# 总结
<a name="conclusion"></a>

 [Januschowski 和 Kolassa（2019）](https://foresight.forecasters.org/product/foresight-issue-53/)对预测问题进行了分类，这些问题与企业需要做出的决策（包括*战略*、*战术*和*运营*决策）相一致。每个决策层都有相应的预测任务。 

 运营和战术预测问题的特点是包含大量数据，通常需要高度自动化。不同的预测方法可以解决这些问题。局部预测方法通常可以很好地解决战略预测问题，基于深度学习的方法可以很好地解决运营预测问题，对于介于两者之间的问题，可能需要进行一些实验。尽管本白皮书讨论的是运营预测问题，但 Amazon Forecast 对其提供的模型并不固执己见，它包括了用于解决战略以及运营和战术预测问题的模型。 

 运营预测问题解决过程可以分为从数据收集和准备到模型构建和部署的基本步骤。通常，将此过程视为迭代过程而不是线性过程是最有用的。例如，随着模型和使用案例被更好地理解，回到数据收集阶段可能是有意义的。模型开发本身也是高度迭代的。 

![显示将预测模型投入生产的简化开发流程的图表。](https://docs.aws.amazon.com/zh_cn/whitepapers/latest/time-series-forecasting-principles-with-amazon-forecast/images/simplified-development-process.png)