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。

# 计划改进行动
<a name="demand-planning-plan-improvement-actions"></a>

Amazon Connections 通过检测需要您的业务环境的模式和异常情况，主动发现提高需求预测准确性的机会。计划改进措施是指在这些 AI-generated 任务中，您的输入可以最有意义地提高预测质量，使您的人工智能队友能够从您的专业知识中学习，并随着时间的推移制定更准确的计划。

该系统使用 ML-driven 检测来分析您的需求数据，识别您的输入将使预测受益的产品和地点，并按类型分组显示操作。你通过供应链决策团队成员提供意见，你的反馈会自动整合到未来的预测运行中，从而在你和你的 AI 队友之间形成一个持续的改进循环。

## 计划改进措施如何运作
<a name="plan-improvement-actions-how-they-work"></a>

计划改进措施遵循三步工作流程：

1. **检测**-系统使用 ML-driven 检测和聚类分析您的需求数据。它根据预先确定的情景识别需要您输入的产品和产品站点，包括历史记录有限的新产品、可预测性极低的产品、间歇性的需求缺口、异常的需求模式、已知的全球事件和高可变性的产品。

1. **Surface**-检测到的操作会转换为可消化的模式级见解，您可以对其进行确认、更正或情境化。活动显示在 “需求计划” 中，按活动类型分组。

1. **行动**-您可以通过供应链决策团队成员提供意见来应用经过验证的更正。您的输入将集成到计划配置更新、数据处理规则、相关时间序列输入和预测覆盖规则中。然后，系统会使用您的输入来完善模型并提高 future 预测的准确性。

**注意**  
每次运行计划时，都会刷新计划改进措施，从而确保在将增量数据（例如 products/sites 添加到计划中的其他数据或最近上传的需求历史记录）时，您继续收到有关需要您输入的产品和模式的最新操作。

## 查看计划改进措施
<a name="plan-improvement-actions-viewing"></a>

登录到 Amazon Connections 后，您可以从 “计划” 列表页面访问计划改进措施。

**要查看计划改进措施，请执行以下操作：**

1. 从登录页面（“登录” → “主页”）导航至 “计划” 页面。

1. 在计划列表页面中，找到要查看的需求计划。计划优先顺序的确定以待执行的计划改进措施为依据，这是其中一个因素。

1. 选择计划以打开计划详细信息视图。

1. 选择 “计划改进措施” 选项卡。

该选项卡在预测输出旁边显示按操作类型分组的操作列表。每个操作包括：
+ **输入主题**-所需输入的类别（静态）
+ **描述**-检测到的特定模式或问题的动态描述，包括产品、站点和产品网站的详细信息
+ **状态**-当前进度（打开或已关闭）
+ **操作**-可用操作（查看、完成）

## 了解操作类型
<a name="plan-improvement-actions-understanding-action-types"></a>

计划改进措施涵盖规划师专业知识可以提高预测准确性的最常见场景：


| \# | 操作类型 | 说明 | 示例 | 
| --- | --- | --- | --- | 
| 1 | **为新增内容提供意见 products/sites** | 最近推出的产品历史为零或有限，并且没有可用的产品谱系数据。 | 过去 2 个月内推出的 25 款产品的历史记录为零或有限，并且没有可用的产品谱系数据。 | 
| 2 | **就可预测性极低的产品提供意见** | 自历史 launch/first 订单以来每个时期的平均需求量小于 0.5 的商品，例如滞销商品和长尾商品。 | 30 个 Slow Tai Sellers/Long l Products/Sporadic 卖家，自历史 launch/first 订单以来，每个周期的平均需求量小于 0.5。 | 
| 3 | **就连续销售额为零的商品提供意见** | 活跃 products/product网站-去年订单为零的活跃站点，可能需要停产或调整范围。 | 100 个活跃 product/product网站，过去 1 年内订单为零。 | 
| 4 | **为历史需求的间歇性缺口提供理由** | Random/non-repeating 历史上需求激增和需求下降，没有相关因果关系（相关时间序列）。 | 无法解释的、间歇性的无销售时期（例如，历史上 random/non重复的需求激增或需求下降，没有相关的因果关系）。 | 
| 5 | **验证 “已知” 的全球事件** | One-time 与已知的全球干扰或特定时期趋势水平的重大差异相吻合的异常。 | One-time 异常与2020-2021年期间100种产品的已知全球趋势水平 disruptions/Major 差异相吻合，与COVID相吻合。 | 
| 6 | ** causals/events 为高变异性产品提供支持** | 产品在历史需求方面表现出很大的波动性，预测产出 “持平”。 | 26种产品的历史需求变化很大，预测产出 “持平”。 | 

