अमेज़ॅन पूर्वानुमान के साथ क्या-क्या विश्लेषण करें, पहले की तुलना में 80% तक तेज़ करें

अब उसके पास अमेज़न का पूर्वानुमान, आप अपने मांग पूर्वानुमानों पर व्यापार लीवर के संभावित प्रभाव का विश्लेषण और मात्रा निर्धारित करने के लिए 80% तक तेजी से क्या-अगर विश्लेषण कर सकते हैं। पूर्वानुमान एक ऐसी सेवा है जो बिना किसी एमएल अनुभव की आवश्यकता के सटीक मांग पूर्वानुमान उत्पन्न करने के लिए मशीन लर्निंग (एमएल) का उपयोग करती है। काल्पनिक परिदृश्यों से संभावित परिणामों को कैप्चर करके भविष्य की घटनाओं की अनिश्चितता के माध्यम से नेविगेट करने के लिए क्या-अगर विश्लेषण के माध्यम से परिदृश्यों को अनुकरण करना एक शक्तिशाली व्यावसायिक उपकरण है। राजस्व या लाभप्रदता पर व्यावसायिक निर्णयों के प्रभाव का आकलन करना, बाजार के रुझानों से जुड़े जोखिम की मात्रा निर्धारित करना, ग्राहक की मांग को पूरा करने के लिए रसद और कार्यबल को व्यवस्थित करने का मूल्यांकन करना, और बहुत कुछ करना एक आम बात है।

मांग पूर्वानुमान के लिए क्या-क्या विश्लेषण करना चुनौतीपूर्ण हो सकता है क्योंकि आपको पहले मांग की भविष्यवाणी करने के लिए सटीक मॉडल की आवश्यकता होती है और फिर कई परिदृश्यों में पूर्वानुमान को पुन: पेश करने का एक त्वरित और आसान तरीका है। अब तक, हालांकि पूर्वानुमान ने सटीक मांग पूर्वानुमान प्रदान किए थे, पूर्वानुमान का उपयोग करते हुए क्या-क्या विश्लेषण करना बोझिल और समय लेने वाला हो सकता है। उदाहरण के लिए, खुदरा प्रचार योजना राजस्व को अधिकतम करने के लिए उत्पाद के लिए इष्टतम मूल्य बिंदु की पहचान करने के लिए क्या-अगर विश्लेषण का एक सामान्य अनुप्रयोग है। पहले पूर्वानुमान पर, आपको प्रत्येक परिदृश्य के लिए एक नई इनपुट फ़ाइल तैयार और आयात करनी होती थी, जिसका आप परीक्षण करना चाहते थे। यदि आप तीन अलग-अलग मूल्य बिंदुओं का परीक्षण करना चाहते हैं, तो आपको पहले डेटा को मैन्युअल रूप से ऑफ़लाइन रूपांतरित करके और फिर प्रत्येक फ़ाइल को पूर्वानुमान में अलग से आयात करके तीन नई इनपुट फ़ाइलें बनानी होंगी। वास्तव में, आप प्रत्येक परिदृश्य के लिए समान कार्य कर रहे थे। इसके अतिरिक्त, परिदृश्यों की तुलना करने के लिए, आपको प्रत्येक परिदृश्य से अलग-अलग पूर्वानुमान डाउनलोड करना होगा और फिर उन्हें ऑफ़लाइन मर्ज करना होगा।

आज के लॉन्च के साथ, आप आसानी से 80% तक तेजी से क्या-अगर विश्लेषण कर सकते हैं। हमने प्रत्येक परिदृश्य के लिए ऑफ़लाइन डेटा हेरफेर और आयात की आवश्यकता को हटाकर नए परिदृश्य बनाना आसान बना दिया है। अब, आप अपने प्रारंभिक डेटासेट को सरल संचालन के माध्यम से परिवर्तित करके एक परिदृश्य को परिभाषित कर सकते हैं, जैसे उत्पाद A के लिए मूल्य को 90% से गुणा करना या उत्पाद B के लिए मूल्य को $ 10 से घटाना। परिदृश्य में लागू होने वाले मापदंडों को नियंत्रित करने के लिए इन परिवर्तनों को शर्तों के साथ भी जोड़ा जा सकता है (उदाहरण के लिए, केवल एक स्थान पर उत्पाद ए की कीमत को कम करना)। इस लॉन्च के साथ, आप एक ही प्रकार के विश्लेषण (जैसे प्रचार विश्लेषण) या विभिन्न प्रकार के विश्लेषण (जैसे भौगोलिक क्षेत्र 1 में प्रचार विश्लेषण और भौगोलिक क्षेत्र 2 में इन्वेंट्री योजना) के कई परिदृश्यों को एक साथ परिभाषित और चला सकते हैं। अंत में, आपको अब ऑफ़लाइन परिदृश्यों के परिणामों को मर्ज करने और तुलना करने की आवश्यकता नहीं है। अब, आप एक ही ग्राफ़ में सभी परिदृश्यों के पूर्वानुमान पूर्वानुमान देख सकते हैं या ऑफ़लाइन समीक्षा के लिए डेटा को बल्क एक्सपोर्ट कर सकते हैं।

