Amazon Forecast の料金
概要
Amazon Forecast では、実際に使用した分に対してのみ料金が発生します。最低料金や前払いの義務はありません。Amazon Forecast を使用する際に考慮すべきコストには、4 つの異なるタイプがあります。
-
インポートされたデータ: トレーニングと予測のために Amazon Forecast にインポートされるデータの各 GB に対するコスト。
-
予測器のトレーニング: 入力データに基づいてカスタム予測器を構築するため、または予測器のパフォーマンスをモニタリングするために必要なインフラストラクチャ使用の各時間に対するコスト。トレーニング時間には、データのクリーニング、複数のアルゴリズムの並列トレーニング、アルゴリズムの最適な組み合わせの発見、精度メトリクスの計算、説明可能性インサイトの生成、予測器のパフォーマンスのモニタリング、予測作成のインフラストラクチャ使用にかかる時間が含まれます。なお、コストは使用したインスタンス時間数に基づいており、予測器のトレーニングにかかる実際のクロックタイムではありません。 Amazon Forecast は、予測器をトレーニングするために複数のインスタンスを並列にデプロイするため、使用時間数は実際に観測されたクロックタイムを上回ります。
-
生成された予測データポイント: すべての時系列 (項目とディメンション) の組み合わせで生成されたユニークな予測値の数に対するコスト。予測データポイントは、ユニークな時系列の数 (例: SKU x 店舗)、分位数、予測範囲内のタイムポイントの組み合わせです。予測されたデータポイントは、予測を生成することによって作成されたものと、what-if 分析によって生産されたものがあります。
-
予測の説明: 属性や関連データが予測に与える影響を、項目ごと、タイムポイントごとに説明するためのコストです。説明可能性は、データセット内の属性が予測値にどのような影響を与えるかをよりよく理解するのに役立ちます。コストは、予測データポイント数と説明する属性 (料金、休日、天候インデックスなど) の数に基づいています。
Amazon Forecast 用の AWS 料金見積りツール
AWS 料金見積りツールを使って、Amazon Forecast を使ったアーキテクチャソリューションのコストを見積もります。
無料利用枠
予測の利用開始から 2 か月間、お客様は、月に最大 10 万件の予測データポイント、月に最大 10 GB のデータストレージ、月に最大 10 時間のトレーニングを受けることができます。
料金表
|
Cost Type
|
Pricing
|
Details
|
|---|---|---|
|
インポートしたデータ
|
1 GB あたり 0.088 USD
|
Amazon Forecast にインポートしたデータの各 GB。
|
|
予測器のトレーニング
|
0.24 USD/時間
|
データのクリーニング、複数のアルゴリズムの並列トレーニング、アルゴリズムの最適な組み合わせの発見、精度メトリクスの計算、説明可能性インパクトスコアの生成、予測器のパフォーマンスのモニタリング、予測の作成にかかった各時間。 Amazon Forecast は、予測器をトレーニングするために複数のインスタンスを並列にデプロイするため、使用時間数は実際に観測されたクロックタイムを上回ります。
|
|
生成された予測データポイント
|
*以下の階層化された料金表 1 を参照
|
what-if 分析を含む予測を生成するために、各分位の 1,000 件の予測データポイントごと。予測データポイントは直近の 1,000 件単位に切り上げられます。
|
|
予測の説明
|
**以下の階層化された料金表 2 を参照
|
説明 1,000 件ごと – 予測データポイントに属性 (料金や休日など) の数を乗じたもの。説明は直近の 1,000 件単位に切り上げられます。各説明可能性ジョブには、50 の時系列と 500 のタイムポイントの制限があります。
|
*テーブル 1
生成された予測データポイントの階層化された料金表
|
Generated forecast data points per month
|
Price per 1000 forecast data points
|
|---|---|
|
最初の 10 万件の予測データポイント
|
2.00 USD
|
|
次の 90 万件の予測データポイント
|
0.80 USD
|
|
次の 4,900 万の予測データポイント
|
0.20 USD
|
|
5,000 万件以上の予測データポイント
|
0.02 USD
|
注: レガシーな CreatePredictor API でトレーニングされた予測器を使用して予測を生成するお客様には、引き続き、項目とディメンションの組み合わせである時系列 1,000 件あたり 0.60 USD が、到達分位数に対して課金されます。予測は直近の 1,000 件単位に切り上げられます。
**テーブル 2
予測の説明の階層化された料金表
|
Forecast Explanations per month
