自动化需求预测，提高数据准确性

我们的客户已经在Azure上实现了Snowflake，并希望通过使用机器学习工具和方法自动化其所有商店的需求预测过程。

此前，预测是由财务规划和分析团队使用Excel进行的手工过程，但更新预测的时间表不一致导致了不准确的估计和不可靠的数据。由于缺乏有价值的见解，销售经理只能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、方法和算法来管理千兆字节的产品数据，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后，我们得出结论，Amazon Forecast是应对其预测挑战的最佳解决方案。最终，它是市场上唯一能够支持客户自动化目标的工具。

客户需要一个用户友好的数据科学工具，与它的业务需求紧密一致。亚马逊预测提供的模型通过用户友好的界面快速提供商业价值，该公司的分析团队无需聘请专门的数据科学家。

为了协调176家商店和超过8000种产品的自动化过程，我们使用了工具S3、Jupyter Notebook、Snowflake和SageMaker。从Snowflake中提取历史数据到S3中进行存储，我们触发Amazon Forecasting向S3提供预测输出。从S3输出被加载回Snowflake中。

所有这些都是使用Python脚本完成的，因此，当更多数据加载到Snowflake时，可以再次部署它。使用Jupyter Notebook管理代码，SageMaker帮助进行测试和验证。