We zijn verheugd om aan te kondigen dat in Amazon voorspelling, kunt u uw prognosehorizon nu starten op aangepaste startpunten, ook op zondag voor wekelijkse prognoses. Hierdoor kunt u de prognoses voor de vraagplanning beter afstemmen op de lokale bedrijfspraktijken en operationele vereisten.
Forecast is een volledig beheerde service die statistische en machine learning-algoritmen (ML) gebruikt om zeer nauwkeurige tijdreeksvoorspellingen te leveren. Het maakt gebruik van ultramoderne algoritmen om toekomstige tijdreeksgegevens te voorspellen op basis van historische gegevens, en vereist geen ML-ervaring. Typische Forecast-toepassingen zijn onder meer resourceplanning voor inventaris, personeelsbezetting en webverkeer. In dit bericht bespreken we een nieuwe optie waarmee u prognoses kunt afstemmen op de bedrijfs- en vraagcycli, terwijl u de operationele kosten verlaagt door aggregatieworkflows te ontlasten.
Om de vraagplanning te optimaliseren, moeten prognoses aansluiten bij de bedrijfsvoering. Voorheen waren de uitgangspunten voor voorspellingen vast: dagelijkse voorspellingen gingen uit van de vraag die elke dag om middernacht begon, wekelijkse voorspellingen gingen ervan uit dat maandag de eerste dag van de week was en maandelijkse voorspellingen begonnen op de eerste dag van elke maand. Deze vooraf gedefinieerde uitgangspunten brachten twee uitdagingen met zich mee. Ten eerste, als uw conjunctuurcyclus op een ander punt begon dan de vaste waarde, moest u prognoses handmatig aggregeren tot uw vereiste startpunt. Als uw werkweek bijvoorbeeld op een zondag begon en u wekelijkse prognoses wilde maken, moest u de dagelijkse prognoses handmatig samenvoegen tot een zondag-zaterdagweek. Dit extra werk zorgde voor extra kosten en rekentijd, en bood kansen voor fouten. Ten tweede waren de trainingsgegevens en prognoseperiodes niet consistent; als uw gegevens een vraagcyclus weerspiegelen die op zondag begint, moeten de voorspeller en voorspelling ook de zondag als uitgangspunt gebruiken.
Aangepaste uitgangspunten voor de prognosehorizon stemmen nu bedrijfsactiviteiten en prognoses op elkaar af, waardoor handmatige aggregatie niet meer nodig is en kosten en rekenkracht worden bespaard. Als u een werkweek heeft die op zondag begint, kunt u automatisch dagelijkse gegevens samenvoegen om wekelijkse prognoses te genereren die op zondag beginnen. Of u kunt beginnen met dagelijkse voorspellingen vanaf 9:00 uur. Voorspellers kunnen nu worden afgestemd op uw grondwaarheidsgegevens, wat zorgt voor consistentie tussen invoer en prognoses. De startpunten van de prognosehorizon kunnen eenvoudig worden gedefinieerd bij het trainen van nieuwe voorspellers via de prognoseconsole of met behulp van Prognose-API's.
Definieer aangepaste beginperiodes voor de prognosehorizon
De prognosehorizon is de tijdsduur waarvoor een prognose wordt gemaakt en wordt begrensd door een begin- en eindpunt. In Prognose kunt u nu specifieke startpunten selecteren voor dagelijkse, wekelijkse, maandelijkse en jaarlijkse prognosehorizons bij het trainen van nieuwe voorspellers. Deze uitgangspunten - ook wel grenswaardenโworden geselecteerd op een frequentie-eenheid die fijner is dan de prognosehorizon, zoals weergegeven in de volgende tabel.
