Anaplan PlanIQ onder de knie krijgen: handleiding, tips en trucs

Net zoals Tom Brady nauwgezet wedstrijdbeelden analyseert om de verdediging van de tegenstander te voorspellen, of LeBron James zijn strategie halverwege de wedstrijd aanpast op basis van de bewegingen van zijn tegenstanders, zouden bedrijven dan niet de flexibiliteit moeten hebben om hun plannen aan te passen aan de behoeften? Zouden ze geen inzicht moeten hebben in hun financiën, toeleveringsketen, verkoop en bedrijfsvoering? Dat is wat Anaplan biedt.

De mogelijkheid om samen te werken, te integreren, te budgetteren en te plannen voor diverse functies, waaronder:vraagplanning, Supply chain planning, HR en personeelsoptimalisatie, en financiën. En door daar een intelligente prognosefunctie aan toe te voegen, wordt het geheel nog naadlozer en relevanter. Daarvoor is PlanIQ in Anaplan bedoeld: om de verbonden planning van Anaplan te combineren met nauwkeurige prognoses.

Wat is Anaplan PlanIQ?

PlanIQTM is een door AI/ML aangedreven technologie voor statistische voorspellingen, die gebruikmaakt van Amazons toonaangevende intelligente voorspellingsengine en Anaplan-native algoritmen zoals multivariate lineaire regressie (MVLR) en Anaplan Prophet om nauwkeurige voorspellingen te genereren op basis van interne en externe factorendie in Anaplan zijn geïntegreerd.

Dat is in ieder geval de definitie. Simpel gezegd traint het AI- en ML-voorspellingsmodellen met de data van de Anaplan-module of data rechtstreeks uit het datawarehouse(AWS S3, Azure en GCP)om gebruikers te voorzien van kwalitatieve meetgegevens voor echte resultaten. Het bijkomende voordeel is dat – hoewel het ingewikkeld klinkt – u alleen uw interface hoeft in te stellen(die gebruiksvriendelijk is)en deze direct in uw Anaplan-planningsmodules hoeft te integreren.

Voordelen en kenmerken van PlanIQ

Met onze expertise als zowelAnaplan-implementatie-expertsalsdata science-expertsbegrijpen we de behoefte aan nauwkeurige (vraag/financiële) prognoses en het opzetten van een nieuw proces. Gezien de talloze succesvolle implementaties van PlanIQ die we hebben uitgevoerd, wegen de voordelen ruimschoots op tegen de risico's.

1. Verbeterde voorspellingsnauwkeurigheid tot wel 50% dankzij krachtige voorspellingsmodellen(Anaplans eigen algoritmen zoals multivariate lineaire regressie (MVLR) en Anaplan Prophet, Amazon Forest, enz.)

2. Handmatig of automatisch voorspellingsmodellen leren en trainen om de nauwkeurigheid te verhogen.

3. Elimineer de noodzaak om telkens opnieuw trainingsdata te maken door gebruik te maken van recente data.

4. Plan de werkzaamheden en beheer de prognosequota zodat deze aansluiten op uw prognosecyclus.

5. Ontwikkel what-if-scenario's voor diverse gebruikssituaties zonder dat datawetenschappelijke expertise nodig is (direct door de modelbouwers).

6. Ondersteun ad-hocvoorspellingen

7. Verkrijg zeer nauwkeurige meetgegevens in een toegankelijk en gemakkelijk te leren formaat.

8. Geen black-box-modellen en echt inzicht in wat de voorspellingsresultaten beïnvloedt.

9. Verkort de tijd die nodig is voor gegevensverwerking.

Het ware geheim en plezier van deze voorspellingsoplossing is dat er geen speciale expertise nodig is om deze te configureren, te implementeren en te bedienen. Hierdoor is het eenvoudig om de resultaten in te stellen en te visualiseren.

Anaplan PlanIQ Gebruiksscenario's

Vanvraagvoorspelling to workforce planning, the scope of PlanIQ expands across the functions of HR, Finance, Supply chain, and Sales. We’ll not go into the definitions of each of the use cases but talk a little about what’s usually covered in the top 3 use cases: Financial planning, Demand Planning, and Personeelsplanning.

Financiële planning

Je kunt gegevens uitAnaplan-modellenimporteren, waarna het systeem automatisch het beste machine learning-voorspellingsmodel voor de gegevens selecteert (we bespreken de 8 algoritmen van PlanIQ hieronder), waardoor je uren handmatig werk bespaart. Tegelijkertijd stelt ad-hocanalyse analisten in staat om de factoren te bepalen die de voorspellingsnauwkeurigheid verhogen.

