Amazon Forecast ist für Neukunden nicht mehr verfügbar. Bestehende Kunden von Amazon Forecast können den Service weiterhin wie gewohnt nutzen. [Erfahren Sie mehr“](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

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.

# Ersatzdatensatz
<a name="replacement-series"></a>

Ein Ersatzdatensatz ist eine modifizierte Version der auf den Basisplan bezogenen Zeitreihe, die nur die Werte enthält, die Sie in einer Was-wäre-wenn-Prognose ändern möchten. Der Ersatzdatensatz muss die Prognosedimensionen, Elementkennungen und Zeitstempel der auf den Basisplan bezogenen Zeitreihe sowie mindestens eine geänderte Zeitreihe enthalten. Dieser Datensatz wird mit der auf den Basisplan bezogenen Zeitreihe zusammengeführt, um einen transformierten Datensatz zu erstellen, der für die Was-wäre-wenn-Prognose verwendet wird. Der Ersatzdatensatz muss im CSV-Format vorliegen.

Dieser Datensatz sollte keine doppelten Zeitstempel für dieselbe Zeitreihe enthalten.

Im Folgenden finden Sie einige Beispiele dafür, wie Sie eine Ersatzzeitreihe angeben können und wie diese Spezifikationen interpretiert werden. Stellen Sie sich den Fall vor, dass Sie täglich Prognosen erstellen und der Prognosezeitraum vom 01.08.2022 bis 03.08.2022 reicht. Die auf den Basiswert bezogene Zeitreihe für alle Beispiele ist in der folgenden Tabelle aufgeführt.


| item\_id | Zeitstempel | price | stock\_count | 
| --- | --- | --- | --- | 
| artikel\_1 | 01.08.2022 | 100 | 50 | 
| artikel\_1 | 02.08.2022 | 100 | 50 | 
| artikel\_1 | 03.08.2022 | 100 | 50 | 
| artikel\_2 | 01.08.2022 | 75 | 500 | 
| artikel\_2 | 02.08.2022 | 75 | 500 | 
| artikel\_2 | 03.08.2022 | 75 | 500 | 

------
#### [ Unchanged values ]

Um einen discount von 10% auf Artikel\_1 für den 02.08.2022 und den 03.08.2022 zu gewähren, genügt es, für den Ersatzdatensatz Folgendes anzugeben:


**Ersatzdatensatz**  

| item\_id | Zeitstempel | price | 
| --- | --- | --- | 
| item\_1 | 02.08.2022 | 90 | 
| artikel\_1 | 03.08.2022 | 90 | 

Es ist jedoch auch zulässig, unveränderte Werte im Ersatzdatensatz anzugeben. Wenn sie als Ersatzdatensätze verwendet werden, liefert jede der folgenden drei Tabellen dieselben Ergebnisse wie die zuvor bereitgestellte Tabelle.


**Ersatzdatensatz mit unveränderter Spalte**  

| item\_id | Zeitstempel | price | stock\_count | 
| --- | --- | --- | --- | 
| artikel\_1 | 02.08.2022 | 90 | 50 | 
| artikel\_1 | 03.08.2022 | 90 | 50 | 


**Ersatzdatensatz mit unveränderten Zeilen**  

| item\_id | Zeitstempel | price | 
| --- | --- | --- | 
| item\_1 | 01.08.2022 | 100 | 
| artikel\_1 | 02.08.2022 | 90 | 
| artikel\_1 | 03.08.2022 | 90 | 
| artikel\_2 | 01.08.2022 | 75 | 
| artikel\_2 | 02.08.2022 | 75 | 
| artikel\_2 | 03.08.2022 | 75 | 


**Ersatzdatensatz mit unveränderten Zeilen und Spalten**  

| item\_id | Zeitstempel | price | stock\_count | 
| --- | --- | --- | --- | 
| artikel\_1 | 01.08.2022 | 100 | 50 | 
| artikel\_1 | 02.08.2022 | 90 | 50 | 
| artikel\_1 | 03.08.2022 | 90 | 50 | 
| artikel\_2 | 01.08.2022 | 75 | 500 | 
| artikel\_2 | 02.08.2022 | 75 | 500 | 
| artikel\_2 | 03.08.2022 | 75 | 500 | 

------
#### [ Missing values ]

Fehlende Werte in der Ersatzzeitreihe werden durch Werte aus der Bezugszeitreihe ersetzt. Stellen Sie sich das Szenario vor, in dem Sie für den 02.08.2022 und den 03.08.2022 einen discount von 10% auf Artikel\_1 gewähren und den Lagerbestand von Artikel\_2 am 01.08.2022 erhöhen. Dieser Ersatzdatensatz ist ausreichend:


**Ersatzdatensatz mit fehlenden Werten**  

| item\_id | Zeitstempel | price | stock\_count | 
| --- |--- |--- |--- |
| artikel\_1 | 02.08.2022 | 90 |  | 
| --- |--- |--- |--- |
| artikel\_1 | 03.08.2022 | 90 |  | 
| --- |--- |--- |--- |
| artikel\_2 | 01.08.2022 |  | 5000 | 
| --- |--- |--- |--- |

Die Werte, die in dieser Tabelle fehlen, werden aus der Zeitreihe für den Basisplan imputiert.

