ভোক্তা প্যাকেজড পণ্য, উত্পাদন, এবং খুচরা শিল্পের গ্রাহকরা সর্বদা তথ্য থেকে উৎপন্ন অন্তর্দৃষ্টি এবং বিশ্লেষণের মাধ্যমে তাদের কর্মক্ষম প্রক্রিয়াগুলিকে শক্তিশালী করার উপায়গুলি সন্ধান করে৷ বিক্রয় পূর্বাভাসের মতো কাজগুলি কাঁচামাল পরিকল্পনা, সংগ্রহ, উত্পাদন, বিতরণ, এবং অন্তর্মুখী/আউটবাউন্ড লজিস্টিকসের মতো ক্রিয়াকলাপগুলিকে সরাসরি প্রভাবিত করে এবং এটি একটি একক গুদাম থেকে শুরু করে বৃহৎ আকারের উত্পাদন সুবিধা পর্যন্ত অনেক স্তরের প্রভাব ফেলতে পারে।
বিক্রয় প্রতিনিধি এবং পরিচালকরা ভবিষ্যতের বিক্রয় প্রবণতা সম্পর্কে অবগত ভবিষ্যদ্বাণী করতে ঐতিহাসিক বিক্রয় ডেটা ব্যবহার করে। পণ্য উত্পাদন, বিক্রয় এবং বিতরণের পরিকল্পনা পরিচালনা করতে গ্রাহকরা SAP ERP সেন্ট্রাল কম্পোনেন্ট (ECC) ব্যবহার করেন। SAP ECC-এর মধ্যে সেলস অ্যান্ড ডিস্ট্রিবিউশন (SD) মডিউল বিক্রয় অর্ডার পরিচালনা করতে সাহায্য করে। SAP সিস্টেমগুলি ঐতিহাসিক বিক্রয় ডেটার প্রাথমিক উত্স।
সেলস রিপ্রেজেন্টেটিভ এবং ম্যানেজারদের ডোমেইন জ্ঞান এবং তাদের সেলস ডেটার গভীর বোধগম্যতা রয়েছে। যাইহোক, তাদের মেশিন লার্নিং (ML) মডেল তৈরি করতে ডেটা সায়েন্স এবং প্রোগ্রামিং দক্ষতার অভাব রয়েছে যা বিক্রয়ের পূর্বাভাস তৈরি করতে পারে। তারা কোডের একটি লাইন না লিখে ML মডেল তৈরি করতে স্বজ্ঞাত, সহজ-ব্যবহারযোগ্য সরঞ্জামগুলি সন্ধান করে।
ব্যবসায়িক বিশ্লেষকরা যে তত্পরতা এবং কার্যকারিতা চান তা অর্জনে সংস্থাগুলিকে সহায়তা করার জন্য, আমরা উপস্থাপিত আমাজন সেজমেকার ক্যানভাস, একটি নো-কোড ML সমাধান যা আপনাকে ঘন্টা বা দিন পর্যন্ত ML সলিউশনের ডেলিভারি ত্বরান্বিত করতে সহায়তা করে। ক্যানভাস বিশ্লেষকদের সহজে ডেটা লেক, ডেটা গুদাম এবং অপারেশনাল ডেটা স্টোরগুলিতে উপলব্ধ ডেটা ব্যবহার করতে সক্ষম করে; এমএল মডেল নির্মাণ; এবং এগুলিকে ইন্টারেক্টিভভাবে ভবিষ্যদ্বাণী করতে এবং বাল্ক ডেটাসেটে ব্যাচ স্কোরিংয়ের জন্য ব্যবহার করুন—সবকিছুই কোডের একটি লাইন না লিখে।
এই পোস্টে, আমরা ক্যানভাস ব্যবহার করে নির্মিত একটি ML মডেল ব্যবহার করে বিক্রয়ের পূর্বাভাস তৈরি করতে SAP ECC থেকে বিক্রয় আদেশের ডেটা কীভাবে আনতে হয় তা দেখাই।
সমাধান ওভারভিউ
SAP বিক্রয় ডেটা ব্যবহার করে বিক্রয়ের পূর্বাভাস তৈরি করতে, আমাদের দুটি ব্যক্তির সহযোগিতা প্রয়োজন: ডেটা ইঞ্জিনিয়ার এবং ব্যবসায়িক বিশ্লেষক (বিক্রয় প্রতিনিধি এবং পরিচালক)। ডেটা ইঞ্জিনিয়াররা SAP সিস্টেম থেকে ডেটা এক্সপোর্ট কনফিগার করার জন্য দায়ী৷ আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) ব্যবহার করে অ্যামাজন অ্যাপফ্লো, কোন ব্যবসা বিশ্লেষকরা S3 বালতিতে SAP ডেটা রিফ্রেশ করতে অন-ডিমান্ড বা স্বয়ংক্রিয়ভাবে (শিডিউল-ভিত্তিক) চালাতে পারেন। ব্যবসা বিশ্লেষকরা তখন ক্যানভাস ব্যবহার করে রপ্তানি করা ডেটা দিয়ে পূর্বাভাস তৈরি করার জন্য দায়ী। নিম্নলিখিত চিত্রটি এই কর্মপ্রবাহকে চিত্রিত করে।
