Amazon Forecast 是一项完全托管的服务，使用机器学习来提供高度准确的预测。
如今，各公司都在尝试使用各种工具（从简单的电子表格到复杂的财务规划软件）来准确预测未来的业务成果，如产品需求、资源需求或财务绩效。这些工具通过查看历史系列数据（称为时间序列数据）来构建预测。例如，此类工具会查看之前的雨衣销售数据，并根据“未来由过去决定”这一基本假设，尝试预测雨衣的未来销售。这种方法很难为具有不规则趋势的大型数据集生成准确的预测结果。此外，它也无法轻松地将随时间变化的数据系列（例如价格、折扣、网络流量和员工数量）与相关的独立变量（如产品功能和商店位置）结合起来。
Amazon Forecast 以 Amazon.com 使用的相同技术为基础，利用机器学习将时间序列数据与其他变量相结合，以获得预测结果。使用 Amazon Forecast 无需具备任何机器学习经验。您只需要提供历史数据，以及您认为可能会影响预测结果的任何其他数据。例如，对衬衫的特定颜色的需求可能会随着季节和商店位置而变化。这种复杂的关系很难单独确定，但机器学习能够很好地进行识别。在您提供数据后，Amazon Forecast 会自动检查这些数据，识别有意义的内容，并生成一个预测模型，该预测模型的预测准确度要比单独查看时间序列数据高出 50%。
Amazon Forecast 是一项完全托管的服务，因此无需预置服务器，也无需构建、培训或部署机器学习模型。您只需按实际使用量付费，没有最低费用，也无需预付费用。
优势
机器学习预测准确度提高 50%
Amazon Forecast 可使用机器学习自动发现时间序列数据以及其他变量（如产品功能和商店位置等）之间是如何相互影响的，从而将预测准确度提升高达 50％。您可以更好地了解这些复杂关系对需求有什么最终影响，而不是仅考虑单独时间序列数据的影响。Amazon Forecast 构建的模型对您的数据而言具有唯一性，这意味着预测是根据您的业务量身定制的。
将预测时间从几个月缩短到几小时
借助 Amazon Forecast，您可以在短短几个小时内达到过去几个月的工程预测准确度。您可以将时间序列数据和关联数据从 Amazon S3 数据库导入 Amazon Forecast。然后，Amazon Forecast 将自动加载您的数据、对其进行检查，并确定预测所需的关键属性。随后，Amazon Forecast 会对您的自定义模型进行培训和优化，并将其托管在高度可用的环境中，以用于生成业务预测结果。通过自动处理构建、培训、调整和部署预测模型所需的复杂机器学习，Amazon Forecast 使您能够快速创建准确的预测。
创建几乎任何时间序列预测
开展业务需要多种类型的时间序列预测，从现金流到产品需求再到资源规划，全都需要。借助 Amazon Forecast，您可以为几乎所有行业和使用案例构建预测，包括零售、物流、财务、广告业绩等等。使用机器学习，Amazon Forecast 可以处理任何历史时间序列数据，并使用大型内置算法库自动确定最适合您的独特预测类型。
保护业务数据，让您高枕无忧
您与 Amazon Forecast 的每次交互都将受到加密保护。Amazon Forecast 处理的任何内容都将通过 Amazon Key Management Service 使用客户密钥加密，而且是在您当前使用该服务的 AWS 区域中进行静态加密。管理员还可以通过 AWS Identity and Access Management (IAM) 权限策略来控制对 Amazon Forecast 的访问，确保敏感信息的安全性和机密性。
工作原理
使用案例
产品需求规划
您可以使用 Amazon Forecast 来预测不同商店位置的相应库存水平。您可以将历史销量、定价、商店促销、商店位置和目录数据等预测信息以 CSV（逗号分隔值）格式从零售管理系统上传到 Amazon S3 存储。然后将这些信息与网站流量日志、天气和运输计划等相关数据相结合。Amazon Forecast 将使用这些信息生成一个模型，该模型可以准确预测每个商店的产品的客户需求。然后，您可以使用 CSV 格式批量导出预测，并将其导回您的零售管理系统，以便确定每个商店要购买和分配的库存量。
财务规划
准确的财务预测（如销售收入预测）是每个企业成功的基础。Amazon Forecast 可以跨多个时间段和货币单位预测关键财务指标，例如收入、费用和现金流量。首先，您需要将历史财务时间序列数据上传到 Amazon S3 存储，然后将其导入 Amazon Forecast。生成模型后，Amazon Forecast 将为您提供预期的预测准确度，以便您可以确定在生产环境中使用该模型之前是否还需要更多数据。该服务还可以使用 Amazon Forecast 控制台中的图表使预测结果可视化，帮助您做出明智的决策。
资源规划
对可用资源（例如人员配置水平、广告库存和生产原材料）进行规划以使其保持在适当水平，这对于最大限度地增加收入和控制成本而言非常重要。例如，广播公司希望优化区域广告资源。它可以将不同节目类别和地理区域的历史收视率数据、内容元数据和区域人口统计数据导入Amazon Forecast。然后，Amazon Forecast 将分析这些数据并提供准确的本地预测。
客户成功案例
More Retail
More Retail 是印度全渠道食品和杂货零售的先锋，其使命是在食品和杂货领域成为印度消费者的首选。More 在印度拥有 22 家特大型超市和 624 家大型超市，由 13 个经销中心、7 个果蔬集散中心和 6 个主食加工中心组成的供销网络成为了这些超市的坚实后盾。
