Đây là bài đăng của khách đồng tác giả bởi Nafi Ahmet Turgut, Mutlu Polatcan, Pınar Baki, Mehmet İkbal Özmen, Hasan Burak Yel và Hamza Akyıldız từ Getir.
mang là người tiên phong trong việc giao hàng tạp hóa cực nhanh. Công ty công nghệ này đã cách mạng hóa hoạt động giao hàng chặng cuối với đề xuất giao hàng “hàng tạp hóa trong vài phút”. Getir được thành lập vào năm 2015 và hoạt động tại Thổ Nhĩ Kỳ, Anh, Hà Lan, Đức, Pháp, Tây Ban Nha, Ý, Bồ Đào Nha và Hoa Kỳ. Ngày nay, Getir là một tập đoàn kết hợp chín ngành dọc dưới cùng một thương hiệu.
Dự đoán nhu cầu trong tương lai là một trong những hiểu biết quan trọng nhất đối với Getir và là một trong những thách thức lớn nhất mà chúng tôi phải đối mặt. Getir chủ yếu dựa vào dự báo nhu cầu chính xác ở cấp độ SKU khi đưa ra các quyết định kinh doanh trong nhiều lĩnh vực, bao gồm tiếp thị, sản xuất, hàng tồn kho và tài chính. Dự báo chính xác là cần thiết để hỗ trợ các quyết định giữ và bổ sung hàng tồn kho. Có một bức tranh rõ ràng và đáng tin cậy về nhu cầu dự đoán cho ngày hoặc tuần tiếp theo cho phép chúng tôi điều chỉnh chiến lược của mình và tăng khả năng đáp ứng các mục tiêu về doanh số và doanh thu.
Getir được sử dụng Dự báo Amazon, một dịch vụ được quản lý hoàn toàn sử dụng thuật toán máy học (ML) để đưa ra các dự báo về chuỗi thời gian có độ chính xác cao, nhằm tăng doanh thu thêm 50% và giảm XNUMX% chi phí lãng phí. Trong bài đăng này, chúng tôi mô tả cách chúng tôi sử dụng Dự báo để đạt được những lợi ích này. Chúng tôi phác thảo cách chúng tôi xây dựng quy trình dự báo nhu cầu tự động bằng Dự báo và được điều phối bởi Chức năng bước AWS để dự đoán nhu cầu hàng ngày đối với SKU. Giải pháp này dẫn đến dự báo có độ chính xác cao cho hơn 10,000 SKU trên tất cả các quốc gia nơi chúng tôi hoạt động và đóng góp đáng kể vào khả năng phát triển các quy trình chuỗi cung ứng nội bộ có khả năng mở rộng cao của chúng tôi.
Dự báo tự động hóa phần lớn quy trình dự báo theo chuỗi thời gian, cho phép bạn tập trung vào việc chuẩn bị bộ dữ liệu và diễn giải các dự đoán của mình.
Step Functions là một dịch vụ được quản lý hoàn toàn giúp phối hợp các thành phần của ứng dụng phân tán và vi dịch vụ dễ dàng hơn bằng cách sử dụng quy trình công việc trực quan. Xây dựng ứng dụng từ các thành phần riêng lẻ, mỗi thành phần thực hiện một chức năng riêng biệt giúp bạn mở rộng quy mô dễ dàng hơn và thay đổi ứng dụng nhanh hơn. Step Functions tự động kích hoạt và theo dõi từng bước và thử lại khi có lỗi, vì vậy ứng dụng của bạn sẽ thực thi theo thứ tự và như mong đợi.
Tổng quan về giải pháp
Sáu người từ nhóm khoa học dữ liệu và nhóm cơ sở hạ tầng của Getir đã làm việc cùng nhau trong dự án này. Dự án được hoàn thành trong 3 tháng và triển khai sản xuất sau 2 tháng chạy thử.
Sơ đồ sau đây cho thấy kiến trúc của giải pháp.
