Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Entità di dati
La tabella seguente elenca le entità e le colonne di dati utilizzate da Demand Planning.
## Come leggere la tabella:
+ **Obbligatorio**: le colonne di questa entità di dati sono obbligatorie per eseguire una previsione della domanda senza errori.
+ **Obbligatoria condizionalmente**: le colonne di questa entità di dati sono obbligatorie a seconda delle configurazioni impostate nelle impostazioni del piano di domanda.
+ **Consigliato per la qualità della previsione**: le colonne di questa entità dati sono obbligatorie per la qualità della previsione.
+ **Facoltativo**: il nome della colonna è facoltativo. Per ottenere funzionalità avanzate, si consiglia di aggiungere il nome della colonna con i valori.
## outbound\_order\_line (obbligatorio)
**Come viene utilizzata questa entità di dati?** Demand Planning utilizza questi dati come fonte principale della domanda storica per la previsione. Inoltre, i campi selezionati come granularità vengono inviati per la formazione e sono disponibili come filtri per la revisione del piano della domanda.
**colonne outbound\_order\_line**
| Colonna | La colonna è obbligatoria? | Come viene utilizzata questa colonna in Forecasting? |
| --- | --- | --- |
| id | Richiesto | id, cust\_order\_id e product\_id vengono utilizzati per identificare in modo univoco un record nell'entità dati e questa combinazione deve essere sempre unica. Assicurati che i valori delle colonne non contengano caratteri non validi come asterisco e virgolette doppie. |
| cust\_order\_id | Richiesto | |
| product\_id | Richiesto | |
| data\_ordine | Richiesto | Obbligatorio per la creazione di previsioni. Identifica il periodo per la previsione delle serie temporali. |
| quantità\_finale richiesta | Richiesto | Necessario per la creazione di previsioni. Identifica la quantità utilizzata per la previsione delle serie temporali. Questa colonna non deve contenere valori nulli e deve essere numerica. Assicurati che non ci siano virgole nei valori. Ad esempio, 500000.00 è un valore accettato in Demand Planning. |
| ship\_from\_site\_id | Obbligatorio condizionalmente | Questa colonna è obbligatoria condizionatamente per la creazione di previsioni se la colonna è selezionata per la dimensione di previsione (gerarchia del sito). Questa colonna deve avere un valore e viene utilizzata per il filtraggio e l'analisi dei dati. |
| ship\_to\_site\_id | Obbligatorio condizionalmente | |
| channel\_id | Condizionalmente richiesto | Questa colonna è obbligatoria condizionatamente per la creazione di previsioni se la colonna è selezionata per la dimensione di previsione (gerarchia dei canali). Questa colonna deve avere un valore e viene utilizzata per il filtraggio e l'analisi dei dati. |
| customer\_partner\_id | Obbligatorio condizionalmente | Questa colonna è obbligatoria condizionatamente per la creazione di previsioni se la colonna è selezionata per la dimensione di previsione (Customer Hierarchy). Questa colonna deve avere un valore e viene utilizzata per il filtraggio e l'analisi dei dati. |
| ship\_to\_site\_address\_city | Condizionalmente richiesto | Questa colonna è obbligatoria condizionatamente per la creazione di previsioni se la colonna è selezionata per la dimensione di previsione (gerarchia del sito). Questa colonna deve avere un valore e viene utilizzata per il filtraggio e l'analisi dei dati. |
| ship\_to\_site\_address\_state | Condizionalmente richiesto | |
| ship\_to\_site\_address\_country | Condizionalmente richiesto | |
| status | Consigliato per la qualità delle previsioni | Questa colonna è consigliata per la qualità delle previsioni. Gli ordini con stato annullato non vengono considerati come input previsionali. |
## prodotto (richiesto)
**Come viene utilizzata questa entità di dati?**
Demand Planning utilizza gli attributi del prodotto per stabilire filtri gerarchici per la revisione del piano della domanda e per la formazione dei modelli.
