Amazon Forecast vereint Zeitreihendaten mit Machine Learning
Amazon Forecast hilft zum Beispiel bei Datenprognosen und der Ressourcenplanung. Wie der Service funktioniert und wie er sich an Bedürfnisse anpassen lässt.
Es gibt verschiedene Methoden, um genaue Geschäftsprognosen zu erstellen. Eine tritt dabei zunehmend in den Vordergrund: die Prognose von Zeitreihen.
Zeitreihenprognosen, die zum Beispiel in der Astronomie, Finanzwirtschaft und anderen Bereichen eingesetzt werden, unterscheiden sich von vielen Predictive-Analytics-Modellen dadurch, dass sie die Zeit als Dimension berücksichtigen. Dies bedeutet, dass zwischen Beobachtungen, die aus einem Datensatz gemacht werden, eine Ordnungsabhängigkeit besteht, welche die Prognose der Zeitreihen bei der Abschätzung von Trends genauer macht – insbesondere in größeren Zeiträumen.
Im November 2018 fügte Amazon Forecast in sein Portfolio hinzu. Dahinter verbirgt sich ein verwalteter Service für Zeitreihenprognosen, der die AWS-Technologie für Machine Learning nutzt.
So funktioniert Amazon Forecast
Da es sich bei Amazon Forecast um einen gemanagten Service handelt, müssen Benutzer keine Infrastruktur bereitstellen, um ihn nutzen zu können. Er richtet sich auch an Personen, die wenig oder gar keine Erfahrung mit Prognosen oder Machine Learning haben. So kann der Dienst zum Beispiel automatisch prädiktive Modelle erstellen und trainieren, was ansonsten viel Erfahrung und Zeit erfordert.
Um Amazon Forecast zu verwenden, muss man Zeitreihendaten bereitstellen – die sich in einem oder mehreren Datensätzen befinden können – und wählt anschließend einen Algorithmus aus oder lässt den Dienst einen auswählen. Amazon Forecast übernimmt die Daten und erstellt das Prognosemodell. Er bietet auch die erwartete Genauigkeit des Modells, so dass die Benutzer mehr Daten hinzufügen und bei Bedarf umstellen können.
Der Dienst unterstützt ebenfalls benutzerdefinierte Algorithmen, so dass Unternehmen eigene Algorithmen aus Amazon SageMaker importieren können. Eine weitere Anpassungsmöglichkeit besteht darin, einen Algorithmus aus Amazon Forecast zu übernehmen und ihn mit Amazon SageMaker zu modifizieren.
Anwendungsfälle und Integrationen
Amazon Forecast hat eine Reihe von verschiedenen Anwendungen. So lassen sich beispielsweise die Finanzen eines Unternehmens auf der Grundlage von Prognosen anhand wichtiger Informationen wie Ausgaben, Einnahmen und Cashflows planen.
Der Service ist außerdem für die Ressourcenplanung von Vorteil. Die Kostenkontrolle ist entscheidend, und eine genaue Einschätzung der Anforderungen eines Unternehmens kann eine Menge Geld sparen. Selbst wenn sich Variablen hier häufig ändern, können Unternehmen das Modell regelmäßig umstrukturieren, um die Prognosen auf dem neuesten Stand zu halten.
Amazon Forecast ist allerdings nur so gut wie die Daten, die man in den Dienst migriert.
Amazon Forecast ist allerdings nur so gut wie die Daten, die man für den Dienst verwendet. Je mehr Qualitätsdaten man einbezieht, desto besser kann Amazon Forecast unter anderem IT-Kapazitäten, Logistikanforderungen, Web-Traffic oder Fertigungsanforderungen prognostizieren. So kann ein Produzent Zeitreihendatensätze in den Service übernehmen, etwa eine detaillierte Auftragshistorie. Prognosen können dann das Auftragsvolumen auf Grundlage dieser Daten vorhersagen.
Benutzer sollten darauf achten, Forecast mit Systemen zu integrieren, die automatisch Daten in den Dienst migrieren, wie Amazon Timestream, einen gemangten Zeitreihendatenbankdienst. Diese Integration kann dazu beitragen, dass derselbe Hersteller den Bedarf an Lagerteilen vorhersagen und bestimmen kann, wie viele von jedem einzelnen Teil er bestellen muss.
Amazon Forecast arbeitet außerdem mit verschiedenen Unternehmensanwendungen, zum Beispiel von SAP oder Oracle, zusammen.
Wie jeder andere AWS-Dienst ist auch Forecast auf eine bestimmte Anzahl von Ressourcen beschränkt, die für eine Prognose verwendet werden können. So kann der Ziel-S3-Bucket für Trainingsdaten eine Datei von maximal zehn GB aufnehmen.
Preis und Verfügbarkeit
Amazon Forecast folgt dem Pay-as-you-go-Prinzip. Anwendern entstehen Kosten für die Datenspeicherung, generierte Prognosen und Schulungen für kundenspezifische Modelle. Benutzer können aber für den Einstieg erste Tests ohne zusätzliche Kosten ausführen. Sie können dabei für zwei Monate bis zu 10.000 Zeitreihenprognosen generieren. Ihnen stehen bis zu zehn GB pro Monat und bis zu zehn Stunden Training kostenlos zur Verfügung.
Ansonsten kosten jeweils 1.000 Prognosen 0,60 Dollar. Daneben fallen 0,088 Dollar pro GB Storage an, das Training kostet 0,238 Dollar pro Stunde. Der Service soll noch 2019 komplett verfügbar sein. Aktuell steht nur eine Preview von Amazon Forecast zur Verfügung, für die sich Interessenten einschreiben können.
