الان مع توقعات الأمازون، يمكنك إجراء تحليلات ماذا لو بسلاسة أسرع بنسبة تصل إلى 80٪ لتحليل وتقدير التأثير المحتمل لرافعات الأعمال على توقعات الطلب الخاصة بك. التنبؤ هي خدمة تستخدم التعلم الآلي (ML) لإنشاء توقعات دقيقة للطلب ، دون الحاجة إلى أي خبرة في تعلم الآلة. تعد محاكاة السيناريوهات من خلال تحليلات ماذا لو أداة عمل قوية للتنقل عبر عدم اليقين في الأحداث المستقبلية من خلال التقاط النتائج المحتملة من السيناريوهات الافتراضية. إنها ممارسة شائعة لتقييم تأثير قرارات العمل على الإيرادات أو الربحية ، وتحديد المخاطر المرتبطة باتجاهات السوق ، وتقييم كيفية تنظيم اللوجستيات والقوى العاملة لتلبية طلب العملاء ، وأكثر من ذلك بكثير.
قد يكون إجراء تحليل ماذا لو للتنبؤ بالطلب أمرًا صعبًا لأنك تحتاج أولاً إلى نماذج دقيقة للتنبؤ بالطلب ثم طريقة سريعة وسهلة لإعادة إنتاج التنبؤ عبر مجموعة من السيناريوهات. حتى الآن ، على الرغم من أن التوقعات قدمت توقعات دقيقة للطلب ، فإن إجراء تحليل ماذا لو باستخدام التنبؤ قد يكون مرهقًا ويستغرق وقتًا طويلاً. على سبيل المثال ، يعد تخطيط ترويج البيع بالتجزئة تطبيقًا شائعًا لتحليل ماذا لو لتحديد نقطة السعر المثلى لمنتج ما لزيادة الإيرادات إلى الحد الأقصى. في السابق في التوقعات ، كان عليك إعداد واستيراد ملف إدخال جديد لكل سيناريو تريد اختباره. إذا كنت ترغب في اختبار ثلاث نقاط أسعار مختلفة ، فسيتعين عليك أولاً إنشاء ثلاثة ملفات إدخال جديدة عن طريق تحويل البيانات يدويًا دون اتصال بالإنترنت ثم استيراد كل ملف إلى التوقعات بشكل منفصل. في الواقع ، كنت تقوم بنفس مجموعة المهام لكل سيناريو. بالإضافة إلى ذلك ، لمقارنة السيناريوهات ، كان عليك تنزيل التنبؤ من كل سيناريو على حدة ثم دمجها في وضع عدم الاتصال.
مع إطلاق اليوم ، يمكنك بسهولة إجراء تحليل ماذا لو أسرع بنسبة تصل إلى 80٪. لقد سهلنا إنشاء سيناريوهات جديدة عن طريق إزالة الحاجة إلى معالجة البيانات دون اتصال بالإنترنت واستيرادها لكل سيناريو. الآن ، يمكنك تحديد سيناريو عن طريق تحويل مجموعة البيانات الأولية الخاصة بك من خلال عمليات بسيطة ، مثل ضرب سعر المنتج "أ" بنسبة 90٪ أو خفض سعر المنتج "ب" بمقدار 10 دولارات. يمكن أيضًا دمج هذه التحويلات مع شروط للتحكم في المعلمات التي ينطبق عليها السيناريو (على سبيل المثال ، تقليل سعر المنتج أ في موقع واحد فقط). مع هذا الإطلاق ، يمكنك تحديد وتشغيل سيناريوهات متعددة لنفس نوع التحليل (مثل تحليل الترويج) أو أنواع مختلفة من التحليلات (مثل تحليل الترويج في المنطقة الجغرافية 1 وتخطيط المخزون في المنطقة الجغرافية 2) في وقت واحد. أخيرًا ، لم تعد بحاجة إلى دمج نتائج السيناريوهات ومقارنتها في وضع عدم الاتصال. الآن ، يمكنك عرض تنبؤات التنبؤ عبر جميع السيناريوهات في نفس الرسم البياني أو تصدير البيانات بشكل مجمّع للمراجعة دون اتصال بالإنترنت.
حل نظرة عامة
توضح الخطوات الواردة في هذا المنشور كيفية استخدام تحليل ماذا لو في ملف وحدة تحكم إدارة AWS. لاستخدام واجهات برمجة تطبيقات التنبؤ بشكل مباشر لتحليل ماذا لو ، اتبع دفتر الملاحظات في جيثب ريبو التي تقدم مظاهرة مماثلة.
