設定の考慮事項: Predictive Forecaster
このトピックの内容を、Predictive Forecaster の設定と使用を計画する際の決定に役立てることができます。以下について説明します。
- 設定する理由
- Workday のその他の部分への適合
- 下流への影響および製品間のインタラクション
- セキュリティ要件およびビジネス プロセスの設定
- 実装前に考慮すべき質問および制限
完全な設定の詳細については、タスクの詳細な手順を参照してください。
概要
Predictive Forecaster は、機械学習 (ML) を搭載したインテリジェント プランニング機能です。Predictive Forecaster は、ML で生成されたデータを有する計画バージョンをシードします。これは、予算管理マネージャにとって信頼できる開始点として機能します。予測予測では、Adaptive Planning 内で定義した履歴データと回分データに基づいて時系列予測を生成するために、さまざまなアルゴリズムを選択およびテストします。
ビジネスにおけるメリット
- Adaptive Planning 内で高度な ML テクノロジーを使用します。
- ML で大量のデータ、パターン、ドライバーを処理できるようにすることで精度を高めます。
- 事前済みの ML アルゴリズムを使用して、プランニング サイクルの完了にかかる時間を短縮する。
- ほとんどの手作業で、多数の交差部分のシード データを生成します。
- スケジュールを使用して予測とローリング予測の実行を自動化し、実績データをインポートする際に予測をローリング基準で生成する。
- プレビュー テナントのみ: スケジュールを使用して予測の実行を自動化します。
ユース ケース
小売企業は、各拠点で販売する製品単位数を計画する必要があります。さらに、見込み製品を分析するとします。前年度の売上の詳細を保持するキューブ シートがあります。収益科目を保持する P&L 標準シートがあります。
以下が可能です。
- 履歴参照を定義します。履歴データには実績が含まれている必要がありますが、計画バージョンを参照とレバーに追加することもできます。例: 実績参照を 2018 年に開始し、2019 年の終わりに終了するように定義できます。2020 年は通常とは異なる年であるため、実績の 2020 年の会計期間はスキップできます。代わりに、2020 年の過去の計画バージョンを参照できます。
- データに必要な場合に、季節性をサポートするアルゴリズムを選択します。例: 年末商期の売上が増加した場合、アルゴリズムで年初の季節性パターンを考慮するよう指定できます。
- 異なるシート、または異なるバージョンでは同一のシートに異なる予測データ セットを生成する。 例: 総勘定元帳のすべての収益科目に対する P&L 標準シートの 2025 年予算計画で予測を生成できます。 特定の製品属性について、"収益キューブ" の "2025 年のシナリオ分析" に対する予測を生成することもできます。
- 組織フィルタと属性フィルタを使用して、予測データを特定する。例: "北西地域の営業" 組織と特定の製品に対する予測を実行できます。"南西地域の売上" とさまざまな製品について、個別の予測を実行する。
- 異なるデータ セットや、同じデータの異なる実行に対して、異なるアルゴリズムを使用する。例: P&L 科目の予測に Prophet アルゴリズムを選択します。予測データをレビューしたら、N-BEATS を試すことができます。予測とレポートを比較し、その特定のデータ セットに最適なアルゴリズムはどれであるかを確認します。
- プランニング サイクルの開始にあたっては、年の初めに予測を設定します。その年の実績データをさらに収集するにつれて、スケジューリングおよびローリング予測機能を使用して予測が自動的に生成されます。
- 既存の予測を複製することで時間を節約する。これにより、基本定義からすばやく変更を行うことができます。 例: 科目のみを変更して、開始期間と終了期間を複製できます。
考慮すべき質問
質問 | 考慮事項 |
|---|---|
これまでの予測はどの程度正確でしたか？また、チームが予測を立てるのにどのくらいの時間を費やしていますか？ | より正確な予測と予算を取得するための、数学と数学に基づいた機械学習アルゴリズムが用意されています。ML 予測を使用すると、チーム シード データを起点として提供されるため、チームの価値のある時間を節約し、精度を向上させることができます。 |
実績データは Predictive Forecaster をサポートしていますか？ |
|
実績に多くの空白またはゼロが含まれていますか？ | 実績データが完成するほど、予測の精度は高くなります。アルゴリズムでは、履歴データの欠落や空白はゼロとして扱われ、予測に影響します。実績データが疎である場合、疎データに最適なアルゴリズムを使用します。 参考: Adaptive Planning の機械学習アルゴリズム
|
どのような頻度で新しい実績をロードしますか？ | ローリング予測を使用して、予測の開始期間と終了期間を参照データの "次の時点 までの確定数字 を表示" 日付に合わせることができます。このオプションを選択すると、予測期間と参照データが後にシフトされ、より正確な予測が可能になります。 |
