이 AWS 솔루션 구현에서 제공하는 기능

Improving Forecast Accuracy with Machine Learning 솔루션은 Amazon Forecast 예측을 생성, 테스트, 비교 반복합니다. 이 솔루션은 예측을 자동으로 생성하고 Amazon QuickSight 또는 Amazon SageMaker Jupyter 노트북에 사용할 수 있는 시각화 대시보드를 생성하므로, 시계열 입력 및 예측 출력을 표시하는 쉽고 빠른 끌어서 놓기 인터페이스를 제공합니다. 소매점 재고 수요, 공급망 계획, 인력 상태, 웹 트래픽 예측 등을 예측하는 데 예측을 적용할 수 있습니다.

예측은 차원(예: 소매점 지점) 또는 항목 레벨 메타데이터(예: 제품 브랜드, 크기, 색상) 전 범위에 걸쳐 비교할 수 있습니다. 이 데이터를 다음에 사용할 수 있습니다.

  • 기존 예측 최적화: p50 예측을 사용하여 시간을 절약하고 레거시 도구와의 호환성을 유지하거나, 과도한 또는 부족한 프로비저닝에 대한 가시성을 확보합니다.
  • 가변적인 고객 수요 충족: p90 예측을 사용하여 높은 수준의 고객 만족도를 제공합니다. p90 예측은 90%의 시간에 실제 값이 예측 값보다 낮을 것으로 예상합니다.
  • 과도한 프로비저닝 방지: p10 예측을 사용하여 비용을 절감하고 과도한 프로비저닝을 방지합니다. p10 예측은 10%의 시간에만 실제 향후 수요 값이 예측된 값보다 낮을 것으로 예상합니다.
Amazon Forecast로 생성된 두 가지 예측 비교
두 예측 출력을 비교한 샘플 그래프
이 솔루션은 세 가지 기본 변위치에서 확률적 예측을 출력하여 과도하거나 부족한 프로비저닝에 대한 민감도를 확인합니다(위의 샘플 그래프 참조).
 확대하려면 클릭

이점

자동화된 프로세스

Amazon Forecast의 자동화 기능을 통해 여러 실험의 수집, 모형화 및 예측을 간편하게 처리할 수 있습니다.

blank

배포 보호

AWS Well-Architected Framework 방법론으로 개발된 AWS CloudFormation 템플릿을 사용하여 클릭 한 번으로 안전하게 배포할 수 있습니다.

blank

사전 예방적 모니터링

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

blank

자동화된 시각화

Amazon QuickSight 분석 또는 Jupyter 노트북에서 입력 데이터와 예측 출력을 결합하여 협업 및 실험을 촉진합니다.

AWS 솔루션 구현 개요

기본 파라미터로 이 솔루션을 배포하여 AWS 클라우드에 다음과 같은 서버리스 환경을 구축합니다.

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 다음 구성 요소가 포함됩니다.

  1. Amazon Forecast 구성을 위한 Amazon Simple Storage Service(Amazon S3) 버킷. 데이터 집합, 그룹, 데이터 집합 예측자 및 예측과 데이터 집합 자체에 대한 구성 설정을 지정할 수 있습니다.
  2. 새 데이터 집합이 관련 Amazon S3 버킷에 업로드될 때 트리거되는 Amazon S3 이벤트 알림.
  3. Improving Forecast Accuracy with Machine Learning AWS Step Functions 상태 머신. 상태 머신은 Amazon Forecast에 기계 학습(ML) 모델을 구축, 훈련 및 배포하는 일련의 AWS Lambda 함수를 결합합니다. Amazon CloudWatch에 대한 모든 AWS Step Functions 로그.
  4. 관리자에게 AWS Step Functions의 결과를 알리는 Amazon Simple Notification Service(Amazon SNS) 이메일 구독.
  5. 데이터 사이언티스트 및 개발자가 데이터를 준비 및 처리하고 Forecast 출력을 평가하는 데 사용할 수 있는 Amazon SageMaker 노트북 인스턴스.
  6. AWS Glue 작업은 원시 예측 입력 데이터, 메타데이터, 예측자 백테스트 내보내기 및 예측 내보내기를 집계된 예측 보기로 결합합니다.
  7. Amazon Athena에서 표준 SQL 쿼리를 사용하여 예측 출력을 쿼리할 수 있습니다.
  8. 각 예측에서 Amazon QuickSight 분석을 생성하여 사용자에게 예측된 항목의 계층 구조 및 카테고리에 걸친 예측 출력 시각화와 항목 수준 정확도 지표를 제공할 수 있습니다. 이 분석에서 대시보드를 생성하고 조직 내에서 공유할 수 있습니다.

기계 학습을 사용하여 예측 정확도 개선

버전 1.3.3
릴리스 날짜: 2021년 6월
작성: AWS

예상 배포 시간: 5분

예상 비용 
아래 버튼을 사용하여 솔루션 업데이트에 가입하십시오.

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

이 솔루션 구현이 도움이 되었습니까?
피드백 제공 
동영상
솔루션으로 해결: Improving Forecast Accuracy with Machine Learning
고객 레퍼런스
App8, 식당에서 AWS 솔루션을 사용하여 수요를 예측하도록 지원
기술 회사 App8이 Improving Forecast Accuracy with Machine Learning 솔루션을 사용하여 특정 메뉴 항목에 대한 고객 볼륨 및 수요를 예측할 수 있는 도구를 개발한 방법을 알아보세요.
AWS for Industries
Short-term Electric Load Forecasting with Amazon Forecast

Improving Forecast Accuracy with Machine Learning 솔루션에서 전력 및 공익 사업의 단기 전기 부하 예측을 간소화하여 전력망의 안정성을 개선하는 방법을 알아보십시오.

Blank
AWS 아키텍처 블로그
기계 학습을 통한 소매 예측 정확도 개선

이 블로그 게시물에서는 Amazon Forecast와 Improving Forecast Accuracy with Machine Learning이라는 AWS에서 검증한 솔루션을 사용하여 안정적인 소매 예측 시스템을 구축하는 방법을 설명합니다.

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