Dieser Artikel soll Ihnen ein Verständnis für die vordefinierten Attribute vermitteln, die in allen Pivot Forecasting Modellen konfiguriert sind.
Attribute können standardmäßig oder eindeutig sein. Standardattribute sind in allen Pivot Forecasting Modellen enthalten, während eindeutige Attribute spezifisch für die Daten und die Implementierung eines Unternehmens sind.
Schlüsselattribute
Die drei Schlüsselattribute in allen Pivot Forecasting Modellen sind:
Artikel
Standort / Lager (oder Standortgruppe)
Kundengruppe
Die Artikel in Ihrem Pivot Forecasting umfassen dieselben Artikel, die auch in Ihrer Bestandsmanagement-App geplant werden.
Standorte / Lager sind entweder die Basis Standorte aus Ihrer Bestandsmanagement Anwendung oder eine Standort-Gruppierungsebene. Konsolidierte nationale oder regionale Standorte können zum Beispiel für die Prognoseprozesse besser geeignet sein.
Kundengruppen werden in der Modellkonfiguration definiert. Typischerweise benötigt eine Untergruppe von "Schlüsselkunden" eine individuelle Planung und wird bei der Einrichtung Kunden-Gruppierungen zugewiesen. Die Standardgruppierung "Andere (OTHER)" wird automatisch allen Kunden zugewiesen, die nicht als Schlüsselkunden eingestuft werden.
Beschreibende Attribute
Nicht-Schlüsselattribute sind beschreibend. Beispiele hierfür sind:
Beschreibung des Produkts
Beschreibung des Standorts / Lagers
Beschreibung der Produktgruppe (basierend auf Ihrer Konfiguration)
Sie "beschreiben" die Schlüsselattribute und alle Gruppierungsdimensionen, die für die Planung herangezogen werden können. Diese Daten stammen aus Ihrer Bestandsmanagement-App.
Klassifizierung von Attributen
Zu den Nicht-Schlüssel-Attributen gehören die Klassifizierungen für Artikel. Beispiele für Klassifizierungen sind:
ABC-Klassifizierung (Paretoprinzip auf der Grundlage der Durchschnittskosten)
HML-Klassifizierung (Geschwindigkeit niedrig, mittel oder langsam auf Basis der Verkaufseinheiten)
Bestandsindikator (Lagerhaltungskennzeichen wie gelagert, nicht gelagert oder unnötig)
Ergebnisse der Prognose
Prognosegenauigkeit
Die ABC-Klassifizierung, die HML-Klassifizierung und der Bestandsindikator stammen aus Ihrer Bestandsmanagement-App. Prognoseergebnisse und die Prognosegenauigkeit sind Klassifizierungen, die aus den Pivot Forecasting Berechnungsprozessen generiert werden.
Prognoseergebnisse sind die verwendeten Prognosemethoden. Sie sind in der Zeile Forecast-Ergebnisse des Panels Bedarf - Statistik zu finden.
In der Regel ist der Forecast-Typ, d. h. die gewünschte statistische Methode, "Experte". In den Prognose-Ergebnissen wird die von der Maschine gewählte Methode angezeigt.
Wenn die Art der Expertenprognose außer Kraft gesetzt wird, wird die gewählte Methode in den entsprechenden Feldern angezeigt. Das statistische System wendet in der Regel die gewählte Methode an, es sei denn, der Verlauf ist für die Anwendung der gewählten Methode nicht geeignet. In diesem Fall wendet das System eine andere Methode an. Wenn Sie z. B. eine bestimmte Methode wie "Saisonal" auswählen, wird das System versuchen, diese Methode zu verwenden, aber es kann sein, dass es auf eine andere Methode wie "Ebene", "Niveau-Trend" oder "Keine" zurückgreifen muss, wenn es nicht genügend Historie gibt oder die Historie nicht saisonal ist.
Die Prognosegenauigkeit basiert auf dem Bestimmtheitsmaß R² des Artikels, das ein Maß für das Verhältnis der Streuung (Standardabweichung der Reihe) zum Durchschnitt (Mittelwert der Reihe) ist. Die Prognosegenauigkeit kann entweder "niedrig", "mittel" oder "hoch" sein.
System Attribute
Da alle Artikel und Kunden aus Ihrer Bestandsmanagement-App stammen, wurde die Funktion zur Erstellung von Kopien vorhandener Artikel und zur Erstellung neuer Artikel deaktiviert. Alle Artikel im Pivot Forecasting haben die Bezeichnung “Created Item = NO”.
Das Importdatum zeigt an, wann ein Artikel das letzte Mal aus der Datenquelle, d. h. Ihrer Bestandsmanagement-App, importiert wurde. Artikel, Standorte oder Kundengruppen werden aus Pivot Forecasting gelöscht, wenn sie nicht mehr bei jeder Import-Aktualisierung von Ihrer Bestandsmanagement-App gesendet werden. Die Artikel verbleiben jedoch in Pivot Forecasting, solange es historische oder zukünftige endgültige Forecasts gibt. Solche Artikel werden als "verwaist" bezeichnet. Ein Power-User kann alle früheren und zukünftigen endgültigen Forecasts entfernen, wenn er den/die Artikel aus dem Modell entfernen möchte.
Bearbeitbare Attribute
Pivot Forecasting ist mit zwei Attributen konfiguriert, die von den Benutzern innerhalb der App bearbeitet werden sollen. Diese heißen Z_Ad Hoc und Z_Follow Up Flag.
Am einfachsten lassen sich bearbeitbare Attribute im Bereich Daten - Attribute aktualisieren. Aktualisieren Sie einfach den Wert für ein Element oder eine Gruppe von Elementen, indem Sie die Werte in dieses Feld eingeben. Wenn Sie "Speichern" wählen, werden alle Elemente unterhalb des aktuell ausgewählten Aggregatknotens in der Navigationsstruktur aktualisiert.
Haben Sie die verwandten Artikel gelesen? Sehen Sie sich unsere Pivot Forecasting-Sammlung an!