এই পোস্টের জন্য, আমরা SAP ব্যবহার করি NetWeaver এন্টারপ্রাইজ প্রকিউরমেন্ট মডেল নমুনা তথ্যের জন্য (EPM)। EPM সাধারণত SAP-তে প্রদর্শন এবং পরীক্ষার উদ্দেশ্যে ব্যবহৃত হয়। এটি সাধারণ ব্যবসায়িক প্রক্রিয়া মডেল ব্যবহার করে এবং একটি সু-সংজ্ঞায়িত ব্যবসায়িক যুক্তি সমর্থন করার জন্য ব্যবসায়িক বস্তু (BO) দৃষ্টান্ত অনুসরণ করে। আমরা প্রায় 80,000 ঐতিহাসিক বিক্রয় আদেশ তৈরি করতে SAP লেনদেন SEPM_DG (ডেটা জেনারেটর) ব্যবহার করেছি এবং পণ্য ID, বিক্রয় তারিখ এবং শহর দ্বারা ডেটা একত্রিত করতে একটি HANA CDS ভিউ তৈরি করেছি, যেমনটি নিম্নলিখিত কোডে দেখানো হয়েছে:
পরবর্তী বিভাগে, আমরা ABAP কাঠামো হিসাবে SAP OData পরিষেবাগুলি ব্যবহার করে এই দৃশ্যটি প্রকাশ করব, যা আমাদেরকে Amazon AppFlow-এর মাধ্যমে ডেটা বের করতে দেয়।
নিম্নলিখিত সারণীটি SAP থেকে প্রতিনিধি ঐতিহাসিক বিক্রয় ডেটা দেখায়, যা আমরা এই পোস্টে ব্যবহার করি।
পণ্য আইডি | বিক্রয় তারিখ | শহর | ক্সতদ |
পি-4 | 2013-01-02 00:00:00 | কুইটো | 1922.00 |
পি-5 | 2013-01-02 00:00:00 | সান্টো Domingo | 1903.00 |
ডেটা ফাইলটি দৈনিক ফ্রিকোয়েন্সি ঐতিহাসিক ডেটা। এতে চারটি কলাম রয়েছে (productid
, saledate
, city
, এবং totalsales
) আমরা একটি এমএল মডেল তৈরি করতে ক্যানভাস ব্যবহার করি যা পূর্বাভাস দিতে ব্যবহৃত হয় totalsales
উন্নত productid
একটি নির্দিষ্ট শহরে।
এই পোস্টটি ডেটা প্রকৌশলী এবং ব্যবসা বিশ্লেষক উভয়ের জন্য পণ্য বিক্রয় পূর্বাভাস তৈরি করার জন্য কার্যকলাপ এবং দায়িত্ব দেখানোর জন্য সংগঠিত হয়েছে।
ডেটা ইঞ্জিনিয়ার: অ্যামাজন অ্যাপফ্লো দিয়ে SAP থেকে Amazon S3-তে ডেটাসেট এক্সট্র্যাক্ট, ট্রান্সফর্ম এবং লোড করুন
ডেটা ইঞ্জিনিয়ার হিসাবে আপনি যে প্রথম কাজটি করেন তা হল SAP ECC থেকে একটি S3 বাকেটের ঐতিহাসিক বিক্রয় ডেটার উপর একটি এক্সট্র্যাক্ট, ট্রান্সফর্ম এবং লোড (ETL) কাজ চালানো, যা ব্যবসা বিশ্লেষক তাদের পূর্বাভাস মডেলের জন্য উত্স ডেটাসেট হিসাবে ব্যবহার করে। এই জন্য, আমরা Amazon AppFlow ব্যবহার করি, কারণ এটি একটি আউট-অফ-দ্য-বক্স প্রদান করে SAP OData সংযোগকারী ETL-এর জন্য (নিম্নলিখিত চিত্রে দেখানো হয়েছে), SAP ECC থেকে S3 বালতিতে সংযোগ কনফিগার করার জন্য প্রয়োজনীয় সবকিছু সেট আপ করার জন্য একটি সাধারণ UI সহ।
পূর্বশর্ত
