Tämä on vieraspostaus, jonka ovat kirjoittaneet Nafi Ahmet Turgut, Mutlu Polatcan, Pınar Baki, Mehmet İkbal Özmen, Hasan Burak Yel ja Hamza Akyıldız Getiristä.
toi on ultranopean päivittäistavaratoimituksen edelläkävijä. Teknologiayritys on mullistanut viime mailin toimituksen "elintarvikkeita minuuteissa" -toimitusehdotuksella. Getir perustettiin vuonna 2015, ja se toimii Turkissa, Isossa-Britanniassa, Alankomaissa, Saksassa, Ranskassa, Espanjassa, Italiassa, Portugalissa ja Yhdysvalloissa. Nykyään Getir on monialayhtiö, johon kuuluu yhdeksän vertikaalia saman tuotemerkin alla.
Tulevaisuuden kysynnän ennustaminen on yksi Getirin tärkeimmistä oivalluksista ja yksi suurimmista kohtaamiamme haasteista. Getir luottaa vahvasti tarkkoihin kysyntäennusteisiin SKU-tasolla tehdessään liiketoimintapäätöksiä monilla aloilla, mukaan lukien markkinointi, tuotanto, varastot ja rahoitus. Tarkat ennusteet ovat tarpeen varastonpito- ja täydennyspäätösten tukemiseksi. Selkeä ja luotettava kuva seuraavan päivän tai viikon ennustetusta kysynnästä antaa meille mahdollisuuden muokata strategiaamme ja parantaa kykyämme saavuttaa myynti- ja tuottotavoitteemme.
Getir käytetty Amazonin sääennuste, täysin hallittu palvelu, joka käyttää koneoppimisalgoritmeja (ML) tuottaakseen erittäin tarkkoja aikasarjaennusteita, kasvattaakseen tuloja neljä prosenttia ja vähentääkseen jätekustannuksia 50 prosenttia. Tässä viestissä kuvailemme, kuinka käytimme Forecastia näiden etujen saavuttamiseksi. Esittelemme, kuinka rakensimme automatisoidun kysynnän ennusteen putkilinjan Forecastin ja ohjaajan avulla AWS-vaihetoiminnot ennustaa SKU:iden päivittäistä kysyntää. Tämä ratkaisu johti erittäin tarkaan ennusteeseen yli 10,000 XNUMX SKU:lle kaikissa toimintamaissamme ja auttoi merkittävästi kykyämme kehittää erittäin skaalautuvia sisäisiä toimitusketjuprosesseja.
Ennuste automatisoi suuren osan aikasarjaennusteprosessista, jolloin voit keskittyä tietojoukkojen valmisteluun ja ennusteiden tulkintaan.
Step Functions on täysin hallittu palvelu, joka helpottaa hajautettujen sovellusten ja mikropalvelujen komponenttien koordinointia visuaalisten työnkulkujen avulla. Sovellusten rakentaminen yksittäisistä komponenteista, joista jokainen suorittaa erillisen toiminnon, auttaa sinua skaalaamaan helpommin ja vaihtamaan sovelluksia nopeammin. Step Functions käynnistää ja seuraa automaattisesti jokaista vaihetta ja yrittää uudelleen, kun ilmenee virheitä, joten sovelluksesi suoritetaan järjestyksessä ja odotetulla tavalla.
Ratkaisun yleiskatsaus
Kuusi henkilöä Getirin datatieteen tiimistä ja infrastruktuuritiimistä työskenteli yhdessä tässä projektissa. Projekti valmistui 3 kuukaudessa ja otettiin tuotantoon 2 kuukauden testauksen jälkeen.
Seuraavassa kaaviossa näkyy ratkaisun arkkitehtuuri.
