이 실습 자습서에서는 계획 및 예측 주기의 일부로 예측 계획을 사용하기 위한 필수 태스크를 설명합니다. 섹션은 상호 연결되어 구축되었으며 순차적으로 완료해야 합니다.
배경
Predictive Planning을 사용하여 과거 데이터에 따라 미래 성과를 예측할 수 있으며, 예측에 따라 계획과 예측을 비교 및 검증할 수 있습니다. 보다 정확한 통계 기반 예측을 위해 예측 값을 복사하여 계획에 대한 예측 시나리오에 붙여넣을 수 있습니다. Predictive Planning은 사용자정의 및 모듈 애플리케이션 유형에 대해 EPM 표준 및 EPM Enterprise 애플리케이션에서 작동합니다. 레거시 애플리케이션의 경우 Predictive Planning은 표준, 엔터프라이즈, Reporting 애플리케이션 유형에서 실행됩니다.
필요 조건
Cloud EPM 실습 자습서에서는 Cloud EPM Enterprise Service 인스턴스로 스냅샷을 임포트해야 할 수 있습니다. 자습서 스냅샷을 임포트하려면 먼저 다른 Cloud EPM Enterprise Service 인스턴스를 요청하거나 현재 애플리케이션 및 비즈니스 프로세스를 제거해야 합니다. 자습서 스냅샷은 기존 애플리케이션 또는 비즈니스 프로세스로 가져오지 않으며 현재 작업 중인 애플리케이션 또는 비즈니스 프로세스를 자동으로 바꾸거나 복원하지 않습니다.
이 자습서를 시작하기 전에 다음을 수행해야 합니다.
Cloud EPM Enterprise Service 인스턴스에 대한 서비스 관리자에게 접근 권한을 부여합니다.
인스턴스에 Planning 샘플 애플리케이션(Vision)이 생성되도록 합니다.
사용자 변수 조정
이 섹션에서는 제품군 사용자 변수에 값을 추가합니다.
홈 페이지에서 도구, 사용자 변수 순으로 누릅니다.
사용자 변수에서 ProductFamily에 대해 (멤버 선택기)을 누릅니다.
멤버 선택에서 총 제품 옆에 있는 화살표를 누릅니다.
Total Product에서 Computer Accessories 및 Computer Services를 선택합니다.
이 옵션을 선택하면 멤버가 왼쪽의 선택 목록에 추가됩니다.
확인을 누릅니다.
컴퓨터 액세서리 및 컴퓨터 서비스가 ProductFamily에 추가되었는지 확인한 다음 저장을 누릅니다.
정보 메시지에서 확인을 누릅니다.
홈 페이지로 돌아갑니다. 오른쪽 상단에서 (홈)을 누릅니다.
Predictive Planning 실행
홈 페이지에서 데이터 카드()를 누릅니다.
데이터 입력의 라이브러리에서 예측을 확장합니다.
아래로 스크롤한 다음 판매 예측 - 제품을 누릅니다.
양식에서 예정된 계획 시간 간격에 대해 컴퓨터 장비의 각 제품에 대한 판매 예측을 검토합니다.
양식 오른쪽 상단에서 작업을 누르고 Predictive Planning을 선택합니다.
Predictive Planning을 실행하면 시스템에서 양식의 각 멤버에 대한 모든 과거 데이터를 검색합니다. 그런 다음 정교한 시계열 예측 기술을 사용하여 이러한 멤버의 미래 성과를 예측합니다. 예측 결과가 양식의 맨아래에 표시됩니다.
Predictive Planning 섹션의 아래쪽 화살표 를 사용하여 드롭다운에서 태블릿 컴퓨터를 선택합니다.
태블릿 컴퓨터의 예측 결과를 검토합니다.
이 제품의 내역 데이터는 차트 왼쪽에 녹색 시리즈로 표시됩니다. 기본 사례 예측은 오른쪽에 파란색으로 표시됩니다. 최악 및 최선 사례에 의해 바인딩된 예측 간격은 기본 사례 예측 주위에 주황색 밴드로 표시됩니다.
드롭다운에서 Sentinal Standard Notebook을 선택합니다.
예측과 통계 예측을 비교합니다. 예측 시나리오가 차트의 오른쪽에 연한 녹색 계열로 나타납니다.
드롭다운에서 Envoy Standard Netbook을 선택합니다.
