Amazon-Prognose ist ein vollständig verwalteter Dienst, der maschinelles Lernen (ML) verwendet, um hochpräzise Prognosen zu erstellen, ohne dass vorherige ML-Erfahrung erforderlich ist. Forecast ist in einer Vielzahl von Anwendungsfällen anwendbar, einschließlich der Schätzung von Angebot und Nachfrage für die Bestandsverwaltung, Prognosen zur Reisenachfrage, Personalplanung und Nutzung der Cloud-Infrastruktur.
Mit Forecast können Sie nahtlos Was-wäre-wenn-Analysen bis zu 80 % schneller durchführen, um die potenziellen Auswirkungen von Geschäftshebeln auf Ihre Bedarfsprognosen zu analysieren und zu quantifizieren. Eine Was-wäre-wenn-Analyse hilft Ihnen zu untersuchen und zu erklären, wie sich verschiedene Szenarien auf die von Forecast erstellte Basisprognose auswirken könnten. Mit Forecast müssen keine Server bereitgestellt oder ML-Modelle manuell erstellt werden. Darüber hinaus zahlen Sie nur für das, was Sie nutzen, und es gibt keine Mindestgebühr oder Vorabverpflichtung. Um Forecast zu verwenden, müssen Sie nur historische Daten für das bereitstellen, was Sie prognostizieren möchten, und optional alle zusätzlichen Daten, von denen Sie glauben, dass sie sich auf Ihre Prognosen auswirken könnten.
Wasserversorger haben mehrere Anwendungsfälle für Prognosen, aber der wichtigste davon ist die Vorhersage des Wasserverbrauchs in einem Gebiet oder Gebäude, um den Bedarf zu decken. Außerdem ist es für Versorgungsunternehmen wichtig, den erhöhten Verbrauchsbedarf vorherzusagen, weil mehr Wohnungen in einem Gebäude oder mehr Häuser in der Gegend hinzugefügt werden. Die genaue Vorhersage des Wasserverbrauchs ist entscheidend, um Serviceunterbrechungen für den Kunden zu vermeiden.
In diesem Beitrag wird die Verwendung von Forecast untersucht, um diesen Anwendungsfall mithilfe historischer Zeitreihendaten zu adressieren.
Lösungsüberblick
Wasser ist eine natürliche Ressource und sehr wichtig für Industrie, Landwirtschaft, Haushalte und unser Leben. Eine genaue Wasserverbrauchsprognose ist entscheidend, um sicherzustellen, dass eine Behörde den täglichen Betrieb effizient führen kann. Die Prognose des Wasserverbrauchs ist besonders anspruchsvoll, da die Nachfrage dynamisch ist und saisonale Wetteränderungen Auswirkungen haben können. Die genaue Vorhersage des Wasserverbrauchs ist wichtig, damit die Kunden nicht mit Serviceunterbrechungen konfrontiert werden und um einen stabilen Service bei gleichzeitig niedrigen Preisen zu bieten. Verbesserte Prognosen ermöglichen es Ihnen, vorausschauend zu planen, um kostengünstigere zukünftige Verträge zu strukturieren. Im Folgenden sind die beiden häufigsten Anwendungsfälle aufgeführt:
- Besseres Nachfragemanagement – Als Versorgungsunternehmen müssen Sie ein Gleichgewicht zwischen Wasserbedarf und Wasserversorgung finden. Die Agentur sammelt Informationen wie die Anzahl der in einer Wohnung lebenden Personen und die Anzahl der Wohnungen in einem Gebäude, bevor sie Dienstleistungen erbringt. Als Versorgungsunternehmen müssen Sie Gesamtangebot und -nachfrage ausgleichen. Sie müssen ausreichend Wasser speichern, um den Bedarf zu decken. Darüber hinaus ist die Bedarfsprognose aus folgenden Gründen anspruchsvoller geworden:
- Die Nachfrage ist nicht immer stabil und variiert im Laufe des Tages. Beispielsweise ist der Wasserverbrauch um Mitternacht viel geringer als am Morgen.
- Auch das Wetter kann sich auf den Gesamtverbrauch auswirken. Beispielsweise ist der Wasserverbrauch auf der Nordhalbkugel im Sommer höher als im Winter und umgekehrt auf der Südhalbkugel.