Malliputkisto suoritetaan erikseen jokaiselle maalle. Arkkitehtuuri sisältää neljä Airflow cron -työtä, jotka suoritetaan määritetyn aikataulun mukaisesti. Liukuhihna alkaa ominaisuuden luomisella, joka ensin luo ominaisuudet ja lataa ne Amazonin punainen siirto. Seuraavaksi ominaisuuden käsittelytyö valmistelee päivittäiset Amazon Redshiftiin tallennetut ominaisuudet ja purkaa aikasarjatiedot Amazonin yksinkertainen tallennuspalvelu (Amazon S3). Toinen Airflow-työ on vastuussa Forecast-putkilinjan käynnistämisestä Amazon EventBridge. Putkilinja koostuu Amazon Lambda -funktioista, jotka luovat ennustajia ja ennusteita Amazon S3:een tallennettujen parametrien perusteella. Ennuste lukee tietoja Amazon S3:sta, kouluttaa mallia hyperparametrioptimoinnilla (HPO) mallin suorituskyvyn optimoimiseksi ja tuottaa tulevaisuuden ennusteita tuotemyynnistä. Sitten kullekin maalle laukeaa Step Functions "WaitInProgress"-putki, joka mahdollistaa putkilinjan rinnakkaisen suorittamisen jokaisessa maassa.
Algoritmin valinta
Amazon Forecastissa on kuusi sisäänrakennettua algoritmia (ARIMA, ETS, NPTS, profeetta, DeepAR +, CNN-QR), jotka on ryhmitelty kahteen ryhmään: tilastollinen ja syvä/hermoverkko. Näistä algoritmeista syvä-/hermoverkot sopivat paremmin sähköisen kaupankäynnin ennustusongelmiin, koska ne hyväksyvät kohteen metadatan ominaisuuksia, tulevaisuuteen suuntautuvia ominaisuuksia kampanja- ja markkinointitoimintoihin ja – mikä tärkeintä – niihin liittyvät aikasarjaominaisuudet. Syvä-/hermoverkkoalgoritmit toimivat erittäin hyvin myös harvassa datajoukossa ja kylmäkäynnistysskenaarioissa (uuden kohteen käyttöönotto).
Kaiken kaikkiaan kokeissamme havaitsimme, että syvä-/hermoverkkomallit toimivat merkittävästi paremmin kuin tilastolliset mallit. Siksi keskitimme syväsukellustestauksen DeepAR+:aan ja CNN-QR:ään
Yksi Amazon Forecastin tärkeimmistä eduista on skaalautuvuus ja tarkat tulokset monille tuote- ja maayhdistelmille. Testauksessamme sekä DeepAR+- että CNN-QR-algoritmit toivat menestystä trendien ja kausivaihteluiden vangitsemisessa, mikä mahdollistaa tehokkaiden tulosten saavuttamisen tuotteissa, joiden kysyntä muuttuu hyvin usein.
Deep AutoRegressive Plus (DeepAR+) on valvottu yksimuuttujaennustusalgoritmi, joka perustuu toistuviin hermoverkkoihin (RNN), jotka ovat luoneet Amazonin tutkimus. Sen tärkeimmät edut ovat, että se on helposti skaalautuva, se pystyy sisällyttämään tietoihin merkityksellisiä yhteismuuttujia (kuten liittyviä tietoja ja metadataa) ja voi ennustaa kylmäkäynnistyskohteita. Sen sijaan, että jokaiselle aikasarjalle sovitetaan erilliset mallit, se luo globaalin mallin toisiinsa liittyvistä aikasarjoista, jotta se käsittelee laajasti vaihtelevia asteikkoja uudelleenskaalauksen ja nopeuspohjaisen näytteenoton avulla. RNN-arkkitehtuuri sisältää binomiaalisen todennäköisyyden tuottaa todennäköisyysennusteita, ja sen kirjoittajat suosittelevat, että se ylittää perinteiset yhden kohteen ennustusmenetelmät (kuten Prophet). DeepAR: Todennäköinen ennuste automaattisen toistuvan verkon avulla.