অ্যামাজন অ্যাপফ্লোকে SAP-এর সাথে সংহত করার জন্য নিম্নলিখিত প্রয়োজনীয়তাগুলি রয়েছে:
- SAP NetWeaver স্ট্যাক সংস্করণ 7.40 SP02 বা তার উপরে
- পরিষেবা আবিষ্কারের জন্য SAP গেটওয়েতে ক্যাটালগ পরিষেবা (OData v2.0/v2.0) সক্ষম করা হয়েছে
- SAP OData পরিষেবার জন্য ক্লায়েন্ট-সাইড পেজিনেশন এবং ক্যোয়ারী বিকল্পগুলির জন্য সমর্থন
- এসএপি-তে HTTPS সক্রিয় সংযোগ
প্রমাণীকরণ
অ্যামাজন অ্যাপফ্লো SAP এর সাথে সংযোগ করতে দুটি প্রমাণীকরণ প্রক্রিয়া সমর্থন করে:
- মৌলিক - SAP OData ব্যবহারকারীর নাম এবং পাসওয়ার্ড ব্যবহার করে প্রমাণীকরণ করে।
- OAuth 2.0 - একটি পরিচয় প্রদানকারীর সাথে OAuth 2.0 কনফিগারেশন ব্যবহার করে। OData v2.0/v2.0 পরিষেবার জন্য OAuth 2.0 সক্ষম করা আবশ্যক।
সংযোগ
Amazon AppFlow একটি পাবলিক SAP OData ইন্টারফেস বা একটি ব্যক্তিগত সংযোগ ব্যবহার করে SAP ECC এর সাথে সংযোগ করতে পারে৷ একটি ব্যক্তিগত সংযোগ সর্বজনীন ইন্টারনেটের পরিবর্তে ব্যক্তিগত AWS নেটওয়ার্কের মাধ্যমে ডেটা স্থানান্তর করে ডেটা গোপনীয়তা এবং সুরক্ষা উন্নত করে। একটি ব্যক্তিগত সংযোগ একটি VPC-তে চলমান SAP OData উদাহরণের জন্য VPC এন্ডপয়েন্ট পরিষেবা ব্যবহার করে। VPC এন্ডপয়েন্ট সার্ভিসে অবশ্যই Amazon AppFlow সার্ভিস প্রিন্সিপাল থাকতে হবে appflow.amazonaws.com
একটি অনুমোদিত অধ্যক্ষ হিসাবে এবং একটি AWS অঞ্চলের অন্তত 50% এর বেশি প্রাপ্যতা অঞ্চলে উপলব্ধ হতে হবে।
Amazon AppFlow-এ একটি ফ্লো সেট আপ করুন
SAP থেকে S3 বালতিতে ডেটাতে একটি ETL কাজ চালানোর জন্য আমরা Amazon AppFlow-এ একটি নতুন ফ্লো কনফিগার করি। এই প্রবাহটি উত্স হিসাবে SAP OData সংযোগকারীর কনফিগারেশন, গন্তব্য হিসাবে S3 বালতি, OData অবজেক্ট নির্বাচন, ডেটা ম্যাপিং, ডেটা যাচাইকরণ এবং ডেটা ফিল্টারিংয়ের অনুমতি দেয়৷
- নিম্নলিখিত তথ্য প্রদান করে একটি ডেটা উৎস হিসাবে SAP OData সংযোগকারীকে কনফিগার করুন:
- আপনি উৎস কনফিগার করার পরে, বিক্রয় আদেশের জন্য OData অবজেক্ট এবং সাবজেক্ট নির্বাচন করুন।
সাধারণত, SAP থেকে বিক্রয় ডেটা একটি নির্দিষ্ট ফ্রিকোয়েন্সিতে রপ্তানি করা হয়, যেমন পূর্ণ আকারের জন্য মাসিক বা ত্রৈমাসিক। এই পোস্টের জন্য, পূর্ণ আকারের রপ্তানির জন্য সাবজেক্ট বিকল্পটি বেছে নিন।
- গন্তব্য হিসাবে S3 বালতি চয়ন করুন।
প্রবাহ এই বালতিতে ডেটা রপ্তানি করে।
- জন্য ডেটা বিন্যাস পছন্দ, নির্বাচন করুন CSV বিন্যাস.
- জন্য ডেটা স্থানান্তর পছন্দ, নির্বাচন করুন সমস্ত রেকর্ড একত্রিত করুন.
- জন্য ফাইলের নাম পছন্দ, নির্বাচন করুন ফাইলের নামের সাথে একটি টাইমস্ট্যাম্প যোগ করুন.
- জন্য ফোল্ডার গঠন পছন্দ, নির্বাচন করুন কোনো টাইমস্ট্যাম্প ফোল্ডার নেই.
