Amazon Forecast 客户

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。 

我们与 Amazon Forecast 的高影响力合作伙伴关系使客户能够在需求管理、财务预测和劳动力规划等用例中编织预测情报。我们的 PlanIQ 解决方案提供了更高的预测准确度，并嵌入了 Amazon Forecast 功能，因此能够更好地基于情报进行决策，还可以无缝集成到 Anaplan 平台内，以便于利用不同级别的信息和数据。中南部救护车服务等客户在短短2.5周内就启动并投入运行，他们使用PlanIQ提供更准确的每周和六周滚动预测。通过帮助他们降低风险（尤其是在患者需求激增的情况下），PlaniQ 帮助确保他们拥有合适的资源来提供最佳的患者反应和结果。

Rohit Shrivastava，Anaplan 首席产品官

The Very Group 是英国最大的综合数字零售商和金融提供商，年销售额超过 22 亿英镑，网站日访问量超过 180 万次。该公司拥有包括 Very.co.uk、Littlewoods.co m和Littlewoods ireland.ie 在内的自有品牌，销售1800多个知名品牌，拥有440万客户，每年交付4900万种产品。

我们与 AWS 合作，利用 AWS 预测和 AI/ML 解决方案来加速和建立新的零售需求预测能力。依靠国际团队和全面协作，The Very Group 取得了令人难以置信的成功，实现了 9.9% 的 SKU 管理改进，价值超过 1.1 亿英镑。这些成绩归功于该计划投入了 800 多个小时，完成了 70 多个实验，产生了超过 800 万个预测。我们现在正在将该模型扩展到其他业务领域，并在整个组织中迭代其他用例，并向 Amazon Forecast 添加新数据，以不断提高模型的准确性。

The Very Group 首席数据官 Steve Pimblett

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 “新鲜” 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。我们现在正在将模型扩展到其他类别，对其他相关数据集进行迭代，并向 Amazon Forecast 添加新数据，以不断提高模型的准确性。

Supratim Banerjee - More Retail 首席技术官

Meesho 是印度最大的长尾/无品牌产品市场，我们的愿景是帮助 1 亿家印度小企业取得在线成功。Meesho 市场为微型和中小型企业，以及个人企业家提供与数百万客户接触的机会，使其能够在超过 100 种类别、泛印度物流、支付服务以及客户支持能力当中进行选择，从而在 Meesho 生态系统中高效经营他们的业务。

在Meesho，我们有很多寿命短的产品，对我们来说，对与产品性能相关的关键指标做出反应并以最佳方式管理库存非常重要。通过使用 Amazon Forecast，我们能够每周/每天预测产品的需求，并且与现有解决方案相比，其预测准确性提高了 20%。Amazon Forecast 提供简单易用的 API，可帮助我们以其他内部模型所需的一半时间轻松构建自动化系统。到目前为止，Amazon Forecast在当前库存上取得了可喜的结果，我们计划继续利用它来提高我们不断增加的产品种类的预测准确性。

Ravindra Yadav，Meesho 数据科学总监

Shimamura Music 的前身是日本 1962 年建立的一所小型音乐学校，公司成立于 1969 年，并在该年开始向学生销售乐器。公司以“创造更多可以享受音乐的人”为使命，目前在全国 39 个都道府县设有零售店和音乐学校。该公司被称为日本最大的乐器零售店和日本领先的音乐学校之一，为音乐家提供支持，包括修理乐器、策划和举办活动和音乐会，以及运营音乐工作室。

尽管我们对AWS并不完全熟悉，但我们仍然能够使用Amazon Forecast来实现自动订购。团队已成功从我们的本地需求预测工具和数据库迁移过来。这使他们能够继续致力于我们的长期项目，从而改善业务。使用 AWS 时系统的演变给我留下了深刻的印象。

Shimamura Music Co. 物流部的 Rumi Aoyagi

Adore Beauty 是澳大利亚排名第一的纯在线美容产品零售商，也是 260 多个领先美容品牌的官方库存商。他们正在寻找一种方法来改进和迭代他们预测销售收入的方法。以前的方法在范围、所需的历史数据以及所需的手动干预级别方面存在局限性。团队与 AWS Data Lab 合作构建了一个自动化的销售预测模型，该模型足够灵活，可以随着时间的推移添加更多数据，提高整体预测准确性，并支持“假设”场景分析，以便做出更有效的定价和促销决策。

使用 Amazon Forecast，Adore Beauty 团队在短短四天内就构建了销售收入预测模型的原型，并且能够将其扩展到 Adore Beauty 支持的每个品牌。他们的解决方案包括一个端到端的编排管道，每天生成对未来时间段的预测。该团队还在实验室中使用 COVID-19 数据成功地进行了“假设”情景分析，并对几乎没有历史数据可用的项目进行了冷启动预测。

