Princípios das previsões de séries temporais com o Amazon Forecast

Data de publicação: 1º de setembro de 2021 (Histórico do documento)

Atualmente, as empresas usam desde planilhas simples até softwares complexos de planejamento financeiro para tentar prever resultados empresariais futuros com precisão, como demanda de produtos, necessidades de recursos ou desempenho financeiro. Este artigo apresenta a previsão, a respectiva terminologia, desafios e casos de uso. Este documento usa um estudo de caso para reforçar os conceitos e as etapas de previsão e faz referência a como o Amazon Forecast pode ajudar a resolver os muitos desafios práticos em problemas de previsão do mundo real.

Visão geral

A previsão é a ciência de prever o futuro. Ao usar dados históricos, as empresas conseguem entender as tendências, decidir o que pode acontecer e quando e, por sua vez, incorporar essas informações em todos os planos futuros, desde a demanda de produtos até o planejamento de inventário e a contratação de pessoal.

Tendo em vista as consequências da previsão, a precisão é importante. Se uma previsão for muito alta, é possível que os clientes invistam demais em produtos e funcionários, o que resulta em investimento desperdiçado. Se for muito baixa, os clientes podem investir pouco, o que leva a um déficit de matérias-primas e inventário e cria uma experiência ruim para o cliente.

Atualmente, as empresas tentam usar desde planilhas simples até softwares complexos de demanda/planejamento financeiro para gerar previsões, mas a alta precisão permanece inalcançável por dois motivos:

• Primeiro, as previsões tradicionais têm dificuldade em incorporar grandes volumes de dados históricos, perdendo sinais importantes do passado que se perdem no ruído.

• Em segundo lugar, elas raramente incorporam dados relacionados, mas independentes, que podem oferecer um contexto importante (como preços, feriados/eventos, falta de estoque, promoções de marketing e assim por diante). Sem o histórico completo e o contexto mais amplo, a maioria das previsões não consegue prever o futuro com precisão.

O Amazon Forecast é um serviço totalmente gerenciado que supera esses problemas. Ele fornece os melhores algoritmos para o cenário de previsão em questão. Ele se baseia machine learning (ML) moderno e no aprendizado profundo quando apropriado para entregar previsões altamente precisas. O Amazon Forecast é fácil de usar e não requer experiência em machine learning. O serviço fornece automaticamente a infraestrutura necessária, processa dados e cria modelos de ML personalizados/privados que estão hospedados na AWS e prontos para fazer previsões. Além disso, à medida que os avanços nas técnicas de machine learning continuam evoluindo em um ritmo acelerado, o Amazon Forecast os incorpora para que os clientes continuem a ver melhorias na precisão com mínimo ou nenhum esforço adicional de sua parte.

Você é Well-Architected?

O AWS Well-Architected Framework ajuda a entender as vantagens e as desvantagens das decisões tomadas durante a criação de sistemas na nuvem. Os seis pilares do Framework permitem que você aprenda as práticas recomendadas de arquitetura, a fim de projetar e operar sistemas confiáveis, seguros, eficientes, econômicos e sustentáveis. Usando o AWS Well-Architected Tool, disponível gratuitamente no AWS Management Console, é possível analisar suas workloads em relação a essas práticas recomendadas respondendo a um conjunto de perguntas para cada pilar.

Na Perspectiva de Machine Learning, nos concentramos em como projetar, implantar e arquitetar suas workloads de machine learning na Nuvem AWS. Esta perspectiva é somada às práticas recomendadas descritas no Well-Architected Framework.

Para obter mais orientações e práticas recomendadas especialistas para sua arquitetura de nuvem, como implantações de arquitetura de referência, diagramas e whitepapers, consulte o Centro de Arquitetura da AWS.