本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 根據需求驅動因素進行預測
<a name="demand_drivers"></a>

若要在設定預測時增強預測準確性，您可以使用需求驅動因素。*需求驅動因素*是相關時間序列輸入，可擷取產品趨勢和季節。您可以根據各種因素使用需求驅動因素來影響供應鏈，而不是根據歷史需求。例如，促銷、價格變更和行銷活動。需求規劃支援歷史和未來需求驅動因素。

## 使用需求驅動程式的先決條件
<a name="ingesting_demand_drivers"></a>

在擷取需求驅動程式的資料之前，請確定資料符合下列條件：
+ 請務必在 *supplementary\$1time\$1series* 資料實體中擷取需求驅動因素資料。您可以同時提供歷史和未來需求驅動因素資訊。如需需求規劃所需的資料實體相關資訊，請參閱 [需求規劃](required_entities.md)。

  如果您找不到 *supplementary\$1time\$1series* 資料實體，您的執行個體可能正在使用較早的資料模型版本。您可以聯絡 AWS Support 來升級您的資料模型版本或建立新的資料連線。
+ 請確定在 *supplementary\$1time\$1series* 資料實體中填入下列資料欄。
  + *id* – 此欄是唯一的記錄識別符，是成功擷取資料的必要項目。
  + *order\$1date* – 此欄表示需求驅動程式的時間戳記。它可以是過去和未來的日期。
  + *time\$1series\$1name* – 此欄是每個需求驅動程式的識別符。此欄的值必須以字母開頭，長度應為 2-56 個字元，且可能包含字母、數字和底線。其他特殊字元無效。
  + *time\$1series\$1value* – 此欄提供特定需求驅動程式在特定時間點的資料點測量。僅支援數值。
+ 選取最少 1 個，最多 13 個需求驅動因素。請確定已設定彙總和填入方法。如需填入方法的詳細資訊，請參閱 [需求驅動程式資料填入方法](configuration_demand_drivers.md#filling_method_demand_drivers)。您可以隨時修改設定。需求規劃會在下一個預測週期中套用變更。

下列範例說明當在 *supplementary\$1time\$1series* 資料實體中擷取所需的需求驅動程式資料欄時，如何產生需求計劃。需求規劃建議同時提供歷史和未來需求驅動程式資料 （如果可用）。此資料可協助學習模型學習並套用模式到預測。

![\[需求驅動程式範例\]](http://docs.aws.amazon.com/zh_tw/aws-supply-chain/latest/userguide/images/demand_drivers_example.png)


下列範例說明如何在資料集中設定一些常見的需求驅動因素。

![\[需求驅動程式範例\]](http://docs.aws.amazon.com/zh_tw/aws-supply-chain/latest/userguide/images/demand_drivers_example2.png)


當您提供領導指標時，需求規劃強烈建議您調整時間序列日期。例如，假設特定指標可做為轉換率為 70% 的 20 天領導指標。在這種情況下，請考慮將時間序列中的日期轉移 20 天，然後套用適當的轉換係數。雖然學習模型可以在不進行此類調整的情況下學習模式，但將領導指標資料與對應的結果保持一致，在模式辨識中更有效。值的大小在此過程中扮演重要角色，可增強模型準確學習和解譯模式的能力。

# 需求驅動程式組態
<a name="configuration_demand_drivers"></a>

若要使用需求驅動程式，您必須設定它們。只有當您已在 *supplementary\$1time\$1series* 資料實體中擷取資料時，才能設定需求驅動程式。

**注意**  
如果您未設定需求驅動因素，您仍然可以產生預測。不過，需求規劃不會使用需求驅動因素。

## 需求驅動程式資料填入方法
<a name="filling_method_demand_drivers"></a>

*填入方法*代表 （或「填入」) 在時間序列中缺少值。需求規劃支援下列填入方法。套用需求規劃的填入方法取決於資料中間隙的位置。
+ 回填 – 當間隙介於產品的先前記錄日期和上次記錄日期之間時套用。
+ 中間填入 – 當間隙介於指定產品的上次記錄資料點與全域上次記錄日期之間時套用。
+ 未來填補 – 當需求驅動因素未來至少有一個資料點，且未來時間有差距時套用。

![\[需求驅動程式填入方法\]](http://docs.aws.amazon.com/zh_tw/aws-supply-chain/latest/userguide/images/filling_method.png)


需求規劃會利用 *supplementary\$1time\$1series* 資料實體中對應到需求驅動因素的最後 64 個資料點，以供考量。需求規劃支援所有三種填充方法的*零*、*中位數*、*平均值*、*最大值*和*最小值*選項。

下列範例說明當資料擷取到產品 1 的 *supplementary\$1time\$1series* 資料實體中的*價格*欄時，需求驅動程序如何處理遺失的資料，其中包含歷史記錄和未來資料。

![\[需求驅動程式填入方法\]](http://docs.aws.amazon.com/zh_tw/aws-supply-chain/latest/userguide/images/filling_method_example1.png)


## 彙總方法
<a name="aggregation_method_demand_drivers"></a>

需求規劃使用 彙總方法，透過整合特定期間和精細程度的資料，以促進各種精細程度的需求驅動因素整合。

時段彙總 – 例如，當*庫存*需求驅動程式在每日層級可用，但預測在每週層級時，需求規劃將套用在庫存需求計劃設定下設定的彙總方法，以使用資訊進行預測。

![\[需求規劃使用的彙總方法\]](http://docs.aws.amazon.com/zh_tw/aws-supply-chain/latest/userguide/images/aggregation_example1.png)


精細度層級彙總 – 以下是需求規劃如何使用精細度層級彙總的範例。*out\$1of\$1stock\$1indicator* 每日可在產品現場層級使用，但預測精細度只能在產品層級使用。需求規劃將套用在此需求驅動程式的需求計劃設定下設定的彙總方法。

![\[需求規劃使用的精細度方法\]](http://docs.aws.amazon.com/zh_tw/aws-supply-chain/latest/userguide/images/granularity_example.png)


# 需求驅動程式建議
<a name="data_setup_demand_drivers"></a>

設定需求驅動程式的彙總和填入方法時，一般準則是為布林值和連續資料類型指派*平均*彙總。若要填入遺失值，請針對布林值資料使用*零*填入，而*平均值*填入則適用於連續資料。

請注意，彙總和填入方法組態的選擇取決於有關遺失值的資料特性和假設。請見此處範例。

![\[需求驅動程式建議\]](http://docs.aws.amazon.com/zh_tw/aws-supply-chain/latest/userguide/images/demand_driver_recommendation.png)


需求規劃建議調整需求驅動程式組態，以最適合您的資料集需求。需求驅動程式組態會影響預測準確性。

在 AWS Supply Chain Web 應用程式中，**在需求規劃**、**概觀**下，您將檢視與需求驅動因素相關聯的影響分數，並在需求計劃層級彙總。這些影響分數測量需求驅動因素對預測的相對影響。低影響分數不表示需求驅動因素對預測值的影響最小。相反地，它暗示它對預測值的影響相對低於其他需求驅動因素。在某些情況下，當影響分數為零時，應該解釋為需求驅動因素不會影響預測值。需求規劃建議重新檢視套用至該特定需求驅動程式的彙總和填入方法組態。