בצע ניתוח מה אם עם Amazon Forecast, עד 80% מהר יותר מבעבר

עכשיו עם תחזית אמזון, אתה יכול לבצע בצורה חלקה ניתוחי מה אם עד 80% מהר יותר כדי לנתח ולכמת את ההשפעה הפוטנציאלית של מנופים עסקיים על תחזיות הביקוש שלך. Forecast הוא שירות המשתמש בלמידה חישובית (ML) כדי ליצור תחזיות ביקוש מדויקות, מבלי לדרוש ניסיון ב-ML. הדמיית תרחישים באמצעות ניתוח מה אם הוא כלי עסקי רב עוצמה לנווט בין חוסר הוודאות של אירועים עתידיים על ידי לכידת תוצאות אפשריות מתרחישים היפותטיים. זהו נוהג נפוץ להעריך את ההשפעה של החלטות עסקיות על הכנסות או רווחיות, לכמת את הסיכון הקשור למגמות בשוק, להעריך כיצד לארגן את הלוגיסטיקה וכוח העבודה כדי לענות על דרישת הלקוחות ועוד הרבה יותר.

ביצוע ניתוח מה-אם עבור חיזוי ביקוש יכול להיות מאתגר מכיוון שאתה צריך קודם כל מודלים מדויקים כדי לחזות את הביקוש ולאחר מכן דרך מהירה וקלה לשחזר את התחזית במגוון תרחישים. עד כה, למרות ש-Forecast סיפקה תחזיות ביקוש מדויקות, ביצוע ניתוח מה אם באמצעות Forecast יכול להיות מסורבל וגוזל זמן. לדוגמה, תכנון קידום קמעונאי הוא יישום נפוץ של ניתוח מה אם כדי לזהות את נקודת המחיר האופטימלית למוצר כדי למקסם את ההכנסה. בעבר ב-Forecast, היה עליך להכין ולייבא קובץ קלט חדש עבור כל תרחיש שרצית לבדוק. אם רצית לבדוק שלוש נקודות מחיר שונות, תחילה היה עליך ליצור שלושה קבצי קלט חדשים על ידי שינוי ידני של הנתונים במצב לא מקוון ולאחר מכן ייבוא ​​כל קובץ לתוך Forecast בנפרד. למעשה, ביצעת את אותה קבוצת משימות עבור כל תרחיש ותרחיש. בנוסף, כדי להשוות תרחישים, היה עליך להוריד את החיזוי מכל תרחיש בנפרד ואז למזג אותם במצב לא מקוון.

עם ההשקה של היום, אתה יכול בקלות לבצע ניתוח מה אם עד 80% מהר יותר. הקלנו על יצירת תרחישים חדשים על ידי הסרת הצורך במניפולציה וייבוא ​​של נתונים לא מקוונים עבור כל תרחיש. כעת, אתה יכול להגדיר תרחיש על ידי שינוי מערך הנתונים הראשוני שלך באמצעות פעולות פשוטות, כגון הכפלת המחיר עבור מוצר א' ב-90% או הקטנת המחיר עבור מוצר ב' ב-$10. ניתן לשלב טרנספורמציות אלו גם עם תנאים לשליטה בפרמטרים שבהם התרחיש חל (לדוגמה, הפחתת המחיר של מוצר A במיקום אחד בלבד). עם השקה זו, ניתן להגדיר ולהריץ מספר תרחישים מאותו סוג של ניתוח (כגון ניתוח קידום) או סוגים שונים של ניתוחים (כגון ניתוח קידום באזור גיאוגרפי 1 ותכנון מלאי באזור גיאוגרפי 2) בו זמנית. לבסוף, אינך צריך עוד למזג ולהשוות תוצאות של תרחישים במצב לא מקוון. כעת, אתה יכול להציג את תחזיות התחזית בכל התרחישים באותו גרף או לייצא בכמות גדולה את הנתונים לבדיקה לא מקוונת.

סקירת פתרונות

השלבים בפוסט זה מדגימים כיצד להשתמש בניתוח מה-אם ב- קונסולת הניהול של AWS. כדי להשתמש ישירות בממשקי API של Forecast לניתוח מה-אם, עקוב אחר המחברת שלנו GitHub ריפו שמספק הדגמה מקבילה.

