# Principi della previsione di serie temporali con Amazon Forecast
Data di pubblicazione: **1 settembre 2021** ([Cronologia dei documenti](document-revisions.md))
Oggi le aziende usano ogni strumento possibile, da semplici fogli di calcolo a complessi software di pianificazione finanziaria, per tentare di prevedere con precisione i risultati aziendali futuri, tra cui la domanda di prodotti, le esigenze in termini di risorse o le prestazioni finanziarie. Questo documento presenta le previsioni, insieme alla terminologia, alle sfide e ai casi d'uso correlati. Questo documento usa un caso di studio per avvalorare i concetti correlati alle previsioni e presentare le fasi del processo e informazioni su come [Amazon Forecast](https://aws.amazon.com/forecast/) permette di affrontare molte sfide pratiche in problemi di previsione reali.
## Panoramica
La previsione è la scienza di prevedere il futuro. Usando dati cronologici, le aziende possono identificare le tendenze, stabilire che cosa può succedere e quando e quindi integrare queste informazioni nei piani futuri per qualsiasi scenario, dalla domanda di prodotti alla pianificazione dell'inventario fino alla gestione del personale.
A causa delle conseguenze delle previsioni, la precisione è un aspetto importante. Se una previsione è sovrastimata, i clienti possono investire eccessivamente in prodotti e personale, con il conseguente spreco di investimenti. Se la previsione è sottostimata, i clienti possono investire in modo insufficiente, producendo una carenza di materie prime e scorte e creando un'esperienza insoddisfacente per il cliente.
Oggi le aziende provano a usare qualsiasi strumento, da semplici fogli di calcolo a complessi software di pianificazione finanziaria o della domanda, per generare previsioni, ma la precisione elevata resta un aspetto problematico per due motivi:
+ Innanzitutto, le previsioni tradizionali hanno difficoltà a includere grandi volumi di dati cronologici, perdendo importanti segnali dal passato.
+ In secondo luogo, le previsioni tradizionali raramente includono dati correlati ma indipendenti, che possono offrire un contesto importante (come prezzi, festività ed eventi, esaurimento delle scorte, promozioni di marketing e così via). Senza la cronologia completa e un contesto più ampio, la maggior parte delle previsioni non riesce a prevedere il futuro con precisione.
[Amazon Forecast](https://aws.amazon.com/forecast/) è un servizio completamente gestito che permette di risolvere questi problemi. Amazon Forecast fornisce i migliori algoritmi per ogni scenario di previsione da gestire. Si affida a moderne tecniche di machine learning e deep learning in base alle esigenze per fornire previsioni ad alta precisione. Amazon Forecast è facile da usare e non richiede alcuna competenza di machine learning. Il servizio fornisce automaticamente l'infrastruttura necessaria, elabora i dati e crea modelli di machine learning personalizzati/privati ospitati in AWS e pronti per generare previsioni. Inoltre, man mano che le tecniche di machine learning continuano a evolversi rapidamente, vengono integrate in Amazon Forecast, in modo che i clienti possano continuare a osservare miglioramenti in termini di precisione, con attività minime o nulle da svolgere.
## Hai già provato Well-Architected?
Il [Framework AWS Well-Architected](https://aws.amazon.com/architecture/well-architected/) ti aiuta a identificare i pro e i contro delle tue decisioni durante la creazione di sistemi nel cloud. I sei principi del framework permettono di apprendere best practice architetturali per la progettazione e l'esecuzione di sistemi affidabili, sicuri, efficienti, convenienti e sostenibili. Usando lo [AWS Well-Architected Tool](https://aws.amazon.com/well-architected-tool/), disponibile gratuitamente nella [Console di gestione AWS](https://console.aws.amazon.com/wellarchitected), puoi esaminare i carichi di lavoro rispetto alla best practice rispondendo a una serie di domande per ogni principio.
Nella pagina di [approfondimento sul machine learning](https://docs.aws.amazon.com/wellarchitected/latest/machine-learning-lens/machine-learning-lens.html) ci concentriamo su come progettare, implementare e costruire i carichi di lavoro di machine learning nel Cloud AWS. Questo approfondimento si aggiunge alle best practice incluse nel Framework Well-Architected.
Per ulteriori indicazioni specializzate e le best practice per la tua architettura cloud, inclusi diagrammi, implementazioni e whitepaper, consulta il [Centro di architettura AWS](https://aws.amazon.com/architecture/).