Amazon Forecast에서 시계열 예측 원칙

게시 날짜: 2021년 9월 1일(문서 기록)

오늘날 기업은 제품 수요, 리소스 요구, 재무 성과 등의 향후 비즈니스 성과를 정확하게 예측하기 위해 단순 스프레드시트, 복잡한 재무 계획 소프트웨어 등의 다양한 도구를 사용하고 있습니다. 이 백서에서는 예측, 용어, 문제 및 사용 사례를 소개합니다. 이 문서에서는 사례 연구를 통해 예측 개념, 예측 단계 및 Amazon Forecast가 실제 예측 문제에서 발생하는 여러 가지 실제 문제를 해결하는 데 어떻게 도움이 되는지 참조하여 설명합니다.

개요

'예측'은 미래를 예견하는 과학입니다. 이전 데이터를 사용하여 기업은 추세를 파악하고, 어떤 일이 언제 일어날 지 예측하고, 그 정보를 제품 수요부터 재고 계획 및 인력 배치에 이르는 모든 것에 대한 향후 계획에 반영할 수 있습니다.

예측의 결과를 고려할 때 정확도가 중요합니다. 예측이 너무 높으면 고객이 제품 및 직원에 과도하게 투자하게 되어 투자가 낭비될 수 있습니다. 예측이 너무 낮으면 고객의 적게 투자하게 되어 원자재 및 재고가 부족해져 고객 경험이 저하될 수 있습니다.

오늘날 기업들은 간단한 스프레드시트부터 복잡한 수요/재무 계획 소프트웨어에 이르기까지 모든 것을 사용하여 예측을 생성하려고 하지만 다음과 같은 두 가지 이유로 높은 정확도를 유지하기는 여전히 어렵습니다.

• 첫째, 전통적인 예측은 대량의 과거 데이터를 통합하는 데 어려움을 겪고 있으며 노이즈로 손실되는 과거의 중요한 신호를 놓치고 있습니다.

• 둘째, 전통적인 예측은 관련성이 있지만 독립적인 데이터를 거의 포함하지 않고 있습니다. 이러한 데이터는 가격, 휴일/이벤트, 품절, 마케팅 프로모션 등과 같은 중요한 컨텍스트를 제공할 수 있습니다. 전체 기록과 더 넓은 맥락 없이는 대부분의 예측이 미래를 정확하게 예측하지 못합니다.

Amazon Forecast는 이러한 문제를 해결하는 완전 관리형 서비스입니다. Amazon Forecast는 현재 예측 시나리오에 가장 적합한 알고리즘을 제공합니다. 적절한 경우 최신 기계 학습(ML)과 딥 러닝을 활용하여 매우 정확한 예측을 제공합니다. Amazon Forecast는 사용하기 쉬우며 기계 학습 경험이 없어도 됩니다. 이 서비스는 필요한 인프라를 자동으로 제공하고, 데이터를 처리하고, AWS에서 호스팅되고 예측이 가능한 맞춤형/사설 ML 모델을 구축합니다. 또한 기계 학습 기술이 빠른 속도로 계속 발전함에 따라 Amazon Forecast는 이러한 기술을 통합하여 고객이 최소한의 추가 노력으로 정확도를 지속적으로 개선할 수 있도록 합니다.

Well-Architected를 적용하고 있으신가요?

AWS Well-Architected Framework는 클라우드에서 시스템을 구축하는 동안 사용자가 내리는 의사 결정의 장단점을 이해하는 데 도움이 됩니다. 이 프레임워크의 6가지 원칙을 통해 안정적이고 안전하며 효과적이고 비용 효율적이며 지속 가능한 시스템을 설계 및 운영하기 위한 아키텍처 모범 사례를 배울 수 있습니다. AWS Management Console에서 추가 요금 없이 사용할 수 있는 AWS Well-Architected Tool을 사용하면 각 원칙에 대한 여러 질문에 답하여 이러한 모범 사례와 비교하며 워크로드를 검토할 수 있습니다.

기계 학습 렌즈에서는 AWS 클라우드에서 기계 학습 워크로드의 설계, 배포 및 아키텍처 구성 방법을 집중적으로 살펴봅니다. 이 렌즈는 Well-Architected 프레임워크에 포함된 모범 사례에 추가됩니다.

클라우드 아키텍처에 대한 보다 전문적인 지침과 모범 사례(참조 아키텍처 배포, 다이어그램 및 백서)는 AWS 아키텍처 센터를 참조하세요.