翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# 需要要因に基づく予測
予測の設定中に予測の精度を向上させるには、需要要因を使用できます。*需要要因*は、製品の傾向と季節をキャプチャする関連する時系列入力です。過去の需要に依存する代わりに、需要要因を使用して、さまざまな要因に基づいてサプライチェーンに影響を与えることができます。例えば、プロモーション、価格変更、マーケティングキャンペーンなどです。Demand Planning は、過去の需要要因と将来の需要要因の両方をサポートしています。
## 需要ドライバーを使用するための前提条件
需要要因のデータを取り込む前に、データが次の条件を満たしていることを確認してください。
+ *supplementary\$1time\$1series* データエンティティに需要要因データを取り込むようにしてください。需要ドライバーの履歴情報と将来の情報の両方を指定できます。Demand Planning が必要とするデータエンティティの詳細については、「」を参照してください[Demand Planning](required_entities.md)。
*supplementary\$1time\$1series* データエンティティが見つからない場合、インスタンスが以前のデータモデルバージョンを使用している可能性があります。 AWS サポートに連絡して、データモデルバージョンをアップグレードするか、新しいデータ接続を作成できます。
+ 次の列が *supplementary\$1time\$1series* データエンティティに入力されていることを確認します。
+ *id* – この列は一意のレコード識別子であり、データの取り込みを成功させるために必要です。
+ *order\$1date* – この列は需要ドライバーのタイムスタンプを示します。過去と将来の日付の両方を指定できます。
+ *time\$1series\$1name* – この列は各需要ドライバーの識別子です。この列の値は文字で始まり、2～56 文字の長さで、文字、数字、アンダースコアを含めることができます。その他の特殊文字は無効です。
+ *time\$1series\$1value* – この列は、特定の時点の特定の需要ドライバーのデータポイント測定を提供します。数値のみがサポートされています。
+ 最小 1、最大 13 の需要要因を選択します。集約方法とフィル方法が設定されていることを確認します。フィル方法の詳細については、「」を参照してください[需要要因のデータフィル方法](configuration_demand_drivers.md#filling_method_demand_drivers)。設定はいつでも変更できます。Demand Planning は、次の予測サイクルで変更を適用します。
次の例は、必要な需要ドライバー列が *supplementary\$1time\$1series* データエンティティに取り込まれたときに Demand Plan を生成する方法を示しています。Demand Planning では、過去および将来の需要ドライバーデータ (利用可能な場合) の両方を提供することをお勧めします。このデータは、学習モデルがパターンを学習して予測に適用するのに役立ちます。
![\[需要要因の例\]](http://docs.aws.amazon.com/ja_jp/aws-supply-chain/latest/userguide/images/demand_drivers_example.png)
次の例は、データセットに一般的な需要要因を設定する方法を示しています。
![\[需要要因の例\]](http://docs.aws.amazon.com/ja_jp/aws-supply-chain/latest/userguide/images/demand_drivers_example2.png)
先行指標を提供する場合、Demand Planning では時系列の日付を調整することを強くお勧めします。たとえば、特定のメトリクスが 70% の変換率で 20 日間の先行インジケータとして機能しているとします。この場合、時系列の日付を 20 日シフトしてから、適切な変換係数を適用することを検討してください。学習モデルはこのような調整なしでパターンを学習できますが、先行指標データを対応する結果に合わせると、パターン認識がより効果的です。このプロセスでは、値の大きさが重要な役割を果たし、モデルがパターンを正確に学習して解釈する能力を強化します。