Πραγματοποιήστε αναλύσεις what-if με το Amazon Forecast, έως και 80% πιο γρήγορα από πριν

Τώρα με Πρόβλεψη του Αμαζονίου, μπορείτε να διεξάγετε απρόσκοπτα αναλύσεις what-if έως και 80% πιο γρήγορα για να αναλύσετε και να ποσοτικοποιήσετε τον πιθανό αντίκτυπο των επιχειρηματικών μοχλών στις προβλέψεις ζήτησης. Το Forecast είναι μια υπηρεσία που χρησιμοποιεί μηχανική εκμάθηση (ML) για τη δημιουργία ακριβών προβλέψεων ζήτησης, χωρίς να απαιτείται εμπειρία ML. Η προσομοίωση σεναρίων μέσω αναλύσεων what-if είναι ένα ισχυρό επιχειρηματικό εργαλείο για την πλοήγηση στην αβεβαιότητα μελλοντικών γεγονότων, καταγράφοντας πιθανά αποτελέσματα από υποθετικά σενάρια. Αποτελεί κοινή πρακτική να αξιολογείτε τον αντίκτυπο των επιχειρηματικών αποφάσεων στα έσοδα ή την κερδοφορία, να ποσοτικοποιείτε τον κίνδυνο που σχετίζεται με τις τάσεις της αγοράς, να αξιολογείτε πώς να οργανώνετε τα logistics και το εργατικό δυναμικό για την κάλυψη της ζήτησης των πελατών και πολλά άλλα.

Η διεξαγωγή μιας ανάλυσης what-if για την πρόβλεψη ζήτησης μπορεί να είναι δύσκολη, επειδή χρειάζεστε πρώτα ακριβή μοντέλα για την πρόβλεψη της ζήτησης και, στη συνέχεια, έναν γρήγορο και εύκολο τρόπο αναπαραγωγής της πρόβλεψης σε μια σειρά σεναρίων. Μέχρι τώρα, αν και το Forecast παρείχε ακριβείς προβλέψεις ζήτησης, η διεξαγωγή ανάλυσης what-if με χρήση του Forecast θα μπορούσε να είναι κοπιώδης και χρονοβόρα. Για παράδειγμα, ο σχεδιασμός προώθησης λιανικής είναι μια κοινή εφαρμογή της ανάλυσης what-if για τον προσδιορισμό του βέλτιστου σημείου τιμής για ένα προϊόν για τη μεγιστοποίηση των εσόδων. Προηγουμένως στο Forecast, έπρεπε να προετοιμάσετε και να εισαγάγετε ένα νέο αρχείο εισόδου για κάθε σενάριο που θέλατε να δοκιμάσετε. Εάν θέλατε να δοκιμάσετε τρία διαφορετικά σημεία τιμών, έπρεπε πρώτα να δημιουργήσετε τρία νέα αρχεία εισόδου μετατρέποντας μη αυτόματα τα δεδομένα εκτός σύνδεσης και στη συνέχεια εισάγοντας κάθε αρχείο στο Forecast ξεχωριστά. Στην πραγματικότητα, κάνατε το ίδιο σύνολο εργασιών για κάθε σενάριο. Επιπλέον, για να συγκρίνετε σενάρια, έπρεπε να κάνετε λήψη της πρόβλεψης από κάθε σενάριο ξεχωριστά και στη συνέχεια να τα συγχωνεύσετε εκτός σύνδεσης.

