Amazon Forecast 是一種全受管服務，可使用機器學習提供高度準確的預測。
從簡單的試算表，到複雜的財務規劃軟體，今天的公司設法精確預測未來的事業成果，例如：產品需求、資源需要或財務績效。這些工具檢視一系列名為時間系列資料的歷史記錄，以建立預測。例如，此類工具僅透過查看雨衣之前的銷售資料，並根據過去的銷售來確定未來的基本假設，可嘗試預測雨衣的未來銷售。這種方法可能難以針對具有不規則趨勢的大量資料，來產生準確的預測。此外，它無法輕鬆地將隨時間變化的資料系列 (如價格、折扣、Web 流量和員工人數) 與相關的自變數 (如產品功能和商店位置) 相結合。
Amazon Forecast 採用與 Amazon.com 相同的技術，使用機器學習結合時間序列資料與其他變數，以建立預測。您不需要任何機器學習經驗，即可開始使用 Amazon Forecast。您只需提供歷史資料，以及任何您覺得可能會影響預測的其他資料。例如，特定顏色襯衫的需求會隨著季節和商店地點而有不同。這種複雜的關係很難單獨判斷，但機器學習是識別這種關係最佳的工具。提供資料之後，Amazon Forecast 會自動檢驗資料、找出有意義的資訊，然後製作預測模型，以做出較單獨查看時間序列資料高出最多 50% 的準確預測。
Amazon Forecast 是全受管服務，因此無需佈建伺服器，也無需建立、訓練或部署機器學習模型。您只需按實際用量付費；既沒有最低費用，也不需前期承諾。
優勢
以機器學習技術提升預測準確度 50%
Amazon Forecast 透過使用機器學習來自動探索時間序列資料與其他變數 (如產品功能和商店位置) 的相互影響方式，可將預測準確性提高達 50%。相較於單查看時間序列資料可以提供的內容，您將更好地了解這些複雜的關係最終如何影響需求。Amazon Forecast 建置的模型對於您的資料而言是唯一的，這意味著這些預測可以根據您的業務進行自訂。
將預測時間從數月縮短至幾小時
憑藉 Amazon Forecast，您可以在幾小時內達到預測準確性水準，這在過去通常需要花費數小時的工程。您可以將時間序列資料和關聯的資料從 Amazon S3 資料庫匯入 Amazon Forecast。Amazon Forecast 從該處自動載入、檢查資料，並識別預測所需的關鍵屬性。然後，Amazon Forecast 會訓練和最佳化您的自訂模型，並將其託管在高可用性環境中，該模型在此可用於產生您的業務預測。透過自動處理建置、訓練、調整和部署預測模型所需的複雜機器學習，Amazon Forecast 讓您能夠快速建立準確的預測。
建立幾乎任何時間序列的預測
從現金流到產品需求再到資源計劃，運作您的業務需要多種類型的時間序列預測。Amazon Forecast 可讓您針對幾乎每個產業和使用案例建置預測，包括零售、物流、財務、廣告表現等。憑藉機器學習，Amazon Forecast 可以處理任何歷史時間序列資料，並使用大型內建演算法庫來自動確定最適合您特定預測類型的資料。
保護您的業務資料，讓您安心無虞
您與 Amazon Forecast 的所有互動均受到加密保護。Amazon Forecast 處理的所有內容均透過 Amazon Key Management Service 以客戶金鑰加密，並在您使用該服務的 AWS 區域中進行靜態加密。系統管理員還可以透過 AWS Identity and Access Management (IAM) 許可政策控制 Amazon Forecast 的存取，以確保敏感資訊的安全性和機密性。
運作方式
使用案例
產品需求計劃
