Grundsätze der Zeitreihenprognose mit Amazonas Forecast
Datum der Veröffentlichung: 1. September 2021 (Dokumentverlauf)
Moderne Unternehmen verwenden alles von einfachen Spreadsheets bis zu komplexer Finanzplanungssoftware, um zu versuchen, zukünftige Geschäftsergebnisse, beispielsweise Produktbedarf, Ressourcenanforderungen oder Finanzperformance, präzise zu prognostizieren. Dieses Whitepaper bietet eine Einführung in die Prognoseerstellung, die verwendete Terminologie und die damit zusammenhängenden Herausforderungen und Anwendungsfälle. Anhand einer Fallstudie werden Prognosekonzepte und Forecast-Schritte beschrieben und es wird erläutert, wie Amazon Forecast
Übersicht
Die Prognose ist die Wissenschaft der Zukunftsvorhersage. Historische Daten helfen Unternehmen dabei, Trends besser zu verstehen und abzuschätzen, was wann passieren könnte. Und sie können diese Daten in ihre Zukunftspläne integrieren – angefangen beim Produktbedarf über die Bestandsplanung bis hin zur Personalbesetzung.
Angesichts der Folgen, die Prognosen haben könnten, spielt die Genauigkeit hierbei eine wichtige Rolle. Bei einer Überprognose investieren Kunden möglicherweise zu viel in Produkte und Personal und verschwenden damit Investitionen. Bei einer Unterprognose investieren Kunden möglicherweise zu wenig, was zu einem Mangel an Rohstoffen und Lagerbeständen und folglich zu einer schlechten Kundenerfahrung führt.
Heutzutage versuchen Unternehmen, Prognosen sowohl mithilfe einfacher Tabellen als auch mithilfe komplexer Nachfrage-/Finanzplanungssoftware zu erstellen. Es ist jedoch nach wie vor schwer, dabei eine hohe Genauigkeit zu erreichen. Und dies aus zwei Gründen:
-
Erstens tun sich traditionelle Prognosen schwer damit, historische Daten in großen Mengen zu integrieren und sind nicht in der Lage, wesentliche Signale aus der Vergangenheit im Datenrauschen zu erkennen.
-
Zweitens berücksichtigen herkömmliche Prognosen selten verwandte, zugleich aber unabhängige Daten, die wichtige Zusammenhänge liefern können (wie Preise, Feiertage/Ereignisse, Fehlbestände, Marketingaktionen usw.). Da ihnen die komplette Historie und der breitere Kontext fehlt, sind die meisten Prognosen nicht in der Lage, genaue Zukunftsvorhersagen zu machen.
Amazon Forecast
Sind Sie Well-Architected?
Das AWS-Well-Architected Framework
Der Schwerpunkt des Brennpunkts „Machine Learning“ liegt auf der Konzeption, Bereitstellung und Architektur von Machine-Learning-Workloads in der AWS Cloud. Dieser Brennpunkt dient als Ergänzung der bewährten Methoden für das Well-Architected Framework.
Weitere Expertenanleitungen und bewährte Methoden für Ihre Cloud-Architektur – Bereitstellungen von Referenzarchitekturen, Diagramme und Whitepapers – finden Sie imAWS-Architekturzentrum