Prinsip Pemrakiraan Deret Waktu dengan Amazon Forecast
Tanggal publikasi: 1 September 2021 (Riwayat dokumen)
Perusahaan saat ini menggunakan segala hal, mulai dari spreadsheet yang sederhana hingga perangkat lunak perencanaan keuangan yang kompleks untuk mencoba memprakirakan hasil bisnis di masa depan secara akurat, seperti permintaan produk, kebutuhan sumber daya, dan performa keuangan. Laporan ini memperkenalkan prakiraan, serta terminologi, tantangan, dan kasus penggunaannya. Dokumen ini menggunakan studi kasus untuk mempertegas konsep pemrakiraan, langkah pemrakiraan, dan referensi tentang bagaimana Amazon Forecast
Ikhtisar
Pemrakiraan adalah ilmu memprediksi masa depan. Dengan menggunakan data historis, bisnis dapat memahami tren, menentukan apa yang mungkin terjadi dan kapan, dan pada gilirannya, menyertakan informasi itu ke dalam rencana masa depan mereka untuk segala sesuatu mulai dari permintaan produk hingga perencanaan inventaris dan pengaturan staf.
Mengingat konsekuensi prakiraan, akurasi itu penting. Jika prakiraannya terlalu tinggi, pelanggan dapat berinvestasi berlebihan dalam produk dan staf, yang mengakibatkan investasi yang sia-sia. Jika prakiraannya terlalu rendah, pelanggan mungkin kurang berinvestasi, yang menyebabkan kekurangan bahan mentah dan inventaris, sehingga menimbulkan pengalaman pelanggan yang buruk.
Saat ini, bisnis mencoba menggunakan segala sesuatu mulai dari spreadsheet sederhana hingga perangkat lunak permintaan/perencanaan keuangan yang kompleks untuk menghasilkan prakiraan, tetapi akurasi tinggi tetap sulit didapatkan karena dua alasan:
-
Pertama, prakiraan tradisional kesulitan menyertakan data historis dalam volume besar, sehingga kehilangan sinyal penting dari masa lalu yang tidak dapat ditemukan di tengah data yang salah.
-
Kedua, prakiraan tradisional jarang menyertakan data terkait tetapi independen, yang dapat memberikan konteks penting (seperti harga, liburan/acara, stok habis, promosi pemasaran, dan sebagainya). Tanpa riwayat lengkap dan konteks yang lebih luas, sebagian besar prakiraan gagal memprediksi masa depan secara akurat.
Amazon Forecast
Apakah Anda Well-Architected?
AWSKerangka Kerja Well-Architected
Di Machine Learning Lens, kami fokus pada cara merancang, melakukan deployment, dan mengelola beban kerja machine learning Anda di AWS Cloud. Lensa ini merupakan tambahan untuk praktik terbaik yang dijelaskan dalam Kerangka Kerja Well-Architected.
Untuk panduan ahli dan praktik terbaik lainnya untuk arsitektur cloud Anda—referensi deployment arsitektur, diagram, dan laporan resmi—lihat AWS Pusat Arsitektur