Με τη σημερινή κυκλοφορία, μπορείτε εύκολα να πραγματοποιήσετε ανάλυση what-if έως και 80% πιο γρήγορα. Διευκολύναμε τη δημιουργία νέων σεναρίων, καταργώντας την ανάγκη χειρισμού και εισαγωγής δεδομένων εκτός σύνδεσης για κάθε σενάριο. Τώρα, μπορείτε να ορίσετε ένα σενάριο μετατρέποντας το αρχικό σας σύνολο δεδομένων μέσω απλών πράξεων, όπως πολλαπλασιάζοντας την τιμή για το προϊόν Α κατά 90% ή μειώνοντας την τιμή για το προϊόν Β κατά 10 $. Αυτοί οι μετασχηματισμοί μπορούν επίσης να συνδυαστούν με συνθήκες ελέγχου των παραμέτρων στις οποίες εφαρμόζεται το σενάριο (για παράδειγμα, μείωση της τιμής του προϊόντος Α σε μία μόνο τοποθεσία). Με αυτήν την κυκλοφορία, μπορείτε να ορίσετε και να εκτελέσετε πολλά σενάρια του ίδιου τύπου ανάλυσης (όπως ανάλυση προώθησης) ή διαφορετικών τύπων αναλύσεων (όπως ανάλυση προώθησης στη γεωγραφική περιοχή 1 και σχεδιασμός αποθέματος στη γεωγραφική περιοχή 2) ταυτόχρονα. Τέλος, δεν χρειάζεται πλέον να συγχωνεύετε και να συγκρίνετε αποτελέσματα σεναρίων εκτός σύνδεσης. Τώρα, μπορείτε να προβάλετε τις προβλέψεις προβλέψεων σε όλα τα σενάρια στο ίδιο γράφημα ή να εξαγάγετε μαζικά τα δεδομένα για έλεγχο εκτός σύνδεσης.

Επισκόπηση λύσεων

Τα βήματα σε αυτήν την ανάρτηση δείχνουν πώς να χρησιμοποιήσετε την ανάλυση what-if στο Κονσόλα διαχείρισης AWS. Για να χρησιμοποιήσετε απευθείας τα API Πρόβλεψης για ανάλυση "τι-αν", ακολουθήστε το σημειωματάριο στο δικό μας GitHub repo που παρέχει μια ανάλογη επίδειξη.

Εισαγάγετε τα δεδομένα προπόνησής σας

Για να πραγματοποιήσετε μια ανάλυση what-if, πρέπει να εισαγάγετε δύο αρχεία CSV που αντιπροσωπεύουν τα δεδομένα χρονικής σειράς-στόχου (που δείχνει τον στόχο πρόβλεψης) και τα σχετικά δεδομένα χρονοσειρών (που εμφανίζουν χαρακτηριστικά που επηρεάζουν τον στόχο). Το παράδειγμα αρχείου χρονικής σειράς στόχου περιέχει το αναγνωριστικό στοιχείου προϊόντος, τη χρονική σήμανση, τη ζήτηση, το αναγνωριστικό καταστήματος, την πόλη και την περιοχή και το σχετικό αρχείο χρονοσειρών περιέχει το αναγνωριστικό στοιχείου προϊόντος, το αναγνωριστικό καταστήματος, τη χρονική σήμανση, την πόλη, την περιοχή και την τιμή.

Για να εισαγάγετε τα δεδομένα σας, ολοκληρώστε τα παρακάτω βήματα:

1. Στην κονσόλα πρόβλεψης, επιλέξτε Προβολή ομάδων δεδομένων.

2. Επιλέξτε Δημιουργία ομάδας δεδομένων.

3. Για Όνομα ομάδας ομάδας δεδομένων, πληκτρολογήστε ένα όνομα δεδομένων (για αυτήν την ανάρτηση, my_company_consumer_sales_history).
4. Για Τομέας πρόβλεψης, επιλέξτε έναν τομέα πρόβλεψης (για αυτήν την ανάρτηση, Retail).
5. Επιλέξτε Επόμενο.

6. Στις Δημιουργία δεδομένων χρονικής σειράς-στόχου σελίδα, δώστε το όνομα του συνόλου, τη συχνότητα των δεδομένων σας και το σχήμα δεδομένων
7. Δώστε τις λεπτομέρειες εισαγωγής δεδομένων.
8. Επιλέξτε Αρχική.

