FAQssobre el uso del aprendizaje automático para pronosticar la demanda de nuevos productos

Las siguientes son preguntas frecuentes relacionadas con la implementación de un modelo de aprendizaje automático que prevé la demanda de lanzamientos de nuevos productos.

¿A quién debo movilizar para iniciar el proceso?

La preparación de una organización depende directamente del apoyo que reciba de la alta dirección. Le recomendamos que obtenga la aprobación de los gerentes de los departamentos de ciencia o análisis de datos, cadena de suministro, marketing y TI. Solicite el apoyo de otras partes interesadas y líderes, según corresponda a su organización.

¿Qué tipo de equipo debo formar?

Para llevar a cabo la iniciativa con éxito y producir resultados mensurables, reúna un equipo que incluya:

• Científicos de datos para el desarrollo de modelos

• Ingenieros de datos para la recopilación e ingestión de datos

• Ingenieros de aprendizaje automático para la implementación de modelos y un panel de autoservicio

• Expertos en la materia para obtener experiencia en el campo

¿Qué datos históricos necesito y cuántos?

Considere la posibilidad de adquirir los siguientes datos:

• Datos de ventas de todos los productos similares, desde el lanzamiento del producto hasta su descontinuación.

• Metadatos que describen las características y los atributos del producto. Algunos ejemplos de estos atributos de los productos CE pueden ser la capacidad Bluetooth, las funciones inalámbricas, el USB tipo y el color.

• Datos de series temporales relevantes relacionados con los datos de ventas, como datos de marketing, datos de vacaciones, datos de reseñas y datos de calificación.

  nota

  Resulta beneficioso poder extender los datos de series temporales relevantes al horizonte de previsión para la inferencia del modelo. Por ejemplo, si los datos de series temporales relacionadas son días festivos, puede extender los datos de series temporales de los días festivos al futuro porque conoce los días festivos con antelación.

¿Cuándo debo empezar a generar una previsión de la demanda de un producto nuevo?

Esta es una decisión empresarial que debe tomar cada organización. Lo ideal es que una organización utilice la previsión para satisfacer la demanda del nuevo producto. Se recomienda generar una previsión de la NPI demanda semanal o mensual antes de empezar a fabricar el nuevo producto. La previsión le ayuda a estimar correctamente las piezas y la mano de obra.

¿Qué datos de terceros debo recopilar?

Puedes considerar la posibilidad de añadir los siguientes datos de terceros para obtener una previsión más precisa: índice de consumo, indicadores del coste de la vida e historial de ventas de la competencia. Estos datos de terceros se considerarían datos de series temporales relacionadas. Considere la posibilidad de obtener estos datos para el mismo período de tiempo que los datos de ventas y con la misma periodicidad (diaria o semanal).

¿Cuál es la infraestructura mínima que necesito?

Como mínimo, la infraestructura debe ser compatible con lo siguiente:

• Canalizaciones de ingesta de datos, en las que los datos se recopilan por lotes o mediante modos de transmisión

• Un proceso de preprocesamiento que ETL extrae y transforma los datos sin procesar en formatos de entrada estandarizados para el modelado de aprendizaje automático

• Un entorno de desarrollo para el desarrollo, la experimentación y la validación de modelos

• Una canalización de integración y despliegue continuos (CI/CD) que lleva el modelo de aprendizaje automático a la fase de producción

• Mecanismos para el registro, la supervisión y el reentrenamiento de los modelos

• Una capa de seguridad que cifra los datos en tránsito y los datos en reposo y proporciona un control de acceso detallado

¿Cómo puedo validar que mi enfoque basado en datos es efectivo? ¿Qué son las KPIs?

Cada iniciativa de ciencia de datos o solución basada en datos debe validarse en función de un conjunto de indicadores clave de rendimiento ()KPIs. Estos KPIs pueden medir qué tan cerca está la previsión del modelo de la demanda real. Puede generar esta métrica para distintos períodos de tiempo, como previsiones que se produzcan en el futuro dentro de una semana o un mes. También puede medir directamente cuántas piezas estaban sobreordenadas o subordenadas, en función de la previsión generada por el modelo. Las partes interesadas y la alta dirección deberían elaborar cuidadosamente un conjunto KPIs que permita hacer un seguimiento del rendimiento del modelo. KPIsÚselos para determinar si ROI cumple con las expectativas.

¿Con qué frecuencia debo generar las previsiones?

La frecuencia de las previsiones depende de dos factores. ¿Qué tan estrechamente desea que esté la previsión con los conjuntos de datos de series temporales disponibles? ¿Qué tan variables son los datos de los conjuntos de datos de series temporales relacionados? En general, generar pronósticos con frecuencia puede ayudar a su organización a prepararse adecuadamente para satisfacer la demanda del nuevo producto.

¿Cómo habilito el autoservicio?

A medida que aumente la capacidad, la organización debe desarrollar una infraestructura de autoservicio que automatice la ingesta de datos, el preprocesamiento y el proceso de formación de modelos para la generación de pronósticos. Los resultados y el impacto del modelo de aprendizaje automático deben medirse y publicarse en un panel de control al que se pueda acceder a ellos bajo demanda.

¿Cómo funcionan AWS los precios?

Para más información, consulte Precios de AWS.