Проводьте аналіз «що якщо» за допомогою Amazon Forecast на 80% швидше, ніж раніше

Тепер з Прогноз Amazon, ви можете безперешкодно проводити аналіз "що-якщо" на 80% швидше, щоб проаналізувати та кількісно визначити потенційний вплив бізнес-важелів на ваші прогнози попиту. Forecast — це служба, яка використовує машинне навчання (ML) для створення точних прогнозів попиту, не вимагаючи досвіду ML. Симуляція сценаріїв за допомогою аналізу «що-якщо» є потужним бізнес-інструментом для навігації через невизначеність майбутніх подій, фіксуючи можливі результати з гіпотетичних сценаріїв. Оцінка впливу бізнес-рішень на дохід або прибутковість, кількісна оцінка ризику, пов’язаного з ринковими тенденціями, оцінка того, як організувати логістику та робочу силу, щоб задовольнити попит клієнтів, і багато іншого – це звичайна практика.

Проведення аналізу «що-якщо» для прогнозування попиту може бути складним завданням, оскільки спочатку потрібні точні моделі для прогнозування попиту, а потім швидкий і простий спосіб відтворити прогноз у різних сценаріях. Досі, хоча Forecast надавав точні прогнози попиту, проведення аналізу «що-якщо» за допомогою Forecast могло бути громіздким і займати багато часу. Наприклад, планування роздрібної реклами є поширеним застосуванням аналізу «що якщо» для визначення оптимальної ціни на продукт для максимізації доходу. Раніше в Forecast вам потрібно було підготувати та імпортувати новий вхідний файл для кожного сценарію, який ви хотіли перевірити. Якщо ви хотіли перевірити три різні цінові категорії, вам спочатку потрібно було створити три нові вхідні файли, вручну трансформувавши дані в автономному режимі, а потім імпортувавши кожен файл у Forecast окремо. По суті, ви виконували той самий набір завдань для кожного сценарію. Крім того, щоб порівняти сценарії, вам потрібно було завантажити прогноз із кожного сценарію окремо, а потім об’єднати їх у автономному режимі.

Завдяки сьогоднішньому запуску ви можете легко проводити аналіз "що якщо" на 80% швидше. Ми полегшили створення нових сценаріїв, усунувши потребу в автономних маніпуляціях даними та імпорті для кожного сценарію. Тепер ви можете визначити сценарій, трансформувавши свій початковий набір даних за допомогою простих операцій, таких як множення ціни продукту A на 90% або зменшення ціни продукту B на 10 доларів США. Ці перетворення також можна об’єднати з умовами для керування параметрами, до яких застосовується сценарій (наприклад, зниження ціни продукту А лише в одному місці). За допомогою цього запуску ви можете визначити та запустити кілька сценаріїв одного типу аналізу (наприклад, аналізу просування) або різних типів аналізу (наприклад, аналізу просування в географічному регіоні 1 і планування запасів у географічному регіоні 2) одночасно. Нарешті, вам більше не потрібно об’єднувати та порівнювати результати сценаріїв офлайн. Тепер ви можете переглядати прогнозні прогнози для всіх сценаріїв на одному графіку або масово експортувати дані для перегляду в режимі офлайн.

Огляд рішення

Кроки, наведені в цій публікації, демонструють, як використовувати аналіз "що якщо" на Консоль управління AWS. Щоб безпосередньо використовувати Forecast API для аналізу «що-якщо», дотримуйтесь інструкцій у нашому блокноті GitHub репо що забезпечує аналогічну демонстрацію.

Імпортуйте свої тренувальні дані

Щоб провести аналіз «що, якщо», вам потрібно імпортувати два файли CSV, що представляють дані цільового часового ряду (показує ціль прогнозу) і пов’язані дані часового ряду (показує атрибути, які впливають на ціль). Наш приклад файлу цільового часового ряду містить ідентифікатор товару, позначку часу, попит, ідентифікатор магазину, місто та регіон, а пов’язаний файл часового ряду містить ідентифікатор товару, ідентифікатор магазину, позначку часу, місто, регіон і ціну.

Щоб імпортувати дані, виконайте такі дії:

1. На консолі прогнозу виберіть Перегляд груп наборів даних.

2. Вибирати Створити групу наборів даних.

3. для Назва групи набору даних, введіть назву набору даних (для цієї публікації, my_company_consumer_sales_history).
4. для Область прогнозування, виберіть домен прогнозування (для цієї публікації, Retail).
5. Вибирати МАЙБУТНІ.

6. на Створіть цільовий набір даних часових рядів введіть назву набору даних, частоту ваших даних і схему даних
7. Надайте деталі імпорту набору даних.
8. Вибирати Start.

