Monthly Statistical Forecasting モデル サンプルでは、カスタマイズした製品とロケーションの階層および履歴データをアップロードすることで、30 個の統計アルゴリズムを使用してフォーキャストを生成する方法を紹介しています。

さまざまなユースケースに対応した Anaplan の汎用 Monthly Statistical Forecasting モデル サンプルでは、フラットな CSV ファイルからのカスタマイズ済みの製品階層とロケーション階層のアップロード、履歴データの読み込み、さまざまな統計アルゴリズムを使用したフォーキャストの生成が可能です。このモデルには、基本となるフォーキャスト手法に加え、間歇需要、曲線適合、平滑化、季節性平滑化という四つの異なる包括的なフォーキャスト手法に対応した 30 を超える統計アルゴリズムが搭載されています。

このモデルでは履歴データに基づいて統計的フォーキャストが生成されるだけでなく、そのデータに最適なアルゴリズムが分析されます。このアプローチでは、将来にわたって使用するうえで最も精度が高いであろう手法が推奨されます。

サンプルの階層と履歴データを消去し、データを入力するテンプレートをダウンロードしてから、ファイルを CSV としてアップロードして統計的にフォーキャストを実行します。
各アイテムの履歴と推奨フォーキャスト、最良適合フォーキャストを表示します。
最下層の各アイテムに対して、複数の統計アルゴリズムでフォーキャストと履歴フォーキャストの精度を分析します。
標準偏差か四分位範囲、最終的な外れ値を基準に上限と下限を表示します。

製品階層の管理

  • ダウンロード可能なテンプレートを使用して製品データをアップロードし、アップロードしたデータを製品階層にマッピングします。

顧客リストの管理

  • ダウンロード可能な CSV テンプレートを使用して顧客リストのアップロードと管理を行います。

履歴データのアップロード

  • ダウンロード可能なテンプレートを使用して、階層からフォーキャストされるアイテムごとに履歴データをアップロードします。

フラット リストの管理

  • 上位 x 位の製品/顧客の組み合わせを柔軟に設定し、複数のレベルでフォーキャストを行うか、フラット リストとしてデータをインポートする場合に CoV 分析を実行します。

例外の管理

  • 潜在的なデータ エラーの確認に必要なすべてのマスター データ要素を検証し、デフォルトのフォーキャスト設定を設定します。

外れ値の分類

  • すべてのアイテム、又は一つのアイテムを対象にした、標準偏差や四分位範囲 (IQR) などのユーザー定義パラメーターに基づく自動外れ値修正
  • 履歴の手動調整による手動外れ値修正

製品ライフサイクル管理

  • 売れ行きの遅い製品: ゼロ期間のしきい値を設定することで識別とフォーキャストを設定し、フォーキャストに Croston の手法を使用します。
  • 生産終了: トレンド % しきい値を特定することで生産終了製品の推奨を取得し、EOL プロファイルを設定して製品の生産を段階的に終了します。
  • 新製品の導入: 寿命プロファイリングを使用することで、販売履歴がない新しいアイテムの将来のフォーキャストを生成します。

代替製品履歴の設定

  • 最大で三つの製品まで類似の製品履歴か文字列履歴をまとめて設定し、選択した製品に適用します。

履歴開始日のオーバーライド

  • 履歴/フォーキャストとしてカウントされる期間を製品ごとに設定できます。

最良適合統計的フォーキャスト

  • 基本となる手法に加え、曲線適合、平滑化、季節性平滑化、間歇需要という四つの異なる手法に対応した 30 個の統計アルゴリズムが搭載されています。
  • フォーキャスト設定の確認、必要に応じた手動フォーキャスト入力の指定、記述統計学の包括的なビューを使用したフォーキャストの調整が可能です。

フォーキャスト アルゴリズム分析

  • さまざまなレベルのフォーキャストで、それぞれ 29 個のフォーキャスト アルゴリズムの MAPE、 RMSE、MAD、Bias% を使用してフォーキャスト精度を分析できます。

記述統計学

  • 更新履歴と調整履歴の両方で記述統計学を確認して、フォーキャストに関する意思決定を行うことができます。

サイズ

899.7 MB

言語

英語

モジュール

169

ロール

3

1731

レポート

37

複雑度

上級