de
                    array(1) {
  ["de"]=>
  array(13) {
    ["code"]=>
    string(2) "de"
    ["id"]=>
    string(1) "3"
    ["native_name"]=>
    string(7) "Deutsch"
    ["major"]=>
    string(1) "1"
    ["active"]=>
    string(1) "1"
    ["default_locale"]=>
    string(5) "de_DE"
    ["encode_url"]=>
    string(1) "0"
    ["tag"]=>
    string(2) "de"
    ["missing"]=>
    int(0)
    ["translated_name"]=>
    string(7) "Deutsch"
    ["url"]=>
    string(69) "https://www.statworx.com/case-studies/time-series-forecasting-engine/"
    ["country_flag_url"]=>
    string(87) "https://www.statworx.com/wp-content/plugins/sitepress-multilingual-cms/res/flags/de.png"
    ["language_code"]=>
    string(2) "de"
  }
}
                    
Kontakt
Case Studies
Case Studies

Time Series Forecasting Engine

In diesem Projekt haben wir gemeinsam mit unserem Kunden eine Forecasting Engine für beliebige Zeitreihendaten entwickelt und implementiert.

  • Branche Automotive
  • Thema Explainable AI / Forecasting
  • Tools R
  • Projektdauer 6 Monate

Herausforderung

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 Heterogenität von Zeitreihendaten ist der Prozess der Analyse und Prognose meistens sehr ähnlich – und vergleichsweise aufwändig. Unser Kunde, ein internationaler Automobilhersteller, sah sich mit der Problematik konfrontiert, viele unterschiedliche Zeitreihen vorhersagen zu müssen.

Ansatz

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

Ergebnis

Durch die komplette Automatisierung des Modellierungsprozesses konnte die Zeit, die zur Entwicklung eines ersten Modells benötigt wird (Time-to-Model) auf ein absolutes Minimum reduziert werden. Unser Kunde wurde dadurch in die Lage versetzt, in kürzester Zeit eine Reihe anspruchsvoller Forecasting Use Cases umsetzen zu können.

Experte

Kontakt anfragen

Erfahre mehr!

Als eines der führenden Unternehmen im Bereich Data Science, Machine Learning und KI begleiten wir Sie in die datengetriebene Zukunft. Erfahren Sie mehr über statworx und darüber, was uns antreibt.
ÜBER UNS