Ein Data Scientist muss die Produktverkäufe für drei Monate prognostizieren. Die Analyse zeigt, dass die Verkäufe saisonal sind, durch Feiertage beeinflusst werden und mit den Verkäufen anderer Produkte in der Kategorie korrelieren. Welcher Ansatz erfordert den geringsten Entwicklungsaufwand, um Saisonalität, Feiertage und Korrelationen verwandter Artikel in die Prognose einzubeziehen?

Amazon Forecast ist ein vollständig verwalteter Service, der für Zeitreihenprognosen optimiert ist und automatisch Saisonalität und Feiertage über die Holidays-Featurization berücksichtigt. Der integrierte DeepAR+-Algorithmus ist besonders effektiv für die Verarbeitung von Zeitreihendaten mit komplexen Mustern wie Saisonalität und Korrelationen zwischen verwandten Artikeln (hier als "related time series" bezeichnet), was ihn zur idealen Wahl für diese Anforderungen macht. Die Verwendung von Amazon Forecast erfordert im Vergleich zu manuellen Implementierungen in SageMaker den geringsten Entwicklungsaufwand. ARIMA ist weniger geeignet für komplexe Saisonalität und Korrelationen. SageMaker-Optionen erfordern mehr manuellen Aufwand für Feature Engineering und Modelltraining.