发布于: Nov 13, 2020
我们兴奋地宣布，现在您可以衡量预测模型的准确性以优化预测成本过低和过高之间的折衷，让您能够灵活地进行实验。与预测过低和过高相关的成本各不相同。Amazon Forecast 可提供平均预测以及预测分布，由此获得从最小值到最大值的需求变化，以供您优化业务目标的成本。在此次发布之后，Forecast 在训练模型时可为多个分布点提供准确性指标，让您能够快速地优化预测过低和过高结果，而无需手动计算指标。
零售商依靠概率预测来优化其供应链，以平衡预测过低的成本（会导致缺货）与预测过高的成本（会产生库存费用并导致浪费）。根据产品类别，零售商可选择在不同的分布点生成预测。例如，杂货店零售商可选择过剩的主要产品，例如乳品和蛋类，以满足变化的需求。这些主食的储囤成本相对较低，但是缺货不仅会失去销售机会，还会导致消费者放弃整个购物车。通过保持高存货率，零售商可以提高客户满意度和客户忠诚度。相反，当降价和库存处理成本超过偶尔推动销售机会时，零售商可以选择少存储可替代且储囤成本较高的产品。如果需求可变，在不同分布点进行预测的能力使零售商能够优化这些存在竞争的优先事项。
虽然 Forecast 提供了在整个变化分布范围进行预测以在库存不足和库存过多之间达到平衡的能力，但是仅为最小值、中位值和最大值预测需求提供准确性指标，达到以中位值为中心的 80% 置信带。要评估特点的感兴趣分布点的准确性指标，您首先必须在该点创建预测，然后手动计算自己的准确性指标。今天发布此版本后，您可以在 Forecast 内获得任何分布点的预测模型，无需再生成预测并手动计算指标。通过此功能，您可以更快地进行实验，并且更加经济实惠地达到适合业务需求的分布点。
要使用这种新功能，请从我们的博客中更详细地了解关于选择多个分布点和了解模型准确度指标的信息。另请参阅评估预测程序准确性、CreatePredictor API 和 GetAccuracyMetrics API 的 API 文档页面。您可以在已分开发布 Amazon Forecast 的所有区域中使用此功能。有关区域可用性的更多信息，请参阅区域表。