**colonne di prodotto**
| Colonna | La colonna è obbligatoria? | Come viene utilizzata questa colonna in Forecasting? |
| --- | --- | --- |
| id | Richiesto | Necessario per l'inserimento dei dati in Supply Chain Data Lake (SCDL). Assicurati che i valori delle colonne non contengano ID duplicati e caratteri speciali come asterix e virgolette doppie. |
| description | Richiesto | Necessario per l'inserimento dei dati in Supply Chain Data Lake (SCDL). Questa colonna può contenere caratteri speciali come asterix, trattino, virgolette e virgolette doppie. |
| parent\_product\_id | Obbligatorio condizionalmente | Questa colonna è obbligatoria in modo condizionale per la creazione di previsioni se la colonna è selezionata per le dimensioni della previsione (gerarchia di prodotti). Assicurati che la colonna contenga valori e venga utilizzata per il filtraggio e l'analisi dei dati e l'addestramento dei modelli. |
| product\_group\_id | Richiesto in modo condizionale | |
| tipo\_prodotto | Obbligatorio condizionalmente | |
| nome\_marchio | Obbligatorio condizionalmente | |
| color | Condizionalmente richiesto | |
| display\_desc | Richiesto in modo condizionale | |
| giorno\_di\_disponibilità del prodotto | Consigliato per la qualità delle previsioni | Consigliato. Il valore in questa colonna migliora la qualità delle previsioni consentendo al modello di previsione di considerare la tempistica dell'introduzione di nuovi prodotti. |
| giorno\_discontinuo | Consigliato per la qualità delle previsioni | Consigliato. Il valore in questa colonna migliora la qualità delle previsioni consentendo al modello di previsione di tenere conto dei tempi di ritiro dei prodotti. |
| base\_uom | Consigliato per la qualità delle previsioni | Unità di misura del prodotto. L'impostazione predefinita è Eaches. |
| is\_deleted | Consigliato per la qualità delle previsioni | Consigliato. Inserisci Y se l'ID del prodotto deve essere escluso dalla previsione. |
| pkg\_height | Consigliato per la qualità delle previsioni | Consigliato. Le caratteristiche fisiche del prodotto che i modelli previsionali sono in grado di comprendere. |
| pkg\_length | Consigliato per la qualità delle previsioni | |
| pkg\_width | Consigliato per la qualità delle previsioni | |
| shipping\_dimension | Consigliato per la qualità delle previsioni | |
| casepack\_size | Consigliato per la qualità delle previsioni | |
## product\_alternate (consigliato per la qualità delle previsioni)
**Come viene utilizzata questa entità di dati?**
Demand Planning utilizza i dati dei predecessori o alternativi del prodotto per creare previsioni per nuovi prodotti. Quando i dati vengono inseriti nell'entità dati *product\_alternate*, è abilitato il supporto Product Lineage per la previsione. Puoi saltare l'inserimento dei dati nell'entità dati *product\_alternate* e la previsione può comunque essere generata.
**colonne product\_alternate**
| Colonna | La colonna è obbligatoria? | Come viene utilizzata questa colonna in Forecasting? |
| --- | --- | --- |
| id\_prodotto alternativo | Richiesto | Necessario per l'inserimento dei dati in Supply Chain Data Lake (SCDL). Identificatore univoco del record. |
| product\_id | Richiesto | Necessario per l'inserimento dei dati in Supply Chain Data Lake (SCDL). ID del nuovo prodotto o nuova versione del prodotto. Assicurati che *product\_id* sia inserito nell'entità dati del *prodotto*. |
| product\_alternate\_id | Richiesto | Necessario per l'inserimento dei dati in SCDL. Identificatore per un prodotto simile o una versione precedente del prodotto. Per considerare più prodotti simili come un unico *product\_id*, inserisci i prodotti in righe separate. *Assicurati che *product\_alternate\_id* sia inserito nell'entità dati del prodotto.* |
| tipo\_alternativo | Richiesto | Obbligatorio per applicare la supercessione o la derivazione del prodotto. Utilizzate il valore statico *similar\_demand\_product* in tutte le righe. |
| alternate\_product\_qty | Richiesto | Necessario per applicare la supercessione o la derivazione del prodotto. *Immettete la percentuale di cronologia dell'*alternate\_product\_id che desiderate utilizzare per la previsione di product\_id*.* Ad esempio, se è del 60%, inserisci 60. Se avete più *alternative\_product\_id per un singolo product\_id**, non è necessario sommare *alternate\_product\_qty** fino a 100. |
| alternate\_product\_qty\_uom | Richiesto | Necessario per applicare la sostituzione o la derivazione del prodotto. Utilizza il valore statico specifico «percentuale». |
| eff\_start\_date | Richiesto | Necessario per l'inserimento dei dati in SCDL. Inserisci l'intervallo di inizio per considerare la cronologia di un prodotto simile. Assicurati che questa data sia uguale o precedente a *eff\_end\_date* oppure puoi lasciare questo campo vuoto e Demand Planning riempirà automaticamente l'anno con 1000. |
| eff\_end\_date | Richiesto | Necessario per l'inserimento dei dati in SCDL. Inserisci il periodo di fine da considerare nella cronologia di un prodotto simile. Assicurati che questa data sia uguale o successiva a *eff\_start\_date*. |
| status | Consigliato per la qualità delle previsioni | Consigliato. Immettete *Inattivo* per ignorare la sovrapcessione del prodotto o la mappatura del lignaggio. |
## supplementary\_time\_series (consigliato per la qualità delle previsioni)
**Come viene utilizzata questa entità di dati?** Demand Planning utilizza questi dati come fonte principale per etichettare fattori occasionali come eventi promozionali, sconti, festività e così via.