استيراد بيانات التدريب الخاصة بك
لإجراء تحليل ماذا لو ، يجب عليك استيراد ملفي CSV يمثلان بيانات السلاسل الزمنية المستهدفة (تظهر هدف التنبؤ) وبيانات السلاسل الزمنية ذات الصلة (تظهر السمات التي تؤثر على الهدف). يحتوي ملف السلسلة الزمنية المستهدفة على سبيل المثال على معرف عنصر المنتج والطابع الزمني والطلب ومعرف المتجر والمدينة والمنطقة ، ويحتوي ملف السلسلة الزمنية ذات الصلة على معرف عنصر المنتج ومعرف المتجر والطابع الزمني والمدينة والمنطقة والسعر.
لاستيراد بياناتك ، أكمل الخطوات التالية:
- في وحدة تحكم التوقعات ، اختر اعرض مجموعات البيانات.
- اختار إنشاء مجموعة بيانات.
- في حالة اسم مجموعة البيانات، أدخل اسم مجموعة البيانات (لهذه المشاركة ،
my_company_consumer_sales_history
). - في حالة مجال التنبؤ، اختر مجال التنبؤ (لهذا المنشور ،
Retail
). - اختار التالى.
- على إنشاء مجموعة بيانات السلاسل الزمنية المستهدفة الصفحة ، قدم اسم مجموعة البيانات وتكرار البيانات ومخطط البيانات
- قدم تفاصيل استيراد مجموعة البيانات.
- اختار آبدأ.
تُظهر لقطة الشاشة التالية المعلومات الخاصة بصفحة السلسلة الزمنية المستهدفة التي تم ملؤها على سبيل المثال.
سيتم نقلك إلى لوحة القيادة التي يمكنك استخدامها لتتبع التقدم.
- لاستيراد ملف السلاسل الزمنية ذات الصلة ، من لوحة المعلومات ، اختر استيراد.
- على إنشاء مجموعة بيانات السلاسل الزمنية ذات الصلة الصفحة ، قدم اسم مجموعة البيانات ومخطط البيانات.
- قدم تفاصيل استيراد مجموعة البيانات.
- اختار آبدأ.
تُظهر لقطة الشاشة التالية المعلومات التي تم ملؤها لمثالنا.
تدريب المتنبئ
بعد ذلك ، نقوم بتدريب المتنبئ.
- في لوحة القيادة ، اختر تدريب المتنبئ.
- على تدريب المتنبئ الصفحة ، أدخل اسمًا للمتنبئ الخاص بك ، والمدة التي تريد توقعها في المستقبل وبأي تردد ، وعدد الكميات التي تريد توقعها.
- تمكين AutoPredictor - هذا مطلوب لاستخدام تحليل ماذا لو.
- اختار إنشاء.
تُظهر لقطة الشاشة التالية المعلومات التي تم ملؤها لمثالنا.
ضع توقعات
بعد تدريب المتنبئ الخاص بنا (قد يستغرق ذلك حوالي 2.5 ساعة) ، نقوم بإنشاء تنبؤ. ستعرف أن المتنبئ الخاص بك قد تم تدريبه عندما ترى ملف مشاهدة ملف Predictors زر على لوحة القيادة الخاصة بك.
- اختار ضع توقعات على لوحة القيادة
- على ضع توقعات الصفحة ، أدخل اسم توقع ، واختر المتنبئ الذي قمت بإنشائه ، وحدد مقادير التنبؤ (اختياري) والعناصر التي تريد إنشاء تنبؤ لها.
- اختار آبدأ.
بعد إكمال هذه الخطوات ، تكون قد نجحت في إنشاء توقع. يمثل هذا السيناريو الأساسي للتنبؤ الذي تستخدمه لإجراء تحليلات ماذا لو.
إذا كنت بحاجة إلى مزيد من المساعدة في إنشاء التنبؤات الأساسية الخاصة بك ، فارجع إلى الشروع (وحدة التحكم). ننتقل الآن إلى الخطوات التالية لإجراء تحليل ماذا لو.
قم بإنشاء تحليل ماذا لو
في هذه المرحلة ، أنشأنا توقعاتنا الأساسية وسنبدأ في جولة تفصيلية حول كيفية إجراء تحليل ماذا لو. هناك ثلاث مراحل لإجراء تحليل ماذا لو: إعداد التحليل ، وإنشاء توقعات ماذا لو من خلال تحديد ما تم تغييره في السيناريو ، ومقارنة النتائج.
- لإعداد التحليل الخاص بك ، اختر استكشف تحليل ماذا لو على لوحة القيادة.
- اختار إنشاء.
- أدخل اسمًا فريدًا وحدد التنبؤ الأساسي في القائمة المنسدلة.
