WEBVTT 00:01.000 --> 00:05.640 Hallo und willkommen bei future. In diesem Video möchte ich dir zeigen, wie schnell du mit futureEXPERT 00:05.640 --> 00:11.340 zu deinen ersten Forecasts kommst. Wir starten auf unserer Webseite future-forecasting.de. 00:11.340 --> 00:15.680 Unter kostenlos loslegen kommen wir zum Registrierungsformular. Hier müssen wir 00:15.680 --> 00:21.160 lediglich unseren Vor- und Nachnamen angeben und unsere E-Mail-Adresse. Ich möchte mich heute als 00:21.160 --> 00:25.440 Privatperson registrieren und bestätige, dass ich die AGBs und die Datenschutzerklärung zur 00:25.440 --> 00:30.660 Kenntnis genommen habe. Wenn ich auf Konto anlegen klicke, erhalte ich eine E-Mail, in der ich meine 00:30.660 --> 00:35.340 E-Mail-Adresse bestätigen kann. Sobald diese bestätigt ist, werde ich automatisch zu 00:35.340 --> 00:41.640 unserem Frontend now.future-forecasting.de weitergeleitet. Um futureEXPERT in meiner 00:41.640 --> 00:47.320 Python-Umgebung zu verwenden, installiere ich einfach das futureEXPERT Paket, das auf GitHub bereitgestellt ist. 00:47.320 --> 00:53.320 Hier findet man zahlreiche Informationen, wie zum Beispiel den Befehl, um das Paket zu installieren. 00:54.320 --> 00:57.420 Diesen kann ich einfach kopieren und führe ihn dann in meiner Umgebung aus. 00:58.420 --> 01:01.180 Die Installation dauert einen kurzen Moment. 01:01.180 --> 01:03.200 Neben futureEXPERT werden ein paar andere hilfreiche Pakete installiert, 01:03.200 --> 01:09.080 die beispielsweise das Erstellen von Plots oder ähnlichem erlauben. Nun wechseln wir wieder zum 01:09.080 --> 01:14.960 Frontend, um unsere Daten aufzubereiten. Im Menüfeld Daten habe ich die Möglichkeit, einen Datensatz hochzuladen. 01:14.960 --> 01:18.280 Diesen kann ich einfach per Drag-and-Drop hochladen. Sobald dieser hochgeladen ist, 01:18.280 --> 01:25.540 kann ich den CHECK-IN nutzen, um Zeitreihen zu erstellen, die später die Grundlage für meine Forecasts sind. Ich lösche alle Spalten, die ich 01:25.540 --> 01:34.780 nicht brauche und könnte jetzt auch noch einzelne Zeilen löschen. Im nächsten Schritt definiere ich meine Rohdaten. 01:34.780 --> 01:44.220 Ich gebe an, in welcher Spalte das Datum ist und wie es formatiert ist. Als Wertespalte wähle ich "Demand" aus 01:44.720 --> 01:51.480 und gebe an, dass die Spalte "Material" eine Gruppierungsinformation beinhaltet. Dann klicke ich auf "weiter". 01:51.480 --> 02:00.980 Gäbe es fehlende Werte oder andere Probleme in unseren Rohdaten, würden wir hier darauf hingewiesen werden. 02:00.980 --> 02:03.840 Das ist bei uns nicht der Fall, deswegen kann ich einfach auf weiter klicken. 02:03.840 --> 02:12.540 Ich möchte monatliche Zeitreihen erstellen und für jedes Material einen Forecast erstellen. Deswegen wähle ich das als Datenebene aus. 02:12.540 --> 02:22.300 Die Spalte Demand beinhaltet unsere Werte und fehlende Werte in den Zielzeitreihen sollen mit null aufgefüllt werden. 02:24.140 --> 02:31.040 Sobald die Zeitreihen vorbereitet sind, kann ich einfach die Versions-ID kopieren und in meiner Python-Umgebung weitermachen 02:31.040 --> 02:34.140 und Forecasts erstellen. Als Vorlage verwende ich das "getting started" Notebook, 02:34.140 --> 02:39.400 das ich auf GitHub finde. Als erstes muss ich meine Zugangsdaten konfigurieren. Die kann ich entweder 02:39.400 --> 02:43.980 bei der Initialisierung des Clients oder in der .env-Datei in meinem Hauptverzeichnis hinterlegen. 02:43.980 --> 02:51.760 Die einzelnen Klassen erlauben es mir, Einstellungen zu treffen, um die Forecasts genau auf meine Bedürfnisse zurechtzuschneiden. 02:51.760 --> 02:58.680 Als Forecast-Horizont wähle ich zwölf Monate, also ein ganzes Jahr aus. Außerdem möchte ich Ensemble-Methoden verwenden. 02:58.680 --> 03:06.020 Ich weiß dass meine Materialien oft in Paketen mit fixen Größen verkauft werden. Deswegen verwende ich die Quantisierungsdetektion, 03:06.020 --> 03:12.160 die auch dafür sorgt, dass die Forecasts in diesen Paketgrößen vorhergesagt werden. Weitere Einstellungen möchte ich nicht treffen. 03:12.160 --> 03:15.760 Die Versions-ID ist die ID, die wir in unserem Frontend kopiert haben. 03:15.760 --> 03:21.620 Sobald ich start_forecast ausführe, werden die Forecasts gestartet. Dies dauert einige Minuten. 03:23.620 --> 03:27.780 Die Forecasts laufen im Hintergrund. In regelmäßigen Abständen prüfen wir, ob die Berechnungen fertig sind. 03:27.780 --> 03:32.180 Sobald dies der Fall ist, können wir die Ergebnisse ganz einfach herunterladen. Ein schneller Blick in die Plots 03:35.180 --> 03:40.520 zeigt aussagekräftige und plausible Ergebnisse. Und so sind wir in wenigen Minuten von der Registrierung 03:40.520 --> 03:44.540 bis zu fertig erstellten Forecasts gekommen. Natürlich bietet futureEXPERT viel mehr 03:44.540 --> 03:48.580 Möglichkeiten als die, die ich hier genutzt habe. Für eine genaue Beschreibung der Ergebnisse, 03:48.580 --> 03:54.560 die Verwendung von Kovariaten oder komplexen Workflows findest du entsprechende Beispielnotebooks auf unserem GitHub. 03:54.560 --> 03:58.560 Wenn du noch irgendwelche Fragen oder Probleme hast, schick uns einfach eine Mail 03:58.560 --> 04:03.640 an support[at]future-forecasting.de. Bleib auf dem Laufenden, indem du uns auf 04:03.640 --> 04:07.040 LinkedIn folgst oder unseren Newsletter abonnierst. Wenn du Ideen oder 04:07.040 --> 04:11.340 Wünsche für weitere Features hast, dann kannst du jederzeit ein Issue auf GitHub erstellen. 04:11.340 --> 04:12.080 Wir freuen uns auf dich.