Zum Hauptinhalt wechseln
Dokumentation
Dokumentation
Adaptive Planning
Zuletzt aktualisiert: 2025-03-14
Machine Learning-Prognosen erstellen

Machine Learning-Prognosen erstellen

Anforderungen für Istdaten:
  • Ihre historischen Daten enthalten genügend Datenpunkte, um den Algorithmus zu unterstützen. Siehe: Referenz: Machine Learning-Algorithmen für Adaptive Planning.
  • Sie müssen ein Verhältnis von mindestens 3:2 zu prognostizierten Datenpunkten haben. Beispiel: Um 2 Jahre zu prognostizieren, benötigen Sie Istdaten für 3 Jahre.
  • Unabhängig von Ihrer Kalenderstruktur benötigen Sie Folgendes, um die benutzerdefinierten Optionen für die Saisonalität zu verwenden:
    • 3 Jahre Istzahlen für jährliche Saisonalität.
    • 18 Monate Istzahlen bei halbjährlicher Saisonalität.
    • 9 Monate Istzahlen für vierteljährliche Saisonalität.
Anforderungen an Hebel:
Sicherheit:
  • Zugriff auf die Ebenen, Versionen und Konten, die Sie in die Prognose aufnehmen möchten.
  • Berechtigung
    Prädiktives Prognosetool
     .
Sie können die Effizienz und Genauigkeit Ihrer Pläne verbessern, indem Sie Machine Learning-Prognosen erstellen. Das prädiktive Prognosetool verwendet ML-Algorithmen Ihrer Wahl, um Tabellenblätter in Planversionen zu laden. Die Algorithmen prognostizieren Daten basierend auf historischen Referenzen, die Sie in Ihren Istzahlen definieren. Sie können auch zusätzliche Planversionen festlegen, die der Algorithmus als historische Daten referenzieren soll. Sie können Prognosen erstellen und speichern und später die Prognose ausführen.
Sie können Prognosen auch so planen, dass sie in bestimmten Zeitintervallen ausgeführt werden.
Sie können auch die Historie Ihrer Läufe und
die Konfidenzmetriken
 prüfen, wenn diese für Ihre Instanz verfügbar sind.
Die Prognosen ersetzen vorhandene Daten in den Tabellenblättern in der von Ihnen ausgewählten Planversion.  Sie können die prognostizierten Daten nicht zurücksetzen, nachdem Sie eine erfolgreiche Prognose ausgeführt haben.
  1. Klicken Sie im Hauptmenü auf
    Modellierung
    .
  2. Klicken Sie auf
    Prädiktives Prognosetool
    .
  3. Klicken Sie auf
    Neu hinzufügen
     und wählen Sie
    Prognose
    .
  4. Geben Sie einen eindeutigen
    Namen
     mit weniger als 129 Zeichen ein.
  5. Füllen Sie den Abschnitt
    Prognose
     aus:
    Option Bezeichnung
    Tabellenblatt
    Wählen Sie das Standard- oder Cube-Tabellenblatt aus, das mit den prognostizierten Daten ausgefüllt werden soll.
    Prognoseversion
    Wählen Sie die Planversion, die mit den prognostizierten Daten ausgefüllt werden soll. Wählen Sie keine gesperrten Versionen aus, da sonst Ihre Prognose fehlschlägt. Nachdem die Prognose fehlgeschlagen ist, können Sie die Historie prüfen und die Fehler prüfen, die Sie weiterleiten.
    Rollierende Prognose
    Aktivieren Sie das Kontrollkästchen, um folgende Perioden automatisch an der Periode für
    Abgeschlossene Werte bis
     der Istzahlen-Version auszurichten, die Sie für Ihre Referenzdaten wählen:
    • Startperiode der Prognose
    • Startperiode für Istzahlen
    Bei Bedarf verwenden wir den
    Planstart
     der Prognoseversion als Referenzperiode, um die die Prognosedaten verschoben werden sollen.
    Die besten Ergebnisse erzielen Sie mit:
    • Aktualisieren Sie die Periode
      Abgeschlossene Werte bis
       unter Modellierung > Versionen jedes Mal, wenn Sie neue Istdaten laden.
