Introduction

Ce tutoriel pratique couvre les tâches essentielles d'utilisation de l'aménagement prédictif dans le cadre de votre cycle de planification et de prévision. Les sections s'appuient les unes sur les autres et doivent être suivies dans l'ordre.

Contexte

Utilisez Predictive Planning pour prévoir les performances futures en fonction des données historiques. Vous pouvez comparer et valider les plans et les prévisions en fonction des prévisions. Pour obtenir une prévision plus précise et reposant sur des statistiques, vous pouvez copier les valeurs de prévision et les coller dans un scénario de prévision pour votre plan. Predictive Planning fonctionne avec des applications EPM Standard et EPM Enterprise pour des types d'application Personnalisé et Module. Pour les applications héritées, Predictive Planning fonctionne avec des applications de type Standard, Enterprise et Reporting.

Prérequis

Les tutoriels pratiques Cloud EPM peuvent vous obliger à importer un cliché dans votre instance Cloud EPM Enterprise Service. Pour pouvoir importer un instantané de tutoriel, vous devez demander une autre instance Cloud EPM Enterprise Service ou supprimer l'application et le processus métier en cours. L'instantané du tutoriel ne sera pas importé sur votre application ou processus métier existant, ni remplacé ou restauré automatiquement l'application ou le processus métier que vous utilisez actuellement.

Avant de commencer ce tutoriel, vous devez :

• Demandez à l'administrateur de service d'accéder à une instance Cloud EPM Enterprise Service.
• Demandez la création de l'exemple d'application Planning (Vision) dans votre instance.

Ajuster les variables utilisateur

Dans cette section, vous allez ajouter des valeurs à la variable utilisateur Product Family.

1. Sur la page d'accueil, cliquez sur Outils et sur Variables utilisateur.

   

2. Dans Variables utilisateur, pour ProductFamily, cliquez sur (sélecteur de membres).

   

3. Dans Sélectionner les membres, cliquez sur la flèche en regard de Total Product.

   

4. Sous Total Product, sélectionnez Computer Accessories and Computer Services.

   Lorsque cette option est sélectionnée, les membres sont ajoutés à la liste Sélections à gauche.

   

5. Cliquez ensuite sur OK.
6. Vérifiez que les accessoires et services informatiques ont été ajoutés à ProductFamily, puis cliquez sur Save.

   

7. Dans le message d'information, cliquez sur OK.
8. Retour à la page d'accueil En haut à droite, cliquez sur (Accueil).

Exécuter Predictive Planning

1. Sur la page d'accueil, cliquez sur la carte Données.

   

2. Dans Entrée de données, sous Bibliothèque, développez Prévision.

   

3. Faites défiler la page vers le bas, puis cliquez sur Prévisions de vente - Produits.

   

4. Dans le formulaire, vérifiez les prévisions de ventes de chaque produit sous Matériel informatique pour les intervalles de temps de planification à venir.



5. En haut à droite du formulaire, cliquez sur Actions et sélectionnez Predictive Planning.

   

   
   

   Lorsque vous exécutez Predictive Planning, le système extrait toutes les données historiques de chaque membre du formulaire. Il utilise ensuite des techniques sophistiquées de prévision de séries temporelles pour prévoir les performances futures de ces membres. Les résultats des prévisions sont affichés en bas du formulaire.

   

6. Dans la section Predictive Planning, utilisez la flèche vers le bas pour sélectionner Tablette dans la liste déroulante.
7. Consultez les résultats de prédiction pour les ordinateurs tablettes.

   Les données historiques de ce produit sont affichées sous la forme d'une série verte sur le côté gauche du graphique. La prévision de cas de base est affichée en bleu sur la droite. L'intervalle de prédiction, qui est lié par les cas Pire et Meilleur, est représenté sous la forme d'une bande orange autour de la prédiction de cas de base.

   

8. Dans la liste déroulante, sélectionnez Bloc-notes standard sentinal.

   

9. Comparez la prévision à la prévision statistique. Le scénario de prévision apparaît sur le côté droit du graphique sous la forme d'une série vert clair.

   

10. Dans la liste déroulante, sélectionnez Envoy Standard Netbook.
11. Passez en revue les résultats prédictifs pour ce produit.

    Sur le côté droit, affichez les zones d'information qui contiennent des mesures clés pour chaque série.

    La mesure Taux de croissance permet au planificateur de comparer rapidement deux séries. Sur la base du taux de croissance affiché, la prévision est beaucoup plus agressive que la prédiction statistique. La jauge de droite reflète le risque élevé d'atteindre l'objectif de vente pour ce produit.

