Éléments à prendre en compte pour la définition : prévision prédictive
Cette rubrique peut vous aider à prendre les bonnes décisions lors de la définition et de l’utilisation de l’outil de prévision prédictive. Elle explique :
- Pourquoi la définir.
- Comment cette définition s’intègre dans Workday.
- Les répercussions en aval et les interactions entre les produits.
- Les exigences en matière de sécurité et la configuration des processus de gestion.
- Les questions à se poser et les limites à prendre en compte avant la mise en œuvre.
Consultez les instructions détaillées des tâches pour en savoir plus sur la configuration.
De quoi s’agit-il?
L’outil de prévision prédictive est une fonctionnalité de planification intelligente alimentée par l’apprentissage automatique. L’outil de prévision prédictive génère des versions de plans avec des données générées par apprentissage automatique, ce qui constitue un point de départ fiable pour les gestionnaires de budgets. Avec l’option Prévision prédictive, vous sélectionnez et testez différents algorithmes pour générer des prévisions de série chronologique en fonction des données historiques et des éléments de régression que vous définissez dans Adaptive Planning.
Avantages pour l’entreprise
- Utiliser la technologie avancée de l’apprentissage automatique dans Adaptive Planning.
- Améliorer la précision en permettant à l’apprentissage automatique de traiter de grandes quantités de données, de modèles et de moteurs.
- Réduisez le temps nécessaire pour terminer un cycle de planification avec des algorithmes d’apprentissage automatique préformés.
- Générer des données de départ pour de grands ensembles d’intersections avec un minimum d’effort manuel.
- Utilisez des calendriers pour automatiser l’exécution des prévisions et des prévisions mobiles pour générer des prévisions sur une base mobile lorsque vous importez des données de chiffres réels.
- Locataires de prévisualisation uniquement : utilisez des calendriers pour automatiser les exécutions des prévisions.
Cas d’utilisation
En tant que société de distribution, vous devez planifier le nombre d’unités de produits que vous prévoyez vendre à partir de chaque emplacement. Vous souhaitez également analyser un produit potentiel. Vous avez une feuille cube qui contient le détail des ventes des exercices précédents. Vous disposez d’une feuille standard de compte de résultat qui contient vos comptes de produits.
Vous pouvez :
- Définissez la référence historique. Vos données historiques doivent inclure des chiffres réels, mais vous pouvez également ajouter des versions de plans à la référence et aux leviers. Exemple : vous pouvez définir votre référence de chiffres réels pour commencer en 2018 et se terminer à la fin de 2019. Vous pouvez omettre la période comptable de 2020 dans vos chiffres réels, car il s’agit d’une année inhabituelle. Au lieu de cela, vous pouvez référencer la version historique du plan pour 2020.
- Choisissez un algorithme qui prend en charge la saisonnalité lorsque vos données l’exigent. Exemple : lorsque les ventes augmentent en fin d’année pour la période des jours fériés, vous pouvez préciser que vous souhaitez que l’algorithme tienne compte des tendances de la saisonnière annuelle.
- Générer différents ensembles de données prévisionnelles dans différentes feuilles, ou dans la même feuille pour différentes versions. Exemple : vous pouvez générer une prévision dans le plan budgétaire 2025 pour la feuille standard de compte de résultat pour tous les comptes de produits du grand livre. Vous pouvez également générer une prévision pour l’analyse What Si de 2025 dans votre cube de produits pour une dimension de produit précise.
- Utilisez les filtres de niveaux et de dimensions pour sélectionner les données prévisionnelles. Exemple : vous pouvez exécuter une prévision pour le niveau des ventes du Nord-Ouest et des produits spécifiques. Exécutez une prévision distincte pour les ventes du sud-est et différents produits.
