建立機器學習預測
實際值資料的需求︰
- 您的歷史資料中有足夠的資料點可支援演算法。請參閱「」 Reference: Machine Learning Algorithms for Adaptive Planning。
- 實際值資料點與預測資料點的比率至少為 3:2。範例︰若要預測 2 年，您需要 3 年的實際值資料。
- 無論您的行事歷結構為何，若要使用自訂季節性選項，您都需要︰
- 年度季節性因素為 3 年的實際值。
- 每半年季節性為 18 個月的實際值。
- 每季季節性為 9 個月的實際值。
槓桿的要求︰
- 選取AutoFitt、LightGBM、Orbit DLT或Prophet演算法。
- 記下槓桿工作表上的科目、層級、日期和自訂維度。您需要使用這些資料來建立預測。
安全性︰
- 存取您要納入預測的層級、版本和科目
- 「預測者」權限
您可以建立機器學習 (ML) 預測，藉此提高計畫的效率和準確性。 Predictive Forecaster 會使用您選擇的機器學習演算法，在計畫版本中填入工作表。演算法會依據您在實際值中定義的歷史參照來預測資料。您也可以將其他計畫版本指定為演算法以做為歷史資料參照。您可以建立預測並加以儲存，稍後再返回並執行預測。
您也可以排定在特定時間間隔執行預測。
您也可以檢查執行記錄，並在您的實例有可用的
置信指標
時進行檢閱。預測會取代您選取的計畫版本工作表上的現有資料。 成功執行預測後，您將無法還原預測資料。
- 從主功能表中選取建模。
- 按一下預測性預測工具。
- 按一下新增，然後選取預測。
- 輸入的唯一名稱不可超過 129 個字元。
- 完成「預測」區段︰
選項 說明 工作表選取您要填入預測資料的標準工作表或 Cube 工作表。預測版本選取您要填入預測資料的計畫版本。 請勿選取已鎖定的版本，因為您的預測將會失敗。預測失敗後，您可以檢查記錄並檢閱錯誤，這將為您提供進一步的指導。滾動預測選取此核取方塊可將這些期間自動與您為參照資料選取的實際值版本的「完成值期間結束日期」期間對齊︰- 預測開始期間
- 實際值開始期間
如有必要，我們會使用預測版本的「計畫開始日期」做為參照期間，讓預測日期偏移。為取得最佳效果︰- 每次載入新的實際值資料時，都會在建模 > 版本中更新完成值期間結束日期。
- 將預測新增至排程以自動執行。
滾動預測期間當您選取「滾動預測」核取方塊時顯示。選取您要移動的期間。班別預測開始期間和結束期間︰將兩個期間與實際值版本的完成值期間結束日期同步，或與預測版本的計畫開始日期同步。為取得最佳結果，請定期更新完成值期間結束日期。僅限班別的預測開始期間︰此選項可能會導致預測開始期間晚於預測結束期間。發生這種情況時，我們會在「時間表」頁面上顯示警告。預測開始期間選取機器學習資料應在何時開始。對於滾動預測，此日期為唯讀，且與較晚的期間相同︰- 在實際值版本的完成值期間結束日期後 1 個期間。
- 預測版本的計畫開始日期。
預測結束期間選取「預測開始期間」之後的期間，以指出機器學習資料應停止的時間。對於滾動預測，當您同時選取班別預測開始期間和結束期間單選按鈕時，此日期將向前移動與預測開始期間相同的期間數。預測範圍可用性有限︰請聯絡我們，確認您是否符合使用此功能的資格。按一下此核取方塊以產生 2 個其他預測。1 包含預測的上限。另一個包含預測的下限。當您檢視預測的記錄時，此選項也會在「信心指標」分頁中產生扇形圖。圖表會顯示不同時間的範圍。請參閱「」 Concept: Forecast Range and Accuracy with Predictive Forecaster。機率等級可用性有限︰請聯絡我們，確認您是否符合使用此功能的資格。當您選取預測範圍時顯示。選取介於 55 到 95 之間的百分比。較高的百分比會導致下限和上限之間的範圍更廣。上限版本可用性有限︰請聯絡我們，確認您是否符合使用此功能的資格。當您選取預測範圍時顯示。選取您要填入最高可能預測值的計畫版本。版本必須在預測範圍內。下限版本可用性有限︰請聯絡我們，確認您是否符合使用此功能的資格。當您選取預測範圍時顯示。選取您要填入最低可能預測值的計畫版本。版本必須在預測範圍內。準確性指標可用性有限︰請聯絡我們，確認您是否符合使用此功能的資格。選取此核取方塊可依據現有實際值對預測執行回溯測試。當您檢視預測的記錄時，精確度會在「信心指標」分頁中顯示為百分比。預測說明執行預測後，選取核取方塊，在「信心指標」分頁中產生以下項目︰- 表示季節性、趨勢和殘差組成 (如適用) 如何影響預測值的圖表。
