自动化需求预测以提高数据准确性

我们的客户在Azure上实施了雪花，并希望通过使用机器学习工具和方法来自动化其所有商店的需求预测过程。

预测以前曾是财务计划和分析团队使用Excel进行的手动流程，但是更新预测的时间表不一致，导致估计不准确和不可信的数据。缺乏宝贵的见解强迫销售经理仅使用历史销售数据或研究信息。

我们帮助识别和部署平台，工具，方法和算法来管理产品数据的千兆字节，并支持客户的预测自动化目标。

在仔细审查了客户的需求和挑战之后，我们得出的结论是，亚马逊的预测是解决其预测挑战的最佳解决方案。最终，它是市场上唯一可以支持客户自动化目标的工具。

客户需要一个与用户友好的数据科学工具，该工具与其业务需求紧密相符。通过亚马逊预测获得的模型可通过可访问公司分析团队访问的用户友好界面，而无需雇用专业数据科学家。

为了协调176家商店和8,000多种产品的自动化过程，我们使用了工具S3，Jupyter笔记本电脑，Snowflake和Sagemaker。将历史数据从雪花上抽到S3进行存储，我们触发了亚马逊的预测，以将预测输出恢复到S3。从S3开始，将输出再次加载回雪花。

所有这些都是使用Python脚本完成的，因此可以将更多数据加载到雪花上时再次部署。Jupyter Notebook用于管理代码，SageMaker有助于测试和验证。