Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Tip
In diesem Artikel wird die integrierte Funktion zur Nachfrageprognose von Microsoft Dynamics 365 Supply Chain Management beschrieben. Für ein noch besseres Planungs- und Prognoseerlebnis empfehlen wir Ihnen, Demand Planning in Microsoft Dynamics 365 Supply Chain Management auszuprobieren, die kollaborative Bedarfsplanungslösung der nächsten Generation von Microsoft. Weitere Einzelheiten finden Sie auf der Homepage zur Bedarfsplanung.
Dieser Artikel beschreibt die Arten von Prognosegenauigkeit, die Microsoft Dynamics 365 Supply Chain Management berechnet, und erklärt, wie Sie die Genauigkeitswerte einsehen können.
Supply Chain Management berechnet die folgenden Typen der Planungsgenauigkeit:
- Genauigkeit der historischen Planung durch Vergleich der historischen Planung, die der Produktprogrammplan verwendet, mit dem historischen Bedarf. Um die Werte (sowohl absolute Werte als auch Prozentwerte) für die historische Prognosegenauigkeit anzuzeigen, wählen Sie auf der Seite Demand forecast details die Option Show accuracy aus.
- Die geschätzte Genauigkeit des Planungsmodells, das verwendet wird, um die Vorhersagen zu generieren. Sie können die prozentuale Genauigkeit unter Modelldetails - MAPE auf der Seite Bedarfsplanungsdetails anzeigen.
Note
Wenn Sie das Demand Forecasting Microsoft Azure Machine Learning verwenden, basiert die Berechnung der internen Modellgenauigkeit auf dem Testdatensatz. Um die Größe des Testdatasets anzugeben, legen Sie den Parameter TEST_SET_SIZE_PERCENT auf der Seite Bedarfsplanungsparameter fest. Wenn Sie zum Beispiel den Wert auf 20 gesetzt haben, werden die letzten 20 Prozent der historischen Daten verwendet, um die interne Modellgenauigkeit zu berechnen.