**colonne supplementary\_time\_series**
| Colonna | La colonna è obbligatoria? | Come viene utilizzata questa colonna in Forecasting? |
| --- | --- | --- |
| id | Richiesto | Necessario per l'inserimento dei dati in Supply Chain Data Lake (SCDL). Identificatore univoco del record. |
| data\_ordine | Richiesto | Necessario per l'inserimento dei dati in Supply Chain Data Lake (SCDL). Indicatore temporale in cui è stata registrata la serie temporale. |
| nome\_serie temporale | Richiesto | Necessario per l'inserimento dei dati in Supply Chain Data Lake (SCDL). Nome del tipo specifico di serie temporale. La colonna *time\_series\_name* deve iniziare con una lettera, contenere da 2 a 56 caratteri e può contenere lettere, numeri e caratteri di sottolineatura. Non sono ammessi altri caratteri speciali. |
| time\_series\_value | Richiesto | Necessario per l'inserimento dei dati in SCDL. Valore corrispondente alla serie temporale specifica. Demand Planning supporta solo l'input numerico e le serie temporali con valore categorico non vengono prese in considerazione. |
| product\_id | Facoltativo | Consigliato. Identificatore univoco per un prodotto specifico. Utilizza questa colonna se il fattore di domanda è disponibile a livello di prodotto. |
| site\_id | Facoltativo | Consigliato. Identificatore univoco per un sito o una posizione specifici. Utilizza questa colonna se il driver della domanda è disponibile a livello di sito. Questa colonna può rappresentare *ship\_from\_site\_id o *ship\_to\_site\_id** in base alla configurazione della gerarchia del sito di livello più basso. |
| channel\_id | Facoltativo | Consigliato. Identificatore univoco per un canale specifico. Utilizza questa colonna se il driver della domanda è disponibile a livello di canale. |
| customer\_partner\_id | Facoltativo | Consigliato. Identificatore univoco per un cliente specifico. Utilizza questa colonna se il fattore di domanda è disponibile a livello di cliente. |
## Serie temporali supplementari storiche e future: comprensione delle covariate nelle previsioni
Una previsione accurata della domanda richiede la comprensione non solo dei modelli storici di vendita, ma anche dei fattori esterni che determinano i cambiamenti della domanda. I dati supplementari delle serie temporali (STS), denominati anche covariate, catturano questi fattori di domanda come promozioni, prezzi, festività e livelli di inventario, consentendo ai modelli di previsione di distinguere i modelli spiegabili dal rumore casuale e di prevedere in che modo le azioni aziendali future influiranno sulla domanda. Tuttavia, esiste una distinzione fondamentale tra le covariate note solo storicamente (come i livelli di inventario passati o le azioni della concorrenza) e quelle note in anticipo (come promozioni pianificate o festività programmate), e comprendere questa differenza è essenziale per creare previsioni accurate che supportino decisioni di pianificazione proattive.
Una distinzione fondamentale nella previsione della domanda è tra **covariate passate e covariate** **note (chiamate anche covariate** future). Comprendere questa differenza è essenziale per creare modelli di previsione accurati.
### Covariate passate (dati storici STS)
Le covariate passate sono valori di serie temporali supplementari noti solo per i periodi storici. Queste variabili vengono osservate insieme alla domanda storica, ma non possono essere previste o conosciute in anticipo per i periodi futuri.
**Esempi di covariate passate:**
+ **Disponibilità storica dell'inventario**: sai quali erano i livelli di inventario in passato, ma la disponibilità futura dipende dalla domanda, dal rifornimento e da altri fattori incerti
+ **Prezzi effettivi dei concorrenti: i** dati storici sui prezzi dei concorrenti sono osservabili, ma le azioni future dei concorrenti non sono note
+ **Condizioni meteorologiche**: vengono registrate le condizioni meteorologiche passate, ma le condizioni meteorologiche future (oltre le previsioni a breve termine) sono incerte
+ **Traffico del sito Web**: i modelli di traffico storici sono noti, ma il traffico futuro dipende da molti fattori imprevedibili
**Utilizzo nei modelli di previsione:** le covariate passate aiutano il modello ad apprendere relazioni e modelli storici. Ad esempio, se un'elevata disponibilità di inventario è storicamente correlata a un aumento delle vendite (dovuto a una migliore visibilità del prodotto o alla velocità di evasione degli ordini), il modello impara questa relazione. Tuttavia, poiché questi valori non sono noti per i periodi futuri, il modello deve fare previsioni senza di essi o formulare ipotesi sui loro valori futuri.
