결론

Januschowski와 Kolassa(2019년)는 전략적이고전술적인 운영 결정을 포함하여 비즈니스가 취해야 하는 결정에 맞춰 예측 문제를 분류합니다. 각 의사 결정 수준에는 해당하는 예측 작업이 있습니다.

운영 및 전술적 예측 문제는 많은 양의 데이터를 포함하는 것이 특징이며 일반적으로 높은 수준의 자동화가 필요합니다. 다양한 예측 방법이 이러한 문제를 해결합니다. 로컬 예측 방법은 일반적으로 전략적 예측 문제에 적합하고 딥 러닝 기반 방법은 운영 예측 문제에 적합하며, 이 사이 문제인 경우에는 약간의 실험이 필요할 수 있습니다. 이 백서에서는 운영 예측 문제에 대해 논의했지만 Amazon Forecast는 제공하는 모델에 대해 편향적이지 않으며 전략적, 운영 및 전술적 예측 문제를 해결하는 모델을 포함합니다.

운영 예측 문제 해결 프로세스는 데이터 수집 및 준비부터 모델 구축 및 배포에 이르는 기본 단계로 나눌 수 있습니다. 일반적으로 이를 선형 프로세스보다는 반복 프로세스로 간주하는 것이 가장 유용합니다. 예를 들어 모델과 사용 사례가 더 잘 이해되면 데이터 수집 단계로 돌아가는 것이 합리적일 수 있습니다. 모델 개발 자체도 매우 반복적입니다.

예측 모델을 프로덕션 환경으로 가져오는 간소화된 개발 프로세스