Quickstart mit futureEXPERT: Erste Forecasts in wenigen Minuten

Hallo und willkommen bei future. In diesem Video möchte ich dir zeigen, wie schnell du mit futureEXPERT zu deinen ersten Forecasts kommst. Wir starten auf unserer Webseite future-forecasting.de. Unter kostenlos loslegen kommen wir zum Registrierungsformular. Hier müssen wir lediglich unseren Vor- und Nachnamen angeben und unsere E-Mail-Adresse. Ich möchte mich heute als Privatperson registrieren und bestätige, dass ich die AGBs und die Datenschutzerklärung zur Kenntnis genommen habe. Wenn ich auf Konto anlegen klicke, erhalte ich eine E-Mail, in der ich meine E-Mail-Adresse bestätigen kann. Sobald diese bestätigt ist, werde ich automatisch zu unserem Frontend https://now.future-forecasting.de/ weitergeleitet.

Um futureEXPERT in meiner Python-Umgebung zu verwenden, installiere ich einfach das futureEXPERT-Paket, das auf GitHub bereitgestellt ist.

Hier findet man zahlreiche Informationen, wie zum Beispiel den Befehl, um das Paket zu installieren. Diesen kann ich einfach kopieren und führe ihn dann in meiner Umgebung aus. Die Installation dauert einen kurzen Moment. Neben futureEXPERT werden ein paar andere hilfreiche Pakete installiert, die beispielsweise das Erstellen von Plots oder ähnlichem erlauben.

Nun wechseln wir wieder zum Frontend, um unsere Daten aufzubereiten. Im Menüfeld Daten habe ich die Möglichkeit, einen Datensatz hochzuladen. Diesen kann ich einfach per Drag-and-Drop hochladen. Sobald dieser hochgeladen ist, kann ich den CHECK-IN nutzen, um Zeitreihen zu erstellen, die später die Grundlage für meine Forecasts sind. Ich lösche alle Spalten, die ich nicht brauche und könnte jetzt auch noch einzelne Zeilen löschen. Im nächsten Schritt definiere ich meine Rohdaten. Ich gebe an, in welcher Spalte das Datum ist und wie es formatiert ist. Als Wertespalte wähle ich “Demand” aus und gebe an, dass die Spalte „Material“ eine Gruppierungsinformation beinhaltet. Dann klicke ich auf weiter.

Gäbe es fehlende Werte oder andere Probleme in unseren Rohdaten, würden wir hier darauf hingewiesen werden. Das ist bei uns nicht der Fall, deswegen kann ich einfach auf weiter klicken.

Ich möchte monatliche Zeitreihen erstellen und für jedes Material einen Forecast erstellen. Deswegen wähle ich das als Datenebene aus. Die Spalte Demand beinhaltet unsere Werte und fehlende Werte in den Zielzeitreihen sollen mit null aufgefüllt werden. Sobald die Zeitreihen vorbereitet sind, kann ich einfach die Versions-ID kopieren und in meiner Python-Umgebung weitermachen und Forecast erstellen.

Als Vorlage verwende ich das “getting started”-Notebook, das ich auf GitHub finde. Als erstes muss ich meine Zugangsdaten konfigurieren. Die kann ich entweder bei der Initialisierung des Clients oder in der .env-Datei in meinem Hauptverzeichnis hinterlegen. Die einzelnen Klassen erlauben es mir, Einstellungen zu treffen, um die Forecasts genau auf meine Bedürfnisse zurechtzuschneiden. Als Forecast-Horizont wähle ich zwölf Monate, also ein ganzes Jahr aus. Außerdem möchte ich Ensemble-Methoden verwenden. Ich weiß dass meine Materialien oft in Paketen mit fixen Größen verkauft werden. Deswegen verwende ich die Quantisierungsdetektion, die auch dafür sorgt, dass die Forecasts in diesen Paketgrößen vorhergesagt werden. Weitere Einstellungen möchte ich nicht treffen. Die Versions-ID ist die ID, die wir in unserem Frontend kopiert haben. Sobald ich start_forecast ausführe, werden die Forecasts gestartet. Dies dauert einige Minuten.

Die Forecasts laufen im Hintergrund. In regelmäßigen Abständen prüfen wir, ob die Berechnungen fertig sind. Sobald dies der Fall ist, können wir die Ergebnisse ganz einfach herunterladen. Ein schneller Blick in die Plots zeigt aussagekräftige und plausible Ergebnisse.

Und so sind wir in wenigen Minuten von der Registrierung bis zu fertig erstellten Forecasts gekommen. Natürlich bietet futureEXPERT viel mehr Möglichkeiten als die, die ich hier genutzt habe. Für eine genaue Beschreibung der Ergebnisse, die Verwendung von Kovariaten oder komplexen Workflows findest du entsprechende Beispielnotebooks auf unserem GitHub. Wenn du noch irgendwelche Fragen oder Probleme hast, schick uns einfach eine Mail an support[at]future-forecasting.de. Bleib auf dem Laufenden, indem du uns auf LinkedIn folgst oder unseren Newsletter abonnierst. Wenn du Ideen oder Wünsche für weitere Features hast, dann kannst du jederzeit ein Issue auf GitHub erstellen. Wir freuen uns auf dich.