本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
需求規劃團隊成員的其他功能
需求規劃團隊成員位於 Plans 中的聊天介面 （右側面板），超越基本預測說明和編輯。它提供進階分析功能，可協助您了解需求模式、識別問題，以及做出資料驅動型決策。
依銷售擷取熱門產品
-
您可以要求需求規劃團隊成員識別效能最佳的產品。
-
範例查詢：「顯示 2025 年第 Q4銷售量的前 10 個產品」
-
團隊成員會分析您的歷史銷售資料，並呈現依銷售績效排名的產品，協助您將規劃工作集中在最關鍵的項目上。
分析重要 SKUs 的預測準確性
-
團隊成員可以為您的關鍵產品執行詳細的預測準確性分析。
-
範例查詢：「分析過去 3 個月內我前 20 SKUs 的預測準確性」
-
系統會評估多個準確性指標 (MAPE、WAPE、RMSE、偏差和 MAE)，並提供有關哪些產品具有可靠預測和需要注意的洞察。
改善預測的建議後續步驟
當團隊成員識別預測品質問題時，可以建議特定動作，例如新增內容資料。
-
如果預測顯示高錯誤，團隊成員可能會建議：
-
補充時間序列資料：新增促銷行事曆、定價變更或假日指標
-
產品生命週期資訊：包含產品啟動日期或終止日期
-
需求驅動因素：整合行銷支出、庫存可用性或競爭對手動作
-
-
範例查詢：「產品 ABC 的預測具有高錯誤。我應該新增哪些內容資料來改善它？」
跨多個產品的模式分析
-
需求規劃團隊成員可以識別影響多個產品的系統性問題。
-
範例查詢：「是否有任何常見模式導致我的冬天服裝類別的預測錯誤？」
-
團隊成員將分析跨產品群組的預測效能，並識別：
-
模型可能缺少的季節性模式
-
影響多個產品的常見需求驅動因素
-
系統偏差 （預測過度或預測不足趨勢）
-
影響特定產品類別的資料品質問題
-
為預測案例建立視覺化
-
團隊成員可以產生圖形和圖表，協助您視覺化潛在的預測案例：
-
基準與調整後的預測：比較 AI 產生的預測與您提議的變更
-
歷史實際值與預測：視覺化過去的預測準確性以建立可信度
-
假設案例：顯示不同的假設 （促銷、價格變更、庫存水準） 如何影響未來需求
-
-
範例查詢：「建立圖表，顯示產品 GHI 的預測在 2026 年 3 月將以 20% 的促銷折扣顯示。」
-
團隊成員將產生視覺化效果，協助您：
-
向利益相關者傳達預測假設
-
評估業務決策對需求的影響
-
side-by-side比較多個規劃案例
-
更輕鬆地識別趨勢和異常
-
透過意見回饋持續改善
-
您可以提供意見回饋，以協助團隊成員改善未來的預測。
-
範例意見回饋：
-
「模型應該為快速趨勢產品的最新趨勢提供更多權重」
-
「假日季節性模式已變更；請相應調整」
-
「當庫存較低時，歷史銷售低估實際需求」
-
-
團隊成員使用此意見回饋來精簡其建議，並協助您隨著時間建立更準確的預測。