ייבא את נתוני האימון שלך

כדי לבצע ניתוח מה אם, עליך לייבא שני קובצי CSV המייצגים את נתוני סדרת הזמן של היעד (המציגים את יעד החיזוי) ואת נתוני סדרת הזמן הקשורים (המציגים תכונות המשפיעות על היעד). קובץ סדרת הזמן לדוגמה שלנו מכיל את מזהה פריט המוצר, חותמת זמן, דרישה, מזהה חנות, עיר ואזור, וקובץ סדרת הזמן הקשורים שלנו מכיל את מזהה פריט המוצר, מזהה החנות, חותמת הזמן, העיר, האזור והמחיר.

כדי לייבא את הנתונים שלך, בצע את השלבים הבאים:

1. במסוף התחזית בחר הצג קבוצות של מערכי נתונים.

2. לבחור צור קבוצת נתונים.

3. בעד שם קבוצת נתונים, הזן שם מערך נתונים (עבור פוסט זה, my_company_consumer_sales_history).
4. בעד תחום חיזוי, בחר תחום חיזוי (עבור פוסט זה, Retail).
5. לבחור הַבָּא.

6. על צור מערך נתונים של סדרת זמן יעד עמוד, ספק את שם מערך הנתונים, תדירות הנתונים שלך וסכימת הנתונים
7. ספק את פרטי הייבוא ​​של מערך הנתונים.
8. לבחור הַתחָלָה.

צילום המסך הבא מציג את המידע עבור דף סדרת זמן היעד שמולא עבור הדוגמה שלנו.

תועבר ללוח המחוונים שבו תוכל להשתמש כדי לעקוב אחר ההתקדמות.

9. כדי לייבא את קובץ סדרת הזמן הקשור, בלוח המחוונים, בחר תבואו.

10. על צור מערך נתונים קשורים של סדרות זמן עמוד, ספק את שם מערך הנתונים וסכימת הנתונים.
11. ספק את פרטי הייבוא ​​של מערך הנתונים.
12. לבחור הַתחָלָה.

צילום המסך הבא מציג את המידע שמולא עבור הדוגמה שלנו.

הרכבת מנבא

לאחר מכן, אנו מאמנים מנבא.

1. בלוח המחוונים, בחר מנבא רכבת.

2. על מנבא רכבת עמוד, הזן שם עבור המנבא שלך, כמה זמן בעתיד אתה רוצה לחזות ובאיזו תדירות, ומספר הקוונטילים שאתה רוצה לחזות עבורם.
3. הפעל חיזוי אוטומטי - זה נדרש כדי להשתמש בניתוח מה אם.
4. לבחור צור.

צילום המסך הבא מציג את המידע שמולא עבור הדוגמה שלנו.

צור תחזית

לאחר אימון המנבא שלנו (זה יכול לקחת כ-2.5 שעות), אנו יוצרים תחזית. תדע שהמנבא שלך מאומן כשתראה את הצג מנבאים כפתור בלוח המחוונים שלך.

1. לבחור צור תחזית בלוח המחוונים

2. על צור תחזית עמוד, הזן שם תחזית, בחר את המנבא שיצרת וציין את כמות התחזית (אופציונלית) ואת הפריטים להפקת תחזית.
3. לבחור הַתחָלָה.

לאחר השלמת השלבים האלה, יצרת בהצלחה תחזית. זה מייצג את תרחיש התחזית הבסיסית שלך שבו אתה משתמש כדי לבצע ניתוח מה אם.

אם אתה זקוק לעזרה נוספת ביצירת תחזיות הבסיס שלך, עיין ב תחילת העבודה (קונסולה). כעת אנו עוברים לשלבים הבאים של ביצוע ניתוח מה אם.

צור ניתוח מה אם

בשלב זה, יצרנו את תחזית הבסיס שלנו ונתחיל בהליכה כיצד לבצע ניתוח מה אם. ישנם שלושה שלבים לביצוע ניתוח מה-אם: הגדרת הניתוח, יצירת תחזית מה-אם על-ידי הגדרת מה משתנה בתרחיש, והשוואת התוצאות.