이 제품에 대한 예측 결과를 검토합니다.
오른쪽에서 각 계열에 대한 주요 측정항목이 포함된 정보 상자를 확인합니다.
성장률 측정항목을 통해 계획자는 두 계열을 빠르게 비교할 수 있습니다. 표시된 증가율에 따라 예측은 통계 예측보다 훨씬 더 공격적입니다. 오른쪽 게이지는 이 제품의 영업 목표 달성을 위한 상승된 위험을 반영합니다.
Predictive Planning 구성 요소 이해
Predictive Planning은 과거 데이터에 대한 시계열 예측 방법을 사용하여 계획자가 예측을 생성하고 검증할 수 있도록 통계적으로 강력한 메커니즘을 제공합니다. 사용자가 생성한 대부분의 예측은 직감 또는 전년도의 단순한 성장률을 기반으로 합니다. 그러나 Predictive Planning을 사용하면 시계열 예측 기술을 활용하여 보다 정확한 예측을 생성할 수 있습니다.
양식을 열고 Predictive Planning을 실행하면 양식의 각 멤버에 대해 다음과 같은 결과가 생성됩니다.
예측 결과를 최대화하면 섹션이 추가 데이터와 함께 표시됩니다.
참고:
예측 결과 창의 오른쪽 위에 있는 (최대화)을 눌러 결과 뷰를 확장합니다.
멤버 선택 드롭다운: 예측 계획 결과를 표시할 폼의 멤버를 선택합니다.
차트 영역: 선택한 멤버에 대한 데이터를 표시합니다. 과거 실제 데이터는 차트 왼쪽에 표시됩니다. 차트의 오른쪽에 세로선으로 분할되어 미래 기간의 예측 및 예측 데이터가 표시됩니다. 차트 영역에는 최선의 경우(최적) 및 최악의 경우(비관적) 시나리오에 대한 데이터도 포함됩니다.
과거 데이터 세부정보: 예측 알고리즘을 실행하는 데 사용되는 과거 데이터에 대한 정보를 제공합니다. 여기에는 과거 관찰 수, 누락된 값, 이상값, 계절성 존재 등이 포함됩니다.
예측 세부정보: 성능이 가장 뛰어난 알고리즘에 대한 예측 출력의 세부정보를 제공합니다. Predictive Planning은 과거 데이터에 대해 일련의 시계열 예측 알고리즘을 실행하고 지정된 멤버에 대해 최상의 정확도를 제공하는 알고리즘에서 출력을 선택합니다. 다른 알고리즘에 비해 정확도가 가장 높은 알고리즘의 이름을 표시하며 RMSE 및 정확도 측정항목을 제공합니다.
정보 상자: 차트 오른쪽에 있는 각 계열의 통계 요약을 제공합니다. 일반적으로 시리즈당 하나의 상자가 표시됩니다. 상자의 순서는 범례의 계열 순서와 일치합니다.
증가율 통계는 한 시리즈와 다른 시리즈를 비교하기 위한 주요 측정지표로 각 상자에 제공됩니다.
위험 게이지가 증가율 옆에 추가되어 예측보다 높거나 낮은 시나리오의 가능성을 나타냅니다.
Predictive Planning 작동 방식
작업 메뉴를 사용하여 모든 양식에서 Predictive Planning에 접근할 수 있습니다.
예측 알고리듬
클래식 시계열 예측의 두 가지 주요 기법이 Predictive Planning에서 사용되었습니다.
일반 비계절 예측 메소드 - 극값을 제거하고 데이터 무작위성을 줄여 추세를 예상합니다.
클래식 계절 예측 메소드 - 계절 동작에 대한 조정과 예측 데이터를 결합합니다.
방법
계절
최적
단순 이동 평균
아니요
추세 또는 계절성이없는 휘발성 데이터
이중 이동 평균
아니요
추세는 있지만 계절성은 없는 데이터
단일 지수 평활
아니요
추세 또는 계절성이없는 휘발성 데이터
이중 지수 평활
아니요
추세는 있지만 계절성은 없는 데이터
감쇠 추세 평활 비계절 방법
아니요
추세는 있지만 계절성은 없는 데이터
계절 가법
예
추세가 없지만 시간에 따라 증가하지 않는 계절성이 있는 데이터
계절 승법
예
추세가 없지만 계절성이 있고 시간에 따라 증가하거나 감소하지 않는 데이터에 적합합니다.