Valitsimme lopulta Amazon CNN-QR (Konvoluutiohermoverkko – Quantile Regression) -algoritmi ennusteillemme sen korkean suorituskyvyn ansiosta backtest-prosessissa. CNN-QR on Amazonin kehittämä patentoitu ML-algoritmi skalaarien (yksiulotteisten) aikasarjojen ennustamiseen käyttämällä kausaalisia konvoluutiohermoverkkoja (CNN).
Kuten aiemmin mainittiin, CNN-QR voi käyttää toisiinsa liittyviä aikasarjoja ja metatietoja ennustettavista kohteista. Metatiedoissa on oltava merkintä kaikille kohdeaikasarjan yksilöllisille nimikkeille, jotka meidän tapauksessamme ovat tuotteita, joiden kysyntää ennustamme. Tarkkuuden parantamiseksi käytimme luokka- ja alakategorian metatietoja, jotka auttoivat mallia ymmärtämään tiettyjen tuotteiden välistä suhdetta, mukaan lukien täydentävät ja korvaavat tuotteet. Esimerkiksi juomille tarjoamme ylimääräisen lipun välipaloille, koska nämä kaksi kategoriaa täydentävät toisiaan.
Yksi CNN-QR:n merkittävä etu on sen kyky ennustaa ilman tulevia liittyviä aikasarjoja, mikä on tärkeää, kun et voi tarjota ennusteikkunaan liittyviä ominaisuuksia. Tämä ominaisuus ja sen ennusteen tarkkuus tarkoittivat, että CNN-QR tuotti parhaat tulokset tietojemme ja käyttötapaustemme perusteella.
Ennuste tulos
Järjestelmän kautta luodut ennusteet kirjoitetaan erillisiin S3-ämpäriin, kun ne on vastaanotettu maakohtaisesti. Sitten ennusteet kirjoitetaan Amazon Redshiftille SKU:n ja päivittäisten työpaikkojen maan perusteella. Tämän jälkeen teemme päivittäisen tuotevarastosuunnittelun ennusteidemme perusteella.
Jatkuvasti laskemme keskimääräisiä absoluuttisia prosenttiosuuksia (MAPE) tuotepohjaisilla tiedoilla ja optimoimme mallien ja ominaisuuksien käyttöprosesseja.
Yhteenveto
Tässä viestissä kävelimme Amazon Forecastin ja AWS Step Functionsin avulla rakentamamme automatisoidun kysynnän ennustamisen putkilinjan läpi.
Amazon Forecastin avulla paransimme maakohtaista MAPEamme 10 prosenttia. Tämä on kasvattanut liikevaihtoa neljä prosenttia ja vähentänyt jätekustannuksiamme 50 prosenttia. Lisäksi saavutimme 80 prosentin parannuksen harjoitusaikoissamme päivittäisissä ennusteissa skaalautuvuuden suhteen. Pystymme ennustamaan yli 10,000 XNUMX SKU:ta päivittäin kaikissa palvelemissamme maissa.
Lisätietoja omien putkien rakentamisen aloittamisesta Forecastin avulla on kohdassa Amazon Forecast -resurssit. Voit myös käydä AWS-vaihetoiminnot saadaksesi lisätietoja automatisoitujen prosessien rakentamisesta sekä ML-putkien organisoinnista ja luomisesta. Hyvää ennustamista ja aloita liiketoimintasi parantaminen jo tänään!
Tietoja Tekijät
Nafi Ahmet Turgut valmistui sähkö- ja elektroniikkatekniikan maisteriksi ja työskenteli tutkijana. Hän keskittyi koneoppimisalgoritmien rakentamiseen hermostuneiden verkkopoikkeamien simuloimiseksi. Hän tuli Getirille vuonna 2019 ja työskentelee tällä hetkellä Senior Data Science & Analytics Managerina. Hänen tiiminsä on vastuussa Getirin kokonaisvaltaisten koneoppimisalgoritmien ja dataohjattujen ratkaisujen suunnittelusta, toteutuksesta ja ylläpidosta.