Vraagplanning

Met de vraagplanningsfunctie van PlanIQ kunt u de vraag beoordelen en voorspellen op basis van de basisomzet, de totale vraag in kaart brengen, historische gegevens opschonen, de vraagfactoren analyseren, trend- en seizoensanalyses uitvoeren en uitschieters detecteren en verwijderen.

Workforce planning

Voorspel de personeelsbehoeften en optimaliseer de toewijzing van middelen. Integreer personeelsprognoses direct in omzetplannen, operationele kostenprognoses (OpEx) en andere strategische plannen. Plan voor personeel, zelfs tijdens de drukke feestdagen (die doorgaans onnauwkeurige resultaten opleveren), integreer meerdere variabelen en automatiseer processen voor personeelsbehoeften.

Van portfoliocannibalisatieanalyses, prognoses voor standaardproducten en de effectiviteit van promoties tot voorraadprognoses: er zijn nog veel meer toepassingsmogelijkheden waar we het nu niet over hebben.

Hoewel de termen AI en ML worden gebruikt om PlanIQ te beschrijven, is het verrassend eenvoudig te gebruiken dankzij de gebruiksvriendelijke interface waarmee je modellen kunt selecteren. Dit kan in slechts vier eenvoudige stappen.

4 stappen om aan de slag te gaan met Anaplan PlanIQ

Om met PlanIQ aan de slag te gaan, heb je de volgende gegevens nodig: historische gegevens (waarvoor je een prognose wilt), gerelateerde gegevens die de historische gegevens kunnen beïnvloeden, zoals verpakkingsgroottes, kleur of andere gegevens die een causaal verband kunnen aantonen, informatie over de attributen (statische, niet-tijdsafhankelijke categorische tekstkenmerken die de items in de historische tijdreeksgegevens beschrijven, zoals stijl, categorie, geografische locatie, enz.), vakantiekalenders (ook gerelateerde gegevens – denk aan de piek in de gegevens rond Thanksgiving), prognose-resultaatkubussen en de import- en exportfuncties. Laten we nu eens kijken hoe je PlanIQ instelt.

1. Stel uw gegevensverzameling in

PlanIQ kan tot drie soorten gegevens verwerken om een voorspellingsmodel te genereren. Hoewel slechts één type gegevens nodig is voor een voorspelling, kan het toevoegen van twee andere datasets het model helpen leren en meer op maat gemaakte voorspellingen voor een specifiek scenario opleveren. Daarom voegen we de bijbehorende gegevens en attributen toe.

2. Voer het voorspellingsmodel uit

Nadat u de gegevens hebt geanalyseerd, kunt u een voorspellingsmodel maken. Houd er rekening mee dat voor nauwkeurige voorspellingen schone gegevens en relevante invoer nodig zijn. Er zijn drie zaken waarmee u rekening moet houden: de algoritmen, de voorspellingshorizon en de kalender (om geografisch specifieke voorspellingen mogelijk te maken).

• Geef het model een naam.
• Kies het gewenste algoritme uit de下拉lijst (we zullen de details van het algoritme hieronder bespreken).
• Kies de gewenste prognosefrequentie (afhankelijk van de granulariteit van de gegevens in de dataverzameling).
• Klik vervolgens op de modus 'Voorspelling maken'. Het genereren van de voorspelling kan 30 tot 90 minuten duren, afhankelijk van het geselecteerde model.

Bij het kiezen van de modellen is het belangrijk om aandacht te besteden aan de instelling van de optimalisatiemetriek. PlanIQ ondersteunt drie optimalisatiemetrieken: MASE (standaard), MAPE en RMSE.

Zodra je de prognose hebt beoordeeld, oftewel de kwaliteitsindicatoren hebt gecontroleerd, kun je de backtestgegevens importeren (de gegevens die zijn achtergehouden uit de historische gegevens, die overeenkomen met de prognosehorizon) om de nauwkeurigheid te controleren. Daarna kun je de verklaarbaarheid importeren (een onderdeel van sommige algoritmen zoals Amazon Ensemble) – die wordt weergegeven in een grafische vorm met een vergelijking tussen de variabelen.

3. Stel een prognose-actieplan op.

Als het goed is, heb je nu een vooraf getraind voorspellingsmodel met de voorspellingsresultaten en geïmporteerde modellen. Nu kun je PlanIQ aan de slag laten gaan.

• Selecteer Voorspellingsacties > Nieuwe voorspellingsacties > Een voorspellingsactie maken
• Voer de naam in van de voorspellingsactie die u hebt aangemaakt tijdens het instellen van het trainingsplan.
• Voor het importeren van prognoses selecteert u uw doelwerkruimte en -model en vervolgens de import voor verklaarbaarheid.