1. כדי להגדיר את הניתוח שלך, בחר חקור מה-אם ניתוח על לוח המחוונים.

2. לבחור צור.

3. הזן שם ייחודי ובחר את תחזית הבסיס בתפריט הנפתח.
4. בחר את הפריטים במערך הנתונים שברצונך לבצע עבורם ניתוח מה אם. יש לך שתי אפשרויות:
   1. בחר את כל הפריטים היא ברירת המחדל, אותה אנו בוחרים בפוסט זה.
   2. אם אתה רוצה לבחור פריטים ספציפיים, בחר בחר פריטים עם קובץ ולייבא קובץ CSV המכיל את המזהה הייחודי של הפריט המתאים וכל ממד משויך (כגון אזור).
5. לבחור צור ניתוח מה אם.

צור תחזית מה אם

לאחר מכן, אנו יוצרים תחזית מה-אם כדי להגדיר את התרחיש שאנו רוצים לנתח.

1. לבחור צור.

2. הזן שם של התרחיש שלך.

אתה יכול להגדיר את התרחיש שלך באמצעות שתי אפשרויות:

• השתמש בפונקציות טרנספורמציה - השתמש בבונה הטרנספורמציה כדי להפוך את נתוני סדרות הזמן הקשורים שייבאת. לצורך הדרכה זו, אנו מעריכים כיצד הביקוש לפריט במערך הנתונים שלנו משתנה כאשר המחיר מופחת ב-10% ולאחר מכן ב-30% בהשוואה למחיר בתחזית הבסיס.
• הגדר את תחזית מה אם עם מערך נתונים חלופי - החלף את מערך הנתונים של סדרות הזמן הקשורות שייבאת.

בונה פונקציות הטרנספורמציה מספק את היכולת להפוך את נתוני סדרות הזמן הקשורים שייבאת קודם לכן באמצעות פעולות פשוטות כדי להוסיף, להחסיר, לחלק ולהכפיל תכונות בנתונים שלך (לדוגמה מחיר) בערך שתציין. לדוגמה שלנו, אנו יוצרים תרחיש שבו אנו מפחיתים את המחיר ב-10%, והמחיר הוא תכונה במערך הנתונים.

3. בעד שיטת הגדרת תחזית מה אם, בחר השתמש בפונקציות טרנספורמציה.
4. לבחור להכפיל כמפעיל שלנו, מחיר בתור סדרת הזמן שלנו, והזן 0.9.

אתה יכול גם להוסיף תנאים כדי לחדד עוד יותר את התרחיש שלך. לדוגמה, אם מערך הנתונים שלך הכיל מידע על חנות מאורגן לפי אזור, תוכל להגביל את תרחיש הפחתת המחיר לפי אזור. אתה יכול להגדיר תרחיש של הפחתת מחיר של 10% שתחול על חנויות שאינן באזור_1.

5. לבחור הוסף תנאי.
6. לבחור לא שווה בתור הפעולה והזן Region_1.

אפשרות נוספת לשנות את סדרת הזמן הקשורה שלך היא על ידי ייבוא ​​מערך נתונים חדש שכבר מכיל את הנתונים המגדירים את התרחיש. לדוגמה, כדי להגדיר תרחיש עם הפחתת מחיר של 10%, אנו יכולים להעלות מערך נתונים חדש המציין את המזהה הייחודי לפריטים המשתנים ואת שינוי המחיר הנמוך ב-10%. כדי לעשות זאת, בחר הגדר את תחזית מה אם עם מערך נתונים חלופי ולייבא CSV המכיל את שינוי המחיר.

7. כדי להשלים את הגדרת תחזית מה אם, בחר צור.

חזור על התהליך כדי ליצור עוד תחזית 'מה אם' עם הפחתה של 30% במחיר.

לאחר הפעלת ניתוח מה-אם עבור כל תחזית מה-אם, הסטטוס ישתנה לפעיל. בכך מסתיים השלב השני, ותוכלו לעבור להשוואת תחזיות מה-אם.

