Amazon Forecast로 가정 분석을 이전보다 최대 80% 빠르게 수행

이제와 아마존 예측, 최대 80% 더 빠르게 가상 분석을 원활하게 수행하여 수요 예측에 대한 비즈니스 레버의 잠재적 영향을 분석하고 정량화할 수 있습니다. Forecast는 기계 학습(ML)을 사용하여 ML 경험 없이도 정확한 수요 예측을 생성하는 서비스입니다. What-if 분석을 통한 시나리오 시뮬레이션은 가상 시나리오에서 가능한 결과를 캡처하여 미래 이벤트의 불확실성을 탐색하는 강력한 비즈니스 도구입니다. 비즈니스 결정이 수익 또는 수익성에 미치는 영향을 평가하고, 시장 동향과 관련된 위험을 수량화하고, 고객 요구를 충족하기 위해 물류 및 인력을 구성하는 방법 등을 평가하는 것이 일반적인 관행입니다.

수요 예측을 위한 가정 분석을 수행하는 것은 먼저 수요를 예측하기 위한 정확한 모델이 필요하고 그런 다음 다양한 시나리오에서 예측을 빠르고 쉽게 재현할 수 있는 방법이 필요하기 때문에 어려울 수 있습니다. 지금까지는 Forecast가 정확한 수요 예측을 제공했지만 Forecast를 사용하여 가상 분석을 수행하는 것은 번거롭고 시간이 많이 소요될 수 있었습니다. 예를 들어, 소매 판촉 계획은 매출을 극대화하기 위해 제품에 대한 최적의 가격대를 식별하기 위한 가정 분석의 일반적인 응용 프로그램입니다. 이전에는 Forecast에서 테스트하려는 각 시나리오에 대해 새 입력 파일을 준비하고 가져와야 했습니다. 세 가지 다른 가격대를 테스트하려면 먼저 오프라인에서 데이터를 수동으로 변환한 다음 각 파일을 개별적으로 Forecast로 가져와서 세 개의 새 입력 파일을 생성해야 했습니다. 사실상 모든 시나리오에 대해 동일한 작업 세트를 수행하고 있었습니다. 또한 시나리오를 비교하려면 각 시나리오에서 예측을 개별적으로 다운로드한 다음 오프라인으로 병합해야 했습니다.

오늘 출시로 가상 분석을 최대 80% 더 빠르게 수행할 수 있습니다. 오프라인 데이터 조작 및 각 시나리오에 대한 가져오기의 필요성을 제거하여 새로운 시나리오를 쉽게 생성할 수 있도록 했습니다. 이제 제품 A의 가격에 90%를 곱하거나 제품 B의 가격을 $10 낮추는 등의 간단한 작업을 통해 초기 데이터 세트를 변환하여 시나리오를 정의할 수 있습니다. 이러한 변환은 시나리오가 적용되는 매개변수를 제어하기 위한 조건과 결합될 수도 있습니다(예: 한 위치에서만 제품 A의 가격 인하). 이번 출시를 통해 동일한 유형의 분석(예: 판촉 분석) 또는 다른 유형의 분석(예: 지리적 지역 1의 판촉 분석 및 지리적 지역 2의 재고 계획)의 여러 시나리오를 동시에 정의하고 실행할 수 있습니다. 마지막으로 더 이상 오프라인에서 시나리오 결과를 병합하고 비교할 필요가 없습니다. 이제 동일한 그래프에서 모든 시나리오에 대한 예측 예측을 보거나 오프라인 검토를 위해 데이터를 대량으로 내보낼 수 있습니다.

솔루션 개요

이 게시물의 단계는 가상 환경에서 가상 분석을 사용하는 방법을 보여줍니다. AWS 관리 콘솔. 가정 분석을 위해 Forecast API를 직접 사용하려면 당사의 노트북을 따르십시오. GitHub 레포 유사한 데모를 제공합니다.