- Es gibt zu wenig Niederschläge oder Wasserspeicher (Seen, Stauseen) oder die Wasserfilterung ist unzureichend. Im Sommer kann die Nachfrage nicht immer mit dem Angebot Schritt halten. Die Wasserbehörden müssen sorgfältig vorhersagen, um andere Quellen zu erwerben, die teurer sein können. Daher ist es für Versorgungsunternehmen von entscheidender Bedeutung, alternative Wasserquellen wie das Sammeln von Regenwasser, das Auffangen von Kondenswasser aus Lüftungsgeräten oder die Rückgewinnung von Abwasser zu finden.
- Durchführung einer Was-wäre-wenn-Analyse für erhöhte Nachfrage – Die Nachfrage nach Wasser steigt aus mehreren Gründen. Dazu gehört eine Kombination aus Bevölkerungswachstum, wirtschaftlicher Entwicklung und sich ändernden Konsummustern. Stellen wir uns ein Szenario vor, in dem ein bestehendes Mehrfamilienhaus erweitert wird und die Anzahl der Haushalte und Personen um einen bestimmten Prozentsatz zunimmt. Jetzt müssen Sie eine Analyse durchführen, um das Angebot für eine erhöhte Nachfrage zu prognostizieren. Dies hilft Ihnen auch dabei, einen kostengünstigen Vertrag für eine erhöhte Nachfrage abzuschließen.
Prognosen können eine Herausforderung darstellen, da Sie zunächst genaue Modelle zur Bedarfsprognose benötigen und dann eine schnelle und einfache Möglichkeit, die Prognose für eine Reihe von Szenarien zu reproduzieren.
Dieser Beitrag konzentriert sich auf eine Lösung zur Durchführung von Wasserverbrauchsprognosen und einer Was-wäre-wenn-Analyse. Dieser Beitrag berücksichtigt keine Wetterdaten für das Modelltraining. Sie können jedoch Wetterdaten hinzufügen, da diese mit dem Wasserverbrauch korrelieren.
Voraussetzungen:
Bevor wir beginnen, richten wir unsere Ressourcen ein. Für diesen Beitrag verwenden wir die Region us-east-1.
- Erstellen Sie ein Amazon Simple Storage-Service (Amazon S3) Bucket zum Speichern der historischen Zeitreihendaten. Anweisungen finden Sie unter Erstellen Sie Ihren ersten S3-Bucket.
- Laden Sie Datendateien von der GitHub Repo und in den neu erstellten S3-Bucket hochladen.
- Erstelle eine neue AWS Identity and Access Management and (ICH BIN) Rolle. Anweisungen finden Sie unter Berechtigungen für Amazon Forecast einrichten. Stellen Sie sicher, dass Sie den Namen Ihres S3-Buckets angeben.
Erstellen Sie eine Datensatzgruppe und Datensätze
Dieser Beitrag zeigt zwei Anwendungsfälle im Zusammenhang mit der Wasserbedarfsprognose: die Vorhersage des Wasserbedarfs auf der Grundlage des vergangenen Wasserverbrauchs und die Durchführung einer Was-wäre-wenn-Analyse für einen erhöhten Bedarf.
Die Prognose kann drei Arten von Datensätzen akzeptieren: Zielzeitreihen (TTS), zugehörige Zeitreihen (RTS) und Elementmetadaten (IM). Zielzeitreihendaten definieren den historischen Bedarf für die von Ihnen prognostizierten Ressourcen. Der Zielzeitreihendatensatz ist obligatorisch. Ein zugehöriges Zeitreihen-Dataset enthält Zeitreihendaten, die nicht in einem Ziel-Zeitreihen-Dataset enthalten sind und die Genauigkeit Ihres Prädiktors verbessern können.
In unserem Beispiel enthält das Ziel-Zeitreihen-Dataset die Dimensionen „item_id“ und „timestamp“, und das komplementäre zugehörige Zeitreihen-Dataset „no_of_consumer“. Ein wichtiger Hinweis zu diesem Datensatz: Der TTS endet am 2023 und der RTS am 01. Beim Durchführen von Was-wäre-wenn-Szenarien ist es wichtig, RTS-Variablen über Ihren bekannten Zeithorizont in TTS hinaus zu manipulieren.
