기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 수요 기반 예측 동인
예측을 구성하는 동안 예측 정확도를 높이기 위해 수요 동인을 사용할 수 있습니다. *수요 동*인은 제품 추세와 계절을 캡처하는 관련 시계열 입력입니다. 과거 수요에 의존하는 대신 수요 동인을 사용하여 다양한 요인을 기반으로 공급망에 영향을 미칠 수 있습니다. 예: 프로모션, 가격 변경 및 마케팅 캠페인. Demand Planning은 과거 및 미래 수요 동인을 모두 지원합니다.
## 수요 동인을 사용하기 위한 요구 사항
수요 동인에 대한 데이터를 수집하기 전에 데이터가 다음 조건을 충족하는지 확인합니다.
+ *supplementary\$1time\$1series* 데이터 엔터티에서 수요 동인 데이터를 수집해야 합니다. 과거 및 미래 수요 드라이버 정보를 모두 제공할 수 있습니다. Demand Planning에 필요한 데이터 엔터티에 대한 자세한 내용은 섹션을 참조하세요[Demand Planning](required_entities.md).
*supplementary\$1time\$1series* 데이터 엔터티를 찾을 수 없는 경우 인스턴스가 이전 데이터 모델 버전을 사용하고 있을 수 있습니다. AWS Support에 문의하여 데이터 모델 버전을 업그레이드하거나 새 데이터 연결을 생성할 수 있습니다.
+ 다음 열이 *supplementary\$1time\$1series* 데이터 개체에 채워져 있는지 확인합니다.
+ *id* -이 열은 고유한 레코드 식별자이며 성공적인 데이터 수집에 필요합니다.
+ *order\$1date* -이 열은 수요 드라이버의 타임스탬프를 나타냅니다. 과거와 미래 날짜일 수 있습니다.
+ *time\$1series\$1name* -이 열은 각 수요 드라이버의 식별자입니다. 이 열의 값은 문자로 시작해야 하고, 2\$156자여야 하며, 문자, 숫자 및 밑줄을 포함할 수 있습니다. 다른 특수 문자는 유효하지 않습니다.
+ *time\$1series\$1value* -이 열은 특정 시점의 특정 수요 드라이버에 대한 데이터 포인트 측정을 제공합니다. 숫자 값만 지원됩니다.
+ 최소 1개에서 최대 13개의 수요 동인을 선택합니다. 집계 및 채우기 메서드가 구성되어 있는지 확인합니다. 채우기 방법에 대한 자세한 내용은 섹션을 참조하세요[수요 동인 데이터 채우기 방법](configuration_demand_drivers.md#filling_method_demand_drivers). 언제든지 설정을 수정할 수 있습니다. Demand Planning은 다음 예측 주기에 변경 사항을 적용합니다.
다음 예제는 필요한 수요 드라이버 열을 *supplementary\$1time\$1series* 데이터 엔터티에 수집할 때 Demand Plan이 생성되는 방법을 보여줍니다. Demand Planning은 과거 및 미래 수요 드라이버 데이터(사용 가능한 경우)를 모두 제공할 것을 권장합니다. 이 데이터는 학습 모델이 패턴을 학습하고 예측에 적용하는 데 도움이 됩니다.
![\[수요 드라이버 예제\]](http://docs.aws.amazon.com/ko_kr/aws-supply-chain/latest/userguide/images/demand_drivers_example.png)
다음 예제에서는 데이터 세트에서 몇 가지 일반적인 수요 동인을 설정하는 방법을 보여줍니다.
![\[수요 드라이버 예제\]](http://docs.aws.amazon.com/ko_kr/aws-supply-chain/latest/userguide/images/demand_drivers_example2.png)
선행 지표를 제공할 때 Demand Planning은 시계열 날짜를 조정할 것을 적극 권장합니다. 예를 들어 특정 지표가 변환율이 70%인 20일 선행 지표 역할을 한다고 가정해 보겠습니다. 이 경우 시계열의 날짜를 20일로 전환한 다음 적절한 변환 계수를 적용하는 것이 좋습니다. 학습 모델은 이러한 조정 없이 패턴을 학습할 수 있지만 선행 지표 데이터를 해당 결과와 일치시키는 것이 패턴 인식에 더 효과적입니다. 값의 크기는이 프로세스에서 중요한 역할을 하여 패턴을 정확하게 학습하고 해석하는 모델의 능력을 향상시킵니다.
# 수요 드라이버 구성
수요 드라이버를 사용하려면 드라이버를 구성해야 합니다. *supplementary\$1time\$1series* 데이터 엔터티에서 데이터를 수집한 경우에만 수요 드라이버를 구성할 수 있습니다.
**참고**
수요 동인을 구성하지 않은 경우에도 예측을 생성할 수 있습니다. 그러나 Demand Planning은 수요 동인을 사용하지 않습니다.