- اختر العناصر في مجموعة البيانات التي تريد إجراء تحليل ماذا لو لها. لديك خياران:
- حدد كل العناصر هو الافتراضي الذي نختاره في هذا المنشور.
- إذا كنت تريد اختيار عناصر محددة ، فاختر حدد العناصر مع ملف واستورد ملف CSV يحتوي على المعرف الفريد للعنصر المقابل وأي بُعد مرتبط (مثل المنطقة).
- اختار إنشاء تحليل ماذا لو.
إنشاء توقعات ماذا لو
بعد ذلك ، نقوم بإنشاء توقعات ماذا لو لتحديد السيناريو الذي نريد تحليله.
- اختار إنشاء.
- أدخل اسم السيناريو الخاص بك.
يمكنك تحديد السيناريو الخاص بك من خلال خيارين:
- استخدم وظائف التحويل - استخدم منشئ التحويل لتحويل بيانات السلاسل الزمنية ذات الصلة التي قمت باستيرادها. في هذه الإرشادات التفصيلية ، نقوم بتقييم كيفية تغير الطلب على عنصر في مجموعة البيانات الخاصة بنا عندما يتم تخفيض السعر بنسبة 10٪ ثم بنسبة 30٪ عند مقارنته بالسعر في التنبؤ الأساسي.
- حدد توقعات ماذا لو باستخدام مجموعة بيانات بديلة - استبدل مجموعة بيانات السلاسل الزمنية ذات الصلة التي قمت باستيرادها.
يوفر منشئ وظيفة التحويل القدرة على تحويل بيانات السلاسل الزمنية ذات الصلة التي قمت باستيرادها مسبقًا من خلال عمليات بسيطة لإضافة ، وطرح ، وتقسيم ، ومضاعفة الميزات في بياناتك (على سبيل المثال السعر) بقيمة تحددها. على سبيل المثال الخاص بنا ، نقوم بإنشاء سيناريو حيث نقوم بتخفيض السعر بنسبة 10٪ ، والسعر هو ميزة في مجموعة البيانات.
- في حالة طريقة تعريف التنبؤ ماذا لو، حدد استخدم وظائف التحويل.
- اختار ضرب كمشغل لدينا ، السعر كسلسلة زمنية لدينا ، وأدخل 0.9.
يمكنك أيضًا إضافة شروط لتحسين السيناريو الخاص بك. على سبيل المثال ، إذا كانت مجموعة البيانات الخاصة بك تحتوي على معلومات المتجر المنظمة حسب المنطقة ، فيمكنك تقييد سيناريو خفض السعر حسب المنطقة. يمكنك تحديد سيناريو لخفض السعر بنسبة 10٪ بحيث ينطبق على المتاجر غير الموجودة في Region_1.
- اختار أضف الشرط.
- اختار لا يساوي كالعملية وأدخل Region_1.
هناك خيار آخر لتعديل السلاسل الزمنية ذات الصلة وهو استيراد مجموعة بيانات جديدة تحتوي بالفعل على البيانات التي تحدد السيناريو. على سبيل المثال ، لتحديد سيناريو بتخفيض سعر بنسبة 10٪ ، يمكننا تحميل مجموعة بيانات جديدة تحدد المعرف الفريد للعناصر التي يتم تغييرها وتغير السعر الذي يقل بنسبة 10٪. للقيام بذلك ، حدد حدد توقعات ماذا لو باستخدام مجموعة بيانات بديلة واستيراد ملف CSV يحتوي على تغير السعر.
- لإكمال تعريف توقع ماذا لو ، اختر إنشاء.
كرر العملية لإنشاء توقعات ماذا لو أخرى بتخفيض سعر بنسبة 30٪.
بعد تشغيل تحليل ماذا لو لكل توقع ماذا لو ، ستتغير الحالة إلى نشطة. هذا ينهي المرحلة الثانية ، ويمكنك الانتقال إلى مقارنة توقعات ماذا لو.
قارن التوقعات
يمكننا الآن مقارنة تنبؤات ماذا لو لكلا السيناريوهين ، بمقارنة تخفيض السعر بنسبة 10٪ مع تخفيض السعر بنسبة 30٪.
- في صفحة رؤى التحليل ، انتقل إلى ملف قارن توقعات ماذا لو والقسم الخاص به.
- في حالة ITEM_ID، أدخل العنصر المراد تحليله.
- في حالة توقعات ماذا لو، اختر السيناريوهات المراد مقارنتها (لهذه المشاركة ،
Scenario_1
وScenario_2
). - اختار قارن ماذا لو.