Um eine Was-wäre-wenn-Analyse durchzuführen, müssen wir zwei CSV-Dateien importieren, die die Zielzeitreihendaten und die zugehörigen Zeitreihendaten darstellen. Unsere beispielhafte Zielzeitreihendatei enthält die item_id, den Zeitstempel und die Nachfrage, und unsere zugehörige Zeitreihendatei enthält das Produkt item_id, den Zeitstempel und die Anzahl der Verbraucher.
Führen Sie die folgenden Schritte aus, um Ihre Daten zu importieren:
- Wählen Sie in der Prognosekonsole Datensatzgruppen anzeigen.
- Auswählen
Datensatzgruppe erstellen.
- Aussichten für Name der Datensatzgruppe, geben Sie einen Namen ein (für diesen Beitrag,
water_consumption_datasetgroup
). - Aussichten für Prognosedomäne, wählen Sie eine Prognosedomäne aus (für diesen Beitrag Maßgeschneidert).
- Auswählen
Weiter.
- Auf dem Zielzeitreihendatensatz erstellen Geben Sie auf der Seite Dataset-Name, Häufigkeit Ihrer Daten und Datenschema an.
- Auf dem Details zum Datensatzimport Geben Sie auf der Seite einen Dataset-Importnamen ein.
- Aussichten für Dateityp importierenWählen CSV und geben Sie den Datenspeicherort ein.
- Wählen Sie die zuvor erstellte IAM-Rolle als Voraussetzung aus.
- Auswählen
Startseite.
Sie werden zum Dashboard weitergeleitet, mit dem Sie den Fortschritt verfolgen können.
- Um die zugehörige Zeitreihendatei zu importieren, wählen Sie im Dashboard aus Import.
- Auf dem Erstellen Sie ein zugehöriges Zeitreihen-Dataset Geben Sie auf der Seite Dataset-Name und Datenschema an.
- Auf dem Details zum Datensatzimport Geben Sie auf der Seite einen Dataset-Importnamen ein.
- Aussichten für Dateityp importierenWählen CSV und geben Sie den Datenspeicherort ein.
- Wählen Sie die zuvor erstellte IAM-Rolle aus.
- Auswählen
Startseite.
Trainiere einen Prädiktor
Als nächstes trainieren wir einen Prädiktor.
- Wählen Sie auf dem Dashboard Startseite für Trainiere einen Prädiktor.
- Auf dem Zugprädiktor Geben Sie einen Namen für Ihren Prädiktor ein.
- Geben Sie an, wie lange in der Zukunft Sie prognostizieren möchten und in welcher Häufigkeit.
- Geben Sie die Anzahl der Quantile an, für die Sie prognostizieren möchten.
Forecast verwendet AutoPredictor, um Prädiktoren zu erstellen. Weitere Informationen finden Sie unter Trainingsprädiktoren.
- Auswählen Erstellen.
Erstellen Sie eine Prognose
Nachdem unser Prädiktor trainiert ist (dies kann etwa 3.5 Stunden dauern), erstellen wir eine Prognose. Sie werden wissen, dass Ihr Prädiktor trainiert ist, wenn Sie das sehen Prädiktoren anzeigen Schaltfläche auf Ihrem Dashboard.
- Auswählen
Startseite für Prognosen erstellen auf dem Armaturenbrett.
- Auf dem Erstellen Sie eine Prognose Geben Sie auf der Seite einen Prognosenamen ein.
- Aussichten für Predictor, wählen Sie den von Ihnen erstellten Prädiktor aus.
- Geben Sie optional die Prognosequantile an.
- Geben Sie die Artikel an, für die eine Prognose erstellt werden soll.
- Auswählen
Startseite.