На наступному знімку екрана показано інформацію для сторінки цільового часового ряду, заповнену для нашого прикладу.

Ви перейдете на інформаційну панель, за допомогою якої можна відстежувати прогрес.

9. Щоб імпортувати пов’язаний файл часових рядів, виберіть на інформаційній панелі Імпортувати.

10. на Створіть пов’язаний набір даних часових рядів сторінки, введіть назву набору даних і схему даних.
11. Надайте деталі імпорту набору даних.
12. Вибирати Start.

На наступному знімку екрана показано інформацію, заповнену для нашого прикладу.

Тренувати провісника

Далі тренуємо провісника.

1. На інформаційній панелі виберіть Провісник поїздів.

2. на Провісник поїздів введіть назву свого предиктора, скільки часу в майбутньому ви хочете зробити прогноз і з якою частотою, а також кількість квантилів, для яких ви хочете зробити прогноз.
3. Увімкнути AutoPredictor – це потрібно для використання аналізу «що-якщо».
4. Вибирати Створювати.

На наступному знімку екрана показано інформацію, заповнену для нашого прикладу.

Створіть прогноз

Після навчання нашого провісника (це може зайняти приблизно 2.5 години) ми створюємо прогноз. Ви дізнаєтеся, що ваш провісник навчений, коли побачите Переглянути прогнози кнопку на панелі керування.

1. Вибирати Створіть прогноз на панелі приладів

2. на Створіть прогноз введіть назву прогнозу, виберіть створений вами предиктор і вкажіть квантилі прогнозу (необов’язково) та елементи, для яких потрібно створити прогноз.
3. Вибирати Start.

Виконавши ці кроки, ви успішно створили прогноз. Це базовий сценарій прогнозу, який ви використовуєте для аналізу "що, якщо".

Якщо вам потрібна додаткова допомога у створенні базових прогнозів, зверніться до Початок роботи (консоль). Тепер ми переходимо до наступних кроків проведення аналізу «що-якщо».

Створіть аналіз "що-якщо".

На цьому етапі ми створили наш базовий прогноз і розпочнемо покрокове керівництво щодо проведення аналізу «що буде, якщо». Існує три етапи проведення аналізу «що-якщо»: налаштування аналізу, створення прогнозу «що-якщо» шляхом визначення змін у сценарії та порівняння результатів.

1. Щоб налаштувати аналіз, виберіть Дослідіть аналіз "що якщо". на приладовій панелі.

2. Вибирати Створювати.

3. Введіть унікальну назву та виберіть базовий прогноз у спадному меню.
4. Виберіть елементи у своєму наборі даних, для яких ви хочете провести аналіз "що, якщо". У вас є два варіанти:
   1. Виберіть усі елементи це значення за замовчуванням, яке ми обираємо в цій публікації.
   2. Якщо ви хочете вибрати конкретні елементи, виберіть Виберіть елементи за допомогою файлу та імпортуйте файл CSV, що містить унікальний ідентифікатор для відповідного елемента та будь-який пов’язаний вимір (наприклад, регіон).
5. Вибирати Створіть аналіз "що якщо"..

Створіть прогноз "що якщо".

Далі ми створюємо прогноз, що буде, щоб визначити сценарій, який ми хочемо проаналізувати.

1. Вибирати Створювати.

2. Введіть назву сценарію.

Ви можете визначити свій сценарій за допомогою двох варіантів:

• Використовуйте функції перетворення – Використовуйте конструктор трансформацій, щоб трансформувати пов’язані дані часових рядів, які ви імпортували. У цьому покроковому керівництві ми оцінюємо, як змінюється попит на товар у нашому наборі даних, коли ціна знижується на 10%, а потім на 30% порівняно з ціною в базовому прогнозі.
• Визначте прогноз "що якщо" за допомогою набору даних для заміни – Замініть відповідний набір даних часового ряду, який ви імпортували.

Побудовник функцій перетворення надає можливість перетворювати пов’язані дані часових рядів, які ви імпортували раніше, за допомогою простих операцій додавання, віднімання, ділення та множення характеристик у ваших даних (наприклад, ціни) на значення, яке ви вказуєте. У нашому прикладі ми створюємо сценарій, у якому ми знижуємо ціну на 10%, і ціна є функцією в наборі даних.

3. для Що-якщо метод визначення прогнозувиберіть Використовуйте функції перетворення.
4. Вибирати Розмножуватися як наш оператор, price як наш часовий ряд і введіть 0.9.

Ви також можете додати умови, щоб ще більше вдосконалити свій сценарій. Наприклад, якщо ваш набір даних містив інформацію про магазин, упорядковану за регіонами, ви можете обмежити сценарій зниження цін регіоном. Ви можете визначити сценарій зниження ціни на 10%, який буде застосовано до магазинів не в Регіоні_1.