|
Price per 1000 explanations
|
|---|---|
|
最初の 5 万件の説明
|
2.00 USD
|
|
次の 95 万件の説明
|
0.80 USD
|
|
次の 990 万件の説明
|
0.25 USD
|
|
1,000 万件以上の説明
|
0.15 USD
|
料金の例 1 – 商品需要の予測
例えば、お客様は衣料品会社を経営しており、1,000 点のアイテムを世界中の 50 の店舗で販売しており、次の 7 日間の商品需要を 1 分位で予測しているとします。1 つの商品と 1 つの店舗の組み合わせを 1 つの時系列として数えると、5 万 (1,000 アイテム x 50 店舗) の時系列を予測することになります。1 分位で予測しているので、合計 5 万件の予測をしていることになります (5 万の時系列 x 1 分位)。週単位の予測頻度で 7 日先の予測では、未来の 1 データポイントを予測しているので、合計 5 万件の予測データポイントを予測していることになります (5 万件の予測 x 1 データポイント)。
|
Cost Type
|
Pricing
|
Usage Cost
|
|---|---|---|
|
5 GB のデータをインポート
|
1 GB あたり 0.088 USD
|
5 GB x 0.088 USD/GB = 0.44 USD
|
|
3 トレーニング時間
|
0.24 USD/時間
|
3 時間 x 0.24 USD/時間 = 0.72 USD
|
|
5 万件の予測データポイント
|
最初の 10 万件の予測データポイントに対して、1,000 件の予測データポイントあたり 2 USD
|
5 万件の予測 x 2 USD/1,000 件の予測 = 100 USD
|
|
-
|
- |
合計コスト = 101.16 USD
|
料金の例 1 予測
ここで、次のような変化を想定してみましょう。今、お客様は毎日の予測頻度で 7 日先の予測をしています。これは、7 つのデータポイントの未来を予測することになり、合計の予測データポイントは 35 万件 (5 万件の予測 x 7 データポイント) となります。
|
Cost Type
|
Pricing
|
Usage Cost
|
|---|---|---|
|
5 GB のデータをインポート
|
1 GB あたり 0.088 USD
|
5 GB x 0.088 USD/GB = 0.44 USD
|
|
3 トレーニング時間
|
0.24 USD/時間
|
3 時間 x 0.24 USD/時間 = 0.72 USD
|
|
35 万件の予測データポイント
|
最初の 10 万件の予測データポイントに対して、1,000 件の予測データポイントあたり 2 USD
次の 90 万件の予測データポイントについては、1,000 件の予測データポイントあたり 0.80 USD |
10 万 x 2 USD/1,000 件の予測データポイント = 200 USD
合計 = 200 USD + 200 USD = 400 USD |
|
-
|
- |
合計コスト = 401.16 USD
|
上記の料金例は、1 か月に 1 回の予測ジョブに基づく
料金の例 2 – キャパシティプランニング
例えば、お客様はエネルギー会社を経営しているとします。ガスや電気の両方を使用する 5,000 人の居住者のお客様がいます。居住者のお客様とエネルギーの種類の組み合わせはそれぞれ 1 つの時系列に相当しますので、1 万 (2 つのエネルギーの種類 x 5,000 人の居住者のお客様) の時系列があることになります。1 時間ごとの予測を 1 分位で行い、24 時間先までの計画を立てる必要があると仮定すると、合計 24 万件の予測データポイントを予測することになります (1 万の時系列 x 1 分位 x 24 時間)。「料金」の属性を追加し、予測器トレーニング用に「休日」と「Amazon Forecast 天候インデックス」の組み込みデータセットを追加することを選択しています。例えば、上位 100 人のガスのお客様に対して、どのような属性が予測を促進しているかを知りたいとします。予測の説明可能性を高めるためのコストは以下のようになります。
|
Number of explainability jobs
|
100 customer time series / 50 time series maximum per explainability job = 2
|
|---|---|
|
説明可能性ジョブごとに説明される予測データポイントの数
|
50 人の居住者の顧客 x 1 つのエネルギータイプ x 1 分位 x 24 時間 = 1,200
|
|
説明される属性の数
|
料金 + 休日 + 天候インデックス = 3
|
|
合計の 1 か月間の説明件数
|
1200 x 3 x 2 = 8000 (直近の 1,000 件単位に切り上げ)
|
|
合計コスト
|
2 USD/1,000 件の説明 x 8,000 件の説明 = 16 USD
|
上記の料金例は、1 か月に 1 回の予測ジョブに基づく