4. Bekijk de resultaten en integreer ze in de planning.

• Maak kaarten met PlanIQ-resultaten om de verklaarbaarheid naast historische gegevens en prognoses te bekijken – door de juiste kaarten te configureren.
• U kunt de prognoseresultaten nu bekijken en toevoegen aan het planningsproces om de besluitvorming te verbeteren.

Wanneer moet je PlanIQ aanschaffen?

Hoewel we hebben beschreven hoe je ermee aan de slag kunt, zijn er een paar dingen waar je rekening mee moet houden als je PlanIQ overweegt. Om te beginnen, als je niet over voldoende kwalitatieve gegevens beschikt, is het raadzaam om die eerst te verbeteren voordat je met Anaplan PlanIQ begint.

De drie belangrijkste parameters waarmee u rekening moet houden zijn:

1. De behoefte aan een prognose-instrument/platform– dit moet gebaseerd zijn op uw huidige methoden, bijvoorbeeld of ze ontoereikend of handmatig zijn, of te duur, enz.

2. Gemakkelijk schalen- Bij het werken met meerdere productlijnen, diverse geografische markten of complexe toeleveringsketens kunnen de geavanceerde algoritmen van PlanIQ helpen deze complexiteit te beheren – in de Anaplan-omgeving.

3. Beperkte middelen- PlanIQ kan geavanceerde voorspellingsmogelijkheden bieden zonder de extra kosten van een extra data science-team.

Tenzij u al over een zeer geavanceerd prognoseprogramma beschikt, raden we u aan om in ieder geval een proof-of-concept (POC) voor PlanIQ uit te voeren om te zien hoe de omgeving voor u zou werken.

Haal het maximale uit uw PlanIQ-investering: veelgemaakte fouten, beste werkwijzen en vaardigheden

Een veelgemaakte fout bij de implementatie van PlanIQ is dat klanten geen rekening houden met de benodigde vaardigheden. Omdat het gebaseerd is op Anaplan, moeten modelbouwers in staat zijn om opgeslagen weergaven te creëren, modellen te structureren en import- en exportbestanden te maken en op te slaan. Daarnaast moeten ze ook enige kennis hebben van forecasting.

Enkele voorspellingen van PlanIQ zouden er ongeveer zo uitzien:

Het is dus nodig om de vaardigheden te bezitten om deze te kunnen interpreteren en de parameters die we hierboven hebben beschreven, zoals de voorspellingen en de kenmerken, enzovoort, te begrijpen.

De tweede overweging betreft verandermanagement, met name wanneer u overstapt van handmatige prognoses of jaar-op-jaar groeiprognoses. Dit vereist een meer uitgebreid verandermanagement dan wanneer u al gebruikmaakt van statistische prognoses of aangepaste machine learning-oplossingen. In al deze gevallen is verandermanagement noodzakelijk.

Beste werkwijzen bij het gebruik van PlanIQ

Uiteindelijk is PlanIQ een investering. Zelfs Harry Potter had de sorteerhoed nodig om het zwaard van Gryffindor eruit te trekken – voor elk gewenst gebruiksscenario zijn de juiste tools en processen nodig om het beoogde resultaat te bereiken.

Om het maximale uit uw investering te halen, dient u rekening te houden met de volgende best practices:

1. Zorgen voor de kwaliteit en voorbereiding van de gegevens, dat wil zeggen dat de gegevens schoon, consistent en op de juiste manier gestructureerd zijn. Ook het identificeren van externe gegevens die kunnen worden opgenomen voor betere voorspellingen.

2. Stel een vast schema op voor prognoses (bijvoorbeeld dagelijks, wekelijks, maandelijks) op basis van uw behoeften om tijdige aanpassingen te garanderen.

3. Monitor regelmatig en vergelijk de voorspellingsresultaten met de werkelijke uitkomsten om de prestaties van het model te evalueren.

4. Zorg voor training in het effectief gebruik van data-invoer, modelselectie en interpretatie van resultaten.

5. Integreer met bestaande processen, gebruik tools zoals Polestar's Anaplan Integration-hulpprogramma of connectors om verbinding te maken met gegevensbronnen en resultaten.

6. Gebruik PlanIQ als hulpmiddel ter ondersteuning van menselijke besluitvorming, niet ter vervanging ervan. Vraag zakelijke gebruikers om naast de voorspellingen van PlanIQ ook om de resultaten te verifiëren.

Daarnaast bespreken we nog een aantal onderwerpen waar veel van onze klanten ons al eerder naar hebben gevraagd.