------
#### [ Extraneous values ]

Überflüssige Werte in der Ersatzzeitreihe werden bei der Erstellung einer Was-wäre-wenn-Prognose ignoriert. Das heißt, Werte im Ersatzdatensatz, die nicht den Werten in der Bezugszeitreihe entsprechen, werden nicht modelliert. Stellen Sie sich diesen Ersatzdatensatz vor:


**Ersatzdatensatz mit überflüssigen Werten**  

| item\_id | Zeitstempel | price | stock\_count | 
| --- |--- |--- |--- |
| artikel\_1 | 01.08.2022 | 100 | 50 | 
| artikel\_1 | 02.08.2022 | 100 | 50 | 
| artikel\_1 | 03.08.2022 | 100 | 50 | 
| artikel\_2 | 01.08.2022 | 75 | 500 | 
| artikel\_2 | 02.08.2022 | 75 | 500 | 
| Artikel\_2 | 03.08.2022 | 75 | 500 | 
| artikel\_3 | 01.08.2022 | 50 | 125 | 
| --- |--- |--- |--- |
| Artikel\_3 | 02.08.2022 | 50 | 125 | 
| --- |--- |--- |--- |
| artikel\_3 | 03.08.2022 | 50 | 125 | 
| --- |--- |--- |--- |

Die Zeilen, die item\_3 enthalten, werden ignoriert und sind nicht Teil der Was-wäre-wenn-Analyse.

------
#### [ Historical changes ]

Änderungen im Ersatzdatensatz, die außerhalb des Prognosezeitraums liegen, werden ignoriert. Betrachten Sie diesen Ersatzdatensatz:


**Ersatzdatensatz mit Werten außerhalb des Prognosehorizonts**  

| item\_id | Zeitstempel | price | stock\_count | 
| --- |--- |--- |--- |
| artikel\_1 | 31.07.2022 | 100 | 50 | 
| --- |--- |--- |--- |
| artikel\_1 | 01.08.2022 | 100 | 50 | 
| artikel\_1 | 02.08.2022 | 100 | 50 | 
| artikel\_1 | 03.08.2022 | 100 | 50 | 
| artikel\_1 | 04.08.2022 | 100 | 50 | 
| --- |--- |--- |--- |
| Artikel\_2 | 31.07.2022 | 75 | 500 | 
| --- |--- |--- |--- |
| Artikel\_2 | 01.08.2022 | 75 | 500 | 
| Artikel\_2 | 02.08.2022 | 75 | 500 | 
| Artikel\_2 | 03.08.2022 | 75 | 500 | 
| artikel\_3 | 04.08.2022 | 75 | 500 | 
| --- |--- |--- |--- |

Die Zeilen, die den 31.07.2022 und den 04.08.2022 enthalten, werden ignoriert und sind nicht Teil der Was-wäre-wenn-Analyse.

------

## Prognosedimensionen
<a name="forecast-dimensions"></a>

Wenn Sie Prognosedimensionen in Ihren Datensatz aufnehmen, müssen Sie sie in den Ersatzdatensatz aufnehmen. Betrachten Sie diese Zeitreihe, die sich auf den Basisplan bezieht:


| item\_id | store\_id | Zeitstempel | price | Anzahl der Bestände | 
| --- | --- | --- | --- | --- | 
| artikel\_1 | speichern\_1 | 01.08.2022 | 100 | 50 | 
| artikel\_1 | speichern\_1 | 02.08.2022 | 100 | 50 | 
| artikel\_1 | speichern\_1 | 03.08.2022 | 100 | 50 | 
| artikel\_1 | speichern\_2 | 01.08.2022 | 75 | 500 | 
| artikel\_1 | speichern\_2 | 02.08.2022 | 75 | 500 | 
| artikel\_1 | speichern\_2 | 03.08.2022 | 75 | 500 | 

Daher würde der Ersatzdatensatz für einen discount von 10% in allen Geschäften am 02.08.2022 wie folgt aussehen:


| item\_id | store\_id | Zeitstempel | price | 
| --- | --- | --- | --- | 
| artikel\_1 | speichern\_1 | 02.08.2022 | 90 | 
| artikel\_1 | speichern\_2 | 02.08.2022 | 67,5 |