- Utilisez différents algorithmes pour différents ensembles de données ou différentes exécutions des mêmes données. Exemple : sélectionnez l’algorithme Prophet pour la prévision des comptes P&L. Après avoir examiné les données prévisionnelles, vous pouvez essayer la fonction N-BEATS. Comparer les prévisions aux rapports pour voir quel algorithme convient le mieux à cet ensemble de données particulier.
- Définissez la prévision au début de l’année lorsque vous démarrez votre cycle de planification. Utilisez la fonctionnalité de planification et de prévision mobile pour générer automatiquement des prévisions à mesure que vous recueillez plus de données de chiffres réels pour l’année.
- Gagner du temps en dupliquant les prévisions existantes, ce qui vous permet d’apporter des modifications rapides à partir d’une définition de base. Exemple : vous pouvez dupliquer les périodes de début et de fin, tout en changeant uniquement les comptes.
Questions à se poser
Question | Éléments à prendre en compte |
|---|---|
Dans quelle mesure vos prévisions ont-elles été précises dans le passé et combien de temps avez-vous mis pour planifier les prévisions? | Nous fournissons des algorithmes d’apprentissage automatique qui sont un moyen basé sur les sciences et les mathématiques pour obtenir des prévisions et des budgets plus précis. L’utilisation des prévisions par apprentissage automatique fournit à votre équipe les données sur les semences comme point de départ, ce qui peut faire gagner un temps précieux à votre équipe et améliorer la précision. |
Vos données réelles prennent-elles en charge l’outil de prévision prédictive? |
|
Vos chiffres réels comportent-ils plusieurs blancs ou zéros? | Plus vos données de chiffres réels sont complètes, plus la prévision est précise. Les algorithmes traitent les données historiques manquantes ou en blanc comme des zéros, ce qui peut affecter la prévision. Lorsque vos données de chiffres réels sont clairs, utilisez les algorithmes les mieux adaptés à ces données. Référence : Algorithmes d’apprentissage automatique pour Adaptive Planning
|
À quelle fréquence chargez-vous de nouveaux chiffres réels? | Vous pouvez utiliser les prévisions mobiles pour aligner les périodes de début et de fin de la prévision sur la date des valeurs terminées jusqu’au des données de référence. La sélection de cette option déplace les périodes de prévision et les données de référence vers l’avant pour garantir des prévisions récentes et plus précises. |
Jusqu’à quelle distance voulez-vous faire une prévision? | Définissez vos périodes de début et de fin de prévision afin de ne faire que ce qui est nécessaire. Plus vous prévoyez, plus la précision de la prévision devient. |
En plus des données liées aux chiffres réels dans Adaptive Planning, quelles autres données souhaitez-vous utiliser pour vos prévisions? | Vous pouvez utiliser des données externes dans la prévision en les important dans une feuille modélisée à levier. Pour utiliser les leviers, vous devez utiliser l’un des calculs suivants :
AutoFit utilise uniquement les données de levier lorsqu’il applique un algorithme qui prend en charge les leviers. Vous pouvez également utiliser les options de caractère saisonnier, sauf lorsque vous sélectionnez les calculs suivants :
|
Dans quelle mesure pouvez-vous définir la saisonnière? | La saisonnalité est l’intervalle de temps dans lequel les valeurs ont un modèle répétitif. Utilisez les calculs suivants lorsque vous souhaitez définir les modèles de caractère saisonnier :
AutoFit utilise uniquement le caractère saisonnier que vous définissez lorsqu’il sélectionne un algorithme qui prend en charge le caractère saisonnier. Utilisez les calculs suivants pour laisser l’algorithme saisir le caractère saisonnier :
|
Recommandations
- Filtrer les prévisions avec moins de comptes, de niveaux et de dimensions personnalisées. Limiter votre définition de prévision génère les données prévisionnelles plus rapidement.
- Exécutez ou planifiez les prévisions au moins un jour avant que les données prévisionnelles ne soient chargées dans votre plan. Les prévisions comportant plusieurs comptes et plusieurs niveaux peuvent prendre plus de temps à se finaliser.
