Amélioration de la précision des prévisions avec le Machine Learning 

La solution Amélioration de la précision des prévisions avec le Machine Learning génère, teste, compare et itére les prévisions d’Amazon Forecast. La solution produit automatiquement des prévisions et génère des tableaux de bord de visualisation pour Amazon QuickSight ou Amazon SageMaker Jupyter Notebooks. Elle offre une interface simple et rapide, par glisser-déposer, qui affiche les entrées de séries chronologiques et les sorties prévues.

La prévision peut être appliquée pour déterminer les stocks de vente au détail nécessaires, à la planification de la chaîne logistique, au statut du personnel, au trafic sur le Web, etc. La solution génère des prévisions probabilistes à trois quantiles par défaut pour traiter la sensibilité au sur-approvisionnement et au sous-approvisionnement (voir l'exemple de graphique de prévision à droite). Vous pouvez également personnaliser les prévisions pour répondre à vos besoins. Les prévisions peuvent être comparées entre les dimensions (par exemple, l'emplacement du magasin de vente au détail) ou les métadonnées au niveau de l'article (par exemple, la marque, la taille et la couleur du produit). Vous pouvez utiliser ces données pour ce qui suit :

• Optimiser les prévisions existantes : gagnez du temps et conservez la compatibilité avec vos anciens outils, ou découvrez le sur-approvisionnement et le sous-approvisionnement, grâce à la prévision p50.
• Répondre à la demande variable des clients : Fournissez des niveaux élevés de satisfaction client avec la prévision p90, où la valeur réelle de la demande future ne doit être inférieure à la valeur prévue que 90 % du temps.
• Éviter le sur-approvisionnement : Économisez sur les coûts et évitez le sur-approvisionnement avec la prévision p10, où la valeur réelle de la demande future ne doit être inférieure à la valeur prévue que 10 % du temps.