Criar uma conta na AWS.
Realizar a previsão de um estoque inteligente no SageMaker Canvas da AWS, uma ferramenta no-code para machine learning. Abaixo segue o projeto final do Bootcamp Nexa - Machine Learning para Iniciantes na AWS @ Dio, que traz a seleção do dataset limpo, construção do modelo de série temporal, análise, previsão e avaliação final sobre os resultados.
Selecionado o dataset dataset-1000-com-preco-promocional-e-renovacao-estoque, que possui 1000 linhas e as colunas:
ID_PRODUTO,DATA_EVENTO,PRECO,FLAG_PROMOCAO,QUANTIDADE_ESTOQUE
Em seguida, foi feito upload do arquivo CSV no SageMaker Canvas.
A configuração do modelo foi feita da seguinte forma para uma time series forecasting:
- Coluna-alvo:
QUANTIDADE_ESTOQUE - Coluna de chave-primária:
ID_PRODUTO - Coluna para agrupamento (é opcional):
FLAG_PROMOCAO - Coluna de data:
DATA_EVENTO - Especificar o número de dias futuros a serem previstos: 7
- Selecionada a opção de usar feriados no Brasil
Após o treinamento, apareceram as métricas,descritas abaixo junto aos seus significados:
1. Avg. wQL (Average Weighted Quantile Loss -> Perda da Média Quantil Ponderada):
Esta é uma forma de ver se as previsões estão próximas da realidade.
Mede a perda ponderada em diferentes quantis, ajudando a avaliar a precisão de previsões em diferentes níveis de probabilidade. É útil para entender a qualidade das previsões, especialmente quando há variação na distribuição dos dados.
Valor: 0.528
Significado: Quanto menor, melhor. Um valor de 0,528 indica que o modelo tem um desempenho moderado na previsão de quantis.
2. MAPE (Mean Absolute Percentage Error -> Erro Percentual Médio Absoluto):
Mostra, em média, quanto a previsão erra, comparado com o número real do modelo. Calcula a média dos erros absolutos em porcentagem, útil para comparar previsões em diferentes escalas.
Valor: 1.036
Significado: Um MAPE de 1,036% indica que, em média, as previsões do modelo desviam-se 1,036% dos valores reais. Este é um valor bastante baixo, indicando alta precisão.
3. WAPE (Weighted Absolute Percentage Error -> Erro Percentual Absoluto Ponderado):
Similar ao MAPE, mas mede o erro absoluto como uma porcentagem da soma dos valores reais.
Valor: 0.795
Significado: Um WAPE de 0.795 indica que o erro percentual ponderado das previsões é de 0,795%, o que sugere uma boa precisão.
4.RMSE (Root Mean Squared Error -> Raiz do Erro Quadrático Médio):
Enxerga o tamanho médio do nosso erro, mas levando em conta que errar por muito é pior do que errar por pouco.
Calcula a raiz quadrada da média dos erros quadrados, destacando erros grandes.
Valor: 36.263
Significado: Um RMSE de 36.263 indica que, em média, a diferença entre os valores previstos e os valores reais é de 36.263 unidades. Quanto menor, melhor, mas a interpretação exata depende do contexto e da escala dos dados, porque o RMSE é expresso nas mesmas unidades dos dados. Se as unidades são grandes, o RMSE também será grande
5. MASE (Mean Absolute Scaled Error -> Erro Escalado Médio Absoluto):
Compara o erro absoluto médio do modelo com o erro absoluto médio de um modelo de referência (geralmente um modelo ingênuo, que não muda por usar a média histórica ou o último valor observado).
Esta é uma forma de ver se as previsões são mais precisas ou não do que se estivéssemos usando um modelo de referência fixo.
Valor: 0.968
Significado: Um MASE de 0.968 significa que o modelo tem um desempenho ligeiramente melhor do que o modelo de referência (um valor menor que 1 é desejável). Em outras palavras, as previsões são melhores do que simplesmente usar o valor anterior como previsão (estratégia de persistência).
Por ser uma conta gratuita, só foi possível fazer a previsão simples (unitária) e não em lote.
Foram selecionados dois itens, 1008 e 1020, para realizar previsões de estoque sob duas condições:
Em promoção (FLAG_PROMOCAO = 1)
Sem promoção (FLAG_PROMOCAO = 0)
Os resultados estão apresentados em quatro figuras abaixo. A demanda real do estoque nos primeiros seis dias é representada em azul. As previsões para os próximos dias são mostradas em:
- P10 (10º Percentil, em rosa): Representa um cenário de baixa demanda. Apenas 10% das previsões são menores que este valor, enquanto 90% são maiores. Isso significa que, com previsão mínima, evita-se excessos no estoque.
- P50 (50º Percentil, em verde): Mostra a demanda média esperada. É o valor central das previsões.
- P90 (90º Percentil, em marrom): Representa um cenário de alta demanda. Apenas 10% das previsões são maiores que este valor, enquanto 90% são menores.
Figura 1 – Vendas diárias do item 1008 em promoção
Figura 2 – Vendas diárias do item 1008 sem promoção
Figura 3 – Vendas do item 1020 em promoção
Figura 4- Vendas do item 1020 sem promoção
Pensando na otimização do estoque e planejamento promocional, pode-se:
- Manter estoque base com base nos valores de P50;
- Fazer ajustes para promoções com base nos valores de P90. Isso garantirá produtos suficientes para atender ao aumento na demanda durante a promoção;
- Minimizar o risco de excesso de estoque, e demais custos de armazenamento, em períodos de baixa demanda por meio das previsões do P10;
- Realizar monitoramento contínuo para evitar excessos ou faltas durantes campanhas promocionais ou feriados e assim ajustar o estoque com antecedência.