### Covariate note (dati STS futuri)
Le covariate note sono valori di serie temporali supplementari noti o che possono essere determinati in anticipo per periodi futuri. Questi sono gli input più preziosi per le previsioni perché forniscono informazioni concrete sulle condizioni future.
**Esempi di covariate note:**
+ **Sconti promozionali pianificati**: il tuo team di marketing ha già programmato campagne promozionali con livelli di sconto specifici per date future
+ **Modifiche dell'indice** dei prezzi: gli adeguamenti dei prezzi pianificati vengono determinati in anticipo in base alla strategia di prezzo
+ **Indicatori delle festività**: gli eventi basati sul calendario (festività, stagioni degli acquisti, periodi fiscali) sono noti con anni di anticipo
+ **Spese di marketing pianificate**: gli stanziamenti di budget e i programmi delle campagne sono predeterminati
+ ** Opening/Closing Eventi del negozio**: i piani di espansione o consolidamento sono noti in anticipo
**Utilizzo nei modelli di previsione:** le covariate note migliorano notevolmente la precisione delle previsioni perché il modello può incorporare condizioni future effettive anziché ipotesi. Ad esempio, se sai che è prevista una promozione con uno sconto del 25% per il mese prossimo, il modello può prevedere l'aumento previsto della domanda sulla base dei modelli storici di risposta agli sconti.
### Strategia pratica di implementazione
**Per i periodi storici (dati di addestramento):** includi sia le covariate passate che le covariate note nei dati supplementari delle serie temporali. Ciò consente al modello di apprendere le relazioni da tutti i fattori di domanda disponibili. Il set di dati deve contenere i valori effettivi osservati per tutti i tipi di serie temporali fino alla data attuale.
**Per i periodi futuri (orizzonte di previsione):** includi solo le covariate note nei dati delle serie temporali supplementari. Questi sono i fattori di domanda che puoi specificare con sicurezza per le date future. Esempio:
```
id,order_date,time_series_name,time_series_value,product_id,site_id,channel_id,customer_tpartner_id
1001,2025-02-01,discount_percentage,20.0,PROD_001,SITE_NYC,CHANNEL_ONLINE,CUST_12345
1002,2025-02-14,discount_percentage,30.0,PROD_001,SITE_NYC,CHANNEL_ONLINE,CUST_12345
1003,2025-02-01,holiday_indicator,0,PROD_001,SITE_NYC,CHANNEL_ONLINE,CUST_12345
1004,2025-02-14,holiday_indicator,1,PROD_001,SITE_NYC,CHANNEL_ONLINE,CUST_12345
```
Questi dati futuri indicano al modello che è previsto uno sconto del 20% per il 1° febbraio e una promozione del 30% per San Valentino per il 14 febbraio.
## Applicazioni pratiche
+ **Pianificazione promozionale**: monitora le percentuali di sconto nel tempo per capire in che modo l'intensità promozionale influisce sulla domanda. Questo aiuta a identificare i livelli di sconto ottimali e a prevedere l'aumento della domanda derivante dalle promozioni future.
+ **Analisi dell'elasticità dei** prezzi: monitora i movimenti degli indici di prezzo per quantificare in che modo le variazioni di prezzo influenzano il comportamento di acquisto dei clienti su diversi prodotti, sedi e canali.
+ **Modellazione dei vincoli di inventario**: acquisisci i livelli di disponibilità dell'inventario per identificare quando le scorte si esauriscono o le vendite limitano le scorte, assicurandoti che le previsioni tengano conto delle limitazioni dell'offerta anziché dei veri segnali di domanda.
## Vantaggi per la pianificazione della domanda
Incorporando dati di serie temporali supplementari, il sistema di pianificazione della domanda può:
+ **Improve Forecast Precision**: tieni conto dei fattori di domanda noti anziché trattarli come varianze inspiegabili
+ **Abilita la pianificazione degli scenari**: modella gli scenari ipotetici modificando i valori futuri dei fattori che determinano la domanda
+ **Identifica le relazioni causali**: comprendi quali fattori influiscono in modo più significativo sulla domanda di diversi prodotti e mercati
+ **Support Strategic Decisions**: Fornisci informazioni basate sui dati per strategie di prezzo, promozioni e inventario