    • Fügen Sie die Prognose zu einem Zeitplan hinzu, damit sie automatisch ausgeführt wird.
    Periode für rollierende Prognose
    Wird angezeigt, wenn Sie das Kontrollkästchen
    Rollierende Prognose
     aktivieren.
    Wählen Sie die Perioden aus, die Sie verschieben möchten.
    Start- und Endperiode der Prognose verschieben: Synchronisiert beide Perioden mit dem
    Wert für Abgeschlossene Werte bis
     der Istzahlen-Version oder mit dem
    Planstart
     der Prognoseversion. Um optimale Ergebnisse zu erzielen, aktualisieren Sie die Periode
    Abgeschlossene Werte bis
     regelmäßig.
    Nur Prognosestartperiode verschieben: Diese Option kann zu einer
    Prognose für die Startperiode
     führen, die nach der der
    Prognose für die Endperiode
    liegt. In diesem Fall wird auf der Seite
    „Zeitpläne“
     eine Warnung angezeigt.
    Startperiode der Prognose
    Wählen Sie aus, wann die Machine Learning-Daten gestartet werden sollen.
    Bei rollierenden Prognosen ist dieses Datum schreibgeschützt und entspricht der späteren Periode:
    • 1 Periode nach
      Abgeschlossene Werte bis
       der Istzahlen-Version.
    • Planstart
       der Prognoseversion.
    Endperiode der Prognose
    Wählen Sie eine Periode nach der
    Startperiode der Prognose
     aus, um anzugeben, wann die Machine Learning-Daten gestoppt werden sollen.
    Wenn Sie bei rollierenden Prognosen auch das
    Optionsfeld Startperiode und Endperiode der
     Prognose verschieben aktivieren, wird dieses Datum um die gleiche Anzahl von Perioden nach vorne verschoben wie die
    Startperiode der Prognose
    .
    Prognosebereich
    Beschränkte Verfügbarkeit: Kontaktieren Sie uns, um zu erfahren, ob Sie für diese Funktion auswählbar sind.
    Klicken Sie auf das Kontrollkästchen, um zwei zusätzliche Prognosen zu generieren. 1 enthält die Obergrenze der Vorhersagen. Die andere enthält die Untergrenze der Vorhersagen. Diese Option generiert auch ein Fachdiagramm auf dem Register
    Konfidenzmetriken,
     wenn Sie die Historie der Prognose anzeigen. Das Diagramm veranschaulicht den Bereich im Zeitverlauf. Siehe: Konzept: Prognosebereich und -genauigkeit mit prädiktivem Prognosetool.
    Wahrscheinlichkeitsniveau
    Beschränkte Verfügbarkeit: Kontaktieren Sie uns, um zu erfahren, ob Sie für diese Funktion auswählbar sind.
    Wird angezeigt, wenn Sie
    Prognosebereich
    auswählen.
    Wählen Sie einen Prozentsatz zwischen 55 und 95. Ein höherer Prozentsatz führt zu einem breiteren Bereich zwischen der Unter- und Obergrenze.
    Version für Obergrenze
    Beschränkte Verfügbarkeit: Kontaktieren Sie uns, um zu erfahren, ob Sie für diese Funktion auswählbar sind.
    Wird angezeigt, wenn Sie
    Prognosebereich
    auswählen.
    Wählen Sie die Planversion, die mit den höchsten wahrscheinlichen Werten der Prognose ausgefüllt werden soll. Die Version muss innerhalb des Prognosebereichs liegen.
    Version für Untergrenze
    Beschränkte Verfügbarkeit: Kontaktieren Sie uns, um zu erfahren, ob Sie für diese Funktion auswählbar sind.
    Wird angezeigt, wenn Sie
    Prognosebereich
    auswählen.
    Wählen Sie die Planversion, die mit den niedrigsten wahrscheinlichen Werten der Prognose ausgefüllt werden soll. Die Version muss innerhalb des Prognosebereichs liegen.
    Genauigkeitsmetrik
    Beschränkte Verfügbarkeit: Kontaktieren Sie uns, um zu erfahren, ob Sie für diese Funktion auswählbar sind.