Quy trình mô hình được thực hiện riêng cho từng quốc gia. Kiến trúc bao gồm bốn công việc định kỳ luồng không khí chạy theo một lịch trình xác định. Quy trình bắt đầu với việc tạo tính năng, bước đầu tiên tạo các tính năng và tải chúng vào Amazon RedShift. Tiếp theo, một công việc xử lý tính năng sẽ chuẩn bị các tính năng hàng ngày được lưu trữ trong Amazon Redshift và dỡ dữ liệu chuỗi thời gian sang Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3). Công việc Luồng không khí thứ hai chịu trách nhiệm kích hoạt quy trình Dự báo thông qua Sự kiện Amazon. Quy trình này bao gồm các hàm Amazon Lambda, tạo ra các công cụ dự đoán và dự báo dựa trên các tham số được lưu trữ trong Amazon S3. Dự báo đọc dữ liệu từ Amazon S3, đào tạo mô hình bằng tính năng tối ưu hóa siêu tham số (HPO) để tối ưu hóa hiệu suất của mô hình và đưa ra các dự đoán về doanh số bán sản phẩm trong tương lai. Sau đó, quy trình “WaitInProgress” của Step Functions được kích hoạt cho mỗi quốc gia, cho phép thực hiện song song một quy trình cho mỗi quốc gia.
Lựa chọn thuật toán
Amazon Forecast có sáu thuật toán tích hợp (ARIMA, ETS, NPTS, Tiên tri, DeepAR+, CNN-QR), được nhóm thành hai nhóm: thống kê và mạng lưới thần kinh/sâu. Trong số các thuật toán đó, mạng lưới thần kinh/sâu phù hợp hơn cho các vấn đề dự báo thương mại điện tử vì chúng chấp nhận các tính năng siêu dữ liệu mặt hàng, các tính năng hướng tới tương lai cho các hoạt động chiến dịch và tiếp thị và – quan trọng nhất – các tính năng chuỗi thời gian liên quan. Các thuật toán mạng nơ-ron/sâu cũng hoạt động rất tốt trên tập dữ liệu thưa thớt và trong các tình huống bắt đầu nguội (giới thiệu mục mới).
Nhìn chung, trong các thử nghiệm của mình, chúng tôi đã quan sát thấy rằng các mô hình mạng thần kinh/sâu hoạt động tốt hơn đáng kể so với các mô hình thống kê. Do đó, chúng tôi tập trung thử nghiệm chuyên sâu vào DeepAR+ và CNN-QR
Một trong những lợi ích quan trọng nhất của Amazon Forecast là khả năng mở rộng và kết quả chính xác cho nhiều tổ hợp sản phẩm và quốc gia. Trong thử nghiệm của chúng tôi, cả thuật toán DeepAR+ và CNN-QR đều mang lại thành công trong việc nắm bắt xu hướng và tính thời vụ, cho phép chúng tôi thu được kết quả hiệu quả trong các sản phẩm có nhu cầu thay đổi rất thường xuyên.
Deep AutoRegressive Plus (DeepAR+) là một thuật toán dự báo đơn biến được giám sát dựa trên các mạng thần kinh hồi quy (RNN) được tạo bởi Nghiên cứu Amazon. Ưu điểm chính của nó là có thể mở rộng dễ dàng, có thể kết hợp các đồng biến có liên quan vào dữ liệu (chẳng hạn như dữ liệu và siêu dữ liệu có liên quan) và có thể dự báo các mục bắt đầu nguội. Thay vì điều chỉnh các mô hình riêng biệt cho từng chuỗi thời gian, nó tạo ra một mô hình toàn cầu từ các chuỗi thời gian có liên quan để xử lý các thang đo khác nhau thông qua lấy mẫu dựa trên vận tốc và thay đổi tỷ lệ. Kiến trúc RNN kết hợp khả năng nhị thức để tạo ra dự báo xác suất và được các tác giả của DeepAR: Dự báo xác suất với Mạng lặp lại tự động phục hồi.
Cuối cùng chúng tôi đã chọn Amazon CNN-QR Thuật toán (Mạng thần kinh chuyển đổi – Hồi quy lượng tử) cho dự báo của chúng tôi nhờ hiệu suất cao trong quá trình kiểm tra lại. CNN-QR là thuật toán ML độc quyền do Amazon phát triển để dự báo chuỗi thời gian vô hướng (một chiều) bằng cách sử dụng Mạng thần kinh chuyển đổi nhân quả (CNN).