홀트-윈터의 가법
예
시간 경과에 따라 증가하지 않는 추세 및 계절성이 있는 데이터
홀트-윈터의 승법
예
추세가 없어 시간에 따라 증가하지 않는 계절성이 있는 데이터에 적합
감쇠 추세 가법 계절 메소드
예
추세 및 계절성이 있는 데이터
감쇠 추세 승법 계절 메소드
예
추세 및 계절성이 있는 데이터
ARIMA
아니요
최소 40개의 과거 데이터 포인트, 제한된 개수의 이상치, 계절성 없는 데이터
사리마
예
최소 40개의 과거 데이터 포인트, 제한된 개수의 이상치 및 계절성을 가진 데이터
모든 비계절 예측 방법이 데이터에 대해 실행됩니다. 데이터가 계절로 감지되면 계절 예측 메소드가 데이터에 대해 실행됩니다.
최상의 성과 예측 모델 선택
오차 측정항목이 가장 낮은 예측 메소드(예: RMSE)가 데이터 예측에 사용됩니다. RMSE(평균 제곱근 오차)는 편차를 제곱하여 양수 및 음수 편차가 서로를 상쇄하지 않도록 하는 절대 오차 측정항목입니다. 이 측정항목은 큰 오차가 있는 메소드를 제거하는 데 도움이 되도록 큰 오차를 과장하는 경우가 있습니다. 예를 들어, 여러 알고리즘의 예측은 RMSE를 기반으로 서로 비교됩니다. 오류가 가장 낮은 예측 모델, 즉 RMSE가 기본적으로 최상으로 선택됩니다.
예 - 비계절 데이터 예측
Sales East 개체에 대한 제품 범주별 Sales의 예측 결과를 살펴보겠습니다.
이 예에서는 제품 네트워크 카드가 선택되어 있습니다. 하단 패널에서 예측 결과를 볼 수 있습니다. 과거 데이터는 차트의 왼쪽에 녹색 계열로 표시됩니다. 기본 예측은 오른쪽에 파란색으로 표시됩니다. 최악의 경우와 최선의 경우로 제한되는 예측 간격은 기본 예측 주위에 주황색 밴드로 표시됩니다. 과거 데이터는 추세가 증가하고 있으며 명백한 계절성이 없습니다.
참고:
예측에 대한 자세한 내용을 보려면 오른쪽의 [예측] 패널에서 정보 아이콘을 누릅니다.
이 제품 범주에 대한 예측 출력은 RMSE(최하위 오류 측정 단위)가 461이므로 감쇠 추세 비계절 방법에서 가져옵니다. 예측의 정확도는 70%이며 이는 발생할 가능성입니다.
예 - 계절 데이터 예측
여기에서는 Sales East 엔티티의 Monitor 제품에 대한 예측 결과를 살펴봅니다.
Monitor 제품 카테고리의 판매 내역은 8월과 12월의 최고치에 도달한 후 매년 1월에 최저 판매를 보면서 계절별로 판매되었습니다. 계절 ARIMA(SARIMA) 방법은 이 제품 범주에 대해 가장 정확한 결과를 생성합니다. 흥미롭게도 차트는 데이터의 계절성을 "계절 밴드"로 캡처합니다.
예 - 추세가 없는 계절 데이터 예측
International Sales 엔티티에서 Accessories 제품에 대한 예측 결과를 확인합니다.
과거 실제 판매는 계절성을 표시하지만 표시되는 추세는 표시되지 않습니다. Holt-Winters의 승법 메소드는 지정된 시나리오에 대해 가장 정확한 결과를 제공합니다.
예 - 대규모 과거 데이터를 사용한 비계절 판매 예측
Sales East 개체의 Keyboard 제품에 대한 예측 결과는 다음과 같습니다.
과거 실제 판매는 계절 데이터를 표시합니다. 좋은 양의 과거 데이터 포인트가 있으며 이중 이동 평균 방법은 지정된 시나리오에 대해 가장 정확한 결과를 제공합니다.
예 - 과거 데이터가 큰 계절적 판매 예측
Sales East 개체에서 기타 컴퓨터 제품에 대한 예측 결과를 봅니다.
