Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Nachfragemuster und Empfehlung
Demand Pattern and Recommendation untersucht die transformierten historischen Nachfragedaten auf jeder konfigurierten Granularitätsebene der Prognose (z. B. Produkt, Standort oder Kanal), um die zugrunde liegenden Muster und Merkmale in Ihren Nachfragedaten aufzudecken. Der Hauptzweck besteht darin, die wichtigsten Verteilungen der Nachfragemuster zu ermitteln, z. B. gleichmäßig, unregelmäßig, unregelmäßig und uneinheitlich. Es bietet auch statistische Erkenntnisse über die Dauer der Entwicklung und die Nachfrage in den letzten 12 Monaten.
Die Analyse wird nach erfolgreicher Datenvalidierung während der Prognosegenerierung automatisch ausgelöst und parallel zur Prognoseerstellung ausgeführt. Sie blockiert oder verzögert den Prognoseprozess jedoch nicht. Die Analyse des Bedarfsmusters wird als Teil desselben Workflows wie die Datenvalidierung ausgelöst, wenn Sie die Prognoseerstellung starten. Jeder Fehler bei der Datenvalidierung verhindert jedoch, dass sowohl die Analyse als auch die Prognose erstellt werden.
Durch die Bereitstellung dieses analytischen Überblicks hilft das System den Benutzern, die Muster im Datensatz zu verstehen, um die Prognosegenauigkeit zu verbessern.
# Komponenten der Nachfragemuster
Die Analyse der Nachfragemuster erfolgt in drei Dimensionen:
+ Nachfragemuster (basierend darauf, wie sich die Nachfrage im Laufe der Zeit und in der Menge verändert)
+ Jährliche Nachfrage (Gesamtmenge, die über einen Zeitraum von 12 Monaten nachgefragt wurde)
+ Länge der Historie (der Zeitraum, für den historische Nachfragedaten verfügbar sind)
Bei der Analyse werden Ihre Nachfragemuster in vier verschiedene Typen eingeteilt: gleichmäßig, intermittierend, unregelmäßig und stückig. Jedes dieser Faktoren wird durch die Analyse der Häufigkeit und Variabilität der Nachfrage bestimmt. Wenn es in Frage kommende Produkte im Geltungsbereich gibt, für die keine historischen Daten vorliegen, werden sie im Abschnitt „**Keine Forecast Nachfrage**“ zusammengefasst. Weitere Informationen finden Sie unter [Nachfragemuster](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/overview_dp.html#demand-pattern).
Die Verteilung der Nachfragemuster auf Ihre Produkte bietet wertvolle Einblicke in die erwartete Prognosezuverlässigkeit. Produkte mit gleichmäßigen Nachfragemustern (mit gleichbleibenden Auftragsvolumen und -frequenzen) liefern in der Regel die zuverlässigsten Prognosen, da ihr Verhalten vorhersehbarer ist. Im Gegensatz dazu führen unregelmäßige oder unregelmäßige Muster, die durch unregelmäßige Spitzen und unterschiedliche Bestellhäufigkeiten gekennzeichnet sind, aufgrund ihrer Unvorhersehbarkeit im Allgemeinen zu einer geringeren Prognosezuverlässigkeit. Wenn Bedarfsplaner diese Verteilung verstehen, können sie angemessene Erwartungen setzen und proaktive Maßnahmen ergreifen.
Das System analysiert außerdem Ihren Bedarf für die letzten 12 Monate (abhängig von der Konfiguration zur Kürzung), auch bekannt als Jahresbedarf, unmittelbar vor Ihrem prognostizierten Startdatum. Nehmen wir beispielsweise an, das Startdatum der Prognose ist der 15. Januar 2024 (Montag) und der Planungszeitraum ist wöchentlich. Das System geht davon aus, dass der Analysezeitraum der letzten 12 Monate vom 16. Januar 2023 bis zum 14. Januar 2024 liegt. Die Nachfrageanalyse für die letzten 12 Monate hilft Bedarfsplanern, zwischen aktiven und inaktiven Produkten zu unterscheiden und gleichzeitig Produkte zu identifizieren, die sich zwischen diesen Zuständen befinden — Muster, die sich direkt auf die Prognosezuverlässigkeit auswirken. Indem Sie sich auf die jüngste Vergangenheit und nicht auf ältere Datenmuster konzentrieren, können Sie fundiertere Entscheidungen darüber treffen, welche Produkte besondere Aufmerksamkeit oder alternative Prognoseansätze erfordern, insbesondere bei Fällen wie saisonalen Artikeln, Auslaufprodukten oder Artikeln, die sich in der Auslaufphase befinden. Weitere Informationen finden Sie unter [Prognosealgorithmen](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/forecast-algorithims.html).
Die Länge der Historie in Jahren wird für jede Prognosegranularität (z. B. Kombination aus Produkt und Standort) auf der Grundlage der frühesten und spätesten verfügbaren Daten in Ihren vorverarbeiteten historischen Nachfragedaten berechnet, nachdem die Daten an den Standardbeginn der Periode angepasst wurden. Anhand dieser Analyse kann festgestellt werden, ob bei Produkten genügend historische Daten gesammelt wurden, um zuverlässige Prognosen erstellen zu können. Für die Erfassung saisonaler Muster und langfristiger Trends werden in der Regel mindestens zwei Jahre benötigt.