Như đã đề cập trước đây, CNN-QR có thể sử dụng chuỗi thời gian và siêu dữ liệu liên quan về các mục được dự báo. Siêu dữ liệu phải bao gồm mục nhập cho tất cả các mặt hàng duy nhất trong chuỗi thời gian mục tiêu, trong trường hợp của chúng tôi là các sản phẩm có nhu cầu mà chúng tôi đang dự báo. Để cải thiện độ chính xác, chúng tôi đã sử dụng siêu dữ liệu danh mục và danh mục phụ, giúp mô hình hiểu được mối quan hệ giữa các sản phẩm nhất định, bao gồm sản phẩm bổ sung và sản phẩm thay thế. Ví dụ: đối với đồ uống, chúng tôi cung cấp một cờ bổ sung cho đồ ăn nhẹ vì hai loại này bổ sung cho nhau.
Một lợi thế đáng kể của CNN-QR là khả năng dự báo mà không cần chuỗi thời gian liên quan trong tương lai, điều này rất quan trọng khi bạn không thể cung cấp các tính năng liên quan cho khoảng thời gian dự báo. Khả năng này, cùng với độ chính xác dự đoán của nó, có nghĩa là CNN-QR tạo ra kết quả tốt nhất với dữ liệu và trường hợp sử dụng của chúng tôi.
Sản lượng dự báo
Các dự báo được tạo thông qua hệ thống được ghi vào các nhóm S3 riêng biệt sau khi chúng được nhận trên cơ sở quốc gia. Sau đó, dự báo được ghi vào Amazon Redshift dựa trên SKU và quốc gia có công việc hàng ngày. Sau đó, chúng tôi tiến hành lập kế hoạch dự trữ sản phẩm hàng ngày dựa trên các dự báo của chúng tôi.
Trên cơ sở liên tục, chúng tôi tính toán tỷ lệ lỗi phần trăm tuyệt đối (MAPE) trung bình với dữ liệu dựa trên sản phẩm, đồng thời tối ưu hóa quy trình nhập mô hình và tính năng.
Kết luận
Trong bài đăng này, chúng ta đã xem qua quy trình dự báo nhu cầu tự động mà chúng ta đã xây dựng bằng Amazon Forecast và AWS Step Functions.
Với Amazon Forecast, chúng tôi đã cải thiện MAPE theo quốc gia của mình thêm 10 phần trăm. Điều này đã thúc đẩy tăng doanh thu bốn phần trăm và giảm 50 phần trăm chi phí chất thải của chúng tôi. Ngoài ra, chúng tôi đã đạt được sự cải thiện 80% về thời gian đào tạo trong các dự báo hàng ngày về khả năng mở rộng. Chúng tôi có thể dự báo hơn 10,000 SKU hàng ngày ở tất cả các quốc gia mà chúng tôi phục vụ.
Để biết thêm thông tin về cách bắt đầu xây dựng quy trình của riêng bạn với Dự báo, hãy xem Tài nguyên dự báo của Amazon. Bạn cũng có thể ghé thăm Chức năng bước AWS để có thêm thông tin về cách xây dựng các quy trình tự động cũng như sắp xếp và tạo các quy trình ML. Dự đoán vui vẻ và bắt đầu cải thiện doanh nghiệp của bạn ngay hôm nay!
Về các tác giả
Nafi Ahmet Turgut đã hoàn thành bằng Thạc sĩ về Kỹ thuật Điện & Điện tử và làm việc với tư cách là nhà khoa học nghiên cứu sau đại học. Trọng tâm của anh ấy là xây dựng các thuật toán học máy để mô phỏng sự bất thường của mạng thần kinh. Anh ấy gia nhập Getir vào năm 2019 và hiện đang làm Giám đốc phân tích & khoa học dữ liệu cấp cao. Nhóm của anh ấy chịu trách nhiệm thiết kế, triển khai và duy trì các thuật toán máy học từ đầu đến cuối và các giải pháp dựa trên dữ liệu cho Getir.
Mutlu Ba Lan là Kỹ sư dữ liệu nhân viên tại Getir, chuyên thiết kế và xây dựng nền tảng dữ liệu gốc trên đám mây. Anh ấy thích kết hợp các dự án nguồn mở với các dịch vụ đám mây.
