Category: Amazon Forecast

この記事は、“Cluster time series data for use with Amazon Forecast” を翻訳したものです。 ビッグデータの時代には、企業は大量な時系列データに直面しています。時系列データは大量なだけでなく、微妙な違いもあります。DeepAR+ や CNN-QR などの Amazon Forecast 深層学習アルゴリズムは、この大量の時系列データの共通傾向とパターンをキャプチャし、可視化できます。これらのアルゴリズムは、従来の予測方法より優れたパフォーマンスで予測を生成できます。

小売業界において、日常業務におけるデータの重要性に異論のある方はいないでしょう。バッチレポートから意思決定支援、ビジネスインテリジェンスシステムまで、小売の意思決定における運用データの進化は非常に多岐にわたります。今日、アダプティブ分析プラットフォームは、小売業者が次のことができるよう、業界のイノベーションを推進しています。 ビジネスにおける重要なシグナルを検出します。 これらのシグナルの現在の意味と将来の予測を導き出します。 データドリブンな顧客、製品、マーケティング戦略で対応します。 しかし、アダプティブ分析プラットフォームを構築するためには、小売業の経営者が直面する多くの戦略的課題があります。例えば、急速に変化する買い物客の影響や行動のトリガー、人口動態の変化、COVID-19 などの世代別市場レベルの影響、主要な経済圏の景気低迷といった課題や、お客様対応とオペレーション業務を効果的に行うために、予測に基づいた洞察が求められる小売業の職種が一層増えていることなどが挙げられます。

昨年は、旅行とホスピタリティ業界、旅行者やゲスト、プロバイダーやサプライヤー、従業員やステークホルダーにとって前例のないものでした。混乱の結果、移動平均での予測や、昨年対比を参照していた企業は、舵取りのできない船の舵を取ることになってしまいました。正確な予測ができなければ、旅行とホスピタリティの会社は、旅行者やゲストがいつ、何人到着するかを決定することはできません。彼らは、適切な人員配置、在庫ポジションの調整、プロモーションやイベントが業績に与える影響のモデル化、価格設定と収益管理の最適化、プロジェクトの収益やキャッシュフローの予測方法を知りません。GrubhubのシニアデータサイエンティストであるWilliam Coxは、この業界のジレンマをうまく要約し、「供給過剰は運用コストを増加させ、供給不足は顧客満足度を低下させる」と述べました。 つまり、顧客体験の向上と運用効率の最適化に重点を置いた業界では、正確な予測が不可欠です。しかし、予測不可能な状況により、正確な予測はかつてないほど困難になっています。

この記事は、Short-term Electric Load Forecasting with Amazon Forecastを翻訳したものです。現在、家庭用、商業用、工業用（RCI）のお客様の大半は、「フィーダー」と呼ばれる配電回路を介して電気を受け取っています。配電フィーダーは、下図のように、配電変電所内の回路ブレーカーを起点とし、多くのお客様にサービスを提供しています。送電網の信頼性を高めるために、フィーダーは複数の変電所から電気を受け取るように構成されていることが多いですが、これらの接続スイッチは常に1つしか作動しないようになっています。フィーダーの一方で断線が発生した場合、スイッチを所定の方法で開閉し（スイッチング）、もう一方の端からフィーダーに電力を供給します。 図1：変電所、フィーダー、お客さまの位置のイメージ キロワット（kW）単位で測定されるフィーダーの電気負荷は、動的に変動し、時間、日、季節ごとに非線形なパターンを持っています。電圧低下やサービス停止などの悪影響を避けるためには、送電網の電力の需要と供給のバランスを常に保つ必要があるため、給電網と変電所の需要の正確な短期電力負荷予測（ST-ELF）は、電気事業者の運営と計画に不可欠な要素となっています。ST-ELFは、グリッドに接続されている断続的な分散型発電（RCIソーラー、エネルギー貯蔵、風力発電システムなど）の普及率が高いことなど、多くの要因によって複雑になっています。 ST-ELFの主な目的は、今後1〜14日間の近い将来のネットフィーダー負荷を予測することです。ネットフィーダー負荷とは、フィーダー回路ブレーカーで測定される負荷のことで、系統に接続されているすべての種類の顧客の電気消費量と発電量の合計に、電線や変圧器の電気損失を加えたものです。ST-ELFのエンドユーザーは、電力会社のコントロールセンターのオペレーターや系統運用計画のエンジニアが一般的です。ST-ELFを必要とするユースケースには、以下のようなものがあります。

