時系列モデルの使用

拡張分析時系列予測モデルと計画の結合

Objective

After completing this lesson, you will be able to 拡張分析時系列予測モデルを SAP Analytics Cloud の計画と組み合わせます。

予測モデル出力によるビジネス計画の拡張

予測分析自然補完計画

時系列予測は実際の履歴データに基づいています。これらの時系列予測は、財務管理者、サプライチェーン計画担当者、営業員などのユーザにとって重要な追加情報ソースであり、ビジネス感覚と知識を使用して意思決定を行います。

SAP Analytics Cloud の自動機械学習機能は、ユーザがビジネス上の意思決定を強化するのに役立ちます。

計画要素を示すグラフ

機械学習により、計画担当者は SAP Analytics Cloud の予測計画で確信を持って意思決定を下すことができます。

履歴データと機械学習を示す方程式
  • 時系列予測により、ベースライン計画モデルの作成が自動化されます。
  • その後、計画担当者は、ビジネス感覚に基づいてこれらの予測を補足します。
  • 計画担当者は、継続的に更新される予測に基づいて計画の達成を監視します。
  • SAP Analytics Cloud の予測計画では、トップダウンおよびボトムアップの計画プロセスがサポートされているため、計画担当者は正しい詳細レベルで予測を自動的に構築することができます。

時系列予測は、計画と予測のパワーを組み合わせる

計画担当者は、大規模な時系列予測を使用して、費用予測、販売計画、要員計画などに関連する主要なユースケースをサポートすることができます。 これにより、データ主導の計画アプローチにより、計画および予算策定活動を補完することができます。

計画担当者は、スマート予測機能を活用して、1 つまたは複数のビジネスディメンションを考慮して予測予測を生成します。スマート予測では、予測精度をディメンション値別に分析し、シグナルの内訳を詳細に把握することができます。

計画担当者は、スマート予測の入力として計画モデルを選択し、セグメント化された予測モデルを生成し、数回のクリックで計画グリッドに時系列予測を提供します。

入力は最小であり、実績がデフォルトで使用されます。ボトムアップ予測では、関連する列のみが表示され、複数のディメンションの選択がサポートされます。

統合予測機能

  1. 時系列チャートおよび折れ線チャートを時系列予測で拡張: 時系列予測を示すチャート
  2. スマート予測 (ボトムアップ時系列モデルを含む) を使用して、より高度な制御レベルを持つ予測モデルを作成し、SAP Analytics Cloud BI と計画の両方のニーズに対応します。Smart Predict 要素の作成に使用される予測、分類、リグレッション

時系列モデルと計画の統合

計画モデルからの時系列予測の実行

  1. ソースシステムまたはフラットファイルから SAP Analytics Cloud 計画モデルに実績データをインポートして、データを準備します。ストーリー内のテーブルが強調表示されます。
  2. ストーリー内にテーブルを作成して、実際の値を表示します。 ストーリー内で時系列予測アイコンが強調表示されています。
  3. 時系列予測値の新しい非公開バージョンに実績をコピーします。時系列予測の作成ダイアログ
  4. 時系列予測の予測シナリオを作成し、予測値を生成します。
    • データソースを選択し、データ入力の予測に使用するバージョンを指定します。デフォルトでは、実績バージョンが使用されます。
    • 予測値を計算するためのターゲットメジャーおよび日付ディメンションを指定します。
    • 予測期間およびエンティティの数を指定します - 予測を取得する各エンティティを識別するディメンション。
    • 予測モデルのトレーニングで、学習に使用するすべての観測値および最終観測値 (終了) を選択します。これにより、予測モデルのトレーニングにすべての観測値が使用されます。
    • 負の予測値をゼロに変換オプションをオンにして、結果に負の値が生成されないようにします。
    • 学習と予測を選択して、予測値を生成します。
    予測値が追加されたテーブル。
  5. 予測概要および予測の詳細に問題がない場合は、既存のストーリーの予測値を照会します。需要予測値が表示されます。予測ありのストーリー

拡張分析時系列予測モデルと計画の結合

SAP Analytics Cloud 計画モデルを使用して時系列予測モデル出力を作成するように依頼されました。

提供されたデータは以下のとおりです。

  • 5 年間の月次売上。これは日付変数です。
  • 6カ国の6車ブランドの販売。これはターゲット変数です。
  • すべてのブランドがすべての国で販売されているわけではありません。これはエンティティ定義に使用されます。
  • 各国は、2 つの地域 (EMEA の北部と南部) のいずれかに関連付けられています。Region は Country のプロパティになります。

このデータは、今後 12 カ月間の国およびブランド別にセグメント化された自動車販売の進化を予測することを目的として、時系列予測シナリオの入力として使用されます。

タスクフロー: この演習問題の目的は、以下のとおりです。

  1. CSV ファイルから計画モデルを作成
  2. 予測値用のストーリーと非公開バージョンを作成
  3. 予測モデルをトレーニングし、品質を検査します。次に、予測を計画モデルに書き戻し、ストーリーで使用します。

タスク 1: データモデル登録

タスク 2: ストーリーおよび非公開計画バージョンの登録

タスク 3: スマート予測での予測モデルのトレーニングおよびストーリーでの表示