রেকর্ড একত্রীকরণ কনফিগারেশন একটি একক ফাইলে মিলিত SAP থেকে পূর্ণ আকারের বিক্রয় ডেটা রপ্তানি করে। ফাইলের নামটি S3 বাকেটের মধ্যে একটি একক ফোল্ডারে (প্রবাহের নাম) YYYY-MM-DDTHH:mm:ss ফর্ম্যাটে একটি টাইমস্ট্যাম্প দিয়ে শেষ হয়। মডেল প্রশিক্ষণ এবং পূর্বাভাসের জন্য ক্যানভাস এই একক ফাইল থেকে ডেটা আমদানি করে।
- উৎস ডেটা ক্ষেত্রগুলিকে গন্তব্য ডেটা ক্ষেত্রগুলিতে ম্যাপ করতে ডেটা ম্যাপিং এবং বৈধতাগুলি কনফিগার করুন এবং প্রয়োজনীয় হিসাবে ডেটা বৈধতা নিয়মগুলি সক্ষম করুন৷
- আপনার প্রয়োজনের প্রয়োজন হলে আপনি নির্দিষ্ট রেকর্ডগুলি ফিল্টার করার জন্য ডেটা ফিল্টারিং শর্তগুলিও কনফিগার করেন।
- আপনার ফ্লো ট্রিগার কনফিগার করুন যে প্রবাহটি ম্যানুয়ালি অন-ডিমান্ড বা স্বয়ংক্রিয়ভাবে একটি সময়সূচীর উপর ভিত্তি করে চলে কিনা তা নির্ধারণ করুন।
একটি সময়সূচীর জন্য কনফিগার করা হলে, ফ্রিকোয়েন্সি কত ঘন ঘন পূর্বাভাস তৈরি করা প্রয়োজন তার উপর ভিত্তি করে (সাধারণত মাসিক, ত্রৈমাসিক বা অর্ধ-বার্ষিক)।
ফ্লো কনফিগার করার পরে, ব্যবসায়িক বিশ্লেষকরা এটিকে চাহিদা অনুযায়ী চালাতে পারেন বা SAP থেকে S3 বালতিতে বিক্রয় অর্ডার ডেটাতে একটি ETL কাজ সম্পাদন করতে সময়সূচীর ভিত্তিতে চালাতে পারেন। - Amazon AppFlow কনফিগারেশন ছাড়াও, ডেটা ইঞ্জিনিয়ারদেরও একটি কনফিগার করতে হবে এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট ক্যানভাসের জন্য (IAM) ভূমিকা যাতে এটি অন্যান্য AWS পরিষেবাগুলি অ্যাক্সেস করতে পারে। নির্দেশাবলীর জন্য, পড়ুন আপনার ব্যবহারকারীদের সময় সিরিজের পূর্বাভাস করার অনুমতি দিন.
ব্যবসায়িক বিশ্লেষক: একটি পূর্বাভাস মডেল প্রশিক্ষণের জন্য ঐতিহাসিক বিক্রয় ডেটা ব্যবহার করুন
চলুন গিয়ার স্যুইচ করি এবং ব্যবসায়িক বিশ্লেষকের দিকে চলে যাই। একজন ব্যবসায়িক বিশ্লেষক হিসাবে, আমরা একটি ভিজ্যুয়াল, পয়েন্ট-এন্ড-ক্লিক পরিষেবা খুঁজছি যা ML মডেলগুলি তৈরি করা সহজ করে এবং কোডের একটি লাইন না লিখে বা ML দক্ষতা ছাড়াই সঠিক ভবিষ্যদ্বাণী তৈরি করে৷ ক্যানভাস নো-কোড এমএল সমাধান হিসাবে প্রয়োজনীয়তা ফিট করে।
প্রথমে, নিশ্চিত করুন যে আপনার IAM ভূমিকা এমনভাবে কনফিগার করা হয়েছে যাতে ক্যানভাস অন্যান্য AWS পরিষেবাগুলি অ্যাক্সেস করতে পারে। আরো তথ্যের জন্য, পড়ুন আপনার ব্যবহারকারীদের সময় সিরিজের পূর্বাভাস করার অনুমতি দিন, অথবা আপনি আপনার ক্লাউড ইঞ্জিনিয়ারিং টিমের কাছে সাহায্য চাইতে পারেন।
ডেটা ইঞ্জিনিয়ার যখন Amazon AppFlow-ভিত্তিক ETL কনফিগারেশন সেট আপ করে, তখন ঐতিহাসিক বিক্রয় ডেটা আপনার জন্য একটি S3 বালতিতে পাওয়া যায়।
আপনি এখন ক্যানভাসের সাথে একটি মডেল প্রশিক্ষণের জন্য প্রস্তুত! এতে সাধারণত চারটি ধাপ থাকে: পরিষেবাতে ডেটা আমদানি করা, উপযুক্ত মডেলের ধরন নির্বাচন করে মডেল প্রশিক্ষণ কনফিগার করা, মডেলটিকে প্রশিক্ষণ দেওয়া এবং অবশেষে মডেল ব্যবহার করে পূর্বাভাস তৈরি করা।
ক্যানভাসে ডেটা আমদানি করুন
প্রথমে, থেকে ক্যানভাস অ্যাপ চালু করুন আমাজন সেজমেকার কনসোল বা আপনার একক সাইন-অন অ্যাক্সেস থেকে। আপনি যদি এটি করতে না জানেন তবে আপনার প্রশাসকের সাথে যোগাযোগ করুন যাতে তারা আপনাকে ক্যানভাস সেট আপ করার প্রক্রিয়ার মাধ্যমে গাইড করতে পারে৷ নিশ্চিত করুন যে আপনি SAP থেকে ঐতিহাসিক ডেটাসেট ধারণকারী S3 বাকেটের মতো একই অঞ্চলে পরিষেবাটি অ্যাক্সেস করেছেন। আপনি নিম্নলিখিত মত একটি পর্দা দেখতে হবে.