どこまで予測しますか？ | 必要な分だけ予測されるように、予測の開始期間と終了期間を設定します。予測が離れるほど、予測の精度は低下します。 |
Adaptive Planning の実績データ以外に、予測に使用するデータは何ですか？ | 外部データは、レバー モデル シートにインポートすることによって、予測で使用できます。レバーを使用するには、次のいずれかのアルゴリズムを使用する必要があります。
AutoFit は、レバーをサポートするアルゴリズムを適用するときにのみレバー データを使用します。 以下のアルゴリズムを選択した場合を除き、季節性オプションを使用することもできます。
|
季節性をどの程度快適に定義していますか？ | 季節性とは、値が繰り返しパターンとなる時間の間隔のことです。季節性パターンを定義する場合は、以下のアルゴリズムを使用します。
AutoFit は、季節性をサポートするアルゴリズムを選択する際に、定義された季節性のみを使用します。 以下のアルゴリズムを使用して、アルゴリズム自身で季節性を取得させます。
|
推奨事項
- 少ない科目、組織、カスタム属性で予測をフィルタリングする。予測定義を制限すると、予測データの生成が速くなります。
- 予測データがプランに入力されると想定される少なくとも 1 日前に予測を実行またはスケジュールしてください。科目と組織が多い予測は、完了するまでに通常より時間がかかる場合があります。
- 疎性が原因で履歴データに多くの空白がある場合は、参照データに基づいて各データ系列のアルゴリズムを選択するクロストンまたは自動調整の使用をお勧めします。
- 予測が自動的に実行されるようにスケジュールする。または、予測を実行する時間と担当者を指定して、忘れないようにします。
- 予測に直感的な名前を使用し、再定義することなく予測を再度実行できるようにします。
- "Rolling Forecast"チェックボックスをオンにして、予測と実績データの最新ロードを同期します。このチェックボックスをオンにすると、実績データをロードするときに予測と参照が前にシフトされ、最新の実績参照が含まれます。
要件
- 履歴データおよび予測データに対して選択する標準シートまたはキューブ シートには、実績データが存在している必要があります。
- レバーを使用するには、外部データをモデル シートにインポートし、Prophet、AutoFit、lightGBM、または Orbit DLT のアルゴリズムを選択する必要があります。
- カレンダー構造に関係なく、使用可能な場合に季節性オプションを使用するには、以下に相当するものが必要です。
- 年次季節雇用の場合は、3 年間の実績。
- 半年単位の季節性では 18 か月分の実績。
- 四半期ごとの実績の 9 か月分
- 多くのアルゴリズムでは、履歴参照のデータ ポイントに最小値が設定されています。また、実績データ ポイントと予測データ ポイントの比率が少なくとも 3:2 である必要があります。例: 2 年の予測には 3 年間の実績データが必要です。
- 週単位の季節性オプションの場合、予測で参照されるすべてのバージョンの時間範囲は、日単位である必要があります。参照 FAQ: Predictive Forecaster。
制限事項
- モデル シートやモデル科目を予測することはできません。
- シート、"セルを探索"、および変更履歴では現在、ML がデータを生成した日付は表示されません。
- リンクされた科目、メトリック科目、またはデフォルトの数式を持つ科目を予測することはできません。 ただし、数式およびリンクで ML 予測データを参照することはできます。
- 最大 3 人の回帰者のみを使用できます。
- 更新された参照データが予測の実績に自動的に含まれることはありません。 更新された参照データを実績に含めるには、予測期間を手動で更新する必要があります。
- 非標準のカレンダーを使用すると、結果の精度が低くなります。例: 小売業のユース ケースでは 4-4-5 カレンダー。
- この設定が有効になっているカスタム属性を持つシートの予測は作成できません:データのインポートにより自動的に属性値を作成する。
テナント設定
影響はありません。
セキュリティ
- "Predictive Forecaster"権限
- 予測に含める組織、科目、バージョンへのアクセス権。
ビジネス プロセス
影響はありません。
レポート
Predictive Forecaster で生成された予測に関するレポートを作成できます。
インテグレーション
影響はありません。
接続および Touchpoints
Workday には、テナントでの設定関係を理解するのに役立つリソースを備えた Touchpoints Kit が用意されています。Workday Touchpoints Kit の詳細については、Workday Community を参照してください。
その他の影響
予測を実行すると、他のインテグレーションのインポート プロセスと同様に、モデルの全体的なパフォーマンスに影響が及びます。