훈련 데이터 가져오기

가정 분석을 수행하려면 대상 시계열 데이터(예측 대상 표시) 및 관련 시계열 데이터(대상에 영향을 미치는 속성 표시)를 나타내는 두 개의 CSV 파일을 가져와야 합니다. 예제 대상 시계열 파일에는 제품 항목 ID, 타임스탬프, 수요, 매장 ID, 도시 및 지역이 포함되고 관련 시계열 파일에는 제품 항목 ID, 매장 ID, 타임스탬프, 도시, 지역 및 가격이 포함됩니다.

데이터를 가져오려면 다음 단계를 완료하십시오.

1. Forecast 콘솔에서 데이터세트 그룹 보기.

2. 왼쪽 메뉴에서 데이터 세트 그룹 생성.

3. 럭셔리 데이터 세트 그룹 이름, 데이터세트 이름을 입력합니다(이 게시물의 경우, my_company_consumer_sales_history).
4. 럭셔리 예측 도메인, 예측 도메인을 선택합니다(이 게시물의 경우 Retail).
5. 왼쪽 메뉴에서 다음 보기.

6. 에 대상 시계열 데이터 세트 생성 페이지에서 데이터세트 이름, 데이터 빈도 및 데이터 스키마를 제공합니다.
7. 데이터세트 가져오기 세부정보를 제공합니다.
8. 왼쪽 메뉴에서 스타트.

다음 스크린샷은 이 예를 위해 채워진 대상 시계열 페이지에 대한 정보를 보여줍니다.

진행 상황을 추적하는 데 사용할 수 있는 대시보드로 이동합니다.

9. 관련 시계열 파일을 가져오려면 대시보드에서 다음을 선택합니다. 수입.

10. 에 관련 시계열 데이터 세트 생성 페이지에서 데이터세트 이름과 데이터 스키마를 제공합니다.
11. 데이터세트 가져오기 세부정보를 제공합니다.
12. 왼쪽 메뉴에서 스타트.

다음 스크린샷은 우리의 예를 위해 채워진 정보를 보여줍니다.

예측 자 훈련

다음으로 예측자를 훈련합니다.

1. 대시보드에서 다음을 선택합니다. 기차 예측기.

2. 에 기차 예측기 페이지에서 예측 변수의 이름, 미래에 예측할 기간과 빈도, 예측하려는 분위수를 입력합니다.
3. AutoPredictor 활성화 – 가상 분석을 사용하는 데 필요합니다.
4. 왼쪽 메뉴에서 만들기.

다음 스크린샷은 우리의 예를 위해 채워진 정보를 보여줍니다.

예측 만들기

예측자가 훈련된 후(약 2.5시간 소요) 예측을 생성합니다. 다음을 볼 때 예측자가 훈련되었음을 알 수 있습니다. 예측 변수 보기 버튼을 클릭합니다.

1. 왼쪽 메뉴에서 예측 만들기 대시보드에서

2. 에 예측 만들기 페이지에서 예측 이름을 입력하고 생성한 예측 변수를 선택한 다음 예측 분위수(선택 사항)와 예측을 생성할 항목을 지정합니다.
3. 왼쪽 메뉴에서 스타트.

이 단계를 완료하면 예측을 성공적으로 생성한 것입니다. 이것은 가정 분석을 수행하는 데 사용하는 기준선 예측 시나리오를 나타냅니다.

기준 예측을 만드는 데 도움이 더 필요하면 다음을 참조하십시오. 시작하기 (콘솔). 이제 가정 분석을 수행하는 다음 단계로 이동합니다.

가정 분석 만들기

이 시점에서 기준 예측을 만들고 가상 분석을 수행하는 방법에 대한 연습을 시작합니다. 가정 분석을 수행하는 데에는 분석 설정, 시나리오에서 변경된 사항을 정의하여 가정 예측 생성 및 결과 비교의 세 단계가 있습니다.