    Aktivieren Sie das Kontrollkästchen, um einen Backtest der Prognose anhand vorhandener Istzahlen durchzuführen. Der Genauigkeitsgrad wird als Prozentsatz auf dem Register
    Konfidenzmetriken
     von angezeigt, wenn Sie die Historie der Prognose anzeigen.
    Prognoseerklärung
    Aktivieren Sie das Kontrollkästchen, um nach dem Prognoselauf die folgenden Elemente auf dem Register Konfidenzmetriken zu generieren:
    • Ein Diagramm, das darstellt, wie Saisonalität, Trend und Restkomponenten (falls zutreffend) in die prognostizierten Werte einfließen.
    • Text, der die Diagrammkomponenten beschreibt.
  6. Bei der Bearbeitung des Abschnitts
    Filter
     gilt Folgendes:
    Option Bezeichnung
    Konten
    Erforderlich. Wählen Sie die Konten aus, die mit Machine Learning-Daten ausgefüllt werden sollen.
    Ebenen und Dimensionen
    Optional. Wählen Sie die Ebenen und benutzerdefinierten Dimensionen aus, die mit Machine Learning-Daten ausgefüllt werden sollen.
    Wir empfehlen die Verwendung von Ebenen- und Dimensionsfiltern, um die Anzahl der Zeitreihen in der Prognose zu begrenzen.
    Wenn Sie keinen Filter angeben, wird die Prognose für alle Ebenen und Dimensionen ausgeführt. Beispiel: Nichts unter
    Ebenen
    auswählen. Die Prognose wird für alle im Tabellenblatt enthaltenen Ebenen ausgeführt. Bei größeren Tabellenblättern, die alle Ebenen und Dimensionen enthalten, kann sich die Zeit für das Abschließen der Prognose verlängern.
    Die Filter enthalten nur die Konten, Ebenen und Dimensionen, die bereits im Tabellenblatt enthalten sind, aus dem Sie im Abschnitt
    Prognose
     ausgewählt haben.
    Für jeden Filter:
    • Sie können ein oder mehrere Konten, Ebenen oder Dimensionen auswählen.
    • Wenn Sie übergeordnete Elemente auswählen, werden automatisch auch die Nachfolger ausgewählt.
    • Auf dem Register
      Ausgewählt
       können Sie Ihre Auswahl prüfen und entfernen.
  7. Füllen Sie den Abschnitt
    Referenzdaten
     aus:
    Option Bezeichnung
    Ist-Version
    Wählen Sie die Istzahlen-Version, die die Algorithmen als historische Daten referenzieren sollen.
    Startperiode für Istzahlen
    Wählen Sie eine Periode, die nach der
    Endperiode der Prognose
    liegt.
    Endperiode für Istzahlen
    Wählen Sie eine Periode, die nach der
    Startperiode für Istzahlen
    liegt. Sie benötigen mindestens ein Verhältnis der Istzahlen von 3:2 für die Prognose. Sie benötigen auch die erforderliche Anzahl an Datenpunkten für den von Ihnen ausgewählten Algorithmus.
    Bei rollierenden Prognosen ist dieses Datum schreibgeschützt und wird mit dem Datum für
    Abgeschlossene Werte bis
     der Istzahlen-Version abgeglichen.
    Wenn das Datum
    für Abgeschlossene Werte bis
     leer ist, wird es mit einer Periode vor dem
    Planstart
     der Prognoseversion ausgerichtet.
    Planversion hinzufügen
    Klicken Sie hier, um eine Planversion für weitere Referenzdaten hinzuzufügen. Stellen Sie sicher, dass sich der Zeitbereich der Planreferenz nicht mit dem Prognose- oder Istzahlen-Zeitbereich überschneidet.
    Beispiel: Die Prognose beginnt im Januar 2023 und endet im März 2023. Die Istzahlen-Referenz beginnt im Januar 2022 und endet im Dezember 2022. Die Planreferenz darf keine Perioden zwischen Januar 2022 und März 2023 überschneiden.
  8. Bearbeiten Sie den Abschnitt
    Algorithmus
     :
    Option Bezeichnung
    Algorithmus
    Wählen Sie einen Algorithmus aus. Möglicherweise müssen Sie einen Trial-and-Error-Prozess durchführen, um den besten Algorithmus für Ihre Daten zu finden.