    

Comprendre les composants de Predictive Planning

Predictive Planning fournit un mécanisme statistiquement fiable pour aider les planificateurs à créer et valider leurs prévisions à l'aide de méthodes de prévision de séries temporelles sur les données historiques. La plupart des prévisions créées par les utilisateurs sont basées sur l'intestin ou des taux de croissance simples des années précédentes. Cependant, Predictive Planning permet aux utilisateurs de tirer parti des techniques de prévision de séries temporelles pour produire des prévisions plus précises.

Lorsque vous ouvrez un formulaire et exécutez Predictive Planning, les résultats suivants sont générés pour chaque membre du formulaire :

Lorsque vous optimisez les résultats prédictifs, la section s'affiche avec des données supplémentaires :

Conseil :

En haut à droite du volet des résultats prédictifs, cliquez sur (Maximiser) pour développer la vue des résultats.

1. Liste déroulante de sélection de membres : sélectionnez un membre sur le formulaire pour afficher les résultats de la planification prédictive.
2. Zone de graphique : affiche les données du membre sélectionné. Les données historiques réelles s'affichent sur le côté gauche du graphique. Sur le côté droit du graphique, partitionné par la ligne verticale, les données de prévision et de prévision pour l'horizon temporel futur sont affichées. La zone de graphique contient également des données pour les scénarios optimiste et pessimiste.
3. Détails des données historiques : Fournit des informations sur les données historiques utilisées pour exécuter les algorithmes de prévision. Il comprend le nombre d'observations historiques, les valeurs manquantes, les valeurs aberrantes, la présence de saisonnalité, etc.
4. Détails de prévision : fournit des détails sur la sortie de prévision pour l'algorithme le plus performant. Predictive Planning exécute un ensemble d'algorithmes de prévision de séries temporelles sur les données historiques et sélectionne la sortie à partir d'un algorithme qui fournit la meilleure précision pour le membre donné. Il indique le nom de l'algorithme qui a la plus grande précision par rapport aux autres algorithmes et fournit des mesures RMSE et de précision.
5. Cases d'informations : Fournit un récapitulatif statistique de chaque série sur le côté droit du graphique. Il affiche généralement une boîte par série. L'ordre des cases correspond à celui de la série dans la légende.
   • La statistique de taux de croissance est fournie dans chaque zone en tant que mesure clé pour comparer une série à une autre.
   • La jauge de risque est ajoutée en regard du taux de croissance pour indiquer la probabilité que le scénario se produise au-dessus ou en dessous de la prévision.

Fonctionnement de Predictive Planning

Predictive Planning est accessible depuis n'importe quel formulaire à l'aide du menu Actions.

Algorithmes de prévision

Deux techniques principales de prévision de série chronologique classique sont utilisées dans Predictive Planning :

• Méthodes de prévision non saisonnière classiques : estimer une tendance enlevant les données extrêmes et en diminuant le caractère aléatoire de ces données
  
• Méthodes de prévision saisonnières classiques : combiner les données de prévision avec un ajustement pour le comportement saisonnier

Méthode	Saisonnier	Meilleure utilisation
Moyenne glissante simple	No	Données volatiles sans tendance ni saisonnalité
Moyenne glissante double	No	Données avec tendance mais sans saisonnalité
Lissage exponentiel simple	No	Données volatiles sans tendance ni saisonnalité
Lissage exponentiel double	No	Données avec une tendance mais sans saisonnalité
Méthode non saisonnière de lissage de tendance amortie	No	Données avec une tendance mais sans saisonnalité
Modèle additif saisonnier	Oui	Données sans tendance mais avec la saisonnalité qui n'augmente pas au fil du temps
Modèle à ramifications saisonnier	Oui	Données sans tendance mais avec la saisonnalité qui augmente ou diminue au fil du temps.
Modèle additif de Holt-Winters	Oui	Données avec tendance et saisonnalité qui ne s'augmentent pas au fil du temps
Modèle à ramifications de Holt-Winters	Oui	Données avec tendance et saisonnalité qui augmentent dans le temps
Méthode saisonnière additive avec tendance amortie	Oui	Données avec une tendance et une saisonnalité
Méthode saisonnière à ramifications avec tendance amortie	Oui	Données avec tendance et saisonnalité
ARIMA	No	Données avec un minimum de 40 points de données historiques, un nombre limité de valeurs aberrantes et aucune saisonnalité
SARIMA	Oui	Données avec au moins 40 points de données historiques, nombre limité de valeurs aberrantes et saisonnalité

Toutes les méthodes de prévision non saisonnière sont exécutées sur les données. Si les données sont saisonnières, les méthodes de prévision saisonnières sont exécutées sur les données.

