Etapa 5: Gerar e usar previsões para a tomada de decisões

Depois de conseguir um modelo que atenda ao limite de precisão exigido para seu caso de uso específico (conforme determinado pela simulação), a etapa final envolve a implantação do modelo e a geração de previsões. Para implantar um modelo no Amazon Forecast, você deve executar a API Create_Forecast. Essa ação hospeda um modelo criado pelo treinamento em todo o conjunto de dados históricos (ao contrário de Create_Predictor, que divide os dados em um conjunto de treinamento e teste). As previsões do modelo geradas ao longo do horizonte de previsão podem então ser consumidas de duas maneiras:

• Você pode consultar as previsões de um item específico (ao especificar o item ou a combinação de item/dimensão) usando a API Query_Forecast doAWS CLI ou diretamente pelo AWS Management Console.

• É possível gerar as previsões para todas as combinações de itens e dimensões em todos os quantis usando a API Create_Forecast_Export_Job. Essa API gera um arquivo CSV que é armazenado com segurança em um local do Amazon Simple Storage Service (Amazon S3) de sua escolha. Em seguida, você pode usar os dados do arquivo CSV e conectá-los aos sistemas downstream usados para a tomada de decisões. Por exemplo, seus sistemas de cadeia de suprimentos existentes podem ingerir a saída diretamente do Amazon Forecast para ajudar a informar a tomada de decisões sobre a fabricação de SKUs específicas.

Previsões probabilísticas

O Amazon Forecast pode gerar previsões em diferentes quantis, o que é particularmente útil quando os custos de subprevisão e superprevisão são diferentes. Semelhante ao estágio de treinamento de previsores, as previsões probabilísticas podem ser geradas para quantis entre p1 e p99.

Por padrão, o Amazon Forecast gera previsões nos mesmos quantis usados durante o treinamento de previsores. Se os quantis não forem especificados durante o treinamento de previsores, as previsões serão geradas em p10, p50 e p90 por padrão.

Para a previsão p10, espera-se que o valor real seja menor do que o valor previsto em 10% das vezes, e a métrica wQL [0,1] pode ser usada para avaliar sua precisão. Isso significa que a previsão P10 está abaixo do previsto em 90% das vezes e, se usada para estoque de inventário, 90% das vezes o item estaria esgotado. A previsão P10 pode ser útil quando não há muito espaço de armazenamento ou o custo do capital investido é alto.

nota

A definição formal de uma previsão quantil é Pr (valor real <= previsão no quantil q) = q. Tecnicamente, um quantil é um percentil/100. Os estatísticos tendem a dizer “nível quantil P90”, já que isso é mais fácil do que “quantil 0,9”. Por exemplo, uma previsão em nível quantil P90 significa que se pode esperar que o valor real seja menor do que a previsão em 90% das vezes. Especificamente, se no tempo = t1 e nível quantil = 0,9, o valor previsto = 30, isso significa que o valor real no tempo = t1. Se você fizesse 1.000 simulações, seria esperado que fosse menor do que 30 em 900 simulações e, em 100 simulações, espera-se que o valor real seja superior a 30.

Por outro lado, a previsão P90 é uma superprevisão em 90% das vezes e é útil quando o custo de oportunidade de não vender um item é extremamente alto ou o custo do capital investido é baixo. Para uma mercearia, a previsão P90 pode ser usada para algo como leite ou papel higiênico, itens que loja nunca deseja ficar sem e não se importa que sobre nas prateleiras.

Para a previsão p50 (também chamada de previsão mediana), espera-se que o valor real seja menor do que o valor previsto em 50% das vezes, e a métrica wQL [0,5] pode ser usada para avaliar sua precisão. Quando o excesso de estoque não é muito preocupante e há uma demanda moderada para um determinado item, a previsão quantil p50 pode ser útil.

Visualização

O Amazon Forecast permite a traçar as previsões de forma nativa no AWS Management Console. Além disso, você pode aproveitar a pilha completa de ciência de dados do Python (consulte Exemplos do Amazon Forecast). O Amazon Forecast permite a exportação de previsões como um arquivo CSV por meio da API ExportForecastJob, o que permite aos usuários visualizarem a previsão na ferramenta analítica de sua escolha.

Visualização fornecida no console do Amazon Forecast em diferentes quantis