Conclusione

Januschowski e Kolassa (2019) forniscono una classificazione dei problemi di previsione in linea con le decisioni che devono essere prese dalle aziende, tra cui le decisioni strategiche, tattiche e operative. Per ogni livello decisionale esistono attività di previsione corrispondenti.

I problemi di previsione di natura operativa e tattica sono caratterizzati dalla presenza di grandi quantità di dati e richiedono in genere un elevato livello di automazione. Diversi metodi di previsione permettono di risolvere questi problemi. I metodi di previsione locali sono in genere appropriati per i problemi di previsione di natura strategica, i metodi basati sul deep learning sono appropriati per problemi di natura operativa, mentre per tutte le situazioni intermedie può essere necessaria una certa sperimentazione. Benché questo articolo abbia affrontato i problemi di previsione di natura operativa, Amazon Forecast non è dogmatico riguardo ai modelli che offre e ne include di utili anche per problemi strategici e tattici.

Il processo di risoluzione dei problemi operativi può essere suddiviso in fasi di base, a partire dalla raccolta e preparazione dei dati fino alla creazione e all'implementazione del modello. In generale, è più utile considerarlo un processo iterativo anziché lineare. Ad esempio, man mano che i modelli e i casi d'uso vengono compresi meglio, può avere senso tornare indietro alla fase di raccolta. Anche lo sviluppo del modello è di per sé un processo altamente iterativo.

Processo di sviluppo semplificato per l'implementazione di un modello di previsione nell'ambiente di produzione.