তারপর নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- ক্যানভাসে, বেছে নিন ডেটাসেট নেভিগেশন ফলকে।
- বেছে নিন আমদানি S3 বালতি থেকে ডেটা আমদানি শুরু করতে।
- ইম্পোর্ট স্ক্রিনে, প্রশিক্ষণ ডেটা আমদানি করতে S3 বাকেট থেকে ডেটা ফাইল বা অবজেক্ট বেছে নিন।
আপনি ক্যানভাসে একাধিক ডেটাসেট আমদানি করতে পারেন। এটি নির্বাচন করে ডেটাসেটের মধ্যে যোগদান তৈরি করতেও সমর্থন করে তথ্য যোগদান, যা বিশেষভাবে উপযোগী হয় যখন প্রশিক্ষণের ডেটা একাধিক ফাইলে ছড়িয়ে থাকে।
মডেল কনফিগার এবং প্রশিক্ষণ
আপনি ডেটা আমদানি করার পরে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- বেছে নিন মডেল নেভিগেশন ফলকে।
- বেছে নিন নতুন মডেল পূর্বাভাস মডেল প্রশিক্ষণের জন্য কনফিগারেশন শুরু করতে.
- নতুন মডেলের জন্য, এটি একটি উপযুক্ত নাম দিন, যেমন
product_sales_forecast_model
. - বিক্রয় ডেটাসেট নির্বাচন করুন এবং নির্বাচন করুন ডেটাসেট নির্বাচন করুন.
ডেটাসেট নির্বাচন করার পরে, আপনি ডেটা পরিসংখ্যান দেখতে পারেন এবং বিল্ড ট্যাবে মডেল প্রশিক্ষণ কনফিগার করতে পারেন।
- নির্বাচন করা ক্সতদ পূর্বাভাস জন্য লক্ষ্য কলাম হিসাবে.
তুমি দেখতে পার সময় সিরিজের পূর্বাভাস মডেল টাইপ হিসাবে স্বয়ংক্রিয়ভাবে নির্বাচিত হয়। - বেছে নিন কনফিগার করুন.
- মধ্যে সময় সিরিজ পূর্বাভাস কনফিগারেশন বিভাগ, চয়ন করুন পণ্য আইডি উন্নত আইটেম আইডি কলাম.
- বেছে নিন শহর উন্নত গ্রুপ কলাম.
- বেছে নিন বিক্রয় তারিখ উন্নত টাইম স্ট্যাম্প কলাম.
- জন্য দিনপ্রবেশ করান
120
. - বেছে নিন সংরক্ষণ করুন.
এটি পূর্বাভাস করার জন্য মডেলটিকে কনফিগার করেtotalsales
120 দিনের জন্য ব্যবহার করেsaledate
ঐতিহাসিক তথ্যের উপর ভিত্তি করে, যার জন্য জিজ্ঞাসা করা যেতে পারেproductid
এবংcity
.