- 說明圖表組成要素的文字。
- 填寫篩選條件區段時︰
選項 說明 科目必填。 選取您要填入機器學習資料的科目。層級與維度選用。選取您要填入機器學習資料的層級和自訂維度。我們建議您使用層級和維度篩選條件來限制預測中的時間序列數量。如果未指定篩選條件，則預測會在所有層級和維度上執行。範例︰不要從層級選取任何內容。預測會在工作表上包含的所有層級上執行。 對於較大的工作表，包含所有層級和維度可能會延長完成預測所需的時間。篩選條件僅包含您在「預測」區段選取的工作表上已有的科目、層級和維度。對於每個篩選條件︰- 您可以選取 1 或多個科目、層級或維度。
- 選取父系會自動選取後代。
- 在選取的分頁上，您可以檢閱和移除選取項目。
- 完成參照資料區段︰
選項 說明 實際值版本選取您希望演算法做為歷史資料參照的實際值版本。實際值開始期間選取晚於預測結束期間的期間。實際值結束期間選取的期間必須晚於實際值開始期間。 實際值與預測值的比率至少必須為 3:2。您還需要所選演算法所需數量的資料點。對於滾動預測，此日期為唯讀日期，且與實際值版本的完成值期間結束日期一致。當完成值期間結束日期日期為空白時，表示該日期與預測版本的計畫開始前 1 期相符。新增計畫版本按一下可新增計畫版本，以取得更多參考資料。 確保計畫參照的時間範圍不與預測或實際值時間範圍重疊。範例︰預測從 2023 年 1 月開始，到 2023 年 3 月結束。實際值參照從 2022 年 1 月開始，到 2022 年 12 月結束。計畫參照不可與 2022 年 1 月至 2023 年 3 月之間的期間重疊。 - 完成演算法區段︰
選項 說明 演算法請選取演算法。您可能需要經過反複試驗，才能找到最適合您資料的演算法。週期適用於以下演算法︰- AutoFit
- Holt-Winters
- Kalman Filter
- Orbit DLT
- Prophet
自動調整隻會套用您為支援季節性的演算法定義的季節性。當您選取時︰- 按年，您必須有 3 年的實際值資料。
- 每半年，您必須有 18 個月的實際值資料。
- 每季，您必須有 9 個月的實際值資料。
- 無，您的資料沒有季節性。
對於卡爾曼濾波演算法，請選取資料依季節而變化核取方塊，以指出您要使用季節性進行建模。 如果不想考慮季節性因素，請清除此核取方塊。每週週期適用於︰- 自動調整。
- Prophet
如果您也希望演算法考慮每週模式，請選取此核取方塊。此選項要求您在預測和參照版本的時間範圍內設定每日節奏。當您選取自動調整時，每周季節性僅適用於使用 Prophet 的資料。相乘週期適用於︰- 自動調整。
- 霍爾特-溫特斯
- Prophet
選取此核取方塊以指出季節性與趨勢變化成正比。捨入值如果不想在預測中包含負數，請選取此核取方塊。槓桿工作表適用於︰- 自動調整。
- LightGBM。
- 追踪 DLT。
- Prophet
選取最多 3 個包含回歸量資料的工作表，供演算法參照。選取此選項之前︰對於自動調整，回歸量資料會套用至使用 Prophet 或 Orbit DLT 的資料。 - 按一下執行以開始預測。您也可以按一下儲存稍後執行。
預測會顯示在清單中，並顯示以下狀態︰
狀態 | 說明 |
|---|---|
空白 | 已儲存預測的參數，但尚未執行。 |
已排入佇列 | 執行預測，但待待處理的預測完成後才能開始執行。 |
進行中 | 預測正在執行中。我們在 「預測記錄」 頁面的 「狀態」 區段中提供完成百分比和狀態列。 |
成功 | 預測資料已填入計畫版本。從預測清單中，按一下工作表名稱以開啟工作表。檢查您是否使用為預測資料選取的版本。檢閱預測資料。 |
失敗 | 預測有錯誤。為協助您進行疑難排解並再試一次，我們在 「預測記錄」 頁面的 「狀態」 區段中顯示錯誤清單。 |
已取消 | 有人阻止了預測的完成。 |
為取得最佳結果，請將預測新增至排程，尤其是滾動預測時。 Schedule Machine Learning Forecasts。