Time-Series Forecasting Engine.

Die Vorhersage von Zeitreihen ist einer der am häufigsten anzutreffenden Use Cases im Data Science Bereich. Eine Vielzahl von Daten weisen eine zeitliche Ordnung auf, die durch die Anwendung entsprechender Modelle zur Prognose genutzt werden kann. Trotz der Vielfältigkeit von Zeitreihendaten ähnelt sich der Prozess der Analyse und Prognose meistens stark und ist vergleichsweise aufwendig. Unser Kunde, ein internationaler Automobilhersteller, sah sich mit der Problematik konfrontiert, viele unterschiedliche Zeitreihen vorhersagen zu müssen.

Die korrekte Vorhersage von Zeitreihen ist methodisch anspruchsvoll und erfordert verschiedene, aufeinander aufbauende Schritte: Aufbereitungen der Rohdaten (z.B. Entfernen von Ausreißern, Erkennung von strukturellen Brüchen), Erstellung und Auswahl informativer Einflussfaktoren (auch Feature Engineering und Feature Selection genannt), Training und Selektion von verschiedenen Zeitreihen oder Machine Learning Modellen (z.B. ARIMA(X), lineare oder baumbasierte Verfahren) sowie die Validierung und Interpretation der resultierenden Modelle. Alle zuvor genannten Schritte haben wir für unseren Kunden im Rahmen einer standardisierten Forecasting Engine grundsätzlich gelöst. Diese kann dann automatisiert und skalierbar auf beliebig viele Forecasting-Problemstellungen angewendet werden.