يوضح الرسم البياني التالي الطلب الناتج في كلا السيناريوهين.
بشكل افتراضي ، يعرض P50 وسيناريو الحالة الأساسية. يمكنك عرض جميع الكميات التي تم إنشاؤها عن طريق تحديد الكميات المفضلة لديك على اختر التوقعات القائمة المنسدلة.
تصدير البيانات الخاصة بك
لتصدير بياناتك إلى CSV ، أكمل الخطوات التالية:
- اختار إنشاء تصدير.
- أدخل اسمًا لملف التصدير الخاص بك (لهذا المنشور ،
my_scenario_export
) - حدد السيناريوهات التي سيتم تصديرها عن طريق تحديد السيناريوهات الموجودة في ملف توقعات ماذا لو القائمة المنسدلة. يمكنك تصدير سيناريوهات متعددة دفعة واحدة في ملف مدمج.
- في حالة موقع التصدير، حدد ال خدمة تخزين أمازون البسيطة موقع (Amazon S3).
- لبدء التصدير ، اختر إنشاء تصدير.
- لتنزيل التصدير ، انتقل أولاً إلى موقع مسار ملف S3 من AWS Management Console وحدد الملف واختر زر التنزيل. سيحتوي ملف التصدير على الطابع الزمني ومعرف العنصر والأبعاد والتنبؤات لكل مقياس لجميع السيناريوهات المحددة (بما في ذلك السيناريو الأساسي).
وفي الختام
يعد تحليل السيناريو أداة مهمة للمساعدة في التنقل عبر أوجه عدم اليقين في الأعمال. إنه يوفر البصيرة وآلية لاختبار الأفكار ، مما يجعل الشركات أكثر مرونة ، وأفضل استعدادًا ، وتحكمًا في مستقبلها. يدعم التنبؤ الآن التنبؤ بتحليلات سيناريو ماذا لو. لإجراء تحليل السيناريو الخاص بك ، افتح وحدة التحكم في التوقعات واتبع الخطوات الموضحة في هذا المنشور ، أو ارجع إلى دفتر جيثب حول كيفية الوصول إلى الوظيفة عبر API.
لمعرفة المزيد ، راجع إنشاء ما إذا كان التحليل صفحة في دليل المطور.
عن المؤلفين
براندون ناير هو مدير المنتج الأول في Amazon Forecast. يكمن اهتمامه المهني في إنشاء خدمات وتطبيقات قابلة للتعلم الآلي. خارج العمل ، يمكن العثور عليه في استكشاف المتنزهات الوطنية ، أو إتقان أرجوحة الجولف أو التخطيط لرحلة مغامرة.
أخيل راج أزيكودان مهندس تطوير برمجيات يعمل على Amazon Forecast. تتركز اهتماماته في تصميم وبناء أنظمة موثوقة تحل مشاكل العملاء المعقدة. خارج العمل ، يستمتع بالتعرف على التاريخ والمشي لمسافات طويلة ولعب ألعاب الفيديو.
كونر سميث مهندس تطوير برمجيات يعمل على Amazon Forecast. إنه يركز على بناء أنظمة موزعة آمنة وقابلة للتطوير توفر قيمة للعملاء. خارج العمل ، يقضي وقته في قراءة القصص الخيالية ولعب الجيتار ومشاهدة مقاطع فيديو عشوائية على YouTube.
شانون كيلنجسورث هو مصمم UX لـ Amazon Forecast. لقد عمل على تحسين تجربة المستخدم في التوقعات لمدة عامين من خلال تبسيط العمليات بالإضافة إلى إضافة ميزات جديدة بطرق منطقية لمستخدمينا. خارج العمل يستمتع بالجري والرسم والقراءة.
- AI
- ai الفن
- مولد الفن ai
- الروبوت ai
- توقعات الأمازون
- آلة التعلم الأمازون
- الإعلانات
- الذكاء الاصطناعي
- شهادة الذكاء الاصطناعي
- الذكاء الاصطناعي في البنوك
- روبوت ذكاء اصطناعي
- روبوتات الذكاء الاصطناعي
- برنامج ذكاء اصطناعي
- التعلم الآلي من AWS
- سلسلة كتلة
- مؤتمر blockchain ai
- عملة عبقرية
- الذكاء الاصطناعي للمحادثة
- مؤتمر التشفير ai
- دال
- التعلم العميق
- google ai
- آلة التعلم
- أفلاطون
- أفلاطون ع
- الذكاء افلاطون البيانات
- لعبة أفلاطون
- أفلاطون داتا
- بلاتوغمينغ
- مقياس ai
- بناء الجملة
- زفيرنت