您可以使用 Amazon Forecast 預測各個商店位置的適當庫存量。您以 CSV (逗號分隔值) 格式，將零售管理系統的預測資訊 (如歷史銷售、定價、商店促銷、商店位置和目錄資料) 提供到 Amazon S3 儲存中。然後，您可以將其與相關資料相結合，如網站流量日誌、天氣和運送排程。Amazon Forecast 將使用該資訊來產生模型，可準確地預測客戶在個別商店級別對產品的需求。以 CSV 格式批次匯出預測，然後將其重新匯入零售管理系統，以便您確定要為每間商店購買和分配多少庫存。
財務規劃
準確的財務預測 (如銷售收入預測) 是每間企業取得成功的基礎。Amazon Forecast 可預測關鍵財務指標，如跨多個時段和貨幣單位的營收、支出和現金流。您首先將歷史財務時間序列資料上傳至 Amazon S3 儲存，然後將其匯入 Amazon Forecast。產生模型後，Amazon Forecast 將為您提供預期的預期準確性，以便您確定在生產中使用模型之前是否需要更多資料。該服務還可使用 Amazon Forecast 主控台中的圖表將預測視覺化，以協助您做出明智的決策。
資源規劃
規劃適當的可用資源級別，如人員配備、廣告庫存和製造原材料，這對於最大化營收和控制成本非常重要。例如，廣播公司可能希望按區域最佳化廣告資源。其可將跨不同程式類別和地理區域的歷史收視率資料、內容中繼資料和區域人口統計資料匯入 Amazon Forecast。該服務將從該資料中學習並提供準確的本機預測。
客戶成功案例
More Retail
More Retail 是印度全通路食品與雜貨零售領域的先驅，其致力於成為滿足印度消費者食品和雜貨需求的首選。More 在印度擁有 22 個大賣場和 624 個超市，由 13 個經銷中心、7 個水果和蔬菜收集中心和 6 個主食加工中心構成的網路提供支援。
「More 是印度食品與雜貨「生鮮」類別的市場領導者。為了開展切實可行的業務，More 需要同時管理新鮮農產品的庫存可用性，同時最大程度地減少浪費。為了平衡這些相互競爭的優先級，More 協同 AWS 和資料科學諮詢公司 Ganit 開展合作，建置並部署了圍繞 Amazon Forecast 建置的需求預測和自動訂購系統。我們需要在商店-商品-日期級建立非常細緻的預測，因此我們會優先考慮 ABC-XYZ 型框架的開發工作。
商店-商品組合按 3x3 矩陣繪製：以歷史模式為基礎的 ABC 銷售卓越性軸 (A – 高、B – 中、C – 低) 和 XYZ 可預測性軸 (X – 易於預測、Z – 難以預測)。不出所料，ABC-XY 儲存貯體中的商品測準確性顯著優於 Z 儲存貯體。然而，對於 Z 儲存貯體中的組合，Amazon DeepAR+ 的效能顯著優於指數平滑等傳統方法，預測準確性提升了 10%。之所以能夠做到，是因為 Amazon Forecast 能夠學習其他 SKU (XY) 模式，並將其套用至 Z 儲存貯體中極不穩定的商品。
使用 Amazon Forecast，我們能夠將預測準確性從 27% 提高至 76%，將新鮮農產品類別的浪費減少 20%。Amazon Forecast 提供預測分佈，這有助於我們最佳化過低和過高的預測成本，從而使缺貨率保持在 3%，並提高了毛利率。這讓我們的商店經理可以透過查看每日預測，更輕鬆、更準確地下採購訂單。現在，我們將模型擴展至其他類別，使用額外相關資料集進行反覆，並向 Amazon Forecast 新增資料，以不斷提高模型的準確性。」
More Retail 轉型長 Supratim Banerjee
Ganit 創辦人兼執行長 Shivaprasad KT
Swiggy
Swiggy 是印度最大的隨需超級市場，其願景是為城市消費者提供跨多個類別 (食品、雜貨) 無與倫比的便利。Swiggy 總部位於班加羅爾，在 500 多座城市擁有業務，與超過 13 萬間餐廳/商店合作，並營運著 20 萬家配送合作夥伴的隨需車隊。