Sélectionner le modèle de prévision le plus performant

La méthode de prévision ayant la plus petite mesure d'erreur (RMSE) est utilisée pour prévoir les données. L'erreur quadratique moyenne (RMSE) est une mesure d'erreur absolue qui élève au carré les écarts pour empêcher les écarts positifs et négatifs de s'annuler les uns les autres. Cette mesure tend également à exagérer les erreurs importantes, ce qui peut vous aider à éliminer les méthodes comportant des erreurs importantes. Par exemple, les prévisions de plusieurs algorithmes sont comparées les unes aux autres en fonction du RMSE. Le modèle de prévision avec l'erreur la plus faible, c'est-à-dire que RMSE est choisi le meilleur par défaut.

Exemple - Prévoir des données non saisonnières

Ici, nous examinons les résultats de prédiction des ventes par catégorie de produit pour l'entité Sales East.

Dans cet exemple, le produit Network Card est sélectionné. Vous pouvez afficher les résultats de la prédiction dans le panneau inférieur. Les données historiques sont affichées sous la forme d'une série verte sur le côté gauche du graphique. La prédiction de base est affichée en bleu sur la droite. L'intervalle de prédiction, lié par le pire et le meilleur cas, est représenté sous la forme d'une bande orange autour de la prédiction de base. Les données historiques semblent être sur une tendance croissante et il n'y a pas de saisonnalité évidente.

Conseil :

Pour afficher plus d'informations sur la prédiction, cliquez sur l'icône d'informations dans le panneau Prévision à droite.

La sortie de prédiction pour cette catégorie de produits provient de la méthode Tendance amortie non saisonnière car elle a la mesure d'erreur la plus faible (RMSE) de 461. La prédiction a une précision de 70%, ce qui est la probabilité de se produire.

 

Exemple - Prévision des données saisonnières

Ici, nous examinons les résultats de prévision pour le produit Monitor dans l'entité Sales East.

Les ventes historiques pour la catégorie de produits Monitor ont été saisonnières car elles atteignent le sommet aux alentours d'août et de décembre, puis enregistrent les ventes les plus faibles en janvier chaque année. La méthode Seasonal ARIMA (SARIMA) produit les résultats les plus précis pour cette catégorie de produits. Fait intéressant, le graphique capture également la saisonnalité des données en tant que "bandes saisonnières".

Exemple - Prévision des données saisonnières sans tendance

Consultez les résultats de la prévision pour le produit Accessoires dans l'entité Ventes internationales.

Les ventes réelles historiques montrent la saisonnalité, mais aucune tendance visible. La méthode Multiplicative de Holt-Winters fournit les résultats les plus précis pour le scénario donné.

Exemple - Prévision des ventes non saisonnières avec des données historiques volumineuses

Voici les résultats de prévision pour le produit Keyboard dans l'entité Sales East.

L'historique des ventes réelles affiche les données saisonnières. Il existe une bonne quantité de points de données historiques et la méthode Moyenne mobile double fournit les résultats les plus précis pour le scénario donné.

Exemple - Prévision des ventes saisonnières avec des données historiques volumineuses

Affichez les résultats de la prévision pour le produit Other Computer dans l'entité Sales East.

Les ventes réelles historiques montrent la saisonnalité et il y a également une tendance à la hausse claire. Etant donné qu'elle contient une bonne quantité de données historiques (plus de 40 points de données), la méthode Seasonal ARIMA (SARIMA) fournit les résultats les plus précis pour le scénario donné.

Modification des paramètres dans Predictive Planning

Vous pouvez voir les paramètres par défaut utilisés pour une prédiction. Vous pouvez configurer ou personnaliser ces paramètres selon vos besoins.

1. Dans le PDV des prévisions de ventes - Produits, définissez ProductFamily sur Accessoires informatiques.

   

   Conseil :

   Si les résultats de vos prévisions ne s'affichent pas, fermez et rouvrez le formulaire avant de réexécuter Predictive Planning.
2. Cliquez sur Actions et sélectionnez Predictive Planning.
3. Dans la section Predictive Planning, à droite, cliquez sur (Paramètres).

   

4. Dans Paramètres, cliquez sur l'onglet Paramètres de la vue de graphique.

   

5. Dans les paramètres d'affichage de graphe, sélectionnez Ligne de tendance linéaire - Passé.

   

6. Cliquez sur Appliquer.

   La ligne de tendance des ventes historiques pour le produit sélectionné s'affiche dans le graphique.

   

7. Dans Predictive Planning, sélectionnez Jeu dans la liste déroulante.

   Notez qu'il a une tendance à la baisse des ventes.