과거 실제 판매는 계절성을 보여 주며 명확한 증가 추세도 있습니다. 계절 ARIMA(SARIMA) 방법은 양호한 양의 과거 데이터(데이터 포인트 40개 이상)를 가지므로 지정된 시나리오에 대해 가장 정확한 결과를 제공합니다.
Predictive Planning에서 설정 변경
예측에 사용되는 기본 설정을 볼 수 있습니다. 필요에 따라 이러한 설정을 구성하거나 사용자 정의할 수 있습니다.
영업 예측 - 제품의 POV에서 ProductFamily를 컴퓨터 액세서리로 설정합니다.
참고:
예측 결과가 표시되지 않으면 Predictive Planning을 다시 실행하기 전에 양식을 닫았다가 다시 여십시오.
작업을 누르고 Predictive Planning을 선택합니다.
Predictive Planning 섹션의 오른쪽에서 (설정)을 누릅니다.
설정에서 차트 뷰 설정 탭을 누릅니다.
차트 뷰 설정에서 선형 추세 라인 - 과거를 선택합니다.
적용을 누릅니다.
선택한 제품의 판매 내역 추세선이 차트에 표시됩니다.
Predictive Planning의 드롭다운에서 게임을 선택합니다.
판매 추세가 감소하고 있습니다.
Predictive Planning 섹션의 오른쪽에서 (설정)을 누릅니다.
설정에서 일자 범위 탭에 있는지 확인합니다.
달력 선택 드롭다운에서 US_Monthly 달력에 대한 선택 항목을 제거하고 --선택--으로 설정합니다.
이제 일자 범위 선택을 수정할 수 있습니다.
참고:
일자 범위에서 캘린더를 선택하면 해당 캘린더에 대해 정의한 옵션에서 과거 데이터 범위 및 예측 범위 캘린더 옵션이 사용됩니다. 변경하려면 IPM 클러스터에 있는 Configure 카드의 Calendar 수평 탭에서 달력을 수정해야 합니다. 날짜 범위에서 달력을 선택하지 않는 경우 과거 날짜 범위 및 예측 날짜 범위를 수동으로 설정할 수 있습니다.
[예측 범위]에서 다음 드롭다운 옵션을 선택한 후 적용을 누릅니다.
향후 종료 연도: FY25
향후 종료 기간: 3월
예측/미래 기간은 2025년 3월까지 3개월 연장됩니다.
예측을 기반으로 예측 조정
Predictive Planning을 사용하여 예측이 계산되면 현재 예측 시나리오를 예측과 비교하고 필요한 경우 조정합니다. 예측 계열을 예측과 비교하여 예측 계열을 수동으로 조정하면 됩니다.
영업 예측 - 제품에서 Predictive Planning 계산이 실행되었는지 확인합니다.
양식의 각 멤버에 대한 예측을 검토합니다.
그리드에서 네트워크 카드 행을 선택하여 이 제품의 통계 예측에 대한 예측을 봅니다.
네트워크 카드 제품에 대한 예측이 예측 시나리오보다 낮은 것 같습니다. 예측을 아래로 조정할 수 있습니다. 먼저 예측 범위를 확대하고 차트의 계열을 끌어 예측을 수동으로 조정합니다.
확장된 뷰에서 차트의 미래 시작 기간 부분을 보려면 (확대)을 누릅니다.
확장된 결과 보기:
예측 값이 예측 값보다 낮은 월의 경우 예측 값이 서로 정렬되도록 시리즈에서 조정합니다. 차트 범례에서 [예측(작업 중)] 항목을 눌러 데이터 포인트를 표시합니다. 그런 다음 차트에서 라인 또는 데이터 포인트를 수동으로 끌어옵니다. 그리드에서 7월부터 12월까지의 값을 수동으로 조정하고 저장을 누를 수도 있습니다.
예측을 예측에 붙여넣기
예측을 실행한 후 현재 예측 시나리오를 예측과 비교하고 필요에 따라 데이터를 조정할 수 있습니다. 이전 항목에서는 예측 계열을 예측과 비교하여 예측 계열을 수동으로 조정하여 이 작업을 수행하는 방법을 살펴보았습니다. 또는 예측 계열을 복사하여 예측 계열에 붙여넣을 수 있습니다.
영업 예측 - 제품에서 Predictive Planning 계산이 실행되었는지 확인합니다.