Tạo dự báo bắt đầu nguội cho các sản phẩm không có dữ liệu lịch sử bằng Amazon Forecast, hiện chính xác hơn tới 45%

Bây giờ với Dự báo Amazon, bạn có thể tạo dự báo chính xác hơn tới 45% cho các sản phẩm không có dữ liệu lịch sử. Dự báo là một dịch vụ được quản lý sử dụng công nghệ máy học (ML) để tạo dự báo nhu cầu chính xác mà không yêu cầu bất kỳ kinh nghiệm ML nào. Dự báo chính xác là nền tảng để tối ưu hóa hàng tồn kho, lập kế hoạch hậu cần và quản lý lực lượng lao động, đồng thời cho phép các doanh nghiệp chuẩn bị tốt hơn để phục vụ khách hàng của họ. Dự báo bắt đầu lạnh là một thách thức phổ biến khi cần tạo dự báo nhưng không có dữ liệu lịch sử cho sản phẩm. Điều này là điển hình trong các ngành như bán lẻ, sản xuất hoặc hàng tiêu dùng đóng gói, nơi có sự giới thiệu sản phẩm mới nhanh chóng bằng cách đưa các sản phẩm mới được phát triển ra thị trường, giới thiệu nhãn hiệu hoặc danh mục sản phẩm lần đầu tiên hoặc bán chéo sản phẩm vào các khu vực mới. Với lần ra mắt này, chúng tôi đã cải thiện phương pháp dự báo bắt đầu nguội hiện tại của mình và hiện cung cấp các dự báo chính xác hơn tới 45%.

Có thể khó phát triển mô hình dự báo bắt đầu nguội vì các phương pháp dự báo thống kê truyền thống như Trung bình trượt tích hợp tự hồi quy (ARIMA) hoặc Làm mịn hàm mũ được xây dựng bằng cách sử dụng khái niệm dữ liệu lịch sử của sản phẩm có thể được sử dụng để dự đoán các giá trị trong tương lai của sản phẩm. Tuy nhiên, không có dữ liệu lịch sử, các tham số mô hình không thể được tính toán và do đó không thể xây dựng mô hình. Dự báo đã có khả năng tạo dự báo cho các sản phẩm khởi động nguội bằng cách sử dụng độc quyền thuật toán mạng thần kinh chẳng hạn như DeepAR+ và CNN-QR. Các mô hình này tìm hiểu mối quan hệ giữa các sản phẩm và có thể tạo dự báo cho các sản phẩm không có dữ liệu lịch sử. Việc sử dụng siêu dữ liệu mặt hàng để thiết lập các mối quan hệ này là ngầm định, điều đó có nghĩa là các mạng không thể ngoại suy đầy đủ các đặc điểm xu hướng cho các sản phẩm bắt đầu nguội.

Hôm nay, chúng tôi đã đưa ra một phương pháp dự báo bắt đầu nguội mới, chính xác hơn tới 45% so với trước đây. Cách tiếp cận này cải thiện cách xử lý của chúng tôi đối với siêu dữ liệu mặt hàng mà qua đó chúng tôi xác định các sản phẩm rõ ràng trong tập dữ liệu của bạn có các đặc điểm tương tự nhất với các sản phẩm bắt đầu nguội. Bằng cách tập trung vào tập hợp con các sản phẩm tương tự này, chúng tôi có thể tìm hiểu xu hướng tốt hơn để đưa ra dự báo cho sản phẩm bắt đầu nguội. Ví dụ: một nhà bán lẻ thời trang giới thiệu dòng áo phông mới sẽ muốn dự báo nhu cầu cho dòng đó để tối ưu hóa hàng tồn kho của cửa hàng. Bạn có thể cung cấp cho Dự báo dữ liệu lịch sử cho các sản phẩm khác trong danh mục của mình, chẳng hạn như các dòng áo phông, áo khoác, quần và giày hiện có, cũng như siêu dữ liệu mặt hàng như tên thương hiệu, màu sắc, kích cỡ và danh mục sản phẩm cho cả sản phẩm mới và sản phẩm hiện có Mỹ phẩm. Với siêu dữ liệu này, Dự báo sẽ tự động phát hiện các sản phẩm có liên quan chặt chẽ nhất với dòng áo phông mới và sử dụng những sản phẩm đó để tạo dự báo cho dòng áo phông.

Tính năng này khả dụng ở tất cả các Khu vực nơi Dự báo được cung cấp công khai thông qua Bảng điều khiển quản lý AWS hoặc là API tự động dự đoán. Để biết thêm thông tin về tính khả dụng của Khu vực, hãy xem Dịch vụ khu vực của AWS. Để bắt đầu sử dụng Dự báo cho dự báo bắt đầu nguội, hãy tham khảo Tạo dự báo hoặc là Sổ ghi chép GitHub.