    Weitere Informationen finden Sie unter Referenz: Machine Learning-Algorithmen für Adaptive Planning.
    Saisonalität
    Verfügbar für folgende Algorithmen:
    • AutoFit
    • Holt-Winters
    • Kalman-Filter
    • Orbit DLT
    • Prophet
    AutoAnpassen wendet nur die Saisonalität an, die Sie für Algorithmen definieren, die Saisonalität unterstützen.
    Wenn Sie Folgendes auswählen:
    • Jährlich
      : Sie müssen über Istdaten aus 3 Jahren verfügen.
    • Halbjährlich
      : Sie müssen über Istdaten von 18 Monaten verfügen.
    • Vierteljährlich
      : Sie müssen über Istdaten aus 9 Monaten verfügen.
    • Keine
      : Ihre Daten haben keine Saisonalität.
    Aktivieren Sie für den Kalman-Filter-Algorithmus das Kontrollkästchen
    Daten variieren saisonal,
     um anzugeben, dass Sie mit Saisonalität modellieren möchten. Deaktivieren Sie das Kontrollkästchen, wenn Sie die Saisonalität nicht berücksichtigen möchten.
    Wöchentliche Saisonalität
    Verfügbar für:
    • AutoFit.
    • Prophet.
    Aktivieren Sie das Kontrollkästchen, wenn der Algorithmus auch wöchentliche Muster berücksichtigen soll. Diese Option erfordert einen täglichen Intervall in den Zeitbereichen der Prognose- und Referenzversionen.
    Wenn Sie „Automatisch anpassen“ auswählen, gilt die wöchentliche Saisonalität nur für die Daten, die Prophet verwenden.
    Multiplikative Saisonalität
    Verfügbar für:
    • AutoFit.
    • Holt-Winters.
    • Prophet.
    Aktivieren Sie das Kontrollkästchen, um anzugeben, dass die Saisonalität proportional zu den Trendschwankungen ist.
    Rundungswerte
    Aktivieren Sie das Kontrollkästchen, wenn Sie keine negativen Zahlen in der Prognose verwenden möchten.
    Hebelblätter
    Verfügbar für:
    • AutoFit.
    • LightGBM.
    • DLT orband
    • Prophet.
    Wählen Sie bis zu drei Tabellenblätter aus, die Regressordaten enthalten, die der Algorithmus als Referenz verwenden soll. Bevor Sie diese Option auswählen:
    Bei „AutoAnpassen“ werden die Regressordaten auf die Daten angewendet, die Prophet oder Orbit DLT verwenden.
  9. Klicken Sie auf
    Ausführen
     , um die Prognose zu starten.
    Sie können auch auf
    Speichern
     klicken, um den Bericht später auszuführen.
Die Prognose wird in der Liste mit dem folgenden Status angezeigt:
Status
Beschreibung
Leer
Die Parameter der Prognose wurden gespeichert, aber noch nicht ausgeführt.
In Warteschlange
Sie haben die Prognose ausgeführt, aber sie kann erst gestartet werden, wenn ausstehende Prognosen abgeschlossen sind.
In Bearbeitung
Die Prognose wird ausgeführt. Wir stellen den Fertigstellungsgrad und eine Statusleiste im Abschnitt
„Status“
 der Seite
„Prognosehistorie“
 bereit.
Erfolgreich
Die prognostizierten Daten wurden in die Planversion geladen. Klicken Sie in der Prognoseliste auf den Tabellenblattnamen, um das Tabellenblatt zu öffnen. Prüfen Sie, ob Sie die Version verwenden, die Sie für die prognostizierten Daten ausgewählt haben. Prüfen Sie die vorhergesagten Daten.
Fehlgeschlagen
Die Prognose wies Fehler auf. Um Ihnen die Fehlerbehebung zu erleichtern und es erneut zu versuchen, wird im Abschnitt
„Status“
 der Seite
„Prognosehistorie
 “ eine Liste der Fehler angezeigt.
Abgebrochen
Jemand hat den Abschluss der Prognose gestoppt.
Die besten Ergebnisse erzielen Sie, wenn Sie die Prognose zu einem Zeitplan hinzufügen, insbesondere bei einer rollierenden Prognose. Machine Learning-Prognosen planen .