1. 분석을 설정하려면 다음을 선택하십시오. 가정 분석 살펴보기 대시 보드에서.

2. 왼쪽 메뉴에서 만들기.

3. 고유한 이름을 입력하고 드롭다운 메뉴에서 기준선 예측을 선택합니다.
4. 가정 분석을 수행하려는 데이터 세트의 항목을 선택합니다. 두 가지 옵션이 있습니다.
   1. 모든 항목 선택 이 게시물에서 선택하는 기본값입니다.
   2. 특정 항목을 선택하려면 다음을 선택하십시오. 파일로 항목 선택 해당 항목 및 관련 차원(예: 지역)에 대한 고유 식별자가 포함된 CSV 파일을 가져옵니다.
5. 왼쪽 메뉴에서 가정 분석 생성.

가정 예측 생성

다음으로 분석하려는 시나리오를 정의하기 위해 가정 예측을 생성합니다.

1. 왼쪽 메뉴에서 만들기.

2. 시나리오 이름을 입력합니다.

두 가지 옵션을 통해 시나리오를 정의할 수 있습니다.

• 변환 함수 사용 – 변환 빌더를 사용하여 가져온 관련 시계열 데이터를 변환합니다. 이 연습에서는 기본 예측의 가격과 비교할 때 가격이 10% 감소한 다음 30% 감소할 때 데이터 세트의 항목 수요가 어떻게 변하는지 평가합니다.
• 대체 데이터 세트로 가정 예측 정의 – 가져온 관련 시계열 데이터 세트를 교체합니다.

변환 함수 빌더는 데이터의 기능(예: 가격)을 지정한 값으로 추가, 빼기, 나누기 및 곱하는 간단한 작업을 통해 이전에 가져온 관련 시계열 데이터를 변환하는 기능을 제공합니다. 이 예에서는 가격을 10% 낮추고 가격이 데이터 세트의 기능인 시나리오를 만듭니다.

3. 럭셔리 What-if 예측 정의 방법, 고르다 변환 함수 사용.
4. 왼쪽 메뉴에서 곱하다 우리의 운영자로서, 가격 시계열로 0.9를 입력합니다.

조건을 추가하여 시나리오를 더욱 구체화할 수도 있습니다. 예를 들어 데이터 세트에 지역별로 구성된 매장 정보가 포함된 경우 지역별로 가격 인하 시나리오를 제한할 수 있습니다. Region_10이 아닌 매장에 적용할 수 있는 1% 가격 인하 시나리오를 정의할 수 있습니다.

5. 왼쪽 메뉴에서 조건 추가.
6. 왼쪽 메뉴에서 같지 않음 작업으로 Region_1을 입력합니다.

관련 시계열을 수정하는 또 다른 옵션은 시나리오를 정의하는 데이터가 이미 포함된 새 데이터세트를 가져오는 것입니다. 예를 들어, 10% 가격 인하가 있는 시나리오를 정의하기 위해 변경되는 항목의 고유 식별자와 10% 더 낮은 가격 변경을 지정하는 새 데이터 세트를 업로드할 수 있습니다. 이렇게 하려면 다음을 선택하십시오. 대체 데이터 세트로 가정 예측 정의 가격 변경이 포함된 CSV를 가져옵니다.

7. 가정 예측 정의를 완료하려면 다음을 선택하십시오. 만들기.

프로세스를 반복하여 30% 가격 인하로 또 다른 가정 예측을 생성합니다.

각 what-if 예측에 대해 what-if 분석이 실행되면 상태가 활성으로 변경됩니다. 이로써 두 번째 단계가 완료되고 가정 예측 비교로 이동할 수 있습니다.

예측 비교

이제 10% 가격 인하와 30% 가격 인하를 비교하여 두 시나리오에 대한 가정 예측을 비교할 수 있습니다.