![\[Roher Verlauf der Nachfrage\]](http://docs.aws.amazon.com/de_de/aws-supply-chain/latest/userguide/images/raw-demand-history.png)
# Nachfragemuster und Empfehlungen
Das System bietet gezielte Empfehlungen auf der Grundlage identifizierter Nachfragemuster, um die Prognosegenauigkeit zu verbessern. Bei Produkten mit unregelmäßiger Nachfrage, die durch unregelmäßige Spitzen des Auftragsvolumens gekennzeichnet sind, schlägt das System vor, potenzielle externe Einflüsse wie Werbeaktionen oder Preisänderungen zu berücksichtigen. In solchen Fällen können Sie die Prognosegenauigkeit erheblich verbessern, indem Sie mit Ihrem Datenadministrator zusammenarbeiten, um relevante Daten zur Nachfrage in die Tabelle [https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/demand_drivers.html](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/demand_drivers.html) im Data Lake hochzuladen. Dieser zusätzliche Kontext hilft den Prognosemodellen, Nachfrageschwankungen besser zu verstehen und vorherzusagen.
Für Produkte mit unzureichender Historie (weniger als 2 Jahre) oder gar keiner Historie empfiehlt das System, alternative Produktzuordnungen zu nutzen. Dieser Ansatz ermöglicht es Ihnen, die Nachfragemuster ähnlicher, etablierter Produkte zu nutzen, um die Prognosesicherheit zu verbessern. Arbeiten Sie mit Ihrem Datenadministrator zusammen, um diese Produktbeziehungen in die Tabelle mit [https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/product_lineage.html](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/product_lineage.html) im Data Lake hochzuladen. Dies ist besonders wichtig, da für eine genaue Erkennung von Saisonalität und langfristigen Trends historische Daten aus mindestens zwei vollen Jahren erforderlich sind. Durch die Zuordnung zu alternativen Produkten mit ausreichender Historie können Sie eine zuverlässigere Prognosebasis für neuere Produkte oder Produkte mit begrenzter Historie erstellen.
# Zugriff auf Nachfragemuster und Empfehlungsberichte
## Erstmalige Erstellung von Prognosen
Wenn Sie zum ersten Mal eine Prognose erstellen, wählen Sie im AWS Supply Chain Modul **Bedarfsplanung** die Option **Plan erstellen** aus. Das System führt Sie durch drei Schritte: Datenaufnahme, Plankonfiguration und schließlich Prognosegenerierung. Nachdem Sie die Datenaufnahme und die Plankonfiguration abgeschlossen haben, wählen Sie **Generate Forecast**, um die Datenvalidierung zu starten. Nach erfolgreicher Validierung führt das System eine Analyse des Bedarfsmusters durch, und Sie sehen einen Hyperlink, über den Sie auf diese Analyse zugreifen können, während Ihre Prognose generiert wird.
## Nachträgliche Erstellung der Prognose
Wählen Sie für nachfolgende Prognosen die Option **Forecast generieren**. Sie sehen ein Banner mit drei Schritten: Datenvalidierung, Analyse und Empfehlung von Nachfragemustern sowie Erstellung von Prognosen. Nachdem die Datenvalidierung erfolgreich war und die Analyse des Bedarfsmusters abgeschlossen ist, greifen Sie auf den Bericht zu, indem Sie den entsprechenden Hyperlink im Banner auswählen.
## Inhalt des Berichts
Der Bericht „Nachfragemuster und Empfehlungen“ bietet eine Zusammenfassung der explorativen Datenanalysen auf der von Ihnen konfigurierten Prognoseebene für einen bestimmten Plan. Am oberen Bildschirmrand sehen Sie fünf wichtige Musterkarten, die zeigen, wie Ihre Produkte vertrieben werden: Glatte Muster, intermittierende Muster, unregelmäßige Muster, unregelmäßige Muster, unregelmäßige Muster und Produkte ohne historische Nachfrage.
Unter dieser Zusammenfassung finden Sie eine detaillierte Tabelle, in der die Muster nach der höchsten konfigurierten Ebene in der Produkthierarchie in den Einstellungen für den Bedarfsplan aufgeschlüsselt sind. Wenn Ihre Konfiguration der Produkthierarchie beispielsweise dem Muster Produkt-ID und Produktgruppen-ID folgt, wird die Zusammenfassung unter der Produktgruppen-ID angezeigt. Für jede Kategorie können Sie Folgendes sehen:
+ \$1 Prognosen, aus denen hervorgeht, welche Zeitreihen für Prognosen in Frage kommen, sowie deren prozentualer Anteil am Gesamtwert
+ Das jährliche Nachfragevolumen und sein prozentualer Anteil an der Gesamtnachfrage
+ Eine visuelle Aufschlüsselung des Nachfragemusters innerhalb dieser Kategorie
+ Eine visuelle Aufschlüsselung der verfügbaren Historie innerhalb dieser Kategorie
Um Ihnen die Navigation in diesen Informationen zu erleichtern, können Sie wie folgt vorgehen:
+ Verwenden Sie das Suchfeld, um nach bestimmten Produktkategorien zu suchen
+ Laden Sie einen ausführlichen Bericht herunter. Der Bericht enthält detaillierte Analysen für jede einzelne Prognose auf der von Ihnen konfigurierten Granularitätsebene
+ Sortieren Sie jede Produktkategorie, die Anzahl der Prognosen und die jährliche Nachfrage, um sich auf bestimmte Kennzahlen zu konzentrieren. Bei Produktkategorien, die alphanumerische Formate oder leere Werte enthalten, kann die Verwendung der Suchfunktion effektiver sein.
## Kontinuierlicher Zugriff
Nach jeder erfolgreichen Prognoseerstellung können Sie diese Analyse auf der Registerkarte **Nachfragemuster** auf den Seiten mit der Prognoseüberprüfung erneut aufrufen. In dieser Ansicht reagiert die Analyse auf alle Filter, die Sie bei der Prognoseüberprüfung anwenden. Der heruntergeladene Bericht enthält Analysen, die speziell auf Ihre gefilterte Auswahl zugeschnitten sind.