समाधान अवलोकन

इस पोस्ट के चरण प्रदर्शित करते हैं कि कैसे-अगर विश्लेषण का उपयोग करें एडब्ल्यूएस प्रबंधन कंसोल. क्या-अगर विश्लेषण के लिए सीधे पूर्वानुमान एपीआई का उपयोग करने के लिए, हमारे में नोटबुक का पालन करें गीथहब रेपो जो एक समान प्रदर्शन प्रदान करता है।

अपना प्रशिक्षण डेटा आयात करें

क्या-क्या विश्लेषण करने के लिए, आपको लक्ष्य समय श्रृंखला डेटा (पूर्वानुमान लक्ष्य दिखाते हुए) और संबंधित समय श्रृंखला डेटा (लक्ष्य को प्रभावित करने वाली विशेषताओं को दिखाते हुए) का प्रतिनिधित्व करने वाली दो CSV फ़ाइलें आयात करनी होंगी। हमारे उदाहरण लक्ष्य समय श्रृंखला फ़ाइल में उत्पाद आइटम आईडी, टाइमस्टैम्प, मांग, स्टोर आईडी, शहर और क्षेत्र शामिल है, और हमारी संबंधित समय श्रृंखला फ़ाइल में उत्पाद आइटम आईडी, स्टोर आईडी, टाइमस्टैम्प, शहर, क्षेत्र और मूल्य शामिल है।

अपना डेटा आयात करने के लिए, निम्न चरणों को पूरा करें:

1. पूर्वानुमान कंसोल पर, चुनें डेटासेट समूह देखें.

2. चुनें डेटासेट समूह बनाएं.

3. के लिए डेटासेट समूह का नाम, डेटासेट नाम दर्ज करें (इस पोस्ट के लिए, my_company_consumer_sales_history).
4. के लिए पूर्वानुमान डोमेन, एक पूर्वानुमान डोमेन चुनें (इस पोस्ट के लिए, Retail).
5. चुनें अगला.

6. पर लक्ष्य समय श्रृंखला डेटासेट बनाएं पृष्ठ, डेटासेट नाम, अपने डेटा की आवृत्ति और डेटा स्कीमा प्रदान करें
7. डेटासेट आयात विवरण प्रदान करें।
8. चुनें प्रारंभ.

निम्न स्क्रीनशॉट हमारे उदाहरण के लिए भरे गए लक्ष्य समय श्रृंखला पृष्ठ की जानकारी दिखाता है।

आपको उस डैशबोर्ड पर ले जाया जाएगा जिसका उपयोग आप प्रगति को ट्रैक करने के लिए कर सकते हैं।

9. संबंधित समय श्रृंखला फ़ाइल आयात करने के लिए, डैशबोर्ड पर, चुनें आयात.

10. पर संबंधित समय श्रृंखला डेटासेट बनाएं पृष्ठ, डेटासेट नाम और डेटा स्कीमा प्रदान करें।
11. डेटासेट आयात विवरण प्रदान करें।
12. चुनें प्रारंभ.

निम्न स्क्रीनशॉट हमारे उदाहरण के लिए भरी गई जानकारी दिखाता है।

एक भविष्यवक्ता को प्रशिक्षित करें

अगला, हम एक भविष्यवक्ता को प्रशिक्षित करते हैं।

1. डैशबोर्ड पर, चुनें ट्रेन के भविष्यवक्ता.

2. पर ट्रेन के भविष्यवक्ता पृष्ठ, अपने भविष्यवक्ता के लिए एक नाम दर्ज करें, भविष्य में आप कितने समय तक पूर्वानुमान लगाना चाहते हैं और किस आवृत्ति पर, और आप कितनी मात्रा का पूर्वानुमान लगाना चाहते हैं।
3. ऑटोप्रेडिक्टर सक्षम करें - यह क्या-अगर विश्लेषण का उपयोग करने के लिए आवश्यक है।
4. चुनें बनाएं.