Veelgestelde vragen:

1. Hoe kunnen we gegevens importeren in Anaplan PlanIQ?

Voorspellingsteams kunnen de nauwkeurigheid van voorspellingen verbeteren zonder eerst de gegevens naar Anaplan te hoeven verplaatsen. Ze kunnen interne en externe gegevens rechtstreeks in PlanIQ importeren vanuit AWS S3, Azure Blob Cloud of Google Cloud. Ook kunnen ze verbinding maken met Anaplan-modellen om de gegevens te importeren. Als alternatief kunnen ze gebruikmaken van connectors zoals Polestar's Integration Utility of Anaplan Cloud Works om verbinding te maken met gegevensbronnen.

2. Welke geavanceerde meetwaarden worden er in PlanIQ gebruikt?

De kwaliteit van de voorspellingen (net als bij elke andere statistische methode) wordt beoordeeld aan de hand van een aantal geavanceerde meetwaarden, zoals:

• MAPE, ofwel Mean Absolute Percentage Error: De som van de individuele absolute voorspellingsfouten, gedeeld door de werkelijke waarden voor elke periode. Hoe dichter dit bij 0 ligt, hoe beter.


• RMSE, ofwel wortelgemiddelde kwadratische fout: dit is de wortel van de cumulatieve som van de kwadraten van het verschil tussen de werkelijke en de geschatte waarde, gedeeld door het aantal niet-ontbrekende gegevenspunten. Een lagere RMSE-waarde duidt op een nauwkeurigere voorspelling.


• MAE of gemiddelde absolute fout: Dit is het gemiddelde absolute verschil tussen X en Y – er worden alleen gegevens met vergelijkbare eenheden vergeleken.


• MAAPE, ofwel Mean Arctangent Absolute Percentage Error: Dit is een maatstaf voor de nauwkeurigheid van voorspellingen van werkelijke waarden die nul of bijna nul zijn. Dit is met name nuttig wanneer er extreem grote fouten kunnen optreden als gevolg van onjuiste of foutieve waarnemingen.


• MASE, ofwel Mean Absolute Scaled Error: Dit is de gemiddelde absolute fout van de voorspelde waarden, gedeeld door de gemiddelde absolute fout van de naïeve voorspelling. Deze maatstaf is zeer geschikt voor tijdreeksen met een intermitterende vraag.


• SMAPE, oftewel Symmetric Mean Absolute Percentage Error: Deze schaalafhankelijke relatieve fout is de absolute fout gedeeld door de grootte van de exacte waarde.


• MASE: Dit is de algemene kwaliteitsindicator voor modellen, die zowel te positieve als te negatieve voorspellingen gelijk bestraft. Een model wordt als goed beschouwd als ten minste 60% van de items een MASE-score van hoge kwaliteit heeft behaald.

3. Welke algoritmes worden door PlanIQ ondersteund?

Dit onderwerp zou op zich al een heel artikel kunnen vullen. Om het eenvoudig te houden, worden de volgende algoritmen ondersteund:

• Standaard tijdreeksalgoritmen, waaronder ARIMA en ETS.
• Geavanceerde statistische tijdreeksalgoritmen zoals multivariate lineaire regressie
• Flexibele lokale algoritmen zoals Anaplan Prophet
• Neurale netwerkalgoritmen zoals DeepAR+ en CNN-QR

Houd er rekening mee dat geen enkel algoritme beter is dan een ander; de prestaties hangen af van het specifieke gebruiksscenario, de datasets, de context en historische patronen.

4. Wat voor soorten uitschieters zijn er en hoe ga je daarmee om in PlanIQ?

Over het algemeen zijn er drie soorten uitschieters, namelijk puntuitschieters, contextuele uitschieters of collectieve uitschieters. Puntuitschieters en contextuele uitschieters zijn de meest voorkomende vormen van uitschieters. Naast visualisatie worden ze meestal geïdentificeerd door de standaarddeviatie van de waarden te berekenen.

Enkele manieren om met uitschieters om te gaan zijn:

• Maak gebruik van de functie 'Waarde uitsluiten' van PlanIQ, waarmee uitschieters automatisch worden vervangen door een afwijkende waarde.
• Maak een prognosemodel en voorspel de waarde voor de periode waarin de uitschieter aanwezig is. Vervang vervolgens de uitschieter door de voorspelde waarde.
• Vervang de uitschieter handmatig.

Samenvattend: Wat is jouw PlanIQ-behoefte?

PlanIQ is een prognosetool die beschikbaar is voor Anaplan-gebruikers en nuttig is voor organisaties die AI/ML-functionaliteiten willen toevoegen aan hun planningsprocessen. Voordat u met PlanIQ aan de slag gaat, is het belangrijk om te begrijpen waarom, hoe en wanneer uw prognosestrategie van toepassing is. Als Anaplan-implementatiepartner.

Polestar Analytics helpt organisaties bij het bouwen van AI-gestuurde, verbonden planningsoplossingen die data, prognoses en besluitvorming binnen financiële en supply chain-teams samenbrengen.