Kesimpulan

Januschowski dan Kolassa (2019) memberikan klasifikasi tentang masalah pemrakiraan yang selaras dengan keputusan yang perlu diambil bisnis, termasuk keputusan strategis, taktis, dan operasional. Setiap tingkat keputusan memiliki tugas prakiraan yang bersangkutan.

Masalah prakiraan operasional dan taktis memiliki ciri khas terdiri dari data dalam jumlah besar, dan biasanya memerlukan banyak otomatisasi. Metode prakiraan yang berbeda cocok untuk masalah ini. Metode prakiraan lokal biasanya berfungsi dengan baik untuk masalah prakiraan strategis, metode berbasis deep learning untuk masalah prakiraan operasional, dan untuk di antaranya, mungkin diperlukan sedikit eksperimen. Meskipun laporan ini membahas masalah prakiraan operasional, Amazon Forecast tidak bersikeras tentang model yang ditawarkannya dan mencakup model yang cocok untuk masalah prakiraan strategis serta operasional dan taktis.

Proses pemecahan masalah prakiraan operasional dapat dipecah menjadi langkah-langkah dasar mulai dari pengumpulan data dan persiapan hingga pembuatan model dan deployment. Secara umum, menganggap hal ini sebagai proses berulang dan bukannya proses linier merupakan tindakan yang paling bermanfaat. Misalnya, karena model dan kasus penggunaan lebih dipahami dengan baik, kembali ke tahap pengumpulan data mungkin masuk akal untuk dilakukan. Pengembangan model itu sendiri juga merupakan tindakan yang sangat berulang.

Proses pengembangan yang disederhanakan dalam membawa model prakiraan ke produksi.