Pinar Baki đã nhận bằng Thạc sĩ của Khoa Kỹ thuật Máy tính tại Đại học Boğaziçi. Cô làm việc với tư cách là nhà khoa học dữ liệu tại Arcelik, tập trung vào các mô hình đề xuất phụ tùng và phân tích độ tuổi, giới tính, cảm xúc từ dữ liệu giọng nói. Sau đó, cô gia nhập Getir vào năm 2022 với tư cách là Nhà khoa học dữ liệu cấp cao làm việc trong các dự án công cụ tìm kiếm và dự báo.
Mehmet İkbal Özmen nhận bằng Thạc sĩ Kinh tế và làm Trợ lý Nghiên cứu Sau đại học. Lĩnh vực nghiên cứu của ông chủ yếu là các mô hình chuỗi thời gian kinh tế, mô phỏng Markov và dự báo suy thoái. Sau đó, anh ấy gia nhập Getir vào năm 2019 và hiện đang làm Giám đốc phân tích và khoa học dữ liệu. Nhóm của anh ấy chịu trách nhiệm về các thuật toán tối ưu hóa và dự báo để giải quyết các vấn đề phức tạp mà hoạt động kinh doanh và chuỗi cung ứng gặp phải.
Hasan Burak Yel nhận bằng Cử nhân Kỹ thuật Điện & Điện tử tại Đại học Boğaziçi. Ông làm việc tại Turkcell, chủ yếu tập trung vào dự báo chuỗi thời gian, trực quan hóa dữ liệu và tự động hóa mạng. Anh ấy gia nhập Getir vào năm 2021 và hiện đang làm việc với tư cách là Nhà khoa học dữ liệu chính chịu trách nhiệm về Công cụ tìm kiếm & đề xuất và Mô hình hành vi khách hàng.
Hamza Akyıldız nhận bằng Cử nhân Toán học và Kỹ thuật Máy tính tại Đại học Boğaziçi. Anh ấy tập trung vào việc tối ưu hóa các thuật toán máy học với nền tảng toán học của chúng. Anh ấy gia nhập Getir vào năm 2021 và đang làm việc với tư cách là Nhà khoa học dữ liệu. Anh ấy đã làm việc trong các dự án liên quan đến Cá nhân hóa và Chuỗi cung ứng.
Esra Kayabalı là Kiến trúc sư giải pháp cấp cao tại AWS, chuyên về lĩnh vực phân tích bao gồm kho dữ liệu, hồ dữ liệu, phân tích dữ liệu lớn, truyền dữ liệu theo lô và thời gian thực cũng như tích hợp dữ liệu. Cô có 12 năm kinh nghiệm phát triển phần mềm và kiến trúc. Cô đam mê học hỏi và giảng dạy các công nghệ đám mây.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoAiStream. Thông minh dữ liệu Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Đúc kết tương lai với Adryenn Ashley. Truy cập Tại đây.
- Mua và bán cổ phần trong các công ty PRE-IPO với PREIPO®. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/demand-forecasting-at-getir-built-with-amazon-forecast/
- : có
- :là
- :Ở đâu
- 000
- 10
- 100
- 12
- 2015
- 2019
- 2021
- 2022
- 50
- 7
- a
- có khả năng
- Có khả năng
- Giới thiệu
- Tuyệt đối
- Chấp nhận
- chính xác
- chính xác
- Đạt được
- đạt được
- ngang qua
- hoạt động
- Ngoài ra
- thêm vào
- Lợi thế
- lợi thế
- Sau
- tuổi
- thuật toán
- thuật toán
- Tất cả
- Cho phép
- cho phép
- dọc theo
- Ngoài ra
- đàn bà gan dạ
- Dự báo Amazon
- Amazon RedShift
- Amazon Web Services
- trong số
- an
- phân tích
- phân tích
- và
- và cơ sở hạ tầng
- Các Ứng Dụng
- các ứng dụng
- kiến trúc
- LÀ
- KHU VỰC
- khu vực
- AS
- Trợ lý
- At
- tác giả
- Tự động
- tự động hóa
- tự động
- Tự động hóa
- AWS
- Chức năng bước AWS
- lý lịch
- Kiểm tra ngược
- dựa
- cơ sở
- được
- được
- Lợi ích
- BEST
- Hơn
- giữa
- lớn
- Dữ Liệu Lớn.
