Consideraciones de definición: predictor predictivo
Este tema puede servir de ayuda para tomar decisiones a la hora de planificar la configuración y el uso de Predictive Forecaster. En él se explica lo siguiente:
- Por qué configurarlo.
- Cómo encaja en el resto de Workday.
- Impactos posteriores e interacciones entre productos.
- Requisitos de seguridad y configuraciones de procesos de gestión.
- Preguntas y limitaciones que debe tener en cuenta antes de la implementación.
Consulte las instrucciones detalladas de la tarea para ver todos los detalles de configuración.
Qué es
Predictive Forecaster es una funcionalidad de Intelligent Planning con tecnología de aprendizaje automático (ML). Predictive Forecaster inicia versiones de plan con datos generados por aprendizaje automático, lo que sirve como punto de partida fiable para los gerentes de presupuesto. Con Predictive Forecast, puede seleccionar y probar varios algoritmos para generar previsiones de series temporales basadas en los datos históricos y de regresor que defina en Adaptive Planning.
Beneficios empresariales
- Utilizar tecnología de aprendizaje automático avanzado en Adaptive Planning.
- Mejorar la precisión al permitir que el aprendizaje automático procese grandes cantidades de datos, patrones y controladores.
- Reduzca el tiempo que lleva completar un ciclo de planificación con algoritmos de aprendizaje automático previamente entrenados.
- Genere datos de inicialización para grandes conjuntos de intersecciones con poco esfuerzo manual.
- Utilice programas para automatizar las ejecuciones de previsiones y previsiones móviles para generar previsiones de forma progresiva a medida que importa datos de cifras reales.
- Solo en vista previa de entornos de cliente: utilice programas para automatizar las ejecuciones de previsiones.
Ejemplos de uso
Como empresa minorista, debe planificar cuántas unidades de producto espera vender desde cada ubicación. También desea analizar un producto potencial. Tiene una hoja de cubo que contiene detalles de ventas de años anteriores. Tiene una hoja estándar de pérdidas y ganancias que contiene sus cuentas de ingresos.
Puede realizar lo siguiente:
- Defina la referencia histórica. Sus datos históricos deben incluir cifras reales, pero también puede añadir versiones de plan a la referencia y los palancas. Ejemplo: puede definir la referencia de cifras reales para que comience en 2018 y finalice a finales de 2019. Puede omitir el periodo contable de 2020 en las cifras reales porque se trata de un año inusual. En su lugar, puede hacer referencia a la versión de plan histórica para 2020.
- Elija un algoritmo que admita la estacionalidad cuando sus datos lo requieran. Ejemplo: cuando las ventas aumentan al final del año para la temporada de vacaciones, puede especificar que desea que el algoritmo tenga en cuenta los patrones de estacionalidad anual.
- Genere distintos conjuntos de datos previstos en distintas hojas o en la misma hoja para distintas versiones. Ejemplo: puede generar una previsión en el plan presupuestario 2025 para la hoja estándar de pérdidas y ganancias de todas las cuentas de ingresos del libro mayor. También puede generar una previsión para el análisis hipotético 2025 en su cubo de ingresos para una dimensión de producto específica.
- Utilice filtros de nivel y dimensión para identificar los datos previstos. Ejemplo: puede ejecutar una previsión para el nivel Northwest Sales y productos específicos. Ejecute una previsión independiente para Ventas de Southwest y para otros productos.
- Utilizar distintos algoritmos para distintos conjuntos de datos o distintas ejecuciones de los mismos datos. Ejemplo: seleccione el algoritmo Prophet para la previsión de las cuentas de pérdidas y ganancias. Después de revisar los datos previstos, puede probar N-BEATS. Compare las previsiones con los informes para ver qué algoritmo se adapta mejor a ese conjunto de datos en particular.
- Defina la previsión al comienzo del año al iniciar el ciclo de planificación. Utilice la capacidad de programación y previsión continua para generar previsiones automáticamente a medida que recopila más datos de cifras reales para el año.
- Ahorre tiempo duplicando las previsiones existentes, lo que le permite realizar cambios rápidos a partir de una definición base. Ejemplo: puede duplicar los periodos inicial y final y cambiar solo las cuentas.
