发布于: Jul 22, 2022
您可以使用 Amazon Web Services 最新功能来衡量预测模型的准确性，借此优化可能存在的预测成本过低或过高问题，进而提升实验的灵活性
我们高兴地宣布，现在您可以使用 Amazon Web Services 最新功能来衡量预测模型的准确性，借此优化可能存在的预测成本过低或过高问题，进而提升实验的灵活性。预测过低和预测过高所导致的成本是不同的。通常，预测过高可能导致高昂的库存成本与资源浪费，而预测过低则可能导致库存缺货、无法满足需求以及错失收入机会。 Amazon Forecast 通过提供平均预测并捕捉需求从最小值到最大值变化的预测分布，帮助您针对业务目标优化具体成本。通过此次发布，Forecast 现在可以在模型训练过程中为多个分布点提供准确性指标，帮助您快速优化预测过低与预测过高，且全程无需手动进行指标计算。
零售商一直依靠概率预测以优化自身供应链，确保在预测过低（导致库存缺货）与预测过高（导致库存过量及资源浪费）之间取得平衡。根据产品类别不同，零售商可以为各个不同的分销点生成预测。例如，杂货零售商可以选择适当提高牛奶及鸡蛋等副食品库存量以满足不断变化的需求。这是因为此类商品的运营成本相对较低，但是一旦缺货不仅导致相应部分的营业额受损，更可能导致客户直接放弃本打算一并购买的其他商品。在这种情况下，通过维持较高的库存率，零售商可以提高客户满意度与忠诚度。与之对应，当降价促销或库存处理成本超过偶发性的销售损失时，零售商则更倾向于选择库存不足，借此抵消高昂的潜在库存成本。随着需求的持续变化，对不同分销点做出准确预测的能力将帮助零售商持续优化业务运营思路，在市场竞争中始终占得先机。
Anaplan 公司拥有一套用于协调业务绩效的云原生平台，已经将 Forecast 集成至其 PlanIQ 解决方案当中，借此为企业客户带来更准确的预测及敏捷规划方案。产品管理总监 Evgy Kontorovich 表示，“我们为每一家合作客户都打造有一套独特的运营与供应链模型，用以驱动不同的业务重点。一些客户希望以更审慎的态度做出预测，以尽可能减少库存，另一些客户则更关注如何提高库存可用性，借此始终如一的满足客户需求。借助预测分位数，规划人员可以评估这些模型的准确性、模型质量并根据业务目标做出微调。这种通过多个自定义分位数级别评估预测模型准确性的能力，也让我们的客户能够进一步针对业务实际做出高度明智的优化决策。”虽然 Forecast 提供了对整体变化分布做出预测的能力，借此在库存过低与库存过量之间求取平衡，但其准确性指标仅适用于最低、中位数与最高预测需求，并以 80% 的置信度作为中位数评判边界。要评估特定兴趣点上的准确性指标，您首先需要在该点上创建预测，然后自行手动计算准确率指标。通过今天的发布，您可以在 Forecast 中的任何分布点上评估预测模型，且无需生成预测结果或执行手动计算指标。此功能使您能够更快进行实验，从而经济高效地找到满足业务需求的分布点。要使用此项新功能，请在创建预测器时选择需要关注的预测类型（或者分布点）。Forecast 会将输入数据分为训练数据集与测试数据集，用以训练及测试所创建的模型，并为这些分布点生成准确性指标。您可以继续尝试以进一步优化预测类型，且无需在各个步骤中分别创建预测。
相关文章