Amazon Forecast

概要

• AWSのフルマネージド時系列予測サービス。
• データ（履歴＋カレンダー/プロモ/価格など）から、需要・売上・在庫・トラフィック等の将来値を自動予測。

できること

• AutoMLで前処理・アルゴリズム選定（DeepAR+、ETS、Prophet系、NPTS など）
• 予測区間（P10/P50/P90 など）を出力（不確実性の取り扱い）。
• 複数系列（多商品・多店舗）をまとめて学習。
• 関連説明変数（covariates）や、休日・イベントのカレンダーフィーチャを利用。

主な利用例

• 需要/在庫/人員/シフト計画
• 売上・アクセス・エネルギー消費・交通量予測
• キャンペーンや価格改定の効果を織り込んだ予測

入出力（ざっくり）

• 入力：S3のCSV（target_time_series、related_time_series、item_metadata）
• 出力：S3に予測結果（将来時点ごとのP10/P50/P90）。Batch推論APIも利用可。
• 単位：アイテムID・時刻・値（＋任意の特徴量列）

使い方（最短フロー）

1. データを整形してS3に置く（時刻の粒度・タイムゾーンを統一）。
2. Dataset/Domain を作成 → Dataset Group にまとめる。
3. Predictor を訓練（AutoML or 指定アルゴリズム）。
4. Forecast を生成 → Forecast Export でS3へ出力、もしくはAPIで取得。
5. 必要に応じて Forecast Explainability（寄与分析）や What-if（価格/販促の仮想）を実施。

運用ポイント

• 欠損や外れ値を事前処理、一貫した頻度（日次/週次など）にリサンプリング。
• 新商品は類似商品のコールドスタート対策（メタデータ/関連系列が有効）。
• 指標は WAPE/MASE/RMSE 等で検証し、P50と**上限/下限（P10/P90）**で意思決定。
• リトレーニングを定期スケジュール化（Pipelines/Step Functionsと相性◎）。

試験の理解ポイント（AWS MLS / G検定）

• マネージドな時系列予測サービスで、**不確実性（分位）**を出す
• 多系列＋外生変数を使える、AutoMLでアルゴリズム選定
• データセット種別（target/related/metadata）とS3入出力を押さえる
• DeepAR+（RNN系）を含む複数アルゴリズムから自動選択される点が要

一言まとめ

Amazon Forecast = “データを入れると分位つきの将来予測が出る” マネージドAutoML時系列。