multichannel-Szenarien kann UDF zusätzlich eine Prognose nach Auftragskanal, Vertriebsweg und Verkaufsorganisation durchführen.

Bedarfsdekomposition

Sie können den UDF so einstellen, dass er den modellierten historischen Bedarf sowie den prognostizierten zukünftigen Bedarf nach einem Bedarfseinflussfaktor (BEF) aufgliedert. Diese Bedarfsdekomposition ermöglicht es Ihnen, zu sehen, wie viel des Gesamtwertes dem Kerngeschäft und wie viel bestimmten BEFs zugeschrieben werden kann. Ein BEF kann eine positive oder eine negative Auswirkung auf den Bedarf haben. Beispiele beinhalten Angebote, Preise, Werbemittel, gesetzliche Feiertage oder die Saisonalität.

Dekompositionsergebnisse

Die Modellierung und die Prognose können jeweils eine entsprechende Dekompositionszeitreihe generieren. Weitere Informationen finden Sie unter Modell und Prognose.

Achtung

Bei der Bedarfsdekomposition kann je nach Ihrem Geschäftsumfang eine große Datenmenge entstehen, und das ursprüngliche Hardware-Sizing muss berücksichtigt werden. Weitere Informationen finden Sie in den Sizing-Richtlinien für Ihre SAP-Customer-Activity-Repository-Lösung auf dem SAP Service Marketplace unter http://service.sap.com/sizingAuf SAP-Site veröffentlichte Informationen.

Algorithmus

Der statistische Algorithmus von UDF ist ein Bayes'sches Regressionsmodell, das die Konfiguration von additiven und multiplikativen BEF-Auswirkungen zulässt. Fehlende Informationen können von UDF über allgemeine beste Annahmen („Prioren“) abgewickelt werden. Bei der Modellierung des Bedarfs und der Schätzung der optimalen Werte für die Parameter des Bedarfsmodells gleicht UDF Prioren und historische Daten ab:

  • Wenige historische Daten → Parameterschätzung näher an Prioren

  • Viele historische Daten → Parameterschätzung näher an Daten

Die Parameterschätzungen werden in die Tabelle /DMF/UMD_PAR geschrieben.

Weitere Informationen

  • UDF einrichten: Administrator's Guide, Demand Data Foundation (DDF) with Unified Demand Forecast (UDF) on SAP HANA, verfügbar auf im SAP Help Portal unter http://help.sap.com/carAnfang des Navigationspfads <Ihr Release> Nächster Navigationsschritt Integration Information Ende des Navigationspfads

  • Customizing für UDF (Transaktion SPRO): Alle Aktivitäten unter Anfang des Navigationspfads Anwendungsübergreifende Komponenten Nächster Navigationsschritt Demand Data Foundation Nächster Navigationsschritt Modellierung und Prognose Ende des Navigationspfads

  • Verwendung von UDF: Modellierung und Prognose planen

  • Visualisierung und Validierung von Prognosen: Prognosen mit UDF Launchpad validieren