SAP 分析云中预测计划的假设模拟

前言

在之前的文章中，我们向您介绍了预测计划的“影响因素”功能，以利用影响因素来提高预测的准确性。在那篇文章的末尾我们提到，当使用一些不受控制的影响因素时，因为您不能确定未来的值，您必须根据不同的场景生成多个预测。听起来很熟悉吗？您可能已经想到了假设模拟（What-If Simulation）。

假设模拟在计划环境中使用，以根据不同的假设业务场景确定KPI的值。

如果我的折扣和去年一样，我今年的收入会是多少？如果我不打折呢？
如果新冠病毒疾病继续传播，我的费用会收到什么样的影响？如果取消隔离限制又会怎样？
如果营销预算减少了怎么办？这将如何影响我的销售业绩？
如果明天不下雨，我所在城市的自行车出租量会是多少？如果下雨怎么办？

在这篇文章中，我们将向您展示如何利用SAP 分析云预测计划的预测功能来执行预测性“假设模拟”。

预测与假设模拟的关系

模拟模型

为了理解“预测假设模拟”与传统假设模拟的区别，我们需要快速了解假设模拟背后的方法。我们要执行假设模拟，需要：

一些业务变量：业务变量是与您的业务相关联的KPI（关键绩效指标）。
一些场景：这些场景是您想要测试的不同业务假设。每个场景对应于一组您想要测试的业务变量值，以查看它如何影响要估计的KPI。“如果我明年将广告预算增加10%，并保持相同的折扣”将是一种情况，“如果我明年将广告预算减少10%，且不打折”将是另一种情况。
模拟模型：模拟模型表示业务变量之间存在的关系。这是您业务的简化表现。

通常，模拟模型是计划模型本身，在计划模型中（通过创建层次结构或计算）明确表示度量/账户（业务变量）之间存在的关系。但该方法仅适用于以下情况：

必须知道业务变量和待估计结果之间的关系，并且必须在计划模型中正确表达；
业务变量和结果之间的关系不会随着时间而改变。

预测模型可以找到业务变量和要预测的KPI之间的关系，这些关系可能无法在计划模型中表达。此外，每次重新训练预测模型时，都会重新评估这些关系。预测模型可以作为补充，在业务变量和KPI之间提供额外的关系，从而获得更好的模拟模型。

实例

假设您是一名汽车销售，您想预测下一年的收入。您有一个具有以下KPI 的计划模型：

收入（您希望通过模拟估算的KPI）
售出的单位数量
单价
折扣
广告预算

在计划模型中，收入明确表示为售出单位数量、单价和折扣的函数（收入 = 售出单位数量*单价*折扣）。因为这种关系在计划模型中明确存在，所以您可以很容易地模拟折扣和单价的变化对收入的影响。

但这个计划模型也包含一些没有明确表达的关系。我们可以假设，折扣和广告预算会影响售出的单位数量（这通常就是为什么要进行折扣和广告）。但这些关系通常不会在计划模型中表达出来，因此在模拟中有一些不完全正确的地方：更改折扣和广告预算的值不会影响售出的单元数。

因此，为了修复模拟，您可以使用时间序列预测模型，以广告预算和折扣作为影响因素来预测售出的单元数。通过这种方式，缺失的关系被建模，并可用作规划模型中存在的关系的补充。

这些新关系可以带来两个好处：

您可以考虑之前在模拟中未考虑的变量的影响，例如广告预算；
运行模拟时，对于不受您控制的变量，不必给出确定的值，例如售出的单位数。对于受控制的变量，您可以给定相应的值，例如单价和广告预算。

场景

假设您在一家共享单车公司工作。您有一个计划模型，其中包含一个BikeHires测量值，表示每天的使用人数，以及与天气相关的几个测量值。您想基于预测计划来预测未来31天租用的自行车数量。如果要重新创建此示例，可以下载此数据集。请注意，列BikeHires, Temp.Min, Temp.Max, Temp.Mean, Humid.Min, Humid.Max, Humid.Mean 和 Rain将作为度量，其他列应视为维度。

步骤

模拟场景

在之前的一篇文章中，我们已经看到共享单车租赁的数量受到一些与天气有关的条件的影响。但我们希望得到未来30天的预测。我们可能会有一些相当精确的天气预报，我们可以用来预测明天，甚至可能是未来一周的天气预报，如果精确性不太重要的话……但我们不可能得到任何可信的的未来30天的天气预报。在这些情况下，我们都会使用不可靠的输入来生成预测。

那么，我们该怎么办？我们应该进行预测性的“假设”模拟，即根据不同的假设查看预测输出，知道它们只是假设。因为预测是基于本身不可预测的输入，所以我们不会对未来做出假设。相反，我们看的是在这样或那样的情况下会发生什么。

我们将使用3个简单场景（“假设”）进行假设模拟：