Το ακόλουθο στιγμιότυπο οθόνης δείχνει τις πληροφορίες για τη σελίδα χρονοσειράς-στόχου που συμπληρώθηκαν για το παράδειγμά μας.

Θα μεταφερθείτε στον πίνακα ελέγχου που μπορείτε να χρησιμοποιήσετε για να παρακολουθείτε την πρόοδο.

9. Για να εισαγάγετε το σχετικό αρχείο χρονοσειράς, στον πίνακα εργαλείων, επιλέξτε εισαγωγή.

10. Στις Δημιουργήστε σχετικό σύνολο δεδομένων χρονοσειρών σελίδα, δώστε το όνομα του συνόλου και το σχήμα δεδομένων.
11. Δώστε τις λεπτομέρειες εισαγωγής δεδομένων.
12. Επιλέξτε Αρχική.

Το παρακάτω στιγμιότυπο οθόνης δείχνει τις πληροφορίες που συμπληρώσαμε για το παράδειγμά μας.

Εκπαίδευση προγνωστικού

Στη συνέχεια, εκπαιδεύουμε έναν προγνωστικό.

1. Στον πίνακα ελέγχου, επιλέξτε Εκπαίδευση πρόγνωσης.

2. Στις Εκπαίδευση πρόγνωσης σελίδα, εισαγάγετε ένα όνομα για τον προγνωστικό σας, πόσο καιρό στο μέλλον θέλετε να κάνετε πρόβλεψη και με ποια συχνότητα, καθώς και τον αριθμό των τεσσάρων για τα οποία θέλετε να κάνετε πρόβλεψη.
3. Ενεργοποίηση Αυτόματης Πρόβλεψης – αυτό απαιτείται για τη χρήση της ανάλυσης what-if.
4. Επιλέξτε Δημιουργία.

Το παρακάτω στιγμιότυπο οθόνης δείχνει τις πληροφορίες που συμπληρώσαμε για το παράδειγμά μας.

Δημιουργήστε μια πρόβλεψη

Αφού εκπαιδευτεί ο προγνωστικός μας (αυτό μπορεί να διαρκέσει περίπου 2.5 ώρες), δημιουργούμε μια πρόβλεψη. Θα ξέρετε ότι ο προγνωστικός σας είναι εκπαιδευμένος όταν δείτε το Προβολή Προγνωστικών κουμπί στο ταμπλό σας.

1. Επιλέξτε Δημιουργήστε μια πρόβλεψη στον πίνακα ελέγχου

2. Στις Δημιουργήστε μια πρόβλεψη σελίδα, εισαγάγετε ένα όνομα πρόβλεψης, επιλέξτε τον προγνωστικό παράγοντα που δημιουργήσατε και καθορίστε τα ποσοστά πρόβλεψης (προαιρετικά) και τα στοιχεία για τη δημιουργία πρόβλεψης.
3. Επιλέξτε Αρχική.

Αφού ολοκληρώσετε αυτά τα βήματα, έχετε δημιουργήσει με επιτυχία μια πρόβλεψη. Αυτό αντιπροσωπεύει το βασικό σενάριο πρόβλεψης που χρησιμοποιείτε για να κάνετε αναλύσεις what-if.

Εάν χρειάζεστε περισσότερη βοήθεια για τη δημιουργία των βασικών σας προβλέψεων, ανατρέξτε στο Ξεκινώντας (Κονσόλα). Τώρα προχωράμε στα επόμενα βήματα διεξαγωγής μιας ανάλυσης τι-αν.

Δημιουργήστε μια ανάλυση what-if

Σε αυτό το σημείο, έχουμε δημιουργήσει τη βασική μας πρόβλεψη και θα ξεκινήσουμε την περιγραφή του τρόπου διεξαγωγής μιας ανάλυσης τι αν. Υπάρχουν τρία στάδια για τη διεξαγωγή μιας ανάλυσης what-if: ρύθμιση της ανάλυσης, δημιουργία της πρόβλεψης what-if ορίζοντας τι αλλάζει στο σενάριο και συγκρίνοντας τα αποτελέσματα.