- Lorsque vos données historiques comportent plusieurs blancs en raison de la faible ressources, nous vous recommandons d’utiliser Crozon ou AutoFit, qui sélectionne un algorithme pour chaque série de données en fonction des données de référence.
- Planifier l’exécution automatique des prévisions. Vous pouvez également désigner un moment et une personne qui exécuteront les prévisions afin de ne pas oublié.
- Utilisez des noms intuitifs pour la prévision afin de pouvoir exécuter la prévision sans avoir à la redéfinir.
- Synchroniser la prévision avec les derniers chargements de données réelles en cochant la casePrévision mobile. Cette case à cocher déplace la prévision et la référence vers l’avant lorsque vous chargez les données des chiffres réels pour inclure la référence des chiffres réels la plus récente.
Conditions préalables
- Vous devez avoir des données de chiffres réels dans la feuille standard ou cube que vous sélectionnez pour les données historiques et prévisionnelles.
- Pour utiliser les leviers, vous devez importer les données externes dans une feuille modélisée et sélectionner l’algorithme ARIME, AutoFit, Léger, Orbit DLT ou Prophet.
- Quelle que soit la structure de votre calendrier, pour utiliser les options de caractère saisonnier lorsqu’elles sont disponibles, il vous faut l’équivalent de :
- Trois ans de chiffres réels pour une saisonnalité annuelle.
- 18 mois de chiffres réels pour la saisonnalité semestrielle.
- 9 mois de chiffres réels pour la saisonnalité trimestrielle.
- De nombreux algorithmes ont des minimums obligatoires pour les points de données dans la référence historique. En outre, vous devez avoir un ratio d’au moins 3:2 des points de données réels aux points de données prévisionnels. Exemple : une prévision sur deux ans nécessite trois ans de données réelles.
- Pour l’option de saisonnalité hebdomadaire, l’intervalle de temps de toutes les versions référencées dans la prévision doit avoir une cadence quotidienne. Voir : FAQ : Outil de prévision prédictive.
Limites
- Vous ne pouvez pas prévoir de feuilles modélisées ni de comptes modélisés.
- Les feuilles, les éléments Explorer la cellule et la piste d’audit n’indiquent actuellement pas à quel moment l’apprentissage automatique a généré les données.
- Vous ne pouvez pas prévoir de comptes liés, de comptes d’indicateurs ou tout autre compte avec des formules par défaut. Cependant, vous pouvez référencer les données prévues par apprentissage automatique dans les formules et les liens.
- Vous ne pouvez utiliser que trois régresseurs.
- La prévision n’inclut pas automatiquement les données de référence mises à jour dans vos chiffres réels. Vous devez mettre à jour manuellement la période de prévision pour inclure les données de référence mises à jour dans vos chiffres réels.
- Lorsque vous utilisez un calendrier non standard, les résultats sont moins précis. Exemple : calendriers 4-4-5 pour les cas d’utilisation au détail.
- Vous ne pouvez pas créer de prévisions pour les feuilles avec des dimensions personnalisées ayant activé ce paramètre :L'importation de données crée automatiquement des valeurs de dimension.
Configuration du locataire
Aucune incidence.
Sécurité
- L’autorisationPrévision prédictive.
- L’accès aux niveaux, aux comptes et aux versions que vous souhaitez inclure dans la prévision.
Processus de gestion
Aucune incidence.
Production de rapports
Vous pouvez générer des rapports sur les prévisions générées par l’outil de prévision prédictive.
Intégrations
Aucune incidence.
Connexions et interactions
Workday offre la trousse Touchpoints Kit, qui contient des ressources pour vous aider à comprendre les relations de configuration dans l’ensemble de votre locataire. Pour en savoir plus, consultez Workday Touchpoints Kit sur le site Workday Community.
Autres incidences
L’exécution des prévisions a une incidence sur la performance globale de votre modèle de la même manière que tout processus d’importation d’intégration.