5. Вибирати Додати умову.
6. Вибирати Не рівні як операцію та введіть Region_1.

Іншим варіантом зміни пов’язаних часових рядів є імпортування нового набору даних, який уже містить дані, що визначають сценарій. Наприклад, щоб визначити сценарій зі зниженням ціни на 10%, ми можемо завантажити новий набір даних із зазначенням унікального ідентифікатора товарів, які змінюються, і зміни ціни на 10% нижче. Для цього виберіть Визначте прогноз "що якщо" за допомогою набору даних для заміни та імпортуйте CSV, що містить зміну ціни.

7. Щоб завершити визначення прогнозу, виберіть Створювати.

Повторіть процес, щоб створити ще один прогноз "що якщо" зі зниженням ціни на 30%.

Після виконання аналізу «що якщо» для кожного прогнозу «що якщо» статус зміниться на активний. На цьому другий етап завершується, і ви можете переходити до порівняння прогнозів «що, якщо».

Порівняйте прогнози

Тепер ми можемо порівняти прогнози «що буде, якщо» для обох наших сценаріїв, порівнюючи зниження ціни на 10% із зниженням ціни на 30%.

1. На сторінці статистики аналізу перейдіть до Порівняйте прогнози «що-якщо». .

1. для item_id, введіть елемент для аналізу.
2. для Що-якщо прогнози, виберіть сценарії для порівняння (для цієї публікації, Scenario_1 та Scenario_2).
3. Вибирати Порівняйте що-якщо.

На наступному графіку показано кінцевий попит в обох наших сценаріях.

За замовчуванням він демонструє P50 і базовий сценарій. Ви можете переглянути всі згенеровані квантилі, вибравши бажані квантилі на Виберіть прогнози спадне меню.

Експортуйте свої дані

Щоб експортувати дані у формат CSV, виконайте наведені нижче дії.

1. Вибирати Створити експорт.

2. Введіть назву файлу експорту (для цієї публікації my_scenario_export)
3. Укажіть сценарії, які потрібно експортувати, вибравши сценарії на Що-якщо прогноз спадне меню. Ви можете експортувати кілька сценаріїв одночасно в об’єднаний файл.
4. для Місце експорту, вкажіть Служба простого зберігання Amazon (Amazon S3) розташування.
5. Щоб почати експорт, виберіть Створити експорт.

6. Щоб завантажити експортований файл, спочатку перейдіть до місця розташування файлу S3 на консолі керування AWS, виберіть файл і натисніть кнопку завантаження. Файл експорту міститиме позначку часу, ідентифікатор елемента, параметри та прогнози для кожного квантиля для всіх вибраних сценаріїв (включаючи базовий сценарій).

Висновок

Аналіз сценаріїв є критично важливим інструментом, який допомагає орієнтуватися в невизначеності бізнесу. Він забезпечує передбачення та механізм для стрес-тестування ідей, роблячи бізнес більш стійким, краще підготовленим і контролюючим своє майбутнє. Прогноз тепер підтримує прогнозування аналізу сценарію "що-якщо". Щоб провести аналіз сценарію, відкрийте консоль прогнозу та виконайте кроки, описані в цій публікації, або зверніться до нашої Блокнот GitHub про те, як отримати доступ до функцій через API.

Щоб дізнатися більше, зверніться до CreateWhatIfAnalysis у посібнику розробника.

---

Про авторів

Брендон Нейр є старшим менеджером із продуктів Amazon Forecast. Його професійний інтерес полягає в створенні масштабованих сервісів і програм машинного навчання. Поза роботою його можна зустріти досліджуючи національні парки, вдосконалюючи свій удар у гольф або плануючи пригодницьку подорож.

Ахіл Радж Ажикодан є інженером з розробки програмного забезпечення, який працює над Amazon Forecast. Його інтереси полягають у проектуванні та створенні надійних систем, які вирішують складні проблеми клієнтів. Поза роботою він любить вивчати історію, ходити в походи та грати у відеоігри.

Коннер Сміт є інженером з розробки програмного забезпечення, який працює над Amazon Forecast. Він зосереджується на створенні безпечних, масштабованих розподілених систем, які забезпечують цінність для клієнтів. Поза роботою він проводить час за читанням художньої літератури, грою на гітарі та переглядом випадкових відео на YouTube.

Шеннон Кіллінгсворт є дизайнером UX для Amazon Forecast. Протягом двох років він покращував роботу користувачів у Forecast, спрощуючи процеси, а також додаючи нові функції способами, які мали сенс для наших користувачів. Поза роботою захоплюється бігом, малюванням і читанням.