निम्न स्क्रीनशॉट हमारे उदाहरण के लिए भरी गई जानकारी दिखाता है।

एक पूर्वानुमान बनाएँ

हमारे भविष्यवक्ता के प्रशिक्षित होने के बाद (इसमें लगभग 2.5 घंटे लग सकते हैं), हम एक पूर्वानुमान बनाते हैं। जब आप देखेंगे तो आपको पता चल जाएगा कि आपका भविष्यवक्ता प्रशिक्षित है भविष्यवक्ताओं देखें अपने डैशबोर्ड पर बटन।

1. चुनें एक पूर्वानुमान बनाएँ डैशबोर्ड पर

2. पर एक पूर्वानुमान बनाएँ पृष्ठ, एक पूर्वानुमान नाम दर्ज करें, आपके द्वारा बनाए गए भविष्यवक्ता को चुनें, और पूर्वानुमान की मात्रा (वैकल्पिक) और पूर्वानुमान उत्पन्न करने के लिए आइटम निर्दिष्ट करें।
3. चुनें प्रारंभ.

इन चरणों को पूरा करने के बाद, आपने सफलतापूर्वक एक पूर्वानुमान बना लिया है। यह आपके आधारभूत पूर्वानुमान परिदृश्य का प्रतिनिधित्व करता है जिसका उपयोग आप क्या-अगर विश्लेषण करने के लिए करते हैं।

यदि आपको अपने आधारभूत पूर्वानुमान बनाने में और सहायता की आवश्यकता है, तो देखें प्रारंभ करना (कंसोल). अब हम क्या-अगर विश्लेषण करने के अगले चरणों की ओर बढ़ते हैं।

क्या होगा अगर विश्लेषण बनाएं

इस बिंदु पर, हमने अपना आधारभूत पूर्वानुमान तैयार कर लिया है और क्या-अगर विश्लेषण किया जाए, तो इसका पूर्वाभ्यास शुरू करेंगे। क्या-अगर विश्लेषण करने के लिए तीन चरण हैं: विश्लेषण स्थापित करना, परिदृश्य में क्या बदला है, यह परिभाषित करके और परिणामों की तुलना करके क्या-अगर पूर्वानुमान बनाना है।

1. अपना विश्लेषण सेट करने के लिए, चुनें एक्सप्लोर करें क्या-क्या विश्लेषण डैशबोर्ड पर।

2. चुनें बनाएं.

3. एक अद्वितीय नाम दर्ज करें और ड्रॉप-डाउन मेनू पर आधारभूत पूर्वानुमान चुनें।
4. अपने डेटासेट में वे आइटम चुनें जिनके लिए आप क्या-अगर विश्लेषण करना चाहते हैं। आपके पास दो विकल्प हैं:
   1. सभी आइटम चुनें डिफ़ॉल्ट है, जिसे हम इस पोस्ट में चुनते हैं।
   2. यदि आप विशिष्ट आइटम चुनना चाहते हैं, तो चुनें फ़ाइल के साथ आइटम चुनें और संबंधित आइटम और किसी भी संबद्ध आयाम (जैसे क्षेत्र) के लिए विशिष्ट पहचानकर्ता वाली CSV फ़ाइल आयात करें।
5. चुनें क्या-क्या विश्लेषण बनाएं.

क्या होगा अगर पूर्वानुमान बनाएं

इसके बाद, हम उस परिदृश्य को परिभाषित करने के लिए क्या-क्या पूर्वानुमान बनाते हैं जिसका हम विश्लेषण करना चाहते हैं।

1. चुनें बनाएं.

2. अपने परिदृश्य का नाम दर्ज करें।

आप अपने परिदृश्य को दो विकल्पों के माध्यम से परिभाषित कर सकते हैं:

• परिवर्तन कार्यों का प्रयोग करें - आपके द्वारा आयात किए गए संबंधित समय श्रृंखला डेटा को रूपांतरित करने के लिए रूपांतरण निर्माता का उपयोग करें। इस पूर्वाभ्यास के लिए, हम मूल्यांकन करते हैं कि हमारे डेटासेट में किसी वस्तु की मांग में परिवर्तन कैसे होता है जब कीमत 10% कम हो जाती है और फिर बेसलाइन पूर्वानुमान में कीमत की तुलना में 30% तक कम हो जाती है।
• एक प्रतिस्थापन डेटासेट के साथ क्या-अगर पूर्वानुमान परिभाषित करें - आपके द्वारा आयात किए गए संबंधित समय श्रृंखला डेटासेट को बदलें।