- lớn nhất
- cả hai
- thương hiệu
- Mang lại
- xây dựng
- Xây dựng
- xây dựng
- được xây dựng trong
- kinh doanh
- các doanh nghiệp
- by
- tính toán
- Chiến dịch
- CAN
- Chụp
- mang
- trường hợp
- đố
- Phân loại
- nhất định
- chuỗi
- thách thức
- thay đổi
- Những thay đổi
- trong sáng
- đám mây
- dịch vụ điện toán đám mây
- kết hợp
- kết hợp
- công ty
- bổ túc
- Hoàn thành
- phức tạp
- các thành phần
- máy tính
- Kỹ thuật máy tính
- tập đoàn
- đóng góp
- phối hợp
- Phí Tổn
- Chi phí
- nước
- đất nước
- quốc gia cụ thể
- tạo
- tạo ra
- tạo ra
- tạo
- Hiện nay
- khách hàng
- hành vi của khách hàng
- tiền thưởng
- dữ liệu
- Phân tích dữ liệu
- khoa học dữ liệu
- nhà khoa học dữ liệu
- tập dữ liệu
- trực quan hóa dữ liệu
- hướng dữ liệu
- bộ dữ liệu
- ngày
- quyết định
- xác định
- Bằng cấp
- cung cấp
- giao hàng
- Nhu cầu
- Dự báo nhu cầu
- bộ
- triển khai
- mô tả
- thiết kế
- phát triển
- phát triển
- Phát triển
- phân phối
- miền
- điều khiển
- hai
- thương mại điện tử
- mỗi
- dễ dàng hơn
- dễ dàng
- Kinh tế
- Kinh tế
- hiệu quả
- Thiết bị điện tử
- cho phép
- cho phép
- Cuối cùng đến cuối
- Động cơ
- ky sư
- Kỹ Sư
- nhập
- lôi
- lỗi
- ví dụ
- Thi công
- thực hiện
- dự kiến
- kinh nghiệm
- kinh nghiệm
- Đối mặt
- Đặc tính
- Tính năng
- tài chính
- Tên
- vừa vặn
- Tập trung
- tập trung
- tập trung
- tập trung
- tiếp theo
- Trong
- Dự báo
- dự báo
- hướng tới tương lai
- Thành lập
- 4
- Nước pháp
- thường xuyên
- từ
- đầy đủ
- chức năng
- chức năng
- tương lai
- Giới Tính
- Nước Đức
- được
- Toàn cầu
- Các mục tiêu
- tốt nghiệp
- Các nhóm
- Khách
- Bài đăng của Khách
- xử lý
- vui mừng
- có
- he
- nặng nề
- đã giúp
- giúp
- cô
- Cao
- cao
- của mình
- tổ chức
- Độ đáng tin của
- Hướng dẫn
- HTML
- HTTPS
- Tối ưu hóa siêu tham số
- thực hiện
- quan trọng
- nâng cao
- cải thiện
- cải thiện
- cải thiện
- in
- bao gồm
- bao gồm
- Bao gồm
- kết hợp
- kết hợp
- Tăng lên
- hệ thống riêng biệt,
- thông tin
- Cơ sở hạ tầng
- những hiểu biết
- thay vì
- hội nhập
- nội bộ
- trong
- Giới thiệu
- hàng tồn kho
- IT
- Italy
- mặt hàng
- ITS
- Việc làm
- việc làm
- gia nhập
- jpg
- dẫn
- học tập
- Led
- Cấp
- Lượt thích
- tải
- yêu
- máy
- học máy
- Chủ yếu
- phần lớn
- Duy trì
- LÀM CHO
- Làm
- quản lý
- giám đốc
- nhiều
- Marketing
- thạc sĩ
- toán học
- toán học
- nghĩa là
- có nghĩa là
- Gặp gỡ
- đề cập
- Siêu dữ liệu
- phương pháp
- microservices
- ML
- kiểu mẫu
- mô hình
- tháng
- chi tiết
- hầu hết
- nhiều
- phải
- cần thiết
- Nước Hà Lan
- mạng
- mạng
- mạng lưới thần kinh
