将斋月、复活节和中国新年这样的假期移动，可能会导致规划者增加人工工作，以便在正确的时间、正确的地点获得正确的需求。

传统的季节性预测模型处理圣诞节和新年等固定假期的季节性模式，但是在中国没有现成的预测模型任何移动假日的需求计划系统。

本博客旨在深入探讨SAP IBP for demand模块的功能，以确定可用于处理此解决方案的系统功能。

SAP IBP for demand，可以选择设置统计预测以考虑相关因素–这些因素是可以影响统计预测输出的独立因素。统计预测模型中使用相关因子的前提条件如下：

未来相关因子已知且可用应该是相关因素和历史数据之间的关系不同的相关因素之间应该没有相互依赖性

有许多不同的集成方法可以将数据上传/维护到定义的相关因素中，包括：CPI-DS、数据集成作业和通过excel计划视图加载。

一旦定义并填充了相关因素，则正确的统计预测方法的选择和相关因素的选择。目前在SAP IBP for Demand中，统计预测模型中相关因子的使用仅限于：

梯度预测多元线性回归自动ARIMAX未来版本-与R-Studio集成，将打开更多具有相关因子的预测算法的大门

使用相关因子关键数字，可以合并每个移动假日的模式。

一旦重新生成统计预测，相关因素对需求量的影响是显而易见的。在下图中，我们可以看到2020年4月至2020年5月的需求增长。这两个月都有一个关键数字"假日日历"的值。如果我们要分析历史数据集，我们将确定此关键数字中的值对需求产生积极影响。

使用IBP for demand中的show messages功能，个人免费云服务器，您可以确定预测模型中定义的每个相关因素的重要性。

与季节模型相比，使用相关因素的主要好处包括：

可以灵活地映射多个移动假日可应用于产品/销售层次结构的多个级别与传统的季节性模型相比，数据分析法，使用相关系数需要更少的数据点

例如，服务器和云服务器，在海湾国家，斋月期间，含糖量高的液体饮料的销售通常会猛增，因为这些类型的饮料是用来开启禁食的流行选择。同时，在西方国家，同样的饮料也会下降，因为暑假开始时，消费者更有可能去度假。使用相关因子的其他案例研究包括：

使用饮料销售的月平均温度

预测未来的平均温度可能很棘手，特别是在非季节性温暖的时期，秋季干燥的天气是"印度夏季"的一部分，或者是"来自东方的野兽"的异常低温和暴雪。使用温度作为相关因素不仅可以方便地进行"假设"情景规划，还可以根据预测的温度变化对需求计划进行更改。

关键体育赛事（英格兰可能赢得足球世界杯？）为了预测电信行业对移动数据包的购买情况

在下面的示例中，使用一个称为"体育赛事"的相关关键数字绘制了关键体育赛事，如11月的阿布扎比GP、5月的足总杯决赛和6/7月的FIFA世界杯。体育赛事的影响对移动数据包产生了更高的需求，一站式建站，因为消费者更有可能在移动设备上观看赛事，并在社交媒体上花费更多时间讨论赛事结果。

第三方服务

许多第三方服务可用于API源，包括天气预报，房价指数和人口增长率。这些第三方服务可以与IBP集成，以便基于这些第三方服务更新相关系数。这就允许用最新的数据来更新相关因素，发发淘客，而不必操之过急。

使用相关因素进行预测可以使外部因素的影响得到需求计划的认可。这使得规划师能够扩展可用的系统功能，以创建更准确的需求计划。

在IBP for demand中，使用机器学习的预测自动化得到了大力推动。启用相关因素和集成第三方服务只会加强以自动化方式工作的方法。

原始博客文章发布在这里：

https://blog.olivehorse.com/forecasting-with-correlation-factors