本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 需求模式和建议
需求模式和建议会在每个配置的预测粒度级别（例如产品、地点或渠道）检查转换后的历史需求输入，以发现需求数据中的潜在模式和特征。其主要目的是识别关键的需求模式分布，例如平滑、间歇性、不稳定和块状。它还提供了有关历史长短和过去 12 个月需求的统计见解。
在预测生成过程中，分析将在成功验证数据后自动触发，并与预测创建并行运行。但是，它不会阻碍或延迟预测过程。在您启动预测创建时，需求模式分析是作为数据验证工作流程的一部分触发的。但是，任何数据验证失败都会导致无法生成分析和创建预测。
通过提供此分析概述，该系统可以帮助用户了解数据集中的模式，从而提高预测的准确性。
# 需求模式组件
需求模式分析分三个维度：
+ 需求模式（基于需求随时间和数量的变化情况）
+ 年度需求（12 个月内的总需求量）
+ 历史长度（历史需求数据可用的时间段）
分析将您的需求模式分为四种不同的类型：平滑、间歇性、不稳定和块状。每个都是通过分析需求的频率和变异性来确定的。如果有符合条件的范围内产品没有历史数据，则将其分组在 “**Zero Forecast Deman** d” 部分下。有关更多信息，请参阅[需求模式](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/overview_dp.html#demand-pattern)。
各产品的需求模式分布为预期的预测可靠性提供了宝贵的见解。需求模式平稳（订单量和频率一致）的产品通常会产生最可靠的预测，因为它们的行为更具可预测性。相比之下，以不规则的峰值和不同的阶次频率为特征的不稳定或块状模式，由于其不可预测性，通常会导致预测可靠性降低。通过了解这种分布，需求规划者可以设定适当的期望值并采取积极的措施。
系统还会分析您在预测开始日期之前的过去 12 个月的需求（视调整配置而定），也称为年度需求。例如，假设预测起始日期为 2024 年 1 月 15 日（星期一），计划时段为每周。该系统认为过去12个月的分析期为从2023年1月16日到2024年1月14日。过去12个月的需求分析可帮助需求规划者区分活跃产品和非活跃产品，同时识别在这些州之间过渡的产品，这些模式直接影响预测的可靠性。通过关注最近的历史而不是较旧的数据模式，您可以就哪些产品需要特别关注或替代预测方法做出更明智的决定，尤其是在季节性产品、停产产品或逐步淘汰的项目等情况下。有关更多信息，请参阅 Forec [ast 算法](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/forecast-algorithims.html)。
在将日期调整为期间的默认起始日期后，根据预处理的历史需求数据中可用的最早日期和最新日期，计算每个预测粒度（例如产品地点组合）的历史长度（以年为单位）。该分析有助于确定产品是否积累了足够的历史数据来生成可靠的预测，通常至少需要两年的时间才能捕捉季节性模式和长期趋势。
![\[原始需求历史记录\]](http://docs.aws.amazon.com/zh_cn/aws-supply-chain/latest/userguide/images/raw-demand-history.png)
# 需求模式建议
该系统根据确定的需求模式提供有针对性的建议，以帮助提高预测的准确性。对于需求不稳定且订单量不规则激增的产品，系统建议纳入潜在的外部影响，例如促销或价格变化。在这种情况下，您可以与数据管理员合作，将相关的需求驱动数据上传到数据湖中的[https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/demand_drivers.html](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/demand_drivers.html)列表，从而显著提高预测的准确性。这种额外的背景有助于预测模型更好地理解和预测需求波动。
对于历史记录不足（少于 2 年）或完全没有历史记录的产品，系统建议使用备用产品映射。这种方法允许您利用类似的既定产品的需求模式来增强预测的可靠性。与您的数据管理员合作，将这些产品关系上传到数据湖中的[https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/product_lineage.html](https://docs.aws.amazon.com/aws-supply-chain/latest/userguide/product_lineage.html)表中。这一点尤其重要，因为准确的季节性和长期趋势检测需要至少整整两年的历史数据。通过映射到具有足够历史记录的替代产品，您可以为较新的或历史有限的产品建立更可靠的预测基准。
# 需求模式和推荐报告访问权限
## 首次创建预测
首次创建预测时，在的 “**需求计划**” 模块下 AWS Supply Chain，选择 “**创建计划**”。系统将引导您完成三个步骤：数据摄取、计划配置，最后是 Forecast Generation。完成数据摄取和计划配置后，选择 Generate For **ecast** 以启动数据验证。成功验证后，系统将执行需求模式分析，在生成预测时，您会看到一个访问此分析的超链接。
## 后续创建预测
对于后续预测，请选择 “**生成预测**”。您会看到一个横幅，显示三个步骤：数据验证、需求模式分析和建议以及预测创建。成功验证数据并完成需求模式分析后，通过在横幅中选择报告的超链接来访问报告。
## 报告内容
需求模式和建议报告提供给定计划的探索性数据分析的摘要视图。在屏幕顶部，您可以看到五张显示产品分布方式的关键模式卡：平滑模式、间歇模式、不稳定模式、块状图案和历史需求为零的产品。
在此摘要下方，您可以在 “需求计划设置” 中找到按产品层次结构中最高配置级别对模式进行细分的详细表格。例如，如果您的产品层次结构配置遵循模式产品 ID、产品组 ID，那么您将在产品组 ID 处看到摘要。对于每个类别，您可以看到以下内容：
+ \$1 预测，表示唯一的时间序列符合预测条件及其占总数的百分比
+ 年度需求量及其占总需求量的百分比
+ 该类别中需求模式的直观细分
+ 该类别中可用的历史长度的直观细分
为了帮助您浏览这些信息，您可以执行以下操作：
+ 使用搜索框查找特定的产品类别
+ 下载详细报告。该报告包含在您配置的粒度级别上对每个单独预测的详细分析
+ 对任何产品类别、\$1 预测和年度需求进行排序，重点关注特定指标。对于包含字母数字格式或空白值的商品类别，使用搜索功能可能更有效。
## 持续访问
每次成功创建预测后，您都可以在预测查看页面的 “**需求模式**” 选项卡上重新访问此分析。在此视图中，分析会对您在预测审查中应用的所有筛选条件做出响应。下载的报告包含特定于您筛选的选择的分析。