ट्रांसफ़ॉर्मेशन फ़ंक्शन बिल्डर आपके द्वारा निर्दिष्ट मान से आपके डेटा (उदाहरण के लिए मूल्य) में सुविधाओं को जोड़ने, घटाने, विभाजित करने और गुणा करने के लिए सरल संचालन के माध्यम से आपके द्वारा पहले आयात किए गए संबंधित समय श्रृंखला डेटा को बदलने की क्षमता प्रदान करता है। हमारे उदाहरण के लिए, हम एक ऐसा परिदृश्य बनाते हैं जहां हम कीमत में 10% की कमी करते हैं, और कीमत डेटासेट में एक विशेषता है।

3. के लिए व्हाट-इफ फोरकास्ट डेफिनिशन मेथड, चुनते हैं परिवर्तन कार्यों का प्रयोग करें.
4. चुनें गुणा करना हमारे ऑपरेटर के रूप में, मूल्य हमारी समय श्रृंखला के रूप में, और 0.9 दर्ज करें।

आप अपने परिदृश्य को और परिशोधित करने के लिए शर्तें भी जोड़ सकते हैं। उदाहरण के लिए, यदि आपके डेटासेट में क्षेत्र द्वारा व्यवस्थित स्टोर जानकारी है, तो आप क्षेत्र के अनुसार मूल्य में कमी के परिदृश्य को सीमित कर सकते हैं। आप मूल्य में 10% की कमी का एक परिदृश्य परिभाषित कर सकते हैं जो उन स्टोरों पर लागू होता है जो Region_1 में नहीं हैं।

5. चुनें शर्त जोड़ें.
6. चुनें बराबर नहीं ऑपरेशन के रूप में और Region_1 दर्ज करें।

अपनी संबंधित समय श्रृंखला को संशोधित करने का एक अन्य विकल्प एक नया डेटासेट आयात करना है जिसमें पहले से ही परिदृश्य को परिभाषित करने वाला डेटा शामिल है। उदाहरण के लिए, 10% मूल्य में कमी के साथ एक परिदृश्य को परिभाषित करने के लिए, हम एक नया डेटासेट अपलोड कर सकते हैं जो उन वस्तुओं के लिए विशिष्ट पहचानकर्ता निर्दिष्ट करता है जो बदल रहे हैं और मूल्य परिवर्तन 10% कम है। ऐसा करने के लिए, चुनें एक प्रतिस्थापन डेटासेट के साथ क्या-अगर पूर्वानुमान परिभाषित करें और मूल्य परिवर्तन वाला एक सीएसवी आयात करें।

7. क्या-अगर पूर्वानुमान परिभाषा को पूरा करने के लिए, चुनें बनाएं.

30% कीमत में कमी के साथ एक और क्या-क्या पूर्वानुमान बनाने के लिए प्रक्रिया को दोहराएं।

प्रत्येक क्या-अगर पूर्वानुमान के लिए क्या-अगर विश्लेषण चला है, तो स्थिति सक्रिय में बदल जाएगी। यह दूसरे चरण का समापन करता है, और आप क्या-अगर पूर्वानुमानों की तुलना करने के लिए आगे बढ़ सकते हैं।

पूर्वानुमानों की तुलना करें

अब हम अपने दोनों परिदृश्यों के लिए क्या-क्या पूर्वानुमानों की तुलना कर सकते हैं, 10% मूल्य में कमी की तुलना 30% मूल्य में कमी के साथ कर सकते हैं।

1. विश्लेषण जानकारी पृष्ठ पर, नेविगेट करें क्या-क्या पूर्वानुमानों की तुलना करें अनुभाग।

1. के लिए ITEM_ID, विश्लेषण करने के लिए आइटम दर्ज करें।
2. के लिए क्या-अगर पूर्वानुमान, तुलना करने के लिए परिदृश्य चुनें (इस पोस्ट के लिए, Scenario_1 और Scenario_2).
3. चुनें क्या-अगर तुलना करें.

निम्नलिखित ग्राफ हमारे दोनों परिदृश्यों में परिणामी मांग को दर्शाता है।

डिफ़ॉल्ट रूप से, यह P50 और बेस केस परिदृश्य को प्रदर्शित करता है। आप अपनी पसंदीदा मात्राओं का चयन करके उत्पन्न सभी मात्राओं को देख सकते हैं पूर्वानुमान चुनें ड्रॉप डाउन मेनू।

अपना डेटा निर्यात करें

अपना डेटा CSV में निर्यात करने के लिए, निम्न चरणों को पूरा करें:

1. चुनें निर्यात बनाएं.