「對我們來說，對關鍵業務指標的變更做出快速回應至關重要，這些指標在空間上 (例如城市內的區域) 和時間上 (例如時間) 進行區隔。例如，如果我們可以預測關鍵業務指標的變更，例如每次交付成本，那麼我們就能更好地管理我們的相關成本和激勵措施。AWS Forecast 讓我們能夠輕鬆使用影響業務指標的相關資料，來提高預測準確性。我們對 Amazon Forecast 進行初步評估，以預測我們在超本地物流領域的業務指標看起來具有前景，我們計劃利用它來提高我們的業務指標預測準確性。」
Swiggy 傑出工程師 Vijay Seshadri
Anaplan
Anaplan Inc. 是一間雲端原生企業 SaaS 公司，致力於協助全球企業協調業務績效。跨產業領導者依靠我們的平台來連接團隊系統和整個組織的洞見，以不斷適應變化，從而改變其營運方式並重塑價值創造。Anaplan 總部位於三藩市，在全球擁有 20 多個辦事處、175 個合作夥伴，以及約 1500 個客戶。
「全球企業使用 Anaplan 的雲端原生平台，透過持續的預測性預測和敏捷的場景建模來協調績效。藉助將 Amazon Forecast 整合至我們的平台，跨財務、供應鏈、銷售和 HR 的客戶可透過內嵌式機器學習，充分利用增強的智慧來建立靈活、可靠的預測。能夠推出 Anaplan PlanIQ 搭配 Amazon Forecast，我們深感榮幸，該平台可協助我們的客戶憑藉智慧驅動型決策提高預測準確性，從而為他們帶來競爭優勢。」
Anaplan 產品和使用者體驗高級副總裁 Rohit Shrivastava
Axiom Telecom
Axiom Telecom 是中東區域電信業手機終端系統和技術分銷中的市場領導者，市場份額約為 55%，並且有望增長超過 60%。如今，它超過 10,000 個獨立和組織化零售客戶分銷電信產品。該公司的營運合併了 Nokia、Honor、Sony Ericsson、Motorola 和 Samsung 等無線行動裝置的批發、零售、增值服務和售後。該集團擁有 30 個倉庫和超過 300 輛配送車輛的車隊。
「Amazon Forecast 讓我們能夠準確地預測銷售，並提供更好的庫存規劃。這不僅有益於我們和我們的業務，而且能夠讓我們的客戶真正獲益。在使用 Amazon Forecast 之前，我們在很大程度上依賴於統計模型和手動程序組合，來預測銷售和庫存管理。這不僅需要大量時間和人力來維持這些手動預測，而且還有可能出錯。憑藉 Amazon Forecast，我們看到實證可用性提升超過 20%，庫存最佳化方面提高了 15%。此外，我們已將負責手動預測的團隊，轉變為到現在更多地專注於增值工作，從新的預測中擷取洞見以協助改善我們的業務成果。」
技術與創新總監 Wassim Al Khayat
OMNYS
OMNYS 透過設計和建置以系統整合、Web 和行動技術、物聯網、機器學習和大數據為基礎的數位平台，提供了突破性的解決方案。透過學習最終技術、研發、市場需求分析，OMNYS 為眾多產業帶來了創新。
「Amazon Forecast 正協助我們為我們的客戶 Arneg S.p.A. 帶來新的洞見和商業價值，Arneg S.p.A. 是冰箱製造領域的全球領導者，每天收集約 1100 萬條物聯網記錄。使用 Amazon Forecast，我們在數小時內即可開始建置傳統上需要數週或數月的模型。我們的客戶只希望我們從原始資料中擷取價值，而藉助 Amazon Forecast，我們能夠做更多的事情。我們建立了各種模型，至少提前三天就能預測安裝在世界各地商場中的冰箱能耗，準確度達 91%，並建立了維護預測模型，以便至少提前一天更好地評估裝置斷電的風險，從而減少客戶的緊急呼叫次數。我們的客戶能夠利用這些洞見來改善其管理客戶體驗的方式，這一潛力無可限量。」
OMNYS 技術長 Davide Pozza