このブログは、More Retail 社の Supratim Banerjee 、Ganit Inc 社のShivaprasad　KT と Gaurav H Kankaria のコラボレーションによるゲスト投稿です。 More Retail 社（MRL）は、インドの食料品トップ4の1つで数十億ドルの売上を誇る小売業者です。インド全土に22の大型スーパーマーケットと624のスーパーマーケットからなる店舗ネットワークを持ち、それを13の流通センター、7つの果物野菜の収集センター、6つの食品加工センターのサプライチェーンで支えています。 大規模な店舗ネットワークにおいては、適切な品質の商品を適切な価格で消費者に提供するにはもちろんのこと、消費者の需要に応えつつ在庫運用コストを最小限に抑えることもまた重要です。MRL 社は AI アナリティクス領域のパートナーである Ganit 社と協業し、より正確な需要予測とそれを自動発注に繋げるシステムを構築しました。これによりオペレーションのボトルネックを解消し、これまで各店長がマニュアルで発注の判断を行っていたことによる発注の不備を克服できるようになったのです。 Amazon Forecast を使用することで予測精度は 24％ から 76％ に向上し、生鮮食品カテゴリでの無駄を最大 30％ 削減、在庫率を 80％ から 90％ に、そして粗利益を 25％ に改善することに成功しました。

こんにちは、アマゾン ウェブ サービス ジャパンの藤田です。Amazon Forecastでは、過去の時系列データからpredictor（予測子）の学習を行い、将来（新しいデータポイント）の予測を行うことが可能です。需要予測や在庫計画など、様々なビジネス課題に適用することができます。今回は、Amazon Forecast で学習した Predictor を再利用して、最新の予測を更新していく Rolling Forecastについて紹介します。

あらゆる種類や規模の公益事業やエネルギー供給会社の幹部は、エネルギー使用量を予測するというニーズを複数抱えています。たとえば最高顧客責任者として、あなたのチームは家庭レベルのエネルギー使用量を予測して、そのご家庭に高額請求の可能性があると警告を送ったり、前払いや月末のエネルギー料金を予測したりすることができます。エネルギー効率化および商業エネルギープログラムの責任者として、あなたのチームはさまざまなエネルギー効率化施策を適用した際にどれくらいエネルギー消費を抑えられるのかを予測したり、最適な施策をおすすめしたりすることができます。

先日 (2020/01/28) 開催しました AWS Black Belt Online Seminar「Amazon Forecast」の資料を公開しました。当日、参加者の皆様から頂いた QA の一部についても共有しております。 20200128 AWS Black Belt Online Seminar Amazon Forecast AWS クラウドサービス活用資料集（すべての過去資料が閲覧できます） Q. よくエンドポイントという言葉を聞くのですが、どういう意味でしょうか？ A. エンドポイントは、AWSのサービスまたはAWS上でホストするアプリケーションのエントリーポイントの URL です。 Amazon Forecast で「推論のエンドポイントを作成する」とご説明したのは、「学習したモデルをAWS上でホストし、QueryForecast などのAPIを呼ぶためのエントリーポイントを作成する」という意味となります。 Q. タイムスタンプよりも細かいサンプリングを指定することはカスタムで出来ますか？（1 秒未満の細かいセンサデータなど） A. タイムスタンプの最小単位は秒ですので、秒より細かい単位でサンプリングされたデータには対応していません。もし、秒より細かい単位のデータを扱う場合は、事前に前処理をして頂く必要がございます。 — 今後の AWS Webinar | イベントスケジュール 直近で以下を予定しています。各詳細およびお申し込み先は下記URLからご確認いただけます。皆様のご参加をお待ちしております。 — AWSome Day Online Conference 「AWSome Day Online」は、実際に足を運んでいただく 1 日の AWSome Day […]