이 AWS 솔루션 구현은 어떤 조직에 유용할 수 있습니까?

예측은 조직에서 과거의 데이터 포인트를 기반으로 정보에 입각한 전략을 개발하는 데 필수적인 비즈니스 기능입니다. 수요 예측은 효율적인 비즈니스 운영에 중요할 수 있는데 수요를 정확하게 예측하면 과도하거나 부족한 프로비저닝을 최소화하고, 수익성을 최적화하며, 고객 만족도를 개선할 수 있기 때문입니다. 소매점 재고 수요, 공급망 계획, 인력 상태, 웹 트래픽 예측 등을 예측하는 데 예측을 적용할 수 있습니다.

특정 시나리오에서는 단순히 좋은 예측을 생성하는 것과 최적의 예측 구성을 사용하는 것의 차이가 수백만 달러의 손실로 나타날 수 있습니다. 일부 비즈니스에서는 운송비 과다, 높은 자본 비용 및/또는 부패하기 쉬운 제품으로 인해 과잉 재고의 비용이 상당히 높을 수 있습니다. 재고가 부족해 고객 수요를 충족하지 못할 경우 매출이 크게 줄고 고객 만족도가 떨어지는 비즈니스도 있습니다. 예를 들어 소매 예측에서 예측은 향후 판매량을 추정하고 품목을 재주문해야 하는 시기와 수량을 예측하며 재고 보유 비용을 줄이는 데 사용됩니다. 매출, 판매 및 현금 흐름과 같은 주요 지표도 예측해야 합니다.    

이 AWS 솔루션 구현은 어떤 기능을 제공합니까?

이 솔루션은 Amazon Forecast 예측 변수 및 예측을 생성, 테스트 및 비교하는 파이프라인을 자동화합니다. 개발자와 데이터 사이언티스트는 이 솔루션을 통해 Amazon Forecast 예측을 생성, 테스트, 비교 및 반복함으로써 프로덕션에 적합한 모델을 생성할 수 있습니다.  

Amazon Forecast는 재고 과잉 및 재고 부족에 대한 각 비즈니스의 민감도를 다루기 위해 세 가지 기본 분위수로 확률적 예측을 출력합니다. 오른쪽에 샘플 예측 그래프가 나와 있습니다. 재고 과잉을 방지하는 비즈니스에서는 p10 예측을 사용하면 됩니다. p10 예측은 10%의 시간에만 실제 향후 수요 값이 예측된 값보다 낮을 것으로 예상합니다. 고객 수요를 충족하지 못하는 것에 더 민감한 비즈니스에서는 p90 예측을 사용할 수 있습니다. p90 예측은 90%의 시간에 실제 값이 예측 값보다 낮을 것으로 예상합니다. 레거시 도구와의 호환성을 유지하는 것이 목표이거나 재고 과잉과 재고 부족에 대한 민감도가 같은 비즈니스의 경우 p50 예측을 사용할 수 있습니다.

이 솔루션을 구성하고, 서식이 지정된 수요 데이터를 Amazon Simple Storage Service(Amazon S3)로 끌어다 놓은 다음, 관련 데이터의 조합을 사용하여 예측을 생성하고, 포함된 Amazon SageMaker Jupyter Notebook에서 결과를 시각화할 수 있습니다.

 

AWS 솔루션 구현 개요

아래 다이어그램은 솔루션의 구현 안내서와 함께 AWS CloudFormation 템플릿을 사용하여 자동으로 배포할 수 있는 서버리스 아키텍처를 보여줍니다.

Improving Forecasting Accuracy with Machine Learning | 아키텍처 다이어그램
 확대하려면 클릭

Improving Forecast Accuracy with Machine Learning 솔루션 아키텍처

AWS CloudFormation 템플릿은 Amazon Forecast 사용 및 배포를 자동화하는 데 필요한 리소스를 배포합니다. 솔루션의 기능에 따라 아키텍처는 데이터 준비, 예측 및 데이터 시각화의 세 부분으로 나뉩니다.

템플릿에는 Amazon Forecast 구성에 대한 Amazon Simple Storage Service(Amazon S3) 버킷, 새 데이터 세트가 관련 Amazon S3 버킷에 업로드될 때 트리거되는 Amazon S3 이벤트 알림, Improving Forecast Accuracy with Machine Learning AWS Step Functions 상태 머신, Amazon Forecast에서 ML(기계 학습) 모델을 구축, 훈련 및 배포하는 일련의 AWS Lambda 함수 및 AWS Step Functions의 결과를 관리 사용자에게 알리는 Amazon Simple Notification Service(Amazon SNS) 이메일 구독이 포함됩니다.

이 솔루션에는 Amazon Forecast 예측 변수 정확도 지표를 추적하는 Amazon CloudWatch 지표와 데이터 사이언티스트 및 개발자가 데이터를 준비 및 처리하고 Forecast 출력을 평가할 때 사용할 수 있는 Amazon SageMaker Notebook 인스턴스도 포함됩니다.

Improving Forecast Accuracy with Machine Learning

버전 1.0
최종 업데이트 날짜: 2020년 7월
작성: AWS

예상 배포 시간: 5분

아래 버튼을 사용하여 솔루션 업데이트에 가입하십시오.

참고: RSS 업데이트에 가입하려면 사용 중인 브라우저에 대해 RSS 플러그인이 활성화되어 있어야 합니다.  

기능

수동 프로세스 자동화

Amazon Forecast의 자동화 기능을 통해 여러 실험의 수집, 모델링 및 예측을 손쉽게 오케스트레이션할 수 있습니다.

Jupyter Notebook 통합

Jupyter Notebook을 사용하여 수요, 관련 시계열 및 예측 데이터를 단일 시각화로 통합할 수 있으므로 실험이 간편해집니다.

Amazon SNS 알림

성공 및 실패 시 사용자에게 이메일로 알림이 전송되므로 예측을 손쉽게 모니터링할 수 있습니다.

클릭 한 번으로 안전하게 배포

AWS Well-Architected 프레임워크 방법론으로 개발된 AWS CloudFormation 템플릿을 사용하여 클릭 한 번으로 안전하게 배포할 수 있습니다.
구축 아이콘
솔루션 직접 배포

AWS 솔루션 구현 라이브러리에서 일반적인 아키텍처 문제에 대한 답을 검색해 보실 수 있습니다.

자세히 알아보기 
APN 파트너 찾기
APN 파트너 찾기

시작하는 데 도움이 되는 AWS 공인 컨설팅 및 기술 파트너를 찾으십시오.

자세히 알아보기 
살펴보기 아이콘
솔루션 컨설팅 오퍼 살펴보기

AWS의 컨설팅 오퍼 포트폴리오를 살펴보고 솔루션 배포 시 AWS의 검증된 지원을 받으세요.

자세히 알아보기