2. अपनी निर्यात फ़ाइल के लिए एक नाम दर्ज करें (इस पोस्ट के लिए, my_scenario_export)
3. पर परिदृश्यों का चयन करके निर्यात किए जाने वाले परिदृश्यों को निर्दिष्ट करें क्या-अगर पूर्वानुमान ड्रॉप डाउन मेनू। आप एक संयुक्त फ़ाइल में एक साथ कई परिदृश्य निर्यात कर सकते हैं।
4. के लिए निर्यात स्थान, विवरण दें अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) स्थान।
5. निर्यात शुरू करने के लिए, चुनें निर्यात बनाएं.

6. निर्यात डाउनलोड करने के लिए, पहले AWS प्रबंधन कंसोल से S3 फ़ाइल पथ स्थान पर नेविगेट करें और फ़ाइल का चयन करें और डाउनलोड बटन चुनें। निर्यात फ़ाइल में चयनित सभी परिदृश्यों (आधार परिदृश्य सहित) के लिए टाइमस्टैम्प, आइटम आईडी, आयाम और प्रत्येक मात्रा के पूर्वानुमान शामिल होंगे।

निष्कर्ष

परिदृश्य विश्लेषण व्यवसाय की अनिश्चितताओं के माध्यम से नेविगेट करने में मदद करने के लिए एक महत्वपूर्ण उपकरण है। यह दूरदर्शिता और विचारों को तनाव-परीक्षण करने के लिए एक तंत्र प्रदान करता है, जिससे व्यवसायों को अधिक लचीला, बेहतर तैयार और उनके भविष्य के नियंत्रण में छोड़ दिया जाता है। पूर्वानुमान अब पूर्वानुमान का समर्थन करता है कि क्या-अगर परिदृश्य विश्लेषण करता है। अपना परिदृश्य विश्लेषण करने के लिए, पूर्वानुमान कंसोल खोलें और इस पोस्ट में उल्लिखित चरणों का पालन करें, या हमारे देखें गिटहब नोटबुक एपीआई के माध्यम से कार्यक्षमता का उपयोग कैसे करें।

अधिक जानने के लिए, देखें क्रिएटव्हाटआईएफएनालिसिस डेवलपर गाइड में पेज।

---

लेखक के बारे में

ब्रैंडन नायर अमेज़न पूर्वानुमान के लिए एक वरिष्ठ उत्पाद प्रबंधक हैं। उनकी पेशेवर रुचि स्केलेबल मशीन लर्निंग सेवाओं और अनुप्रयोगों को बनाने में है। काम के बाहर उन्हें राष्ट्रीय उद्यानों की खोज करते हुए, अपने गोल्फ स्विंग को पूरा करते हुए या एक साहसिक यात्रा की योजना बनाते हुए पाया जा सकता है।

अखिल राज अझिकोडान एक सॉफ्टवेयर डेवलपमेंट इंजीनियर है जो अमेज़न फोरकास्ट पर काम कर रहा है। उनकी रुचि ग्राहकों की जटिल समस्याओं को हल करने वाली विश्वसनीय प्रणालियों के डिजाइन और निर्माण में है। काम के अलावा, उन्हें इतिहास सीखना, लंबी पैदल यात्रा और वीडियो गेम खेलना पसंद है।

कोनर स्मिथ एक सॉफ्टवेयर डेवलपमेंट इंजीनियर है जो अमेज़न फोरकास्ट पर काम कर रहा है। वह सुरक्षित, स्केलेबल वितरित सिस्टम बनाने पर ध्यान केंद्रित करता है जो ग्राहकों को मूल्य प्रदान करता है। काम के बाहर वह फिक्शन पढ़ने, गिटार बजाने और यादृच्छिक YouTube वीडियो देखने में समय बिताता है।

शैनन किलिंगवर्थ Amazon पूर्वानुमान के लिए UX डिज़ाइनर है। वह दो वर्षों के लिए पूर्वानुमान में उपयोगकर्ता अनुभव में सुधार कर रहा है, प्रक्रियाओं को सरल बनाने के साथ-साथ नई सुविधाओं को जोड़कर जो हमारे उपयोगकर्ताओं के लिए समझ में आता है। काम के बाहर उसे दौड़ना, ड्राइंग करना और पढ़ना पसंद है।