1. Για να ρυθμίσετε την ανάλυσή σας, επιλέξτε Εξερευνήστε την ανάλυση what-if στο ταμπλό.

2. Επιλέξτε Δημιουργία.

3. Εισαγάγετε ένα μοναδικό όνομα και επιλέξτε τη βασική πρόβλεψη στο αναπτυσσόμενο μενού.
4. Επιλέξτε τα στοιχεία του συνόλου δεδομένων σας για τα οποία θέλετε να πραγματοποιήσετε μια ανάλυση τι αν. Έχετε δύο επιλογές:
   1. Επιλέξτε όλα τα στοιχεία είναι η προεπιλογή, την οποία επιλέγουμε σε αυτήν την ανάρτηση.
   2. Εάν θέλετε να επιλέξετε συγκεκριμένα στοιχεία, επιλέξτε Επιλέξτε στοιχεία με ένα αρχείο και εισαγάγετε ένα αρχείο CSV που περιέχει το μοναδικό αναγνωριστικό για το αντίστοιχο στοιχείο και οποιαδήποτε σχετική ιδιότητα (όπως περιοχή).
5. Επιλέξτε Δημιουργήστε ανάλυση τι αν.

Δημιουργήστε μια πρόβλεψη what-if

Στη συνέχεια, δημιουργούμε μια πρόβλεψη what-if για να ορίσουμε το σενάριο που θέλουμε να αναλύσουμε.

1. Επιλέξτε Δημιουργία.

2. Εισαγάγετε ένα όνομα του σεναρίου σας.

Μπορείτε να ορίσετε το σενάριο σας με δύο επιλογές:

• Χρησιμοποιήστε συναρτήσεις μετασχηματισμού – Χρησιμοποιήστε το εργαλείο δημιουργίας μετασχηματισμού για να μετατρέψετε τα σχετικά δεδομένα χρονοσειρών που εισαγάγατε. Για αυτήν την αναλυτική περιγραφή, αξιολογούμε πώς αλλάζει η ζήτηση ενός στοιχείου στο σύνολο δεδομένων μας όταν η τιμή μειώνεται κατά 10% και στη συνέχεια κατά 30% σε σύγκριση με την τιμή στην αρχική πρόβλεψη.
• Καθορίστε την πρόβλεψη what-if με ένα σύνολο δεδομένων αντικατάστασης – Αντικαταστήστε το σχετικό σύνολο δεδομένων χρονοσειρών που εισαγάγατε.

Το εργαλείο δημιουργίας συναρτήσεων μετασχηματισμού παρέχει τη δυνατότητα μετατροπής των σχετικών δεδομένων χρονοσειρών που εισαγάγατε νωρίτερα μέσω απλών πράξεων για την προσθήκη, την αφαίρεση, τη διαίρεση και τον πολλαπλασιασμό χαρακτηριστικών στα δεδομένα σας (για παράδειγμα τιμή) με μια τιμή που καθορίζετε. Για το παράδειγμά μας, δημιουργούμε ένα σενάριο όπου μειώνουμε την τιμή κατά 10%, και η τιμή είναι ένα χαρακτηριστικό στο σύνολο δεδομένων.

3. Για Μέθοδος ορισμού της πρόβλεψης What-if, Επιλέξτε Χρησιμοποιήστε συναρτήσεις μετασχηματισμού.
4. Επιλέξτε Πολλαπλασιάστε ως χειριστής μας, τιμή ως χρονολογική σειρά μας, και εισάγετε 0.9.