- মডেল প্রশিক্ষণ কনফিগারেশন সম্পূর্ণ হলে, নির্বাচন করুন স্ট্যান্ডার্ড বিল্ড মডেল প্রশিক্ষণ শুরু করতে।
সার্জারির প্রিভিউ মডেল বিকল্প সময় সিরিজ পূর্বাভাস মডেল ধরনের জন্য উপলব্ধ নয়. আপনি মডেল প্রশিক্ষণের জন্য আনুমানিক সময় পর্যালোচনা করতে পারেন বিশ্লেষণ করা ট্যাব।
ডেটা আকারের উপর নির্ভর করে মডেল প্রশিক্ষণ সম্পূর্ণ হতে 1-4 ঘন্টা সময় লাগতে পারে। মডেলটি প্রস্তুত হলে, আপনি পূর্বাভাস তৈরি করতে এটি ব্যবহার করতে পারেন।
একটি পূর্বাভাস তৈরি করুন
মডেল প্রশিক্ষণ সম্পূর্ণ হলে, এটি মডেলের ভবিষ্যদ্বাণী সঠিকতা দেখায় বিশ্লেষণ করা ট্যাব উদাহরণস্বরূপ, এই উদাহরণে, এটি ভবিষ্যদ্বাণীর যথার্থতা 92.87% হিসাবে দেখায়।
পূর্বাভাস উপর উত্পন্ন হয় ভবিষ্যদ্বাণী করা ট্যাব আপনি সমস্ত আইটেম বা একটি নির্বাচিত একক আইটেমের জন্য পূর্বাভাস তৈরি করতে পারেন। এটি তারিখের পরিসরও দেখায় যার জন্য পূর্বাভাস তৈরি করা যেতে পারে।
একটি উদাহরণ হিসাবে, নির্বাচন করুন একক আইটেম বিকল্প। নির্বাচন করা পি-2 উন্নত আইটেম এবং কুইটো উন্নত গ্রুপ কুইটো শহরের জন্য 2-2017-08 15:00:00 থেকে 00-2017-12 13:00:00 তারিখের সীমার জন্য পণ্য P-00 এর জন্য একটি ভবিষ্যদ্বাণী তৈরি করতে।
উৎপন্ন পূর্বাভাস গড় পূর্বাভাসের পাশাপাশি পূর্বাভাসের উপরের এবং নিম্ন সীমানা দেখায়। পূর্বাভাসের সীমাগুলি পূর্বাভাস পরিচালনার জন্য একটি আক্রমনাত্মক বা ভারসাম্যপূর্ণ পদ্ধতির কনফিগার করতে সহায়তা করে।
আপনি একটি CSV ফাইল বা চিত্র হিসাবে জেনারেট করা পূর্বাভাস ডাউনলোড করতে পারেন। জেনারেট করা পূর্বাভাস CSV ফাইলটি সাধারণত পূর্বাভাস ডেটার সাথে অফলাইনে কাজ করতে ব্যবহৃত হয়।
টাইম সিরিজ ডেটার জন্য এখন পূর্বাভাস তৈরি করা হয়েছে। পূর্বাভাসের জন্য ডেটার একটি নতুন বেসলাইন উপলব্ধ হলে, আপনি নতুন বেসলাইন ব্যবহার করে পূর্বাভাসের মডেলকে পুনরায় প্রশিক্ষণ দিতে ক্যানভাসে ডেটাসেট পরিবর্তন করতে পারেন।
প্রশিক্ষণের ডেটা পরিবর্তন হওয়ার সাথে সাথে আপনি মডেলটিকে একাধিকবার পুনরায় প্রশিক্ষণ দিতে পারেন।
উপসংহার
এই পোস্টে, আপনি শিখেছেন কিভাবে Amazon AppFlow SAP OData সংযোগকারী SAP সিস্টেম থেকে একটি S3 বালতিতে বিক্রয় আদেশের ডেটা রপ্তানি করে এবং তারপর কীভাবে পূর্বাভাসের জন্য একটি মডেল তৈরি করতে ক্যানভাস ব্যবহার করতে হয়।
আপনি যেকোন SAP টাইম সিরিজ ডেটা পরিস্থিতির জন্য ক্যানভাস ব্যবহার করতে পারেন, যেমন খরচ বা রাজস্ব পূর্বাভাস। সম্পূর্ণ পূর্বাভাস প্রজন্ম প্রক্রিয়া কনফিগারেশন চালিত হয়. সেলস ম্যানেজার এবং প্রতিনিধিরা প্রতি মাসে বা প্রতি ত্রৈমাসিকে বারবার বিক্রির পূর্বাভাস তৈরি করতে পারেন একটি রিফ্রেশ করা ডেটার সেটের মাধ্যমে একটি দ্রুত, সহজবোধ্য এবং স্বজ্ঞাত উপায়ে কোডের একটি লাইন না লিখে। এটি উত্পাদনশীলতা উন্নত করতে সাহায্য করে এবং দ্রুত পরিকল্পনা এবং সিদ্ধান্ত নিতে সক্ষম করে।