鸿海科技集团（富士康）是世界上最大的电子产品制造商和技术解决方案提供商。在新冠肺炎 (COVID-19) 疫情期间，富士康的客户需求、供应量和生产能力出现了前所未有的波动。该公司与 Amazon Machine Learning Solutions Lab 协作，为其位于墨西哥的工厂开发了一个需求预测模型，以利用简单的 API 调用和输入数据生成准确的净订单预测。

AWS 世界一流的机器学习团队给我留下了深刻的印象。我的团队与 Amazon Machine Learning Solutions Lab 密切合作，在几周内就利用 Amazon Forecast 开发了一个需求预测模型。我们的解决方案将我们的预测准确率提升了 8%。我们预测，利用该解决方案后，我们位于墨西哥的工厂每年将节约 55.3 万美元的资金。另一个好处是，将我们的数据基础设施迁移到 AWS 后，我们可以很轻松地将该解决方案集成到我们的云工作流程中。与 AWS 的这种合作有助于最大限度地减少劳动力成本的浪费，并最大限度地提高客户满意度。

富士康技术顾问兼 CoE 架构师 Azim Siddique

Clearly 是世界上屈指可数的在线眼镜零售商之一，秉持的理念是每个人都应看清世界。他们本着改善人们视力的使命，通过简单易用的在线平台为全球客户提供眼镜、隐形眼镜和太阳镜，并帮助有需要的人获得免费的眼镜和眼部护理服务。

借助Virtual Try On等领先的电子商务工具，再加上无与伦比的客户服务，他们努力帮助每个人以经济实惠和轻松的方式看清界限，这意味着要不断寻找创新、改进和简化流程的方法。当今零售业机器学习面临的最大挑战之一是如何有效且准确预测客户未来的行为。在短短几周内，Amazon Forecast使我们能够准确、可靠地预测下周的销售额，准确率超过97％，预测下个月的销售准确率超过90％。

Ziv Pollak，机器学习团队负责人-显然

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，快速应对关键业务指标的变化至关重要，这些指标按空间（例如城市内的区域）和时间（例如一天中的时间）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Amazon Forecast的初步评估旨在预测我们在超本地物流领域的业务指标，这看起来很有希望，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

RetentionX 是即插即用型分析解决方案，适用于任何希望基于 AI 驱动的数据分析做出最佳业务决策的电子商务商店。RetentionX 可将您的数据转换为清晰的操作，只需一个简单易用的工具即可完成整个数据科学团队的工作。

我们的直接面向消费者的客户正在寻求快速的见解，以管理其业务运营并推动自动化操作。我们可与 Shopify 等任何电子商务系统集成，并提供 100 多种数据科学驱动的分析，例如需求预测、客户生命周期价值、客户流失预测、群组分析和收入预测。只需单击一下，使用 RetentionX 的客户就可以在 Amazon Forecast 的支持下即时生成基于自定义机器学习的预测。此外，客户可以轻松查看我们使用 Amazon SageMaker 构建的客户流失预测和客户生命周期价值等见解，并根据这些见解自动开展营销活动。我们的系统能够从类似公司的数据中学习，以便为决策者提供独特的见解。我们选择 Amazon Forecast 是因为它易于集成，而且整个架构都部署在 AWS 上。借助 Amazon Forecast，我们在不到一周的时间内将 5 种预测模型扩展到了 200 多种。作为具有数百种预测模型的软件即服务解决方案，必须具有可扩展性和可用性。AWS 是我们确保这一点的完美合作伙伴。

RetentionX 首席执行官 Alexander Jost

AffordableTours.com 是美国最大的旅游销售商之一，提供陪同旅游、游轮、河上巡游和活动度假等服务。我们通过屡获殊荣的服务团队，以低廉的价格提供最优质的客户服务，将世界各地的旅行者送达梦想中的假期。

在AffordableTours.com，我们的客户有强烈的动机拿起电话给我们打电话。我们勤奋工作，为他们提供价格实惠的旅游套餐，帮助他们观赏和体验新奇的事务。为了使我们的业务蓬勃发展并提供更低廉的价格，我们需要尽可能提高效率。我们的业务遍布全球，因此经常遇到资源配置与客户呼叫量不平衡的问题。有时我们的座席数量过多，有时则过少，这就会导致客户体验不一致、电话漏接率和运营成本增加的问题。通过使用 Amazon Forecast，我们现在能够预测客户需求的通话量，确保我们每天有适当数量的代理，将未接来电率提高约 20%。

Marc Rosenthal，Affordabletours.com 高级项目经理

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计划。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，我们已经将原本进行人工预测的团队转移到现在的更多增值工作上，即从新的预测中提取见解，以帮助改善我们的业务成果。