Μπορείτε επίσης να προσθέσετε συνθήκες για να βελτιώσετε περαιτέρω το σενάριό σας. Για παράδειγμα, εάν το σύνολο δεδομένων σας περιείχε πληροφορίες καταστήματος οργανωμένες ανά περιοχή, θα μπορούσατε να περιορίσετε το σενάριο μείωσης τιμής ανά περιοχή. Θα μπορούσατε να ορίσετε ένα σενάριο μείωσης τιμής 10% που ισχύει για καταστήματα που δεν βρίσκονται στην περιοχή_1.

5. Επιλέξτε Προσθήκη συνθήκης.
6. Επιλέξτε Όχι ίσοι ως λειτουργία και εισαγάγετε Region_1.

Μια άλλη επιλογή για την τροποποίηση της σχετικής χρονικής σειράς είναι η εισαγωγή ενός νέου συνόλου δεδομένων που περιέχει ήδη τα δεδομένα που ορίζουν το σενάριο. Για παράδειγμα, για να ορίσουμε ένα σενάριο με μείωση τιμής 10%, μπορούμε να ανεβάσουμε ένα νέο σύνολο δεδομένων που προσδιορίζει το μοναδικό αναγνωριστικό για τα στοιχεία που αλλάζουν και την αλλαγή τιμής που είναι χαμηλότερη κατά 10%. Για να το κάνετε αυτό, επιλέξτε Καθορίστε την πρόβλεψη what-if με ένα σύνολο δεδομένων αντικατάστασης και εισαγάγετε ένα CSV που περιέχει την αλλαγή τιμής.

7. Για να ολοκληρώσετε τον ορισμό της πρόβλεψης what-if, επιλέξτε Δημιουργία.

Επαναλάβετε τη διαδικασία για να δημιουργήσετε μια άλλη πρόβλεψη what-if με μείωση τιμής 30%.

Αφού εκτελεστεί η ανάλυση what-if για κάθε πρόβλεψη what-if, η κατάσταση θα αλλάξει σε ενεργή. Αυτό ολοκληρώνει το δεύτερο στάδιο και μπορείτε να προχωρήσετε στη σύγκριση των προβλέψεων what-if.

Συγκρίνετε τις προβλέψεις

Μπορούμε τώρα να συγκρίνουμε τις προβλέψεις τι αν και για τα δύο σενάρια μας, συγκρίνοντας μείωση τιμής 10% με μείωση τιμής 30%.

1. Στη σελίδα πληροφοριών ανάλυσης, μεταβείτε στο Συγκρίνετε τις προβλέψεις what-if τμήμα.

1. Για item_id, εισαγάγετε το στοιχείο προς ανάλυση.
2. Για Τι και αν προβλέψεις, επιλέξτε τα σενάρια για σύγκριση (για αυτήν την ανάρτηση, Scenario_1 και Scenario_2).
3. Επιλέξτε Συγκρίνετε τι-αν.

Το παρακάτω γράφημα δείχνει τη ζήτηση που προκύπτει και στα δύο σενάρια μας.

Από προεπιλογή, εμφανίζει το P50 και το βασικό σενάριο περίπτωσης. Μπορείτε να δείτε όλα τα ποσοστά που δημιουργούνται επιλέγοντας τα ποσοστά που προτιμάτε στο Επιλέξτε προβλέψεις πτυσώμενο μενού.

Εξαγωγή των δεδομένων σας

Για να εξαγάγετε τα δεδομένα σας σε CSV, ολοκληρώστε τα παρακάτω βήματα:

1. Επιλέξτε Δημιουργία εξαγωγής.

2. Εισαγάγετε ένα όνομα για το αρχείο εξαγωγής σας (για αυτήν την ανάρτηση, my_scenario_export)
3. Καθορίστε τα σενάρια που θα εξαχθούν επιλέγοντας τα σενάρια στο Πρόβλεψη What-If πτυσώμενο μενού. Μπορείτε να εξαγάγετε πολλά σενάρια ταυτόχρονα σε ένα συνδυασμένο αρχείο.
4. Για Τοποθεσία εξαγωγής, καθορίστε το Απλή υπηρεσία αποθήκευσης Amazon Τοποθεσία (Amazon S3).
5. Για να ξεκινήσετε την εξαγωγή, επιλέξτε Δημιουργία εξαγωγής.

