Övervaka prognosens exakthet
Tips
I den här artikeln beskrivs de inbyggda funktionerna för efterfrågeprognosticering Microsoft Dynamics 365 Supply Chain Management. För en ännu bättre planerings- och prognosupplevelse rekommenderar vi att du provar Demand Planning in Microsoft Dynamics 365 Supply Chain Management, som är Microsoft:s nästa generations samarbetslösning för efterfrågeplanering. Mer information finns på startsidan Efterfrågeplanering.
I den här artikeln beskrivs de typer av prognosnoggrannhet som Microsoft Dynamics 365 Supply Chain Management beräknas, och hur du kan visa noggrannhetsvärdena.
Supply Chain Management beräknar följande typer av prognosprecision:
- Historisk prognos exakthet, genom att jämföra den historiska prognosen att Huvudplanering använder med historisk efterfrågan. Om du vill visa värden (både i absoluta och procentuella värden) för Historisk prognos noggrannhet, välj Visa noggrannheten på Detaljer för efterfrågeprognos .
- Den uppskattade noggrannheten hos den prognosmodell som används för att generera prediktioner. Du kan visa noggrannheten procentsats enligt modellen detaljer – MAPE på sidan Detaljer för efterfrågeprognos.
Notering
Om du använder efterfrågeprognos för Microsoft Azure Machine Learning Learning baseras beräkningen av intern modellnoggrannhet på testdata. För att ange storleken på testdatauppsättningen, ställ in parametern TEST_SET_SIZE_PERCENT på sidan Parametrar för efterfrågeprognosticering. Till exempel, om du anger värdet till 20, de sista 20 procent av historiska data används för att beräkna intern modell noggrannhet.