## 完成计划改进行动
<a name="plan-improvement-actions-completing"></a>

您可以通过供应链决策团队成员提供意见，该团队允许您通过自然语言对话共享多种产品的业务背景。

### 使用供应链决策队友
<a name="plan-improvement-actions-using-teammate"></a>

1. 从 “计划改进措施” 选项卡中，选择要处理的操作上的 “查看”。

1. 供应链决策 Teammate 面板在屏幕右侧打开，与所选操作主题相关。

1. 代理商将就范围内的产品提出明确而具体的问题。例如：
   + “2024年2月，对X产品的需求一次性激增4倍的原因是什么？”
   + “你预计这个事件会再次发生吗？”

1. 用自然语言提供您的回复。代理人将：
   + 如有必要，请通过后续问题进行澄清（例如，您之前的输入是否与新的输入相矛盾）
   + 智能管理和防止冗余问题（由智能存储器启用）
   + 提出假设供你验证（例如，“我应该把它当作促销提升还是真正的峰值？”）

1. 当您完成为范围内的所有产品网站提供输入后，操作状态将更改为 “已关闭”。

**注意**  
您也可以发起与代理的对话以主动提供输入，即使无需从特定操作中导航。例如，您可以问 “为什么我看到产品 XX 的整个预测展望期为零？”

**注意**  
如果 10 个产品具有相似的输入，则系统会将它们分组为代理组，以帮助简化和简化计划者操作。

## 追踪进度
<a name="plan-improvement-actions-tracking-progress"></a>

计划改进措施具有以下状态生命周期：


| Status | 说明 | 
| --- | --- | 
| **Open** | 该操作已被检测并浮出水面，但尚未提供计划者输入。 | 
| **已关闭** | 计划员已通过供应链决策团队成员提供了意见，涵盖了范围内的所有产品站点。 | 

**跟踪总体进度：**
+ 每次计划运行后，系统都会持续跟踪已关闭和未完成的操作。
+ 操作列表将根据最新数据进行刷新。随着在新的计划周期中将增量数据（例如， products/sites 添加到计划中的其他数据或最近上传的需求历史记录）导入系统，您将继续收到 updated/refreshed 操作。

## 您的输入如何改善预测
<a name="plan-improvement-actions-how-input-improves-forecasts"></a>

您从计划改进行动中获得的意见无缝整合到三个关键领域：

1. **需求计划规则的细化**-例如，您输入的长期需求缺失的原因会导致产品被从计划范围中删除（产品停产）。

1. 使用@@ **因果数据丰富预测输入-使用**基于您提供的业务环境以自然语言构建的因果 data/Related 时间序列 (RTS) 来丰富预测输入（例如，自动为定期促销构建相关时间序列）。

1. **捕获业务规则**-帮助捕获特定产品模式所特有的业务规则（例如，将订单少于 3 个的产品排除在预测之外）。

您的输入可能会导致不同类型的计划配置更新，包括：
+ **上传产品血统或网站血统数据**-收录产品备用数据、站点备用数据或备用数据 Product-Site 
+ **更新计划配置-计划规则**-更新预测改写规则（例如，使用销售预测或市场预测作为自发布之日起 3 个月的共识计划输入）
+ **更新计划配置-计划范围-** 从预测中排除，使用过去 n 个周期的平均值进行预测
+ 将@@ **因果数据构建为相关时间序列**-为异常、COVID 周期或因果数据（例如价格、促销或营销数据）构建 RTS

## 最佳实践
<a name="plan-improvement-actions-best-practices"></a>
+ **提供背景信息，而不仅仅是答案** ——在使用供应链决策团队成员时，请解释您的意见背后的业务理由。这有助于代理学习可概括的模式。
+ **审查每个计划周期**的行动-在摄取新数据时，每个计划运行都会生成新的操作。定期审查可确保您的预测持续改进。