6. Για να πραγματοποιήσετε λήψη της εξαγωγής, μεταβείτε πρώτα στη θέση διαδρομής αρχείου S3 από την Κονσόλα διαχείρισης AWS και επιλέξτε το αρχείο και επιλέξτε το κουμπί λήψης. Το αρχείο εξαγωγής θα περιέχει τη χρονική σήμανση, το αναγνωριστικό στοιχείου, τις διαστάσεις και τις προβλέψεις για κάθε μερίδιο για όλα τα επιλεγμένα σενάρια (συμπεριλαμβανομένου του βασικού σεναρίου).

Συμπέρασμα

Η ανάλυση σεναρίων είναι ένα κρίσιμο εργαλείο που βοηθά στην πλοήγηση μέσα από τις αβεβαιότητες των επιχειρήσεων. Παρέχει προνοητικότητα και έναν μηχανισμό ιδεών για τεστ αντοχής, αφήνοντας τις επιχειρήσεις πιο ανθεκτικές, καλύτερα προετοιμασμένες και ελέγχουν το μέλλον τους. Το Forecast υποστηρίζει πλέον την πρόβλεψη αναλύσεων σεναρίων what-if. Για να πραγματοποιήσετε την ανάλυση του σεναρίου, ανοίξτε την κονσόλα Forecast και ακολουθήστε τα βήματα που περιγράφονται σε αυτήν την ανάρτηση ή ανατρέξτε στο Σημειωματάριο GitHub σχετικά με τον τρόπο πρόσβασης στη λειτουργικότητα μέσω API.

Για να μάθετε περισσότερα, ανατρέξτε στο CreateWhatIfAnalysis σελίδα στον οδηγό προγραμματιστή.

---

Σχετικά με τους συγγραφείς

Μπράντον Ναίρ είναι διευθυντής προϊόντων Sr. για το Amazon Forecast. Το επαγγελματικό του ενδιαφέρον έγκειται στη δημιουργία κλιμακούμενων υπηρεσιών και εφαρμογών μηχανικής μάθησης. Εκτός δουλειάς μπορεί να βρεθεί να εξερευνά εθνικά πάρκα, να τελειοποιεί την κούνια του γκολφ ή να σχεδιάζει ένα ταξίδι περιπέτειας.

Akhil Raj Azhikodan είναι Μηχανικός Ανάπτυξης Λογισμικού που εργάζεται στο Amazon Forecast. Τα ενδιαφέροντά του είναι ο σχεδιασμός και η κατασκευή αξιόπιστων συστημάτων που επιλύουν πολύπλοκα προβλήματα πελατών. Εκτός δουλειάς, του αρέσει να μαθαίνει ιστορία, να κάνει πεζοπορία και να παίζει βιντεοπαιχνίδια.

Κόνερ Σμιθ είναι Μηχανικός Ανάπτυξης Λογισμικού που εργάζεται στο Amazon Forecast. Επικεντρώνεται στη δημιουργία ασφαλών, επεκτάσιμων κατανεμημένων συστημάτων που παρέχουν αξία στους πελάτες. Εκτός δουλειάς αφιερώνει χρόνο διαβάζοντας μυθιστορήματα, παίζοντας κιθάρα και παρακολουθώντας τυχαία βίντεο στο YouTube.

Σάνον Κίλινγκσγουορθ είναι ο Σχεδιαστής UX για το Amazon Forecast. Βελτιώνει την εμπειρία χρήστη στο Forecast εδώ και δύο χρόνια απλοποιώντας τις διαδικασίες καθώς και προσθέτοντας νέες δυνατότητες με τρόπους που έχουν νόημα για τους χρήστες μας. Εκτός δουλειάς του αρέσει να τρέχει, να ζωγραφίζει και να διαβάζει.