Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Forecast basado en los impulsores de la demanda
<a name="demand_drivers"></a>

Para mejorar la precisión de las previsiones al configurar su previsión, puede utilizar los impulsores de la demanda. *Los impulsores de la demanda* son entradas relacionadas con series temporales que capturan las tendencias y temporadas de los productos. En lugar de depender de la demanda histórica, puede utilizar los impulsores de la demanda para influir en la cadena de suministro en función de varios factores. Por ejemplo, promociones, cambios de precios y campañas de marketing. La planificación de la demanda apoya los impulsores de la demanda tanto históricos como futuros.

## Requisitos previos para utilizar los impulsores de la demanda
<a name="ingesting_demand_drivers"></a>

Antes de ingerir datos para los impulsores de la demanda, asegúrese de que los datos cumplan las siguientes condiciones:
+ Asegúrese de incorporar los datos de los impulsores de la demanda en la entidad de datos *supplementary\$1time\$1series*. Puede proporcionar información sobre los impulsores de la demanda histórica y futura. Para obtener información sobre las entidades de datos que requiere Demand Planning, consulte[Planificación de la demanda](required_entities.md).

  Si no puede localizar la entidad de datos *supplementary\$1time\$1series*, es posible que la instancia utilice una versión anterior del modelo de datos. Puede ponerse en contacto con AWS Support para actualizar la versión de su modelo de datos o crear una nueva conexión de datos.
+ Asegúrese de que las siguientes columnas estén rellenadas en la entidad de datos *supplementary\$1time\$1series*.
  + *id*: esta columna es el identificador de registro único y es necesaria para que la ingesta de datos se realice correctamente.
  + *order\$1date*: esta columna indica la marca de tiempo del impulsor de la demanda. Puede estar fechado tanto en el pasado como en el futuro.
  + *time\$1series\$1name*: esta columna es el identificador de cada controlador de demanda. El valor de esta columna debe empezar por una letra, debe tener entre 2 y 56 caracteres y puede contener letras, números y guiones bajos. Los demás caracteres especiales no son válidos.
  + *time\$1series\$1value*: esta columna proporciona la medición puntual de un factor de demanda concreto en un momento específico. Solo se admiten valores numéricos.
+ Seleccione un mínimo de 1 y un máximo de 13 conductores exigentes. Asegúrese de que los métodos de agregación y llenado estén configurados. Para obtener más información sobre los métodos de llenado, consulte[Método de llenado de datos de Demand Drivers](configuration_demand_drivers.md#filling_method_demand_drivers). Puede modificar la configuración en cualquier momento. Demand Planning aplicará los cambios en el siguiente ciclo de previsión.

El siguiente ejemplo ilustra cómo se genera un plan de demanda cuando las columnas del impulsor de la demanda requeridas se incorporan a la entidad de datos *supplementary\$1time\$1series*. Demand Planning recomienda proporcionar datos históricos y futuros sobre los impulsores de la demanda (si están disponibles). Estos datos ayudan al modelo de aprendizaje a aprender y aplicar el patrón a la previsión.

![\[Ejemplo de impulsores de la demanda\]](http://docs.aws.amazon.com/es_es/aws-supply-chain/latest/userguide/images/demand_drivers_example.png)


El siguiente ejemplo ilustra cómo puede configurar algunos impulsores de demanda comunes en su conjunto de datos.

![\[Ejemplo de impulsores de la demanda\]](http://docs.aws.amazon.com/es_es/aws-supply-chain/latest/userguide/images/demand_drivers_example2.png)


Cuando proporcione los indicadores principales, Demand Planning recomienda encarecidamente que ajuste la fecha de la serie temporal. Por ejemplo, supongamos que una métrica concreta sirve como indicador inicial de 20 días con una tasa de conversión del 70%. En este caso, considere la posibilidad de cambiar la fecha de la serie temporal en 20 días y, a continuación, aplicar el factor de conversión adecuado. Si bien el modelo de aprendizaje puede aprender patrones sin tales ajustes, alinear los datos de los indicadores principales con los resultados correspondientes es más eficaz en el reconocimiento de patrones. La magnitud del valor desempeña un papel importante en este proceso, ya que mejora la capacidad del modelo para aprender e interpretar los patrones con precisión.

# Exija la configuración del controlador
<a name="configuration_demand_drivers"></a>

Para utilizar los controladores de demanda, debe configurarlos. Puede configurar los controladores de demanda solo cuando haya ingerido datos en la entidad de datos *supplementary\$1time\$1series*.

**nota**  
Si no configura los impulsores de la demanda, aún puede generar una previsión. Sin embargo, la planificación de la demanda no utilizará los impulsores de la demanda.