   

8. Dans la section Predictive Planning, à droite, cliquez sur (Paramètres).
9. Dans Paramètres, vérifiez que vous êtes dans l'onglet Plages de dates.

   

10. Dans la liste déroulante Sélectionner un calendrier, supprimez la sélection du calendrier US_Monthly et définissez-la sur --Select--.

    

    
    

    Vous pouvez désormais modifier les sélections de plage de dates.

    

    Conseil :

    Lorsque vous sélectionnez un calendrier dans les fourchettes de dates, les options de calendrier de la fourchette de données historiques et de la fourchette de prédictions proviennent des options que vous avez définies pour ce calendrier. Pour apporter des modifications, vous devez modifier le calendrier dans l'onglet horizontal Calendrier de la carte Configurer dans le cluster IPM. Si vous n'avez pas sélectionné de calendrier dans les fourchettes de dates, vous pouvez définir manuellement la plage de dates historiques et la plage de dates de la prévision.
11. Dans Plage de prédictions, sélectionnez les options de liste déroulante suivantes, puis cliquez sur Appliquer :
    • Année de Fin future : FY25
    • Période de fin future : Mar

    

    
    

    Notez que l'horizon de prédiction/d'avenir est prolongé de 3 mois, jusqu'en mars 2025.

    

Ajuster la prévision en fonction de la prévision

Une fois que les prévisions ont été calculées à l'aide de Predictive Planning, comparez le scénario de prévision actuel avec les prévisions et effectuez des ajustements si nécessaire. Pour ce faire, vous pouvez ajuster manuellement la série de prévisions en la comparant à la prévision.

1. Dans Prévision des ventes - Produits, assurez-vous que les calculs de Predictive Planning ont été exécutés.
2. Vérifiez les prédictions pour chaque membre du formulaire.



3. Dans la grille, sélectionnez la ligne Carte réseau pour visualiser la prévision par rapport à la prévision statistique pour ce produit.

   

   
   

   La prédiction pour le produit Network Card semble être inférieure au scénario de prévision. Nous pouvons ajuster la prévision à la baisse. Nous allons d'abord zoomer sur la plage de prédictions et ajuster la prévision manuellement en faisant glisser la série sur le graphique.

4. Cliquez sur (Zoom avant) pour afficher la partie Période de début future du graphique dans la vue développée.



5. Visualisez les résultats développés :



6. Pour les mois dont les valeurs de prévision sont inférieures aux valeurs de prévision, ajustez-les dans la série afin qu'elles s'alignent les unes sur les autres. Cliquez sur l'élément Prévision (en cours) dans la légende du graphique pour afficher les points de données. Ensuite, faites glisser manuellement la ligne ou les points de données dans le graphique. Vous pouvez également ajuster manuellement les valeurs de la grille de juillet à décembre, puis cliquer sur Enregistrer.

   

   
   

    

Coller la prévision dans la prévision

Après avoir exécuté des prévisions, vous pouvez comparer le scénario de prévision actuel avec des prévisions et apporter des ajustements à vos données si nécessaire. Dans la rubrique précédente, vous avez vu comment cela peut être fait en ajustant manuellement la série de prévisions en la comparant à la prévision. Vous pouvez également copier la série de prévisions et la coller dans la série de prévisions.

1. Dans Prévisions de ventes - Produits, assurez-vous que les calculs de Predictive Planning ont été exécutés.

   

2. Dans la grille, sélectionnez la ligne Jeu pour afficher la prévision par rapport à la prévision statistique pour ce produit.

   

3. En haut à droite de la section Predictive Planning, cliquez sur (Coller).

   

4. Dans Coller la prévision, vérifiez et acceptez les sélections par défaut, puis cliquez sur Appliquer.

   

   
   
5. Vérifiez les résultats de la prévision collés dans le scénario Forecast pour le produit Game, puis cliquez sur Enregistrer.

   

6. Dans le message d'information, cliquez sur OK.

Liens connexes

• Customer Connect : Meilleures pratiques de Predictive Planning avec Oracle Cloud EPM
• Documentation : Utiliser la planification et améliorer la précision des prévisions avec Predictive Planning
• Canal YouTube des tutoriels Oracle EPM

Ressources de formation supplémentaires

Explorez d'autres ateliers sur le site docs.oracle.com/learn ou accédez à d'autres contenus d'apprentissage gratuits sur le canal Oracle Learning YouTube. En outre, visitez Oracle University pour consulter les ressources de formation disponibles.

Pour obtenir de la documentation sur le produit, consultez Oracle Help Center.

---

Informations relatives au titre et au copyright

Planification et prévision à l'aide de Predictive Planning

G34982-02

Août 2025

Copyright ©2025,

Oracle et/ou ses affiliés.