Verbessern der Prognosegenauigkeit mit Machine Learning

Erzeugen, Testen, Vergleichen und Optimieren von Amazon Forecast-Prognosen

Übersicht

Die Lösung Improving Forecast Accuracy mit Machine Learning erstellt automatisch Prognosen und generiert Visualisierungs-Dashboards für Amazon QuickSight oder Amazon SageMaker Jupyter Notebooks und bietet eine schnelle, einfache Drag-and-Drop-Oberfläche, die Zeitreiheneingaben und prognostizierte Ausgaben anzeigt. Prognosen können für die Vorhersage der Nachfrage nach Einzelhandelsbeständen, die Planung der Lieferkette, den Status der Belegschaft, die Vorhersage des Web-Traffics und vieles mehr eingesetzt werden.

Prognosen können über Dimensionen (z. B. Standort der Filiale) oder Metadaten auf Artikelebene (z. B. Produktmarke, Größe und Farbe) verglichen werden. Sie können diese Daten für Folgendes verwenden:

  • Vorhandene Prognosen optimieren – Sparen Sie Zeit und behalten Sie die Kompatibilität mit Ihren bestehenden Tools bei, oder gewinnen Sie mit der p50-Prognose Einblick in Über- und Unterprovisionen.
  • Variable Kundennachfrage befriedigen – Sorgen Sie für eine hohe Kundenzufriedenheit mit der p90-Prognose, bei der der tatsächliche Wert in 90 % der Fälle niedriger als der vorhergesagte Wert erwartet wird.
  • Überprovisionierung vermeiden – Sparen Sie Kosten und vermeiden Sie eine Überprovisionierung mit der p10-Prognose, bei der der tatsächliche zukünftige Nachfragewert nur in 10 % der Zeit unter dem vorhergesagten Wert liegen dürfte.

 

Vorteile

Automatisierte Prozesse

Optimieren Sie den Prozess der Erfassung, Modellierung und Vorhersage mehrerer Experimente durch die Automatisierung von Amazon Forecast.

Sicherheitsbereitstellung

Ermöglichen Sie eine sichere Bereitstellung mit nur einem Mausklick mit einer AWS CloudFormation-Vorlage, die anhand von Methoden des AWS Well-Architected Framework entwickelt wurde.

Proaktive Überwachung

Sie können die Prognosen mühelos überwachen, indem Sie Benutzer per E-Mail über Erfolge und Misserfolge informieren. 

Automatisierte Visualisierung

Erleichtern Sie die Zusammenarbeit und das Experimentieren, indem Sie Ihre Eingabedaten und die Prognoseausgabe in einem Amazon QuickSight Analysis- oder Jupyter-Notebook kombinieren.

Technische Details

Die AWS-CloudFormation-Vorlage stellt die Ressourcen bereit, die für die Automatisierung der Nutzung und Bereitstellung von Amazon Forecast erforderlich sind. Basierend auf den Fähigkeiten der Lösung ist die Architektur in drei Teile gegliedert: Datenaufbereitung, Prognose und Datenvisualisierung. Die Vorlage umfasst die folgenden Komponenten:

Über diese Bereitstellung
Version
1.5.4
Veröffentlicht
04/2023
Autor
AWS
Geschätzte Bereitstellungszeit
5 Min.
Geschätzte Kosten
Implementierungsleitfaden herunterladen  Quellcode  CloudFormation-Vorlage  RSS-Feed abonnieren 
Bereitstellungsoptionen
Sind Sie startbereit?
Diese Lösung bereitstellen, indem Sie sie in Ihrer AWS-Konsole starten

Brauchen Sie Hilfe? Stellen Sie mit einem Partner bereit.
Finden Sie einen AWS-zertifizierten Drittanbieter-Experten, der Sie bei dieser Bereitstellung unterstützt
Hat Ihnen diese AWS-Lösung geholfen?
Feedback geben
Video
Lösen mit Hilfe von AWS-Lösungen – Verbessern der Prognosegenauigkeit mit Machine Learning
Video ansehen 
Kundenreferenz
App8 hilft Restaurants bei der Vorhersage der Nachfrage mithilfe von AWS-Lösungen

Erfahren Sie, wie das Technologieunternehmen App8 ein Tool entwickelt hat, dass das Kundenvolumen und den Bedarf für bestimmte Menü-Elemente mit der Verbesserung der Prognosegenauigkeit mit Machine Learning prognostiziert hat.

Ganze Geschichte lesen 
AWS-Architekturblog
Verbessern der Retail-Prognosegenauigkeit mit Machine Learning

In diesem Blog-Post zeigen wir Ihnen, wie ein zuverlässiges Einzelhandel-Prognosesystem mit Amazon Forecast und einer von AWS überprüften Lösung namens Verbessern der Prognosegenauigkeit mit Machine Learning erstellt wird.

Den vollständigen Blog-Artikel lesen 
AWS für die Branchen
Kurzfristige elektrische Lastprognose mit Amazon Forecast

Erfahren Sie, wie das Verbessern der Prognosegenauigkeit mit einer Machine Learning-Lösung die Prognosen zu kurzfristiger elektrischer Last in den Bereichen Strom und Energieversorgung vereinfacht. Das verbessert wiederum die Netzzuverlässigkeit.

Den vollständigen Blog-Artikel lesen 
Training
ML Building Blocks: Services and Terminology

Diese Kurse erörtern sowohl den Machine-Learning-Stack als auch die Begriffe und Prozesse, die Sie zur Entwicklung einer soliden Grundlage im Bereich Machine Learning benötigen.

Jetzt anmelden 
Training
Demystifying AI/ML/DL

Diese Kursreihe vermittelt ein Verständnis dafür, wie künstliche Intelligenz (AI) zu Machine Learning (ML) und letztlich zu Deep Learning (DL) geführt hat.

Jetzt anmelden