Een retailer met 2.000 winkels heeft prognoses per geografisch gebied nodig die rekening houden met feestdagen en het weer. Ze willen het model 2-3 dagen testen en het moet zich aanpassen aan de beperkingen van de supply chain en de winkels. Welke combinatie van stappen biedt de vereiste functionaliteit met de minste operationele overhead? (Kies twee.)

De retailer heeft prognoses nodig die rekening houden met feestdagen en het weer. Amazon Forecast biedt ingebouwde functionaliteit voor het verwerken van feestdagen (holiday featurization) en weersinvloeden (weather index), wat de ontwikkeling vereenvoudigt en de operationele overhead minimaliseert. Het Prophet-model van Amazon Forecast is een algemeen prognosemodel, maar de specifieke featurization voor feestdagen en weer is directer en efficiënter voor deze use case. Voor de implementatie is een korte testperiode van 2-3 dagen vereist, waarbij het model zich moet aanpassen aan beperkingen. Een canary rollout met Amazon SageMaker en AWS Step Functions is ideaal. Dit maakt gefaseerde implementatie mogelijk, waarbij een klein deel van de winkels de nieuwe prognoses ontvangt, terwijl de rest de oude blijft gebruiken. Dit minimaliseert risico's en maakt snelle aanpassingen mogelijk. A/B-testen zijn meer geschikt voor langere vergelijkingen van modelprestaties in een productieomgeving, niet voor korte, adaptieve tests.