Eenheid voor prognosefrequentie | Grenseenheid | Grenswaarden |
Dagelijkse | uur | 0-23 |
wekelijks | Dag van de week | maandag tot en met zondag |
Maandelijks | Dag van de maand | 1 door middel van 28 |
jaar- | Maand | januari tot december |
Met aangepaste startpunten kunt u prognoses afstemmen om te beginnen op specifieke tijdstippen die overeenkomen met uw bedrijfsprocessen en grondwaarheidsgegevens, bijvoorbeeld de maand mei, de 15e van de maand, zondagen of 15:00 uur. Voor prognosehorizons die grover zijn dan de opgegeven tijdreeksfrequentie, aggregeert Prognose de tijdreeksgegevens op basis van het aangepaste startpunt. Bijvoorbeeld:
- Bij het genereren van dagelijkse prognoses op basis van uurgegevens met een startperiode van 9 uur, worden prognoses elke dag tussen 00 uur en de volgende dag om 9 uur geaggregeerd met uurgegevens
- Bij het genereren van wekelijkse prognoses op basis van dagelijkse gegevens met een startperiode op zondag, worden prognoses geaggregeerd met dagelijkse gegevens elke week van zondag tot de volgende zaterdag
- Bij het genereren van maandelijkse prognoses van dagelijkse gegevens met een startdag van de 15e van de maand, worden prognoses geaggregeerd met dagelijkse gegevens van de 15e van de huidige maand tot de 14e van de volgende maand
- Bij het genereren van jaarlijkse prognoses op basis van maandelijkse gegevens met als startmaand mei, worden prognoses geaggregeerd met maandelijkse gegevens van mei van het lopende jaar tot april van volgend jaar
Beschikbare voorspellingsfrequenties
De volgende schermafbeeldingen tonen voorbeelden van aangepaste dagelijkse, wekelijkse, maandelijkse en jaarlijkse prognosefrequenties en startpunten (de Tijduitlijningsgrens veld op de prognoseconsole).
Specificeer de beginpunten van de aangepaste prognosehorizon
U kunt aangepaste beginpunten voor de prognosehorizon definiรซren wanneer u een nieuwe voorspeller maakt. De volgende stappen laten zien hoe u dit doet met behulp van de prognoseconsole. Wij bieden ook een voorbeeld notebook dat geeft een voorbeeld van hoe u deze nieuwe instelling in uw workflows kunt integreren.
- Kies in de prognoseconsole Datasetgroepen bekijken, En vervolgens Maak een datasetgroep.
- Maak uw gegevenssetgroep, een doeltijdreeksgegevensset en laad uw gegevens.
U wordt omgeleid naar de prognoseconsole terwijl uw gegevens worden geladen. - Nadat uw doeltijdreeksgegevensset in uw gegevenssetgroep is geladen en actief is, kiest u: Start voor Train een voorspeller.
- In het Train voorspeller sectie, geef waarden op voor de Naam, Voorspellingsfrequentie en Voorspellingshorizon te worden.
- In de optionele Tijduitlijningsgrens geeft u het startpunt op dat de voorspeller voor de prognose gebruikt.
De waarden in deze lijst zijn afhankelijk van de Voorspellingsfrequentie waarde die u kiest. In dit voorbeeld maken we wekelijkse prognoses met een horizon van 1 week, met zondag als startdag van de week en van de prognose.
- Geef indien nodig andere optionele configuraties en kies: creรซren.
Nadat u de voorspeller hebt gemaakt, kunt u uw prognose maken. - Kies in het navigatievenster onder uw datasetgroep voorspellers.
- Selecteer uw nieuwe voorspeller.
- Kies Prognose maken.
- Geef de nodige details op en kies Start om uw prognose te maken.
- Wanneer de prognose is voltooid, kiest u Prognose-export maken om de resultaten te exporteren.
De volgende schermafbeeldingen zijn voorbeelden van het oorspronkelijke invoerbestand (links) en de geรซxporteerde prognoseresultaten (rechts). Het invoerbestand heeft een frequentie per uur, terwijl de voorspelling wekelijks wordt geproduceerd, beginnend met zondag als de eerste dag van de week. Dit is een voorbeeld van een prognose die automatisch wordt geaggregeerd over twee niveaus van voorspellingsfrequenties (van uren tot dagen).
Conclusie
Met de startpunten van de aangepaste prognosehorizon in Forecast kunt u prognoses maken die aansluiten bij uw specifieke operationele vereisten. Werkweken beginnen op verschillende dagen in verschillende regio's, waardoor voorspellingen nodig zijn die op andere dagen dan maandag beginnen en die zijn afgestemd op grondwaarheidstraining en doorlopende gegevens. Of misschien wilt u prognoses per uur genereren die een vraagcyclus weerspiegelen die bijvoorbeeld elke dag om 7 uur begint.
Forecast aggregeert ook automatisch fijnmazige prognoses naar hogere frequenties (zoals dagen in weken). Dit stelt u in staat om prognoses te produceren die zijn afgestemd op uw activiteiten en bespaart u kosten door de noodzaak om op te staan โโen aggregatieworkflows te beheren weg te nemen.
Aangepaste startpunten zijn optioneel. Als u geen specifieke uitgangspunten opgeeft, beginnen de prognoses bij standaard tijden. Specifieke uitgangspunten voor de prognosehorizon zijn alleen beschikbaar met AutoPredictor. Voor meer informatie, zie: Nieuwe Amazon Forecast API die tot 40% nauwkeurigere voorspellingen maakt en uitleg geeft en AutoPredictor maken.