Preguntas para tener en cuenta
Pregunta | Consideraciones |
|---|---|
¿Qué tan precisas han sido sus previsiones en el pasado y cuánto tiempo le lleva a su equipo planificar las previsiones? | Proporcionamos algoritmos de aprendizaje automático que son una forma basada en la ciencia y las matemáticas de obtener previsiones y presupuestos más precisos. El uso de previsiones de aprendizaje automático proporciona a su equipo datos de inicialización como punto de partida, lo que puede ahorrarle un tiempo valioso y mejorar la precisión. |
¿Sus datos de cifras reales son compatibles con Predictive Forecaster? |
|
¿Sus cifras reales tienen muchos espacios en blanco o ceros? | Cuanto más completos sean sus datos de cifras reales, más precisa será la previsión. Los algoritmos tratan los datos históricos que faltan o están en blanco como ceros, lo que puede afectar a la previsión. Cuando sus datos de cifras reales sean escasos, utilice los algoritmos más adecuados para datos escasos. Referencia: algoritmos de aprendizaje automático para Adaptive Planning
|
¿Con qué frecuencia carga nuevas cifras reales? | Puede utilizar las previsiones continuas para alinear los periodos inicial y final de previsión con la fecha de valores finalizados hasta de los datos de referencia. Al seleccionar esta opción, se adelantan los periodos de previsión y los datos de referencia para garantizar predicciones actualizadas y más precisas. |
¿A qué distancia desea realizar la previsión? | Defina los periodos inicial y final de previsión para prever solo lo necesario. Cuanto más pronostique, menos precisa será la previsión. |
Además de los datos de cifras reales en Adaptive Planning, ¿qué otros datos quiere usar para sus previsiones? | Puede usar datos externos en la previsión importándolos a una hoja modelada de palanca. Para usar palancas, debe usar uno de estos algoritmos:
Autoajustar solo utiliza los datos de palanca cuando aplica un algoritmo que admite palancas. También puede usar las opciones de estacionalidad, excepto cuando selecciona los siguientes algoritmos:
|
¿Qué tan cómodo se siente al definir la estacionalidad? | La estacionalidad es el intervalo de tiempo en el que los valores tienen un patrón repetitivo. Utilice los siguientes algoritmos cuando quiera definir los patrones de estacionalidad:
Autoajustar solo utiliza la estacionalidad que defina cuando selecciona un algoritmo que admita la estacionalidad. Utilice estos algoritmos para permitir que el algoritmo capture la estacionalidad por sí solo:
|
Recomendaciones
- Filtre las previsiones por menos cuentas, niveles y dimensiones personalizadas. Limitar la definición de previsión genera los datos previstos más rápido.
- Ejecute o programe previsiones al menos un día antes de que los datos previstos se rellenen en su plan. Las previsiones con muchas cuentas y niveles pueden tardar más en finalizar.
- Cuando sus datos históricos tienen muchos espacios en blanco debido a la escasez, le recomendamos que utilice Croston o AutoFit, que selecciona un algoritmo para cada serie de datos en función de los datos de referencia.
- Programe previsiones para que se ejecuten automáticamente. O designe una hora y una persona para ejecutar las previsiones para que no se le olvide.
- Utilice nombres intuitivos para la previsión de forma que pueda volver a ejecutarla sin tener que volver a definirla.
- Sincronice la previsión con las últimas cargas de datos de cifras reales activando la casilla Previsiónmóvil. Esta casilla avanza la previsión y la referencia a medida que carga los datos de cifras reales para incluir la referencia de cifras reales más reciente.
Requisitos
- Debe tener datos de cifras reales presentes en la hoja estándar o de cubo que seleccione para los datos históricos y previstos.
- Para usar palancas, debe importar los datos externos a una hoja modelada y seleccionar el algoritmo ARIMA, AutoFit, LightGBM, Orbit DLT o Prophet.
- Independientemente de la estructura de su calendario, para usar las opciones de estacionalidad cuando estén disponibles, necesita el equivalente a:
- 3 años de cifras reales para la estacionalidad anual
- 18 meses de cifras reales para la estacionalidad semestral
- 9 meses de cifras reales para la estacionalidad trimestral
- Muchos algoritmos tienen mínimos obligatorios para los puntos de datos en la referencia histórica. Además, debe tener una relación de al menos 3:2 entre los puntos de datos de cifras reales y los puntos de datos previstos. Ejemplo: una previsión a dos años requiere tres años de datos de cifras reales.
- Para la opción de estacionalidad semanal, el rango temporal de todas las versiones a las que se hace referencia en la previsión debe tener una cadencia diaria. Consulte Preguntas frecuentes: predictor predictivo.
Limitaciones
- No puede realizar previsiones de hojas modeladas ni de cuentas modeladas.
- Actualmente, las hojas, Explorar celda y la traza de auditoría no indican cuándo se han generado los datos mediante aprendizaje automático.
- No puede prever cuentas vinculadas, cuentas de métrica ni ninguna cuenta con fórmulas por defecto. Sin embargo, puede hacer referencia a datos previstos de aprendizaje automático en fórmulas y vínculos.
- Solo puede usar hasta tres regresores.
- La previsión no incluye automáticamente datos de referencia actualizados en las cifras reales. Debe actualizar manualmente el periodo de previsión para incluir los datos de referencia actualizados en sus cifras reales.
- Cuando utiliza un calendario no estándar, los resultados son menos precisos. Ejemplo: calendarios 4-4-5 para casos de uso de comercio minorista.
- No puede crear previsiones para hojas con dimensiones personalizadas que tengan activada esta configuración:la importación de datos crea automáticamente valores de dimensión.
Definición de entorno de cliente
Sin efecto
Seguridad
- PermisoPronosticador predictivo
- Acceda a los niveles, las cuentas y las versiones que desea incluir en la previsión.
Procesos de gestión
Sin efecto
Elaboración de informes
Puede generar informes sobre las previsiones generadas por Predictive Forecaster.
Integraciones
Sin efecto
Conexiones y puntos de contacto
Workday ofrece un Touchpoints Kit con recursos para ayudarle a entender las relaciones de configuración en su entorno de cliente. Obtenga más información sobre Workday Touchpoints Kit en Workday Community.
Otros efectos
La ejecución de previsiones afecta al rendimiento general de su modelo de la misma manera que lo hace cualquier proceso de importación de integración.