Wassim Al Khayat – 集团技术与创新总监

Heroleads 是东南亚领先的绩效营销公司，为客户提供针对其营销需求量身定制的集成端到端解决方案，可最大程度地提高其 MROI。

我们的媒体策划团队将60％以上的时间花在构建和维护手动预测模型上，支持销售和运营团队了解各种数字营销渠道和行业的绩效趋势，并规划我们如何实现关键绩效指标。通过集成 Amazon Forecast，我们使团队能腾出时间以专注于更具增值能力的工作，扩大我们模型的覆盖范围，以供其他团队使用，并将我们预测模型的准确率提高到 99%。使用Forecast可以提高我们更好地为客户服务的能力，并通过更快的洞察力、更高的可预测性、绩效警报系统、动态预算计划和更准确的投资模型来增强我们团队内部的信心，从而确保在正确的时间高效地满足我们的所有营销活动关键绩效指标。

Amit Das，Heroleads 首席数据工程师

OMOTOR 通过 AI 向企业提供最佳的机器学习算法、计算机视觉技术以及能够通过 WhatsApp 和其他平台通信的认知机器人，进而帮助他们进行改善。

在OMOTOR，我们使用人工智能代表客户进行创新，因此，从AWS获得最前沿的深度学习技术对于客户的成功至关重要。借助 Amazon Forecast，我们能够利用时间序列数据创建和细化各种预测，无需每次都手动构建和训练模型。我们预测未来 12 个月的实际销售情况，这样就可以充分地规划库存，预估未来盈利能力，跟踪市场份额的增减情况，以及其他洞察信息。这意味着，我们可以使用更多的上下文数据，更频繁地进行优化，生成准确率可提高 50% 以上的预测，并能以非常快的速度运行。例如，我们正在帮助汽车行业的客户预测巴西185辆汽车的销量。

Marcio Rodrigues，OMOTOR 首席执行官

ketteQ 是一个独有的数字平台，用于供应链规划和自动化解决方案，内置并部署在 Salesforce 和 AWS 云中，规模强大和安全性高。ketteQ 由具有数十年经验的供应链专家建立，提供先进的数据管理和分析，结合协作和自动化工作流程，旨在实现安全性、可扩展性和可配置性。总部设在佐治亚州亚特兰大的 ketteQ 拥有遍布全球的团队、合作伙伴和客户。

KetteQ 的需求规划和预测解决方案用于为各种用例生成预测，包括零售和全渠道业务的预测、服务部件预测、季节性产品预测、促销计划等。KetteQ 与 AWS 的合作使我们能够向客户提供全面的预测解决方案，将亚马逊预测的创新科学与 KetteQ 的协作和共识预测能力相结合。将历史数据得出的见解与来自销售、营销和财务的前瞻性情报相结合，可以得出高度准确的预测。

值得注意的是，这是针对美国多户家庭房地产团队的营销情报解决方案。该平台使客户能够随时了解营销和租赁业绩问题、风险和机遇，从而他们能够以更低的成本和更高的投资回报率提高收入，提高收入。

美国领先的多户家庭营销团队使用Remarkably来监控和分析其房地产营销和租赁渠道以及广告渠道的绩效和投资回报率。我们的客户重视反映过去发生过什么的历史数据，以及反映将来可能发生什么的 KPI 预测，他们可以借此采取行动来规避风险，把握住机会。这两个重要的数据集可以帮助我们的用户优化宝贵的营销资源，避免占用率和收入的下滑。我们利用 Amazon Forecast 来预测产品的 KPI 并获得出色的结果。整合相对简单、快速且具有成本效益，这使我们能够在预算范围内按时向客户提供高价值、稳定的预测。“

Anna-Lea Dieringer，Remarkably 的联合创始人

Datup 是一个需求规划和库存管理 SaaS 平台，制造和零售公司可利用它将数据转变成时间和资本节约。Datup 解决方案允许其客户将多种源（例如，ERP、电子数据表和普通文件）集成到云中。Datup 在预测和库存优化领域的 AI 导向技术可使客户通过改善服务等级增加收入，并释放运营资本以避免库存过剩。

在Datup，我们致力于与客户合作，为他们的供应链采用新兴技术，这可以转化为运营效率和可持续性。预测是我们价值主张的基石，不仅能够根据数据导向的工具提高需求规划准确度，还能根据业务所需的响应时间减轻与信息准备有关的运营负担。Amazon Forecast 与我们的平台相得益彰，有助于确保准确性、并发性和敏捷性。我们的客户（自助或高接触）预计要在几小时内处理数十万个 sku-位置，以便根据其运营计划做出及时且最知情的决定。从预测中获得的对库存优化功能的动态而准确的输入帮助我们的客户提高了服务水平和超过92％的填充率，同时释放了多达20％的积压库存和过时资本。

Ramiro Chaparro，Datup 首席技术官