Mutlu Polatcan on Getirin henkilöstötietoinsinööri, joka on erikoistunut pilvipohjaisten tietoalustojen suunnitteluun ja rakentamiseen. Hän rakastaa avoimen lähdekoodin projektien yhdistämistä pilvipalveluihin.
Pinar Baki suoritti maisterin tutkinnon Boğaziçi-yliopiston tietokonetekniikan osastolta. Hän työskenteli Arcelikissa datatutkijana keskittyen varaosien suositusmalleihin sekä iän, sukupuolen ja tunneanalyysiin puhedatasta. Sitten hän liittyi Getiriin vuonna 2022 vanhempana tietotutkijana, joka työskenteli ennustamis- ja hakukoneprojekteissa.
Mehmet İkbal Özmen suoritti kauppatieteiden maisterin tutkinnon ja työskenteli tutkija-assistenttina. Hänen tutkimusalueenaan olivat pääasiassa taloudelliset aikasarjamallit, Markovin simulaatiot ja taantuman ennustaminen. Sitten hän liittyi Getirille vuonna 2019 ja työskentelee tällä hetkellä Data Science & Analytics Managerina. Hänen tiiminsä on vastuussa optimointi- ja ennustealgoritmeista, jotka ratkaisevat toiminnan ja toimitusketjun yritysten kohtaamia monimutkaisia ongelmia.
Hasan Burak Yel suoritti sähkö- ja elektroniikkatekniikan kandidaatin tutkinnon Boğaziçin yliopistossa. Hän työskenteli Turkcellissa keskittyen pääasiassa aikasarjaennusteisiin, datan visualisointiin ja verkkoautomaatioon. Hän liittyi Getiriin vuonna 2021 ja työskentelee tällä hetkellä johtavana tietotutkijana vastuullaan haku- ja suositusmoottorista sekä asiakaskäyttäytymismalleista.
Hamza Akyıldız suoritti matematiikan ja tietotekniikan kandidaatin tutkinnon Boğaziçin yliopistossa. Hän keskittyy optimoimaan koneoppimisalgoritmit niiden matemaattisen taustan avulla. Hän liittyi Getiriin vuonna 2021 ja on työskennellyt datatutkijana. Hän on työskennellyt personointiin ja toimitusketjuun liittyvissä projekteissa.
Esra Kayabalı on AWS:n vanhempi ratkaisuarkkitehti, joka on erikoistunut analytiikka-alueisiin, mukaan lukien tietovarastointi, datajärvet, big data-analytiikka, erä- ja reaaliaikainen datan suoratoisto ja tietojen integrointi. Hänellä on 12 vuoden kokemus ohjelmistokehityksestä ja arkkitehtuurista. Hän on intohimoinen pilviteknologioiden oppimiseen ja opettamiseen.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoAiStream. Web3 Data Intelligence. Tietoa laajennettu. Pääsy tästä.
- Tulevaisuuden lyöminen Adryenn Ashley. Pääsy tästä.
