第 1 步：收集和聚合数据

下图显示了预测问题的心理模型。目标是预测未来的时间序列 z_t，使用尽可能多的相关信息使预测尽可能准确。因此，第一步也是最重要的一步是收集尽可能多的正确数据。

时间序列 z_t 以及相关特征或协变量（x_t）和多个预测

在上图中，垂直线的右侧显示了多个预测。这些预测是概率预测分布的样本（或者相反，可以用来表示概率预测）。

零售企业需要记录的关键信息是：

• 交易销售数据 – 例如，库存单位（SKU, stock keeping unit）、地点、时间戳和销售单位。

• SKU 商品详情数据 – 商品的元数据。示例包括颜色、部门、尺寸等。

• 价格数据 – 带有时间戳的每件商品的价格时间序列。

• 促销信息数据 – 不同类型的促销，要么针对一组商品（类别），要么针对带有时间戳的个别商品。

• 库存信息数据 – 在每个时间单位内，SKU 是否有货或可购买与 SKU 是否缺货的信息。

• 位置数据 – 商品或销售在给定时间点的位置可以表示为字符串 location_id 或 store_id 或实际地理位置。地理位置可以是国家代码加上五位数的邮政编码或 latitude_longitude 坐标。位置被视为交易销售的一个“维度”。

在 Amazon Forecast 中，要预测的数量的历史数据称为目标时间序列（TTS, Target Time Series）。对于零售企业而言，TTS 是交易销售数据。与每笔销售交易完全同时已知的其他历史数据称为相关时间序列（RTS, Related Time Series）。对于零售企业而言，RTS 将包括价格、促销和库存变量。

请注意，库存信息很重要，因为这个问题关注的是预测需求，而不是销售，但企业仅记录销售额。当 SKU 缺货时，销售数量低于潜在需求，因此了解和记录此类缺货事件何时发生非常重要。

其他需要考虑的数据集包括网页访问量、搜索词详情、社交媒体和天气信息。拥有过去和未来的数据通常很重要，这样才能在模型中使用这些数据。这是许多预测模型和回测中的一个要求（如第 4 步：评估预测部分所述）。

对于某些预测问题，原始数据的频率与预测问题的频率自然匹配。示例包括服务器容量的请求，该请求是按分钟采样的，此时您要按分钟频率进行预测。

数据通常以更精细的频率记录，或者只是在某个时间范围内的任意时间戳记录，但预测问题的粒度更粗。这种情况在零售案例研究中很常见，在零售案例研究中，销售数据通常记录为交易数据；例如，该格式由一个时间戳组成，其细粒度显示了销售发生的时间。在预测使用案例中，可能不需要这种低粒度，将这些数据聚合为每小时或每天的销售额可能更合适。在这里，聚合水平对应于下游问题；例如，库存管理或资源规划。

示例

在下图中，左图显示了可作为逗号分隔值（CSV, comma separated value）文件输入到 Amazon Forecast 的原始客户销售数据示例。在此示例中，销售数据是在更精细的每日时间网格上定义的，问题是预测未来更粗的时间网格上的每周需求。Amazon Forecast 在create_predictor API 调用中汇总给定一周的每日值。

结果是将原始数据转换为一组格式良好的时间序列，每周频率固定。右图使用默认的求和聚合方法说明了目标时间序列上的这种聚合。其他聚合方法包括求平均值、最大值、最小值或选择单个点（例如，第一个点）。必须选择聚合粒度和方法，使其与数据的业务使用案例最匹配。在此示例中，聚合值与每周聚合值保持一致。其他聚合方法可以由用户使用 create_predictor API 的 FeaturizationConfig 参数的 FeaturizationMethodParameters 键进行设置。

将原始销售数据作为事件（左）聚合到等间隔时间序列（右）