1. 분석 통찰력 페이지에서 가정 예측 비교 안내

1. 럭셔리 item_id, 분석할 항목을 입력하세요.
2. 럭셔리 가정 예측, 비교할 시나리오를 선택합니다(이 게시물의 경우 Scenario_1 과 Scenario_2).
3. 왼쪽 메뉴에서 만약을 비교하라.

다음 그래프는 두 시나리오에서 발생하는 수요를 보여줍니다.

기본적으로 P50 및 기본 사례 시나리오를 보여줍니다. 원하는 분위수를 선택하여 생성된 모든 분위수를 볼 수 있습니다. 예측 선택 드롭 다운 메뉴.

데이터 내보내기

데이터를 CSV로 내보내려면 다음 단계를 완료하십시오.

1. 왼쪽 메뉴에서 내보내기 만들기.

2. 내보내기 파일의 이름을 입력하십시오(이 게시물의 경우, my_scenario_export)
3. 에서 시나리오를 선택하여 내보낼 시나리오를 지정합니다. 가정 예측 드롭 다운 메뉴. 결합된 파일에서 한 번에 여러 시나리오를 내보낼 수 있습니다.
4. 럭셔리 내보내기 위치, 지정 아마존 단순 스토리지 서비스 (Amazon S3) 위치.
5. 내보내기를 시작하려면 내보내기 생성.

6. 내보내기를 다운로드하려면 먼저 AWS Management 콘솔에서 S3 파일 경로 위치로 이동하여 파일을 선택하고 다운로드 버튼을 선택합니다. 내보내기 파일에는 선택한 모든 시나리오(기본 시나리오 포함)에 대한 각 분위수에 대한 타임스탬프, 항목 ID, 차원 및 예측이 포함됩니다.

결론

시나리오 분석은 비즈니스의 불확실성을 탐색하는 데 도움이 되는 중요한 도구입니다. 이는 아이디어를 스트레스 테스트하는 예지력과 메커니즘을 제공하여 기업이 더 탄력 있고 더 잘 준비하며 미래를 통제할 수 있도록 합니다. Forecast는 이제 가상 시나리오 분석 예측을 지원합니다. 시나리오 분석을 수행하려면 Forecast 콘솔을 열고 이 게시물에 설명된 단계를 따르거나 GitHub 노트북 API를 통해 기능에 액세스하는 방법에 대해 설명합니다.

자세한 내용은 다음을 참조하십시오. CreateWhatIf분석 개발자 가이드의 페이지입니다.

---

저자 소개

브랜든 나이어 Amazon Forecast의 선임 제품 관리자입니다. 그의 전문적인 관심은 확장 가능한 기계 학습 서비스 및 응용 프로그램을 만드는 데 있습니다. 직장 밖에서 그는 국립 공원을 탐험하거나 골프 스윙을 완벽하게 하거나 모험 여행을 계획하는 것을 볼 수 있습니다.

아킬 라지 아지코단 Amazon Forecast에서 일하는 소프트웨어 개발 엔지니어입니다. 그의 관심은 복잡한 고객 문제를 해결하는 안정적인 시스템을 설계하고 구축하는 것입니다. 직장 밖에서 그는 역사에 대해 배우고, 하이킹을 하고, 비디오 게임을 즐깁니다.

코너 스미스 Amazon Forecast에서 일하는 소프트웨어 개발 엔지니어입니다. 그는 고객에게 가치를 제공하는 안전하고 확장 가능한 분산 시스템을 구축하는 데 중점을 둡니다. 일 외에는 소설을 읽고, 기타를 연주하고, 임의의 YouTube 동영상을 보는 데 시간을 보냅니다.

섀넌 킬링스워스 Amazon Forecast의 UX 디자이너입니다. 그는 프로세스를 단순화하고 사용자가 이해할 수 있는 방식으로 새로운 기능을 추가하여 Forecast의 사용자 경험을 XNUMX년 동안 개선해 왔습니다. 일 외에는 달리기, 그림 그리기, 독서를 즐깁니다.