- Osta ja myy osakkeita PRE-IPO-yhtiöissä PREIPO®:lla. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/demand-forecasting-at-getir-built-with-amazon-forecast/
- :on
- :On
- :missä
- 000
- 10
- 100
- 12
- 2015
- 2019
- 2021
- 2022
- 50
- 7
- a
- kyky
- pystyy
- Meistä
- absoluuttinen
- Hyväksyä
- tarkkuus
- tarkka
- Saavuttaa
- saavutettu
- poikki
- toiminta
- Lisäksi
- lisä-
- Etu
- etuja
- Jälkeen
- ikä
- algoritmi
- algoritmit
- Kaikki
- Salliminen
- mahdollistaa
- pitkin
- Myös
- Amazon
- Amazonin sääennuste
- Amazonin punainen siirto
- Amazon Web Services
- keskuudessa
- an
- analyysi
- Analytics
- ja
- ja infrastruktuuri
- Hakemus
- sovellukset
- arkkitehtuuri
- OVAT
- ALUE
- alueet
- AS
- Avustaja
- At
- Tekijät
- Automatisoitu
- automaatti
- automaattisesti
- Automaatio
- AWS
- AWS-vaihetoiminnot
- tausta
- Backtest
- perustua
- perusta
- ollut
- ovat
- Hyödyt
- PARAS
- Paremmin
- välillä
- Iso
- Big Data
- Suurimmat
- sekä
- merkki
- toi
- rakentaa
- Rakentaminen
- rakennettu
- sisäänrakennettu
- liiketoiminta
- yritykset
- by
- laskea
- Kampanja
- CAN
- Kaappaaminen
- kuljettaa
- tapaus
- luokat
- Kategoria
- tietty
- ketju
- haasteet
- muuttaa
- Muutokset
- selkeä
- pilvi
- pilvipalvelut
- yhdistelmät
- yhdistely
- yritys
- täydentävä
- Valmistunut
- monimutkainen
- osat
- tietokone
- Tietotekniikka
- monialayritys
- osaltaan
- koordinoida
- Hinta
- kustannukset
- maahan
- maa
- maakohtaiset
- luoda
- luotu
- luo
- luominen
- Tällä hetkellä
- asiakas
- asiakkaan käyttäytyminen
- päivittäin
- tiedot
- Data Analytics
- tietojenkäsittely
- tietojen tutkija
- tietojoukko
- datan visualisointi
- data-driven
- aineistot
- päivä
- päätökset
- määritelty
- Aste
- toimittaa
- toimitus
- Kysyntä
- Kysynnän ennustaminen
- osasto
- käyttöön
- kuvata
- suunnittelu
- kehittää
- kehitetty
- Kehitys
- jaettu
- verkkotunnuksen
- ajanut
- kaksi
- verkkokaupan
- kukin
- helpompaa
- helposti
- Taloudellinen
- Taloustiede
- tehokas
- Elektroniikka
- mahdollistaa
- mahdollistaa
- päittäin
- Moottori
- insinööri
- Tekniikka
- merkintä
- virhe
- virheet
- esimerkki
- toteuttaja
- teloitus
- odotettu
- experience
- kokenut
- Kasvot
- Ominaisuus
- Ominaisuudet
- rahoittaa
- Etunimi
- asennus
- Keskittää
- keskityttiin
- keskittyy
- tarkennus
- jälkeen
- varten
- Ennuste
- ennusteet
- tulevaisuuteen
- Perustettu
- neljä
- Ranska
- usein
- alkaen
- täysin
- toiminto
- tehtävät
- tulevaisuutta
- Sukupuoli
- Saksa
- saada
- Global
- Tavoitteet
- valmistua
- Ryhmän
- vieras
- vieras Lähetä
- kahva
- onnellinen
- ottaa
- he
- raskaasti
- auttanut
- auttaa
- hänen
- Korkea
- erittäin
- hänen
- pito
- Miten
- Miten
- HTML
- HTTPS
- Hyperparametrien optimointi
- täytäntöönpanosta
- tärkeä
- parantaa
- parani
- parannus
- parantaminen
- in
- sisältää
- sisältää
- Mukaan lukien
- sisällyttää
- sisältävät
- Kasvaa
- henkilökohtainen
- tiedot
- Infrastruktuuri
- oivalluksia
- sen sijaan
- integraatio
