Principes de prévisions de séries temporelles avec Amazon Forecast
Date de publication : 1er septembre 2021 (Historique du document)
Les entreprises utilisent aujourd'hui absolument tout, des simples feuilles de calcul aux logiciels de planification financière complexes, pour tenter de prévoir avec précision les futurs résultats commerciaux tels que la demande de produits, les besoins en ressources et les performances financières. Ce document présente la prévision, sa terminologie, ses défis et ses cas d'utilisation. Ce document utilise une étude de cas pour renforcer les concepts de prévision, les étapes de la prévision, et indique commentAmazon Forecast
Présentation
La prévision est la science qui consiste à prédire l'avenir. En utilisant des données historiques, les entreprises peuvent comprendre les tendances, prévoir ce qui pourrait se produire et quand, et à leur tour, intégrer ces informations dans leurs plans futurs pour tout, de la demande de produits à la planification des stocks et à la dotation en personnel.
Compte tenu des conséquences des prévisions, la précision est importante. Si une prévision est trop élevée, les clients risquent de surinvestir dans les produits et le personnel, ce qui entraîne un gaspillage des investissements. Si les prévisions sont trop faibles, les clients risquent de sous-investir, ce qui entraîne un manque de matières premières et de stocks, créant ainsi une mauvaise expérience client.
Aujourd'hui, les entreprises essaient d'utiliser tous les moyens, des simples feuilles de calcul aux logiciels complexes de planification de la demande et de planification financière, pour générer des prévisions, mais il est difficile d'obtenir une précision élevée pour deux raisons :
-
Premièrement, les prévisions traditionnelles peinent à intégrer de grands volumes de données historiques, manquant ainsi des signaux importants du passé qui se perdent dans le bruit.
-
Deuxièmement, les prévisions traditionnelles intègrent rarement des données associées mais indépendantes, qui peuvent offrir un contexte important (comme le prix, les vacances/événements, les ruptures de stock, les promotions marketing, etc.) Sans l'historique complet et le contexte plus large, la plupart des prévisions ne parviennent pas à prédire l'avenir avec précision.
Amazon Forecast
Votre infrastructure est-elle Well-Architected ?
Le cadre AWS Well-Architected
Dans la Présentation détaillée du machine learning, nous nous concentrons sur la conception, le déploiement et l'architecture de vos charges de travail machine learning dans le AWS Cloud. Cette présentation complète les bonnes pratiques détaillées dans le cadre Well-Architected.
Pour obtenir davantage de conseils d'experts et de bonnes pratiques pour votre architecture de cloud — références aux déploiements d'architecture, diagrammes et livres blancs — consultez le Centre d'architecture AWS