Tổng quan về giải pháp

Các bước trong bài đăng này trình bày cách sử dụng Dự báo để dự báo bắt đầu nguội trên Bảng điều khiển quản lý AWS. Chúng ta xem qua ví dụ về một nhà bán lẻ tạo dự báo nhu cầu hàng tồn kho cho một sản phẩm mới ra mắt bằng cách thực hiện theo ba bước trong Dự báo: nhập dữ liệu của bạn, đào tạo công cụ dự đoán và tạo dự báo. Để trực tiếp sử dụng API Dự báo cho dự báo bắt đầu nguội, hãy làm theo sổ ghi chép trong Repo GitHub, cung cấp một minh chứng tương tự.

Nhập dữ liệu đào tạo của bạn

Để sử dụng phương pháp dự báo bắt đầu nguội mới, bạn phải nhập hai tệp CSV: một tệp chứa dữ liệu chuỗi thời gian mục tiêu (hiển thị mục tiêu dự đoán) và một tệp khác chứa siêu dữ liệu mặt hàng (hiển thị các đặc điểm của sản phẩm như kích thước hoặc màu sắc). Dự báo xác định các sản phẩm bắt đầu nguội là những sản phẩm có trong tệp siêu dữ liệu mặt hàng nhưng không có trong tệp chuỗi thời gian đích.

Để xác định chính xác sản phẩm bắt đầu nguội của bạn, hãy đảm bảo rằng ID mặt hàng của sản phẩm bắt đầu nguội được nhập dưới dạng một hàng trong tệp siêu dữ liệu mặt hàng của bạn và ID đó không có trong tệp chuỗi thời gian đích. Đối với nhiều sản phẩm bắt đầu nguội, hãy nhập từng ID mặt hàng sản phẩm dưới dạng một hàng riêng biệt trong tệp siêu dữ liệu mặt hàng. Nếu bạn chưa có ID mặt hàng cho sản phẩm bắt đầu nguội của mình, bạn có thể sử dụng bất kỳ tổ hợp chữ và số nào có ít hơn 64 ký tự chưa đại diện cho một sản phẩm khác trong tập dữ liệu của bạn.

Trong ví dụ của chúng tôi, tệp chuỗi thời gian mục tiêu chứa ID mặt hàng sản phẩm, dấu thời gian và nhu cầu (khoảng không quảng cáo) và tệp siêu dữ liệu mặt hàng chứa ID mặt hàng sản phẩm, màu sắc, danh mục sản phẩm và vị trí.

Để nhập dữ liệu của bạn, hãy hoàn thành các bước sau:

1. Trên bảng điều khiển Dự báo, chọn Xem các nhóm tập dữ liệu.

2. Chọn Tạo nhóm tập dữ liệu.

3. Trong Tên nhóm tập dữ liệu, hãy nhập tên tập dữ liệu (đối với bài đăng này, my_company_shoe_inventory).
4. Đối với Miền dự báo, hãy chọn một miền dự báo (đối với bài đăng này, Bán lẻ).
5. Chọn Tiếp theo.

6. Trên trang Tạo tập dữ liệu chuỗi thời gian mục tiêu, hãy cung cấp tên tập dữ liệu, tần suất dữ liệu của bạn và giản đồ dữ liệu.
7. Cung cấp chi tiết nhập tập dữ liệu.
8. Chọn Bắt đầu.

Ảnh chụp màn hình sau đây hiển thị thông tin cho trang chuỗi thời gian mục tiêu được điền vào ví dụ của chúng tôi.

Bạn được chuyển hướng đến trang tổng quan mà bạn có thể sử dụng để theo dõi tiến trình.

1. Để nhập tệp siêu dữ liệu mặt hàng, trên bảng điều khiển, hãy chọn Nhập khẩu.

2. trên Tạo tập dữ liệu siêu dữ liệu mặt hàng , cung cấp tên tập dữ liệu và lược đồ dữ liệu.
3. Cung cấp chi tiết nhập tập dữ liệu.
4. Chọn Bắt đầu.

Ảnh chụp màn hình sau đây hiển thị thông tin đã điền cho ví dụ của chúng tôi.

Đào tạo một nhà dự đoán

Tiếp theo, chúng tôi đào tạo một người dự đoán.

1. Trên trang tổng quan, hãy chọn Dự đoán tàu.

2. trên Dự đoán tàu , nhập tên cho công cụ dự đoán của bạn, thời gian bạn muốn dự báo trong tương lai và tần suất ra sao, và số lượng tử bạn muốn dự báo.
3. Kích hoạt tính năng Tự động dự đoán. Điều này là cần thiết để dự báo khởi động nguội.
4. Chọn Tạo.