- mạng thần kinh
- Mới
- tiếp theo
- được
- of
- on
- ONE
- đang diễn ra
- mã nguồn mở
- hoạt động
- hoạt động
- hoạt động
- tối ưu hóa
- Tối ưu hóa
- tối ưu hóa
- or
- dàn xếp
- gọi món
- Nền tảng khác
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- ra
- đề cương
- Vượt trội hơn
- kết thúc
- riêng
- Song song
- thông số
- đam mê
- người
- phần trăm
- tỷ lệ phần trăm
- Thực hiện
- hiệu suất
- cá nhân
- hình ảnh
- tiên phong
- đường ống dẫn
- lập kế hoạch
- Nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- thêm
- Bồ Đào Nha
- Bài đăng
- dự đoán
- dự đoán
- Dự đoán
- Chuẩn bị
- chuẩn bị
- trước đây
- vấn đề
- quá trình
- Quy trình
- xử lý
- sản xuất
- Sản xuất
- Sản phẩm
- Sản lượng
- Sản phẩm
- dự án
- dự án
- đề xuất
- độc quyền
- cho
- Mau
- phạm vi
- thời gian thực
- dữ liệu theo thời gian thực
- nhận
- suy thoái kinh tế
- Khuyến nghị
- giảm
- giảm thiểu lãng phí
- liên quan
- mối quan hệ
- có liên quan
- đáng tin cậy
- nghiên cứu
- trách nhiệm
- chịu trách nhiệm
- Kết quả
- doanh thu
- cách mạng hóa
- chạy
- bán hàng
- tương tự
- khả năng mở rộng
- khả năng mở rộng
- Quy mô
- quy mô
- kịch bản
- lịch trình
- Khoa học
- Nhà khoa học
- Tìm kiếm
- công cụ tìm kiếm
- Thứ hai
- xem
- chọn
- cao cấp
- riêng biệt
- Loạt Sách
- phục vụ
- dịch vụ
- DỊCH VỤ
- định
- chị ấy
- Chương trình
- có ý nghĩa
- đáng kể
- Đơn giản
- kể từ khi
- Six
- đồ ăn nhẹ
- So
- Phần mềm
- phát triển phần mềm
- giải pháp
- Giải pháp
- động SOLVE
- Tây Ban Nha
- chuyên
- phát biểu
- Nhân sự
- Bắt đầu
- bắt đầu
- bắt đầu
- Bang
- thống kê
- Bước
- cổ phần
- là gắn
- lưu trữ
- Chiến lược
- trực tuyến
- thành công
- như vậy
- phù hợp
- cung cấp
- chuỗi cung ứng
- Hỗ trợ
- hệ thống
- Mục tiêu
- Giảng dạy
- nhóm
- công nghệ cao
- Công ty công nghệ
- Công nghệ
- về
- Kiểm tra
- hơn
- việc này
- Sản phẩm
- Hà Lan
- Anh
- cung cấp their dịch
- Them
- sau đó
- Đó
- vì thế
- Kia là
- họ
- điều này
- những
- Thông qua
- thời gian
- Chuỗi thời gian
- thời gian
- đến
- bây giờ
- bên nhau
- truyền thống
- Hội thảo
- tàu hỏa
- Xu hướng
- được kích hoạt
- kích hoạt
- Thổ Nhĩ Kỳ
- hai
- Uk
- Cuối cùng
- Dưới
- hiểu
- độc đáo
- Kỳ
- Hoa Kỳ
- trường đại học
- us
- sử dụng
- ca sử dụng
- đã sử dụng
- sử dụng
- ngành dọc
- rất
- thông qua
- Truy cập
- hình dung
- đi bộ
- là
- Chất thải
- we
- web
- các dịch vụ web
- tuần
- TỐT
- khi nào
- cái nào
- có
- rộng
- Phạm vi rộng
- với
- không có
- làm việc
- Luồng công việc
- đang làm việc
- công trinh
- viết
- năm
- Bạn
- trên màn hình
- zephyrnet