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。

# 见解是如何生成的？
<a name="configuring-insights-how-are-insights-generated"></a>

Amazon Connect Decisions 使用系统的流程来监控您的供应链数据，检测问题，并通过可行的建议生成见解。了解此过程有助于您配置有效的规则并解释所收到的见解。

## 洞察力生成过程
<a name="how-are-insights-generated-process"></a>

洞察生成遵循四阶段流程，将您的供应链数据转化为可操作的情报：

### 1. 指标计算
<a name="how-are-insights-generated-metric-calculation"></a>

系统会根据您的供应链数据持续计算指标。这些指标是可量化的衡量指标，用于评估您的运营绩效，例如：
+ 预计库存水平
+ 补给天数
+ 库存周转率
+ 交货时间可变性
+ Forecast 准确性

指标按您定义的粒度计算，例如按产品、网站或产品与网站的组合。系统会根据您配置的频率（每天、每周或新数据到达时）更新这些计算结果。

### 2. 规则评估
<a name="how-are-insights-generated-rule-evaluation"></a>

计算出指标后，Amazon Connections 会根据您配置的基于指标的规则对其进行评估。 Metric-based 规则定义了您希望在哪些特定条件下收到有关潜在问题的警报。

每条基于指标的规则都包括三个基本组成部分：

**指标**：正在监控的可量化测量值

**阈值**：越过时触发洞察的边界值

**范围**：规则适用的产品、场所或其他维度

例如，规则可能规定：“当预计库存低于安全库存最低限额以及缺货量为14天或更少且客户影响风险超过25,000美元之前的天数时发出警报。”

当满足规则的条件时，系统会启动受影响项目的见解生成过程。

### 3. 根本原因分析
<a name="how-are-insights-generated-root-cause-analysis"></a>

触发规则后，Amazon Connections 会自动执行根本原因分析，以了解问题发生的原因。该系统：
+ 检查多个维度的相关供应链数据
+ 回顾历史模式和近期变化
+ 分析不同因素（需求、供应、库存、订单）之间的关系
+ 应用基于策略的规则来提供业务背景

Policy-based 规则通过为系统应如何考虑和分析问题提供定性指导来指导这种分析。例如，基于政策的规则可能规定：“要了解库存短缺情况，请务必分析以下根本原因：需求预测错误、供应商交货时间问题、产能限制。”

根本原因分析确定了问题背后的主要驱动因素，并提供了对促成因素的详细解释。

### 4. 洞察力创建和推荐生成
<a name="how-are-insights-generated-insight-creation"></a>

完成根本原因分析后，系统将使用以下内容创建见解：
+ 对问题的清晰描述
+ 根本原因解释
+ 相关指标和数据可视化
+ 根据您配置的优先级因素进行优先级分类
+ 解决问题的建议措施
+ 供考虑的替代行动

建议是根据您的业务规则、操作限制和问题的具体背景生成的。该系统在制定建议时会考虑其他地点的可用库存、供应商交货时间、生产能力和财务影响等因素。

## 时序和频率
<a name="how-are-insights-generated-timing-and-frequency"></a>

根据您在基于指标的规则中配置的频率（通常是每天或每周）生成见解。系统会根据您的数据刷新计划处理新数据，重新计算指标，评估规则，并针对检测到的任何新问题生成见解。

当新数据显示问题不再符合配置的阈值时，现有见解会自动更新或标记为已完成。