Ảnh chụp màn hình sau đây hiển thị thông tin đã điền cho ví dụ của chúng tôi.

Tạo dự báo

Sau khi công cụ dự đoán của chúng tôi được đào tạo (quá trình này có thể mất khoảng 2.5 giờ), chúng tôi tạo dự báo cho sản phẩm mới ra mắt. Bạn sẽ biết rằng người dự đoán của bạn đã được đào tạo khi bạn nhìn thấy Xem dự đoán trên trang tổng quan của bạn.

1. Chọn Tạo dự báo trên bảng điều khiển.

2. trên Tạo dự báo , nhập tên dự báo, chọn công cụ dự đoán mà bạn đã tạo và chỉ định các lượng tử dự báo (tùy chọn) và các mục để tạo dự báo.
3. Chọn Bắt đầu.

Xuất dự báo của bạn

Sau khi dự báo của bạn được tạo, bạn có thể xuất dữ liệu sang CSV. Bạn sẽ biết rằng dự báo của mình được tạo khi bạn thấy trạng thái đang hoạt động.

1. Chọn Tạo dự báo xuất.

2. Nhập tên tệp xuất (đối với bài đăng này, my_cold_start_forecast_export).
3. Trong Vị trí xuất khẩu, chỉ định la Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) vị trí.
4. Chọn Bắt đầu.

5. Để tải xuống bản xuất, hãy điều hướng đến vị trí đường dẫn tệp S3 từ bảng điều khiển, sau đó chọn tệp và chọn Tải về.

Tệp xuất chứa dấu thời gian, ID mặt hàng, siêu dữ liệu mặt hàng và dự đoán cho từng phân vị được chọn.

Xem dự báo của bạn

Sau khi dự báo của bạn được tạo, bạn có thể xem dự báo cho các sản phẩm mới bằng đồ họa trên bảng điều khiển.

1. Chọn Dự báo truy vấn trên bảng điều khiển.

2. Chọn tên của dự báo được tạo ở bước trước (my_cold_start_forecast trong ví dụ của chúng tôi).
3. Nhập ngày bắt đầu và ngày kết thúc mà bạn muốn xem hết dự báo của mình.
4. Trong trường ID mặt hàng cho khóa dự báo, hãy thêm ID duy nhất của sản phẩm bắt đầu nguội của bạn.
5. Lựa chọn Nhận dự báo.

Trong hình, bạn sẽ thấy dự báo cho bất kỳ phân vị nào được chọn.

Kết luận

Với Dự báo, bạn có thể nhận được thông tin chi tiết dự báo tương tự cho các sản phẩm mới bắt đầu mà không có dữ liệu lịch sử, giờ đây chính xác hơn tới 45% so với trước đây. Để tạo dự báo bắt đầu nguội với Dự báo, hãy mở bảng điều khiển Dự báo và làm theo các bước được nêu trong bài đăng này hoặc tham khảo tài liệu của chúng tôi Sổ ghi chép GitHub về cách truy cập chức năng thông qua API. Để tìm hiểu thêm, hãy tham khảo Tạo dự báo.

---

Giới thiệu về tác giả

Brandon Nair là Giám đốc sản phẩm cấp cao cho Amazon Forecast. Mối quan tâm nghề nghiệp của anh ấy là tạo ra các ứng dụng và dịch vụ máy học có thể mở rộng. Ngoài giờ làm việc, người ta có thể thấy anh ta khám phá các công viên quốc gia, hoàn thiện cú đánh gôn của mình hoặc lên kế hoạch cho một chuyến đi phiêu lưu.

Manas Dadarkar là Giám đốc phát triển phần mềm sở hữu kỹ thuật của dịch vụ Amazon Forecast. Anh ấy đam mê các ứng dụng của máy học và làm cho các công nghệ ML trở nên dễ dàng cho mọi người áp dụng và triển khai vào sản xuất. Ngoài công việc, anh ấy có nhiều sở thích bao gồm du lịch, đọc sách và dành thời gian cho bạn bè và gia đình.

Bharat Nandamuri là một Kỹ sư phần mềm cấp cao làm việc trên Amazon Forecast. Anh ấy đam mê xây dựng các dịch vụ phụ trợ quy mô lớn, tập trung vào Kỹ thuật cho các hệ thống ML. Ngoài công việc, anh ấy thích chơi cờ, đi bộ đường dài và xem phim.

Bò tót Gupav là Nhà khoa học ứng dụng tại phòng thí nghiệm AWS AI và Dự báo Amazon. Mối quan tâm nghiên cứu của ông là học máy đối với dữ liệu tuần tự, toán tử học đối với phương trình vi phân từng phần, wavelet. Anh ấy đã hoàn thành bằng tiến sĩ tại Đại học Nam California trước khi gia nhập AWS.