শুরু করতে, নিম্নলিখিত সংস্থানগুলি ব্যবহার করে ক্যানভাস এবং অ্যামাজন অ্যাপফ্লো সম্পর্কে আরও জানুন:
- আমাজন সেজমেকার ক্যানভাস বিকাশকারী গাইড
- অ্যামাজন সেজমেকার ক্যানভাস ঘোষণা করা হচ্ছে – ব্যবসায়িক বিশ্লেষকদের জন্য একটি ভিজ্যুয়াল, নো কোড মেশিন লার্নিং ক্ষমতা
- Extract data from SAP ERP and BW with Amazon AppFlow
- SAP OData Connector configuration
লেখক সম্পর্কে
ব্রজেন্দ্র সিং এন্টারপ্রাইজ গ্রাহকদের সাথে কাজ করা Amazon Web Services-এর সমাধান স্থপতি। তার শক্তিশালী বিকাশকারী ব্যাকগ্রাউন্ড রয়েছে এবং তিনি ডেটা এবং মেশিন লার্নিং সমাধানের জন্য প্রখর উত্সাহী।
ডেভিড গ্যালিটেলি EMEA অঞ্চলে AI/ML-এর জন্য একজন বিশেষজ্ঞ সমাধান স্থপতি৷ তিনি ব্রাসেলসে অবস্থিত এবং বেনেলাক্স জুড়ে গ্রাহকদের সাথে ঘনিষ্ঠভাবে কাজ করেন। তিনি খুব অল্প বয়স থেকেই একজন বিকাশকারী ছিলেন, 7 বছর বয়সে কোড করতে শুরু করেছিলেন। তিনি বিশ্ববিদ্যালয়ে AI/ML শিখতে শুরু করেছিলেন, এবং তখন থেকেই এর প্রেমে পড়েছেন।
- Coinsmart. ইউরোপের সেরা বিটকয়েন এবং ক্রিপ্টো এক্সচেঞ্জ।
- প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. বিনামূল্যে এক্সেস.
- ক্রিপ্টোহক। Altcoin রাডার। বিনামূল্যে ট্রায়াল.
- Source: https://aws.amazon.com/blogs/machine-learning/extract-insights-from-sap-erp-with-no-code-ml-solutions-with-amazon-appflow-and-amazon-sagemaker-canvas/
- '
- "
- 000
- 100
- 7
- a
- সম্পর্কে
- দ্রুততর করা
- প্রবেশ
- সঠিক
- অর্জন করা
- দিয়ে
- ক্রিয়াকলাপ
- যোগ
- প্রভাবিত
- সব
- অনুমতি
- সর্বদা
- মর্দানী স্ত্রীলোক
- অ্যামাজন ওয়েব সার্ভিসেস
- বিশ্লেষক
- বৈশ্লেষিক ন্যায়
- অ্যাপ্লিকেশন
- অভিগমন
- যথাযথ
- কাছাকাছি
- প্রমাণীকরণ করে
- প্রমাণীকরণ
- স্বয়ংক্রিয়ভাবে
- উপস্থিতি
- সহজলভ্য
- গড়
- ডেস্কটপ AWS
- পটভূমি
- বেসলাইন
- কারণ
- মধ্যে
- সীমান্ত
- আনা
- ব্রাসেলস
- নির্মাণ করা
- ব্যবসায়
- ক্যানভাস
- মধ্য
- কিছু
- পরিবর্তন
- বেছে নিন
- শহর
- মেঘ
- কোড
- সহযোগিতা
- স্তম্ভ
- মিলিত
- সাধারণ
- সম্পূর্ণ
- উপাদান
- পরিবেশ
- কনফিগারেশন
- সংযোগ করা
- সংযোগ
- কনসোল
- ভোক্তা
- যোগাযোগ
- সৃষ্টি
- নির্মিত
- তৈরি করা হচ্ছে
- গ্রাহকদের
- দৈনিক
- উপাত্ত
- তথ্য গোপনীয়তা
- ডেটা গোপনীয়তা এবং সুরক্ষা
- তথ্য বিজ্ঞান
- সিদ্ধান্ত
- বিলি
- চাহিদা
- দাবি
- নির্ভর করে
- গন্তব্য
- বিকাশকারী
- সরাসরি
- বিতরণ
- ডোমেইন
- নিচে
- ডাউনলোড
- চালিত
- সহজে
- কার্যকারিতা
- ক্ষমতাপ্রদান করা
- সক্ষম করা
- সম্ভব
