¿Qué se logra con esta implementación de soluciones de AWS?
La solución Mayor precisión en las previsiones gracias al aprendizaje automático 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:
- Optimizar predicciones existentes: Ahorre tiempo y mantenga la compatibilidad con sus antiguas herramientas, u obtenga información respecto al exceso o la falta de existencias con la predicción p50.
- Cumpla una demanda de cliente variable: Brinde un alto nivel de satisfacción al cliente con la predicción p90, en la que se espera que el valor verdadero sea inferior al valor predicho el 90 % del tiempo.
- Evita el exceso de existencias: Ahorre costos y evite el exceso de existencias con la predicción p10, en la que se espera que el valor de la demanda futura real sea menor al valor predicho solo un 10 % del tiempo.
Beneficios
Procesos automatizados
en blanco
Implementación segura
en blanco
Monitoreo proactivo
en blanco
Visualización automatizada
Descripción general de la implementación de soluciones de AWS
La implementación de esta solución con los parámetros predeterminados crea el siguiente entorno sin servidor en la nube de AWS.
Arquitectura de la solución Mayor precisión en las previsiones gracias al aprendizaje automático
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 conjuntos 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 las previsiones 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 bloc de notas 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 previsión 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 previsión mediante consultas SQL estándar.
- Pueden crearse análisis de Amazon QuickSight para cada previsión para proporcionar a los usuarios una visualización de los resultados de la previsión 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 1.3.1
Fecha de lanzamiento: 04/2021
Autor: AWS
Tiempo estimado de implementación: 5 minutos
Recursos de implementación
Nota: Para suscribirse a las actualizaciones de RSS, debe disponer de un complemento de RSS habilitado para el navegador que utilice.
Contenido relacionado
Consulte nuestra biblioteca de Implementaciones de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.
Encuentre socios consultores y tecnológicos certificados por AWS que lo ayudarán a comenzar.
Explore nuestra cartera de ofertas de asesoramiento para obtener ayuda autorizada por AWS con la implementación de la solución.