- sisäinen
- tulee
- esittely
- inventaario
- IT
- Italia
- kohdetta
- SEN
- Job
- Työpaikat
- liittyi
- jpg
- johtaa
- oppiminen
- Led
- Taso
- pitää
- kuormat
- rakastaa
- kone
- koneoppiminen
- tärkein
- pääasiallisesti
- ylläpitäminen
- TEE
- Tekeminen
- onnistui
- johtaja
- monet
- Marketing
- maisterin
- matemaattinen
- matematiikka
- tarkoittaa
- tarkoitti
- Tavata
- mainitsi
- Metadata
- menetelmät
- microservices
- ML
- malli
- mallit
- kk
- lisää
- eniten
- paljon
- täytyy
- välttämätön
- Alankomaat
- verkko
- verkot
- neuroverkkomallien
- hermoverkkoihin
- Uusi
- seuraava
- saada
- of
- on
- ONE
- jatkuva
- avoimen lähdekoodin
- käyttää
- toimii
- toiminta
- optimointi
- Optimoida
- optimoimalla
- or
- orkestroinut
- tilata
- Muut
- meidän
- ulos
- ääriviivat
- suoriutua paremmin kuin
- yli
- oma
- Parallel
- parametrit
- intohimoinen
- Ihmiset
- prosentti
- osuus
- Suorittaa
- suorituskyky
- Personointi
- kuva
- pioneeri
- putki
- suunnittelu
- Platforms
- Platon
- Platonin tietotieto
- PlatonData
- plus
- Portugali
- Kirje
- ennustaa
- ennusti
- Ennusteet
- valmistelee
- valmistelee
- aiemmin
- ongelmia
- prosessi
- Prosessit
- käsittely
- tuottaa
- valmistettu
- Tuotteet
- tuotanto
- Tuotteemme
- projekti
- hankkeet
- ehdotus
- patentoitu
- toimittaa
- nopeasti
- alue
- reaaliaikainen
- reaaliaikainen data
- sai
- lama
- Suositus
- vähentää
- vähentää jätettä
- liittyvä
- yhteys
- merkityksellinen
- luotettava
- tutkimus
- vastuu
- vastuullinen
- tulokset
- tulot
- mullistanut
- juoksu
- myynti
- sama
- skaalautuvuus
- skaalautuva
- Asteikko
- asteikot
- skenaariot
- aikataulu
- tiede
- Tiedemies
- Haku
- hakukone
- Toinen
- nähdä
- valittu
- vanhempi
- erillinen
- Sarjat
- palvella
- palvelu
- Palvelut
- setti
- hän
- Näytä
- merkittävä
- merkittävästi
- Yksinkertainen
- koska
- SIX
- välipalat
- So
- Tuotteemme
- ohjelmistokehitys
- ratkaisu
- Ratkaisumme
- SOLVE
- Espanja
- erikoistunut
- puhe
- Henkilöstö
- Alkaa
- alkoi
- alkaa
- Valtiot
- tilastollinen
- Vaihe
- Varastossa
- Levytila
- tallennettu
- Strategia
- streaming
- menestys
- niin
- sopiva
- toimittaa
- toimitusketju
- Tukea
- järjestelmä
- Kohde
- Opetus
- joukkue-
- teknologia
- Tekninen yritys
- Technologies
- ehdot
- Testaus
- kuin
- että
- -
- Alankomaat
- UK
- heidän
- Niitä
- sitten
- Siellä.
- siksi
- Nämä
- ne
- tätä
- ne
- Kautta
- aika
- Aikasarja
- kertaa
- että
- tänään
- yhdessä
- perinteinen
- koulutus
- junat
- Trendit
- laukeaa
- liipaisu
- Turkki
- kaksi
- Uk
- Lopulta
- varten
- ymmärtää
- unique
- Yhtenäinen
- Yhdysvallat
- yliopisto
- us
- käyttää
- käyttölaukku
- käytetty
- käyttämällä
- pystysuunnassa
- hyvin
- kautta
- Vierailla
- visualisointi
- käveli
- oli
- Jätteet
- we
- verkko
- verkkopalvelut
- viikko
- HYVIN
- kun
- joka
- jonka
- leveä
- Laaja valikoima
- with
- ilman
- työskenteli
- työnkulkuja
- työskentely
- toimii
- kirjallinen
- vuotta
- Voit
- Sinun
- zephyrnet