게시된 날짜: Nov 13, 2020
AWS에서는 이제 예측 모델의 정확도를 측정하여 부족 예측 비용과 과도 예측 비용 간의 균형을 최적화함으로써 실험의 유연성을 확보할 수 있는 기능을 발표했습니다. 부족 예측 관련 비용과 과도 예측 관련 비용 간에는 차이가 있습니다. Amazon Forecast를 사용하면 평균 예측뿐 아니라 최소값에서 최대값까지의 수요 변화를 캡처하는 예측 분포를 제공하여 비즈니스 목표에 맞게 이러한 비용을 최적화할 수 있습니다. 이번 출시를 통해 Forecast는 이제 모델 훈련 시 여러 분포점에 대한 정확도 지표를 제공하므로 수작업으로 지표를 계산할 필요 없이 부족 예측과 과도 예측을 빠르게 최적화할 수 있습니다.
소매업체는 재고 부족으로 이어지는 부족 예측의 비용과 비용 및 낭비로 이어지는 과도 예측의 비용 간에 균형을 유지하기 위해 확률 예측에 의존하여 공급망을 최적화합니다. 제품 카테고리에 따라 소매업체는 서로 다른 분포점의 예측을 생성할 수 있습니다. 예를 들어, 식료품 소매업체는 변화하는 수요를 충족하기 위해 선택적으로 우유, 달걀과 같은 주요 식품의 재고를 과도 보충할 수 있습니다. 이러한 주요 식품은 보관 비용이 상대적으로 낮을 뿐 아니라 재고가 부족하면 판매 손실만 발생하는 것이 아니라 완전한 장바구니 포기로 이어질 수도 있습니다. 재고율을 높게 유지함으로써 소매업체는 고객 만족도와 고객 충성도를 높일 수 있습니다. 반대로, 소매업체는 할인 및 재고 처리 비용이 드물게 발생하는 판매 손실보다 높은 경우 보관 비용이 높은 대체 상품의 재고를 낮게 유지할 수 잇습니다. 서로 다른 분포점에 대한 예측을 수행할 수 있는 기능을 통해 소매업체는 수요가 변화할 때 이러한 상충 요소를 최적화할 수 있습니다.
예측이 재고 부족 및 재고 과다 사이의 균형을 관리할 수 있도록 가변성의 전체 분포를 예측하는 기능을 제공했지만, 정확도 지표는 치소, 중간 및 최대 예측 수요에 대한 값만 제공되므로 중간값을 기준으로 80%의 신뢰도만 제공했습니다. 관심 있는 특정 분포점에서의 정확도 지표를 평가하려면 먼저 해당 분포점에 대한 예측을 생성한 다음 수동으로 정확도 지표를 직접 계산해야 했습니다. 오늘 출시를 통해 이제 예측을 생성하고 수동으로 지표를 계산할 필요 없이 Forecast 내에서 임의의 분포점에 대한 예측 모델의 강도를 평가할 수 있습니다. 이 기능은 보다 빠르게 실험을 수행하고 보다 비용 효과적으로 비즈니스 요구를 맞는 분포점을 찾을 수 있게 해 줍니다.
이 새로운 기능을 사용하려면 AWS 블로그에서 여러 분포점을 선택하고 모델 정확도 지표를 이해하는 방법에 대해 자세히 알아보세요. 또한 예측기 정확성 평가, CreatePredictor API 및 GetAccuracyMetrics API에 대한 API 설명서 페이지를 참조하세요. 이 기능은 Amazon Forecast가 일반에 제공되는 모든 리전에서 사용할 수 있습니다. 리전별 가용성에 대한 자세한 내용은 리전 표를 참조하세요.