Bắt đầu hành trình thành công của bạn với dự báo chuỗi thời gian với Amazon Forecast

Các tổ chức thuộc mọi quy mô đang cố gắng phát triển kinh doanh, nâng cao hiệu quả và phục vụ khách hàng tốt hơn bao giờ hết. Mặc dù tương lai là không chắc chắn, nhưng cách tiếp cận dựa trên khoa học, dựa trên dữ liệu có thể giúp dự đoán những gì ở phía trước để điều hướng thành công trong một biển các lựa chọn.

Mọi ngành đều sử dụng dự báo chuỗi thời gian để giải quyết nhiều nhu cầu lập kế hoạch khác nhau, bao gồm nhưng không giới hạn ở:

Trong bài đăng này, chúng tôi phác thảo năm phương pháp hay nhất để bắt đầu với Dự báo Amazonvà áp dụng sức mạnh của dự báo máy học (ML) có độ chính xác cao cho doanh nghiệp của bạn.

Tại sao Amazon Dự báo

AWS cung cấp dịch vụ dự báo chuỗi thời gian được quản lý hoàn toàn có tên Amazon Forecast, dịch vụ này cho phép bạn tạo và duy trì dự báo chuỗi thời gian tự động liên tục mà không yêu cầu chuyên môn về ML. Ngoài ra, bạn có thể xây dựng và triển khai các hoạt động dự báo có thể lặp lại mà không cần viết mã, xây dựng mô hình ML hoặc quản lý cơ sở hạ tầng.

Khả năng của Dự báo cho phép nó phục vụ nhiều vai trò khác nhau của khách hàng, từ nhà phân tích và quản lý chuỗi cung ứng đến nhà phát triển và chuyên gia ML. Có một số lý do khiến khách hàng ưa chuộng Dự báo: nó mang lại độ chính xác cao, kết quả có thể lặp lại và khả năng tự phục vụ mà không cần chờ đợi nguồn lực kỹ thuật chuyên dụng sẵn có. Dự báo cũng được các chuyên gia khoa học dữ liệu lựa chọn vì nó cung cấp kết quả có độ chính xác cao, dựa trên tập hợp các mô hình tự điều chỉnh và tính linh hoạt để thử nghiệm nhanh chóng mà không cần phải triển khai hoặc quản lý các cụm ở bất kỳ kích thước cụ thể nào. Các mô hình ML của nó cũng giúp hỗ trợ dự báo cho một số lượng lớn mặt hàng dễ dàng hơn và có thể tạo chính xác dự báo cho các mặt hàng khởi động nguội không có lịch sử.

Năm phương pháp hay nhất khi bắt đầu với Dự báo

Dự báo cung cấp độ chính xác cao và thời gian tiếp thị nhanh chóng cho các nhà phát triển và nhà khoa học dữ liệu. Mặc dù việc phát triển các mô hình chuỗi thời gian có độ chính xác cao đã trở nên dễ dàng, nhưng bài đăng này cung cấp các phương pháp hay nhất để tăng tốc quá trình giới thiệu và thời gian định giá của bạn. Một chút nghiêm ngặt và có lẽ phải áp dụng một vài vòng thử nghiệm để đạt được thành công. Một hành trình dự báo thành công phụ thuộc vào nhiều yếu tố, một số yếu tố tinh tế.

Đây là một số mục chính bạn nên cân nhắc khi bắt đầu làm việc với Dự báo.

Bắt đầu đơn giản

Như thể hiện trong bánh đà sau đây, hãy cân nhắc bắt đầu với một mô hình đơn giản sử dụng chuỗi thời gian mục tiêu bộ dữ liệu để phát triển đường cơ sở khi bạn đề xuất bộ dữ liệu đầu vào đầu tiên của mình. Các thí nghiệm tiếp theo có thể thêm vào khác đặc điểm thời gian và siêu dữ liệu tĩnh với mục tiêu cải thiện độ chính xác của mô hình. Mỗi khi một thay đổi được thực hiện, bạn có thể đo lường và tìm hiểu xem thay đổi đó đã giúp ích được bao nhiêu, nếu có. Tùy thuộc vào đánh giá của bạn, bạn có thể quyết định giữ bộ tính năng mới được cung cấp hoặc xoay vòng và thử một tùy chọn khác.

Tập trung vào các ngoại lệ

Với Dự báo, bạn có thể thu được số liệu thống kê chính xác cho toàn bộ tập dữ liệu. Điều quan trọng là phải nhận ra rằng mặc dù thống kê cấp cao nhất này rất thú vị, nhưng nó chỉ nên được xem là đúng theo hướng. Bạn nên tập trung vào số liệu thống kê chính xác cấp mặt hàng hơn là số liệu thống kê cấp cao nhất. Hãy xem biểu đồ phân tán sau đây làm hướng dẫn. Một số mục trong bộ dữ liệu sẽ có độ chính xác cao; đối với những điều này không cần thực hiện hành động nào.

Trong khi xây dựng mô hình, bạn nên khám phá một số điểm được gắn nhãn là “chuỗi thời gian khám phá”. Trong những trường hợp thăm dò này, hãy xác định cách cải thiện độ chính xác bằng cách kết hợp nhiều dữ liệu đầu vào hơn, chẳng hạn như biến thể giá, chi tiêu khuyến mại, tính năng thời vụ rõ ràng và bao gồm các sự kiện và điều kiện địa phương, thị trường, toàn cầu cũng như các sự kiện và điều kiện trong thế giới thực khác.