Voor meer informatie over voorspellingsfrequenties, zie: Gegevensaggregatie voor verschillende voorspellingsfrequenties. Al deze nieuwe mogelijkheden zijn beschikbaar in alle regio's waar Forecast openbaar beschikbaar is. Voor meer informatie over beschikbaarheid in de regio, zie AWS Regionale diensten.
Over de auteurs
Dan Sinnreich is Sr. Product Manager voor Amazon Forecast. Hij is gericht op het democratiseren van low-code/no-code machine learning en het toepassen ervan om de bedrijfsresultaten te verbeteren. Buiten zijn werk kan hij hockey spelen, zijn tennisservice verbeteren, duiken en sciencefiction lezen.
Para Arora is een Software Development Engineer in het Amazon Forecast Team. Hij is gepassioneerd door het bouwen van geavanceerde AI/ML-oplossingen in de cloud. In zijn vrije tijd houdt hij van wandelen en reizen.
Chetan Surana is een Software Development Engineer in het Amazon Forecast-team. Zijn interesses liggen op het snijvlak van machine learning en softwareontwikkeling, waarbij hij doordachte ontwerp- en engineeringvaardigheden toepast om problemen op te lossen. Naast zijn werk houdt hij van fotografie, wandelen en koken.
- Coinsmart. Europa's beste Bitcoin- en crypto-uitwisseling.
- Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. GRATIS TOEGANG.
- CryptoHawk. Altcoin-radar. Gratis proefversie.
- Bron: https://aws.amazon.com/blogs/machine-learning/weekly-forecasts-can-now-start-on-sunday-with-amazon-forecast/
- "
- 100
- 7
- 9
- a
- Over
- accuraat
- actieve
- toegevoegd
- Extra
- algoritmen
- Alles
- toestaat
- Amazone
- aankondigen
- api
- toepassingen
- Het toepassen van
- April
- webmaster.
- beschikbaarheid
- Beschikbaar
- AWS
- begon
- Begin
- tussen
- grens
- Gebouw
- bedrijfsdeskundigen
- mogelijkheden
- uitdagingen
- Kies
- Cloud
- compleet
- Berekenen
- consequent
- troosten
- Kosten
- en je merk te creรซren
- creรซert
- Wij creรซren
- Actueel
- gewoonte
- cycli
- dagelijks
- gegevens
- dag
- Vraag
- tonen
- Design
- gegevens
- Ontwikkeling
- anders
- elk
- gemakkelijk
- rand
- ingenieur
- Engineering
- voorbeeld
- voorbeelden
- opgewonden
- ervaring
- Fictie
- Velden
- Voornaam*
- vast
- gericht
- volgend
- gevonden
- oppompen van
- toekomst
- voortbrengen
- het genereren van
- Groep
- Hoogte
- zeer
- historisch
- horizont
- Horizons
- Hoe
- How To
- HTTPS
- verbeteren
- omvatten
- Inclusief
- informatie
- invoer
- integreren
- belangen
- kruispunt
- inventaris
- IT
- LEARN
- leren
- niveaus
- Lijst
- laden
- lokaal
- machine
- machine learning
- gemaakt
- beheer
- beheerd
- manager
- handboek
- handmatig
- Match
- ML
- maandag
- Maand
- maandelijks
- meer
- Navigatie
- noodzakelijk
- volgende
- bieden
- lopend
- Operations
- Kansen
- Optimaliseer
- Keuze
- Overige
- hartstochtelijk
- periode
- periodes
- fotografie
- planning
- spelen
- punt
- punten
- voorspellen
- Voorspellingen
- problemen
- processen
- produceren
- geproduceerd
- Product
- zorgen voor
- mits
- biedt
- het verstrekken van
- lezing
- vermindering
- reflecteren
- weerspiegelt
- regio
- regionaal
- het verwijderen van
- nodig
- Voorwaarden
- vereist
- hulpbron
- Resultaten
- beoordelen
- besparing
- Wetenschap
- gekozen
- -Series
- service
- het instellen van
- getoond
- vaardigheden
- Software
- software development
- solide
- Oplossingen
- OPLOSSEN
- specifiek
- staan
- begin
- gestart
- state-of-the-art
- statistisch
- doelwit
- team
- De
- Door
- niet de tijd of
- verkeer
- Trainingen
- Reizend
- voor
- .
- waarde
- gezocht
- web
- week
- per week
- en
- Mijn werk
- workflows
- Workforce
- jaar
- Your