¿Qué hace esta solución de AWS?
La solución Mayor precisión en las previsiones gracias al machine learning genera, prueba, compara e itera predicciones de Amazon Forecast. La solución genera predicciones automáticamente y genera paneles de visualización para blocs de notas de Amazon SageMaker Jupyter o Amazon QuickSight, de modo que ofrece una interfaz sencilla, fácil y de arrastrar y soltar que muestra una entrada de series temporales y el resultado predicho. La predicción se puede aplicar para prever la demanda de inventario para venta minorista, el estado de la plantilla, el tráfico de la web, gestionar la planificación de la cadena de suministro y más.
Las predicciones se pueden comparar entre dimensiones (por ejemplo, ubicación de la tienda minorista) o según metadatos a nivel de objeto (por ejemplo, marca, tamaño y color del producto). Puede utilizar estos datos para lo siguiente:
- Optimice las previsiones existentes: ahorre tiempo y conserve la compatibilidad con las herramientas heredadas, o bien obtenga información sobre el exceso y la falta de aprovisionamiento mediante la previsión p50.
- Satisfaga la demanda variable de los clientes: consiga altos niveles de satisfacción de los clientes gracias a la previsión p90, en la que se espera que el valor real sea inferior al valor pronosticado el 90 % de las veces.
- Evite el exceso de aprovisionamiento: ahorre costos y evite el exceso de aprovisionamiento gracias a la previsión p10, en la que se espera que el verdadero valor de la demanda futura sea inferior al valor pronosticado solo el 10 % de las veces.

Beneficios
Procesos automatizados
en blanco
Implementación segura
en blanco
Monitoreo proactivo
en blanco
Visualización automatizada
Información general sobre la solución de AWS
La implementación de esta solución con los parámetros predeterminados crea el siguiente entorno sin servidor en la nube de AWS.

Arquitectura de Mayor precisión en las previsiones gracias al machine learning
La plantilla de AWS CloudFormation implementa los recursos necesarios para automatizar las implementaciones y el uso de Amazon Forecast. Con base en las características de la solución, la arquitectura está dividida en tres partes: preparación de datos, predicción y visualización de datos. La plantilla incluye los componentes siguientes:
- Un bucket de Amazon Simple Storage Service (Amazon S3) para la configuración de Amazon Forecast, en el que especifica la configuración para sus grupos de conjunto de datos, indicadores de grupos de datos y predicciones, así como los conjuntos de datos en sí.
- Una notificación de evento de Amazon S3 que se activa al cargar nuevos conjuntos de datos al bucket de Amazon S3 relacionado.
- Una mayor precisión en los pronósticos gracias a la máquina de estado AWS Step Functions de Machine Learning. Combina una serie de funciones de AWS Lambda que crean, entrenan e implementan sus modelos de Machine Learning (ML) en Amazon Forecast. Todas las funciones de AWS Step Functions se registran en Amazon CloudWatch.
- Una suscripción por correo electrónico a Amazon Simple Notification Service (Amazon SNS) que notifica a los usuarios administrativos los resultados de AWS Step Functions.
- Una instancia de notebook de Amazon SageMaker que los científicos de datos y los desarrolladores pueden usar para preparar y procesar los datos y evaluar el resultado de Forecast.
- Un trabajo de AWS Glue combina datos de entrada de pronóstico sin procesar, metadatos, exportaciones retrospectivas de indicadores y exportaciones de previsiones en una vista agregada de sus previsiones.
- Amazon Athena puede utilizarse para consultar los resultados de su pronóstico mediante consultas SQL estándar.
- Pueden crearse análisis de Amazon QuickSight para cada previsión para proporcionar a los usuarios una visualización de los resultados del pronóstico entre jerarquías y categorías de elementos previstos, a la vez que métricas de precisión para cada elemento. Pueden crearse paneles a partir de estos análisis y compartirse con su organización.
Mayor precisión en las previsiones gracias al machine learning
Versión 1.5.2
Fecha de lanzamiento: enero de 2023
Autor: AWS
Tiempo estimado de implementación: 5 minutos
Recursos adicionales
Nota: Para suscribirse a las actualizaciones de RSS, debe disponer de un complemento de RSS habilitado para el navegador que utilice.
Contenido relacionado
Descubra cómo la solución Mayor precisión en los pronósticos gracias al Machine Learning simplifica el pronóstico de la carga eléctrica a corto plazo para la energía y los servicios públicos con el fin de mejorar la fiabilidad de la red.
En esta publicación del blog, le mostraremos cómo crear un sistema de pronósticos minoristas confiable mediante Amazon Forecast y una solución aprobada por AWS llamada Mayor precisión en los pronósticos gracias al Machine Learning.

Revise nuestra biblioteca de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.

Encuentre socios de AWS que lo ayuden a comenzar.

Encuentre diagramas de arquitectura prescriptivos, código de muestra y contenido técnico para casos de uso comunes.