本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 需求规划功能
<a name="required_entities"></a>

下表列出了需求计划使用的数据实体和列。

**如何阅读该表：**
+ **必填项**-此数据实体中的列是执行需求预测而不会出现任何失败的必填项。
+ **有条件必需** — 此数据实体中的列是必填的，具体取决于在需求计划设置下设置的配置。有关更多信息，请参阅 [管理需求计划设置](settings.md)。
+ **推荐用于预测质量**-此数据实体中的列是预测质量的必填列。
+ **可选** — 列名是可选的。为了增强特征输出，建议在该列名中添加值。

# 上传数据集之前的先决条件
<a name="data_quality"></a>

要成功生成预测，请确保您的数据集符合以下条件。
+ 至少有一个 *product\$1id* 的销售历史至少是 outb *ou* nd\$1order\$1line 数据集中提供的预测时间范围的四倍。例如，如果预测时间范围为 26 周，则最低订单数据要求为 26\$14 = 104 周。
+ *产品数据实体下的 Product\$1ID* 不应包含任何不完整的数据（空字符串或空字符串）或重复数据。
+ 在预测配置中为粒度选择的所有其他列（有*条件必填*的列）都不包含不完整的数据（空或空字符串）。
+ 所有数据实体（例如，product\$1id、site\$1id、ship\$1from\$1site\$1id）的列 *ID* 不包含特殊字符，例如星号 (\$1) 和双引号 (” “)。
+ *订单日期不*包含无效日期。例如，2023年2月29日，即2023年2月29日，仅在闰年有效。

为了提高预测的准确性，需求计划强烈建议采取以下措施。
+ 上传两到三年的出库订单行历史记录作为输入，以生成准确的预测。此持续时间使预测模型能够捕捉您的业务周期，并确保更稳健、更可靠的预测。
+  *为了提高预测的准确性，还建议在产品数据实体中加入产品属性，例如*品牌*、*颜色*、*product\$1group\$1id、production\$1* *day 和 discontinue\$1day*。*
+ 您可以通过 supplem *entary\$1time\$1series 数据实体*提供其他需求驱动因素信息。注意，仅支持数值。
+ 如果您有类似的产品或新产品的先前版本，则可以提供备用产品映射。
+ 在上传历史销售数据之前，请删除任何非经常性或一次性事件，例如 COVID。

# 配送数据映射示例
<a name="fulfillment_scenario"></a>

以下是将实体销售或线上销售映射到出站订单行数据集并优化历史需求设置的示例。请使用此示例对数据进行结构化以进行准确的预测。查看此示例中的配置，确保您的预测模型能够捕捉到不同的订单履行情形。

**注意**  
如果数据字段 *ship\$1from\$1site\$1id*、*ship\$1to\$1site\$1id* 和 *channel\$1id* 被选中用于预测粒度，请确保它们有值或输入 *NULL* 作为值。如果这些字段为空，预测将失败。


| 数据字段 | 描述 | 情形 1 — 门店销售（POS） | 情形 2 — 门店履行电子商务需求 | 情形 3 — 线上订单履行中心履行电子商务需求（直接面向客户） | 
| --- | --- | --- | --- | --- | 
| ship\$1from\$1site\$1id | 管理库存的站点 | 门店 ID | 门店 ID | 订单履行中心 ID | 
| ship\$1to\$1site\$1id | 收到订单的站点 | 输入 NULL 以避免预测失败 | 国家、地区、省、自治区、直辖市或邮政编码（如有） | 外部零售商门店 ID，或国家、地区、省、自治区、直辖市或邮政编码（如有） | 
| channel\$1id | 描绘商品销售方式图 | 实体店 | 电子商务 | 电子商务 | 

[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/aws-supply-chain/latest/userguide/required_entities.html)