## 수요 동인 데이터 채우기 방법
*채우기 방법은* 시계열에서 누락된 값을 나타냅니다(또는 "채우기"). Demand Planning은 다음과 같은 채우기 방법을 지원합니다. Demand Planning이 적용하는 채우기 방법은 데이터의 격차 위치에 따라 달라집니다.
+ 백필링 - 제품의 이전에 기록된 날짜와 마지막으로 기록된 날짜 사이의 간격이 있을 때 적용됩니다.
+ 중간 채우기 - 지정된 제품의 마지막으로 기록된 데이터 포인트와 마지막으로 기록된 글로벌 날짜 사이의 간격이 있을 때 적용됩니다.
+ 향후 채우기 - 수요 드라이버에 향후 데이터 포인트가 하나 이상 있고 향후 기간에 차이가 있을 때 적용됩니다.
![\[수요 드라이버 채우기 방법\]](http://docs.aws.amazon.com/ko_kr/aws-supply-chain/latest/userguide/images/filling_method.png)
Demand Planning은 고려해야 할 수요 동인에 해당하는 *supplementary\$1time\$1series* 데이터 엔터티의 마지막 64개 데이터 포인트를 활용합니다. Demand Planning은 세 가지 채우기 방법 모두에 대해 *0*, *중앙값*, *평균*, *최대값* 및 *최소* 옵션을 지원합니다.
다음 예제는 기록 및 미래 데이터를 모두 포함하는 제품 1에 대한 *supplementary\$1time\$1series* 데이터 엔터티의 *가격* 열에 데이터가 수집될 때 수요 드라이버가 누락된 데이터를 처리하는 방법을 보여줍니다.
![\[수요 드라이버 채우기 방법\]](http://docs.aws.amazon.com/ko_kr/aws-supply-chain/latest/userguide/images/filling_method_example1.png)
## 집계 방법
Demand Planning은 집계 방법을 사용하여 특정 기간 및 세분화 수준에 걸쳐 데이터를 통합하여 다양한 수준의 세분화에서 수요 동인 통합을 용이하게 합니다.
기간 집계 - 예를 들어 일별 수준에서 *인벤토리* 수요 드라이버를 사용할 수 있지만 예측이 주별 수준인 경우 수요 계획은 예측에 정보를 사용하도록 인벤토리에 대한 수요 계획 설정에 구성된 집계 방법을 적용합니다.
![\[Demand Planning에서 사용하는 집계 방법\]](http://docs.aws.amazon.com/ko_kr/aws-supply-chain/latest/userguide/images/aggregation_example1.png)
세부 수준 집계 - 수요 계획이 세부 수준 집계를 사용하는 방법의 예입니다. *out\$1of\$1stock\$1indicator*는 제품 사이트 수준에서 매일 사용할 수 있지만 예측 세부 수준은 제품 수준에서만 사용할 수 있습니다. Demand Planning은이 수요 드라이버의 수요 계획 설정에 따라 구성된 집계 방법을 적용합니다.
![\[Demand Planning에서 사용하는 세분화 방법\]](http://docs.aws.amazon.com/ko_kr/aws-supply-chain/latest/userguide/images/granularity_example.png)
# 수요 드라이버 권장 사항
수요 동인에 대한 집계 및 채우기 방법을 구성하는 동안 일반적인 지침은 부울 및 연속 데이터 유형 모두에 *평균* 집계를 할당하는 것입니다. 누락된 값을 채우려면 부울 데이터에 *0* 채우기를 사용하는 반면 연속 데이터에는 *평균* 채우기가 적합합니다.
집계 및 채우기 방법 구성의 선택은 데이터 특성과 누락된 값에 대한 가정에 따라 달라집니다. 다음 예를 참고하세요
![\[수요 드라이버 권장 사항\]](http://docs.aws.amazon.com/ko_kr/aws-supply-chain/latest/userguide/images/demand_driver_recommendation.png)
Demand Planning은 데이터 세트 요구 사항에 가장 적합하도록 수요 드라이버 구성을 조정할 것을 권장합니다. 수요 드라이버 구성은 예측 정확도에 영향을 미칩니다.
AWS Supply Chain 웹 애플리케이션의 **Demand Planning**, **Overview**에서 수요 계획 수준에서 집계된 수요 동인과 관련된 영향 점수를 볼 수 있습니다. 이러한 영향 점수는 수요 동인이 예측에 미치는 상대적 영향을 측정합니다. 영향 점수가 낮다고 해서 수요 동인이 예측 값에 미치는 영향이 미미하다는 의미는 아닙니다. 대신 예측 값에 미치는 영향이 다른 수요 동인보다 상대적으로 낮다는 것을 시사합니다. 특정 상황에서 영향 점수가 0이면 수요 동인이 예측 값에 영향을 미치지 않으므로 해석해야 합니다. Demand Planning은 특정 수요 드라이버에 적용된 집계 및 채우기 메서드 구성을 다시 검토할 것을 권장합니다.