השוו בין התחזיות

כעת אנו יכולים להשוות את תחזיות מה-אם עבור שני התרחישים שלנו, להשוות הפחתה של 10% במחיר עם הוזלת מחיר של 30%.

1. בדף תובנות הניתוח, נווט אל השווה תחזיות מה אם סָעִיף.

1. בעד פריט_יד, הזן את הפריט לניתוח.
2. בעד מה אם תחזיות, בחר את התרחישים להשוואה (עבור פוסט זה, Scenario_1 ו Scenario_2).
3. לבחור השווה מה-אם.

הגרף הבא מציג את הביקוש שנוצר בשני התרחישים שלנו.

כברירת מחדל, הוא מציג את ה-P50 ואת תרחיש הבסיס. אתה יכול להציג את כל הקוונטילים שנוצרו על ידי בחירת הקוונטילים המועדפים עליך ב- בחר תחזיות בתפריט הנפתח.

ייצא את הנתונים שלך

כדי לייצא את הנתונים שלך ל-CSV, בצע את השלבים הבאים:

1. לבחור צור ייצוא.

2. הזן שם לקובץ הייצוא שלך (עבור פוסט זה, my_scenario_export)
3. ציין את התרחישים לייצוא על ידי בחירת התרחישים ב- מה-אם תחזית תפריט נפתח. אתה יכול לייצא תרחישים מרובים בבת אחת בקובץ משולב.
4. בעד ייצוא מיקום, ציין את שירות אחסון פשוט של אמזון (Amazon S3) מיקום.
5. כדי להתחיל את הייצוא, בחר צור ייצוא.

6. כדי להוריד את הייצוא, נווט תחילה למיקום נתיב הקובץ S3 ממסוף הניהול של AWS ובחר את הקובץ ובחר בלחצן ההורדה. קובץ הייצוא יכיל את חותמת הזמן, מזהה הפריט, הממדים והתחזיות עבור כל quantile עבור כל התרחישים שנבחרו (כולל תרחיש הבסיס).

סיכום

ניתוח תרחישים הוא כלי קריטי שיעזור לנווט בין אי הוודאות של העסק. הוא מספק ראיית הנולד ומנגנון לבחינת רעיונות, ומותיר לעסקים עמידים יותר, מוכנים יותר ושולטים בעתידם. תחזית תומכת כעת בחיזוי ניתוחי תרחישים מה-אם. כדי לבצע את ניתוח התרחישים שלך, פתח את מסוף התחזית ובצע את השלבים המתוארים בפוסט זה, או עיין ב מחברת GitHub כיצד לגשת לפונקציונליות באמצעות API.

למידע נוסף, עיין ב- CreateWhatIfAnalysis עמוד במדריך למפתחים.

---

על המחברים

ברנדון ניר הוא מנהל מוצר אב עבור Amazon Forecast. העניין המקצועי שלו טמון ביצירת שירותים ויישומים של למידת מכונה הניתנים להרחבה. מחוץ לעבודה ניתן למצוא אותו חוקר פארקים לאומיים, משכלל את תנופת הגולף שלו או מתכנן טיול הרפתקאות.

אקהיל ראג' אזיקודאן הוא מהנדס פיתוח תוכנה שעובד על Amazon Forecast. תחומי העניין שלו הם בתכנון ובניית מערכות אמינות הפותרות בעיות מורכבות של לקוחות. מחוץ לעבודה, הוא נהנה ללמוד על היסטוריה, לטייל ולשחק במשחקי וידאו.

קונר סמית' הוא מהנדס פיתוח תוכנה שעובד על Amazon Forecast. הוא מתמקד בבניית מערכות מבוזרות מאובטחות וניתנות להרחבה המספקות ערך ללקוחות. מחוץ לעבודה הוא מבלה בקריאת ספרות, מנגן בגיטרה וצפייה בסרטוני יוטיוב אקראיים.

שאנון קילינגסוורת ' הוא מעצב UX עבור Amazon Forecast. הוא משפר את חווית המשתמש ב-Forecast כבר שנתיים על ידי פישוט תהליכים כמו גם הוספת תכונות חדשות בדרכים הגיוניות למשתמשים שלנו. מחוץ לעבודה הוא נהנה לרוץ, לצייר ולקרוא.