“More 是印度食品和杂货‘生鲜’类别的市场领导者。为了开展可行的业务，More 需要同时管理生鲜农产品的库存，同时最大程度地减少浪费。为了平衡这些竞争优先级，More 与 AWS、Ganit（一家数据科学咨询公司）建立了合作伙伴关系，共同构建和部署的需求预测和自动订购系统（围绕 Amazon Forecast 构建）。我们需要在“商店-商品-日”级别建立非常精细的预测，因此我们基于 ABC-XYZ 框架确定了开发工作的优先次序。
我们基于历史模式在 3x3 矩阵上绘制了“商店-商品”组合：销售显著性的 ABC 轴（A - 高，B - 中，C - 低）、可预测性的 XYZ 轴（X - 更易于预测，Z - 难以预测）。正如预期，ABC-XY 存储桶中的项目的预测准确性远优于 Z 存储桶。但是，对于 Z 存储桶中的组合，Amazon DeepAR+ 显著优于指数平滑等传统方法，能够使预测准确性提高 10%。由于 Amazon Forecast 有能力学习其他 SKU (XY) 模式并将其应用于 Z 存储桶中高度不稳定商品，因此这一点可以实现。
使用 Amazon Forecast，我们能够将我们的预测准确性从 27% 提高到 76%，将生鲜农产品类别的浪费减少 20%。Amazon Forecast 提供了预测分布，这帮助我们优化了过低和过高的预测成本，将缺货率控制在 3%，并提高了毛利率。这使我们的商店经理可以更轻松地通过查看每日预测来下达更准确的采购订单。现在，我们准备将该模型扩展到其他类别，使用其他相关数据集进行迭代，并向 Amazon Forecast 添加更新的数据以不断提高模型的准确性。”
Supratim Banerjee，More Retail 首席转型官
Shivaprasad KT，Ganit 创始人和 CEO
Swiggy
Swiggy 是印度最大的按需超本地市场，其愿景是为城市消费者提供提供各种类别（食品、杂货）的无与伦比的便利。Swiggy 总部位于班加罗尔，在 500 多个城市与超过 13 万家餐厅/商店合作，并运营着一支由 20 万名配送伙伴组成的按需配送车队。
“对我们来说，对主要业务指标的变化做出快速反应至关重要，这些指标在空间上（例如城市内的区域）和时间上（例如一天中的时间）进行了细分。例如，如果我们能够预测关键业务指标的变化，如每次送货的成本，那么我们就可以更好地管理我们的相关成本和激励措施。AWS Forecast 让我们可以轻松地使用影响业务指标的相关数据来提高预测的准确性。我们对利用 Amazon Forecast 来预测我们在超本地物流领域的业务指标开展了初步评估，看起来很有前景，我们计划利用它来提高我们的业务指标预测准确性。”
Vijay Seshadri，Swiggy 杰出工程师
Anaplan
Anaplan Inc. 是一家原生云企业 SaaS 公司，帮助全球企业协调业务绩效。各行各业的领导者依靠我们的平台将他们组织中的团队、系统和见解联系起来，以不断适应变化，改变他们的运营方式，重塑价值创造。总部设在旧金山的 Anaplan 在全球有 20 多个办事处，175 个合作伙伴和大约 1500 个客户。
“全球企业使用 Anaplan 的原生云平台，通过连续预测和敏捷场景建模来协调绩效。通过将 Amazon Forecast 集成到我们的平台中，我们的财务、供应链、销售和人力资源客户可以通过嵌入式机器学习进一步利用智能来创建灵活、可靠的预测。我们很荣幸能与 Amazon Forecast 一起提供Anaplan PlanIQ，帮助我们的客户以更高的准确性进行预测，以做出智能驱动的决策，从而赋予他们竞争优势。”
Rohit Shrivastava，产品和用户体验高级副总裁 – Anaplan
Axiom Telecom
Axiom Telecom 是中东地区移动手机和技术分销领域的市场领导者，市场份额约为 55%，并渴望增长到 60% 以上。如今，它向 10,000 多个独立和有组织的零售客户分销电信产品。该公司的业务合并了无线移动设备的批发、零售、增值服务和售后服务，如诺基亚、荣耀、索尼爱立信、摩托罗拉和三星。集团拥有 30 个仓库和 300 多辆配送车辆。
“Amazon Forecast 使我们能够准确预测销售额，并提供更好的库存规划。这不仅让我们真正取得了成功，也让我们的客户取得了成功。在使用 Amazon Forecast 之前，我们非常依赖统计模型和手动流程的结合来预测销售和库存管理。这需要大量的时间和人力资源来维持这些人工预测，但也给错误留下了空间。通过 Amazon Forecast，我们已经看到明显的可用性增加了 20%，库存优化增加了15%。此外，我们已经将以前进行手动预测的团队转移到现在，专注于从新预测中提取见解的更多增值工作，以帮助改善我们的业务成果。”
Wassim Al Khayat – 集团技术与创新总监
OMNYS
OMNYS 基于系统集成、网络和移动技术、IoT、机器学习和大数据设计与构建数字平台，以提供具有突破性的解决方案。在学习终极技术、研发和对市场需求进行分析的过程中，OMNYS 为众多行业带来创新。
“Amazon Forecast 帮助我们为 Arneg S.p.A. 提供全新的见解和业务价值，该客户是冰箱制造行业的全球领导者，每天收集约 1100 万条 IoT 记录。借助于 Amazon Forecast，我们可以在数个小时内开始构建模型，而在传统上，这个过程可能需要数周或数个月。客户只要我们从他们的原始数据中提取价值，但通过采用 Amazon Forecast，我们可以做得更多。我们构建的模型可提前三天为其安装在世界各地购物中心的冰箱预测能耗，准确性达到 91%；维护预测模型能提前至少一天对设备停机的风险进行更出色的评估，从而减少来自其客户的紧急电话。我们的客户利用这些见解来改善其客户体验管理方式的潜力是无可限量的。”
Davide Pozza，OMNYS 首席技术官