## Método de llenado de datos de Demand Drivers
<a name="filling_method_demand_drivers"></a>

Un *método de llenado* representa (o «rellena») los valores faltantes en una serie temporal. La planificación de la demanda admite los siguientes métodos de llenado. El método de llenado que aplica Demand Planning depende de la ubicación del vacío en los datos. 
+ Rellenado inverso: se aplica cuando el espacio se encuentra entre la fecha de registro anterior de un producto y la última fecha de registro.
+ Relleno intermedio: se aplica cuando el espacio se encuentra entre el último punto de datos registrado para un producto determinado y la fecha global del último registro.
+ Llenado futuro: se aplica cuando el impulsor de la demanda tiene al menos un punto de datos en el futuro y hay un vacío en el horizonte temporal futuro.

![\[Método de llenado de los factores de demanda\]](http://docs.aws.amazon.com/es_es/aws-supply-chain/latest/userguide/images/filling_method.png)


Para su consideración, la planificación de la demanda utiliza los últimos 64 puntos de datos de la entidad de datos *supplementary\$1time\$1series* correspondiente al impulsor de la demanda. La planificación de la demanda admite las opciones *cero*, *mediana*, *media*, *máxima* y *mínima* para los tres métodos de llenado.

El siguiente ejemplo ilustra cómo los impulsores de la demanda gestionan los datos faltantes cuando los datos se incorporan a la columna de *precios* de la entidad de datos *supplementary\$1time\$1series* del Producto 1, que incluye datos históricos y futuros.

![\[Método de llenado de los factores de demanda\]](http://docs.aws.amazon.com/es_es/aws-supply-chain/latest/userguide/images/filling_method_example1.png)


## Método de agregación
<a name="aggregation_method_demand_drivers"></a>

La planificación de la demanda utiliza el método de agregación para facilitar la integración de los impulsores de la demanda en varios niveles de granularidad mediante la consolidación de los datos en períodos y niveles de granularidad específicos.

Agregación de períodos de tiempo: por ejemplo, cuando el impulsor de la demanda de *inventario* está disponible a nivel diario pero la previsión es semanal, la planificación de la demanda aplicará el método de agregación configurado en la configuración del plan de demanda para el inventario a fin de utilizar la información para la previsión.

![\[Método de agregación utilizado por Demand Planning\]](http://docs.aws.amazon.com/es_es/aws-supply-chain/latest/userguide/images/aggregation_example1.png)


Agregación del nivel de granularidad: este es un ejemplo de cómo la planificación de la demanda utiliza la agregación del nivel de granularidad. *out\$1of\$1stock\$1indicator* está disponible todos los días a nivel de producto/sitio, pero la granularidad de las previsiones solo está disponible a nivel de producto. Demand Planning aplicará el método de agregación configurado en los ajustes del plan de demanda para este impulsor de la demanda.

![\[Método de granularidad utilizado por Demand Planning\]](http://docs.aws.amazon.com/es_es/aws-supply-chain/latest/userguide/images/granularity_example.png)


# Recomendaciones para impulsar la demanda
<a name="data_setup_demand_drivers"></a>

Al configurar los métodos de agregación y llenado para los impulsores de la demanda, una pauta general es asignar la agregación *media* para los tipos de datos booleanos y continuos. Para rellenar un valor faltante, utilice el relleno *cero* para los datos booleanos, mientras que el relleno *medio* es adecuado para los datos continuos.

Tenga en cuenta que la elección de la configuración del método de agregación y relleno depende de las características de los datos y de las suposiciones sobre los valores faltantes. A continuación se muestra un ejemplo.

![\[Recomendación que impulsa la demanda\]](http://docs.aws.amazon.com/es_es/aws-supply-chain/latest/userguide/images/demand_driver_recommendation.png)


Demand Planning recomienda ajustar la configuración del controlador de demanda para que se adapte mejor a las necesidades de su conjunto de datos. La configuración del impulsor de la demanda afectará a la precisión del pronóstico.

En la aplicación AWS Supply Chain web, en la sección **Descripción general** de **la planificación de la demanda**, verá las puntuaciones de impacto asociadas a los factores que impulsan la demanda, agregadas a nivel del plan de demanda. Estas puntuaciones de impacto miden la influencia relativa de los impulsores de la demanda en las previsiones. Una puntuación de impacto baja no indica que el factor de la demanda tenga un efecto mínimo en los valores de las previsiones. Por el contrario, sugiere que su influencia en el valor previsto es comparativamente inferior a la de los demás factores de la demanda. Cuando la puntuación de impacto es cero en determinadas circunstancias, debe interpretarse en el sentido de que el factor de la demanda no influye en los valores previstos. Demand Planning recomienda revisar la configuración de los métodos de agregación y llenado aplicada a ese factor de demanda en particular.