Xem lại độ chính xác của công cụ dự đoán trước khi tạo dự báo

Không tạo dự đoán ngày trong tương lai với Dự báo cho đến khi bạn đã xem xét độ chính xác của dự đoán trong khoảng thời gian kiểm tra lại. Biểu đồ phân tán trước minh họa độ chính xác ở cấp độ chuỗi thời gian, đây là dấu hiệu tốt nhất cho bạn biết các dự đoán ngày tháng trong tương lai sẽ như thế nào, tất cả những thứ khác đều giống nhau. Nếu khoảng thời gian này không cung cấp mức độ chính xác mà bạn yêu cầu, thì đừng tiếp tục với hoạt động dự báo ngày trong tương lai, vì điều này có thể dẫn đến chi tiêu không hiệu quả. Thay vào đó, hãy tập trung vào việc tăng cường dữ liệu đầu vào của bạn và thử một vòng khác trên bánh đà đổi mới, như đã thảo luận trước đó.

Giảm thời gian đào tạo

Bạn có thể giảm thời gian đào tạo thông qua hai cơ chế. Đầu tiên, sử dụng Dự báo đào tạo lại chức năng để giúp giảm thời gian đào tạo thông qua học chuyển giao. Thứ hai, ngăn chặn sự trôi dạt của mô hình với giám sát dự đoán bằng cách đào tạo chỉ khi cần thiết.

Xây dựng quy trình lặp lại

Chúng tôi khuyến khích bạn không xây dựng quy trình công việc Dự báo thông qua Bảng điều khiển quản lý AWS hoặc sử dụng API từ đầu cho đến khi ít nhất bạn đã đánh giá được AWS mẫu repo GitHub. Nhiệm vụ của chúng tôi với các mẫu GitHub là giúp loại bỏ trở ngại và đẩy nhanh thời gian tiếp thị của bạn với các quy trình công việc lặp lại đã được thiết kế chu đáo. Các quy trình công việc này không có máy chủ và có thể được lên lịch để chạy theo lịch trình thông thường.

Truy cập repo GitHub chính thức của chúng tôi, nơi bạn có thể nhanh chóng triển khai hướng dẫn giải pháp của chúng tôi bằng cách làm theo các bước được cung cấp. Như được minh họa trong hình dưới đây, quy trình công việc cung cấp một quy trình hoàn chỉnh từ đầu đến cuối có thể truy xuất dữ liệu lịch sử, nhập dữ liệu đó, xây dựng mô hình và đưa ra suy luận đối với các mô hình—tất cả mà không cần phải viết mã.

Hình dưới đây cung cấp cái nhìn sâu hơn về chỉ một mô-đun, mô-đun này có thể thu thập dữ liệu lịch sử để đào tạo mô hình từ vô số nguồn cơ sở dữ liệu được hỗ trợ bởi Truy vấn liên kết Amazon Athena.

Bắt đầu từ hôm nay

Bạn có thể triển khai quy trình sản xuất hoàn toàn tự động trong vài ngày đến vài tuần, đặc biệt khi kết hợp với quy trình điều phối quy trình công việc có sẵn tại Kho lưu trữ mẫu GitHub.

Video re:Invent này nêu bật trường hợp sử dụng của một khách hàng đã tự động hóa quy trình làm việc của họ bằng mô hình GitHub này:

Dự báo có nhiều khả năng tích hợp sẵn để giúp bạn đạt được các mục tiêu kinh doanh của mình thông qua dự báo dựa trên ML có độ chính xác cao. Chúng tôi khuyến khích bạn liên hệ với nhóm tài khoản AWS của mình nếu có bất kỳ câu hỏi nào và cho họ biết rằng bạn muốn nói chuyện với một chuyên gia về chuỗi thời gian để cung cấp hướng dẫn và định hướng. Chúng tôi cũng có thể cung cấp các hội thảo để hỗ trợ bạn tìm hiểu cách sử dụng Dự báo.

Chúng tôi ở đây để hỗ trợ bạn và tổ chức của bạn khi bạn nỗ lực tự động hóa và cải thiện dự báo nhu cầu trong công ty của mình. Dự báo chính xác hơn có thể dẫn đến doanh thu cao hơn, giảm lãng phí đáng kể, giảm hàng tồn kho nhàn rỗi và cuối cùng là mức độ dịch vụ khách hàng cao hơn.

Hãy hành động ngay hôm nay; không có thời điểm nào tốt hơn hiện tại để bắt đầu tạo ra một ngày mai tốt đẹp hơn.

---

Lưu ý

Charles Laughlin là Kiến trúc sư giải pháp chuyên gia AI/ML chính và làm việc trong nhóm ML chuỗi thời gian tại AWS. Anh giúp định hình lộ trình dịch vụ Amazon Forecast và cộng tác hàng ngày với nhiều khách hàng AWS khác nhau để giúp chuyển đổi hoạt động kinh doanh của họ bằng cách sử dụng các công nghệ AWS tiên tiến và khả năng lãnh đạo bằng tư duy. Charles có bằng Thạc sĩ về Quản lý chuỗi cung ứng và đã có hơn một thập kỷ làm việc trong ngành hàng tiêu dùng đóng gói.

Dan Sinnreich là Giám đốc sản phẩm của Sr. cho Amazon Forecast. Ông tập trung vào việc dân chủ hóa việc học máy mã thấp / không mã và áp dụng nó để cải thiện kết quả kinh doanh. Ngoài giờ làm việc, anh có thể chơi khúc côn cầu, cố gắng cải thiện khả năng giao bóng tennis, lặn biển và đọc khoa học viễn tưởng.