- শেষপ্রান্ত
- প্রান্ত
- প্রকৌশলী
- প্রকৌশল
- প্রকৌশলী
- প্রবেশ করান
- উদ্যোগ
- আনুমানিক
- সব
- উদাহরণ
- ল্যাপারোস্কোপিক পদ্ধতি
- দ্রুত
- ক্ষেত্রসমূহ
- ফিল্টারিং
- পরিশেষে
- প্রথম
- প্রবাহ
- অনুসরণ
- অনুসরণ
- বিন্যাস
- থেকে
- সম্পূর্ণ
- ভবিষ্যৎ
- প্রবেশপথ
- সাধারণত
- উত্পাদন করা
- উৎপাদিত
- প্রজন্ম
- উত্পাদক
- পণ্য
- গ্রুপ
- কৌশল
- হ্যান্ডলিং
- জমিদারি
- উচ্চতা
- সাহায্য
- সাহায্য
- ঐতিহাসিক
- কিভাবে
- কিভাবে
- যাহোক
- HTTPS দ্বারা
- পরিচয়
- ভাবমূর্তি
- প্রভাব
- আমদানি
- উন্নত করা
- শিল্প
- তথ্য
- অবগত
- অর্ন্তদৃষ্টি
- উদাহরণ
- সম্পূর্ণ
- ইন্টারফেস
- Internet
- স্বজ্ঞাত
- IT
- কাজ
- যোগদানের
- যোগদান করেছে
- চাবি
- জানা
- জ্ঞান
- লেবেল
- শুরু করা
- শিখতে
- জ্ঞানী
- শিক্ষা
- মাত্রা
- লাইন
- LINK
- বোঝা
- সরবরাহ
- খুঁজছি
- ভালবাসা
- মেশিন
- মেশিন লার্নিং
- করা
- তৈরি করে
- পরিচালনা করা
- পরিচালকের
- ম্যানুয়ালি
- উত্পাদন
- মানচিত্র
- ম্যাপিং
- উপাদান
- হতে পারে
- ML
- মডেল
- মডেল
- মাস
- মাসিক
- অধিক
- পদক্ষেপ
- বহু
- ন্যাভিগেশন
- চাহিদা
- নেটওয়ার্ক
- অফলাইন
- অপারেশনস
- পছন্দ
- অপশন সমূহ
- ক্রম
- আদেশ
- সংগঠন
- সংগঠিত
- অন্যান্য
- দৃষ্টান্ত
- বিশেষ
- বিশেষত
- পাসওয়ার্ড
- পরিকল্পনা
- ভবিষ্যদ্বাণী
- ভবিষ্যতবাণী
- প্রি
- প্রাথমিক
- অধ্যক্ষ
- গোপনীয়তা
- গোপনীয়তা এবং নিরাপত্তা
- ব্যক্তিগত
- প্রক্রিয়া
- প্রসেস
- পণ্য
- উত্পাদনের
- প্রমোদ
- প্রোগ্রামিং
- প্রদানকারী
- উপলব্ধ
- প্রদানের
- প্রকাশ্য
- প্রকাশ করা
- উদ্দেশ্য
- সিকি
- দ্রুত
- পরিসর
- কাঁচা
- নথি
- রেকর্ড
- এলাকা
- প্রতিনিধি
- প্রয়োজনীয়
- আবশ্যকতা
- Resources
- দায়িত্ব
- দায়ী
- খুচরা
- রাজস্ব
- এখানে ক্লিক করুন
- ভূমিকা
- নিয়ম
- চালান
- দৌড়
- বিক্রয়
- বিক্রয়
- একই
- প্রাণরস
- বিজ্ঞান
- স্কোরিং
- স্ক্রিন
- নিরাপত্তা
- নির্বাচিত
- নির্বাচন
- ক্রম
- সেবা
- সেবা
- সেট
- বিন্যাস
- প্রদর্শিত
- সহজ
- থেকে
- একক
- আয়তন
- দক্ষতা
- So
- কঠিন
- সমাধান
- সলিউশন
- বিশেষজ্ঞ
- নির্দিষ্ট
- বিস্তার
- গাদা
- শুরু
- শুরু
- পরিসংখ্যান
- স্টোরেজ
- দোকান
- শক্তিশালী
- সমর্থন
- সমর্থন
- সুইচ
- পদ্ধতি
- সিস্টেম
- লক্ষ্য
- কাজ
- টীম
- পরীক্ষামূলক
- সার্জারির
- উৎস
- দ্বারা
- সর্বত্র
- সময়
- বার
- সরঞ্জাম
- প্রশিক্ষণ
- লেনদেন
- হস্তান্তর
- স্থানান্তরিত হচ্ছে
- রুপান্তর
- প্রবণতা
- সাধারণত
- ui
- বোধশক্তি
- বিশ্ববিদ্যালয়
- us
- ব্যবহার
- ব্যবহারকারী
- বৈধতা
- সংস্করণ
- চেক
- উপায়
- ওয়েব
- ওয়েব সার্ভিস
- ভাল-সংজ্ঞায়িত
- কিনা
- মধ্যে
- ছাড়া
- হয়া যাই ?
- কাজ
- কাজ
- লেখা
- তরুণ
- আপনার