Fragen Sie Ihre Prognose ab
Mit können Sie eine Prognose abfragen Prognose abfragen Möglichkeit. Standardmäßig wird der gesamte Bereich der Prognose zurückgegeben. Sie können einen bestimmten Datumsbereich innerhalb der vollständigen Prognose anfordern. Wenn Sie eine Prognose abfragen, müssen Sie Filterkriterien angeben. Ein Filter ist ein Schlüssel-Wert-Paar. Der Schlüssel ist einer der Schemaattributnamen (einschließlich Prognosedimensionen) aus einem der Datensätze, die zum Erstellen der Prognose verwendet wurden. Der Wert ist ein gültiger Wert für den angegebenen Schlüssel. Sie können mehrere Schlüssel-Wert-Paare angeben. Die zurückgegebene Prognose enthält nur Artikel, die alle Kriterien erfüllen.
- Auswählen
Prognose abfragen auf dem Armaturenbrett.
- Geben Sie die Filterkriterien für Startdatum und Enddatum an.
- Geben Sie Ihren Prognoseschlüssel und -wert an.
- Auswählen
Prognose abrufen.
Der folgende Screenshot zeigt den prognostizierten Energieverbrauch für dieselbe Wohnung (Artikel-ID A_10001) unter Verwendung des Prognosemodells.
Erstellen Sie eine Was-wäre-wenn-Analyse
An diesem Punkt haben wir unsere Baseline-Prognose erstellt und können nun eine Was-wäre-wenn-Analyse durchführen. Stellen wir uns ein Szenario vor, in dem ein bestehendes Mehrfamilienhaus erweitert wird und die Anzahl der Haushalte und Personen um 20 % zunimmt. Jetzt müssen Sie eine Analyse durchführen, um ein erhöhtes Angebot basierend auf einer erhöhten Nachfrage zu prognostizieren.
Die Durchführung einer Was-wäre-wenn-Analyse besteht aus drei Phasen: Einrichten der Analyse, Erstellen der Was-wäre-wenn-Prognose durch Definieren der Änderungen im Szenario und Vergleichen der Ergebnisse.
- Um Ihre Analyse einzurichten, wählen Sie Erkunden Sie die Was-wäre-wenn-Analyse auf dem Armaturenbrett.
- Auswählen
Erstellen.
- Geben Sie einen eindeutigen Namen ein und wählen Sie die Basisprognose aus.
- Wählen Sie die Elemente in Ihrem Datensatz aus, für die Sie eine Was-wäre-wenn-Analyse durchführen möchten. Sie haben zwei Möglichkeiten:
- Wählen Sie alle Artikel aus ist die Standardeinstellung, die wir in diesem Beitrag auswählen.
- Wenn Sie bestimmte Artikel auswählen möchten, wählen Sie Wählen Sie Elemente mit einer Datei aus und importieren Sie eine CSV-Datei, die die eindeutige Kennung für den entsprechenden Artikel und alle zugehörigen Abmessungen enthält.
- Auswählen
Erstellen Sie eine Was-wäre-wenn-Analyse.
Erstellen Sie eine Was-wäre-wenn-Prognose
Als Nächstes erstellen wir eine Was-wäre-wenn-Prognose, um das Szenario zu definieren, das wir analysieren möchten.
- Im Was-wäre-wenn-Prognose Wählen Sie im Abschnitt Erstellen.
- Geben Sie einen Namen für Ihr Szenario ein.
- Sie können Ihr Szenario über zwei Optionen definieren:
- Verwenden Sie Transformationsfunktionen – Verwenden Sie den Transformationsgenerator, um die importierten zugehörigen Zeitreihendaten zu transformieren. In dieser exemplarischen Vorgehensweise bewerten wir, wie sich die Nachfrage nach einem Artikel in unserem Datensatz ändert, wenn die Anzahl der Verbraucher im Vergleich zum Preis in der Basisprognose um 20 % steigt.
- Definieren Sie die Was-wäre-wenn-Prognose mit einem Ersatzdatensatz – Ersetzen Sie den zugehörigen Zeitreihendatensatz, den Sie importiert haben.
Für unser Beispiel erstellen wir ein Szenario, in dem wir erhöhen no_of_consumer
um 20 % anwendbar auf Artikel-ID A_10001
und no_of_consumer
ist ein Feature im Datensatz. Sie benötigen diese Analyse, um die Wasserversorgung für einen erhöhten Bedarf zu prognostizieren und zu decken. Diese Analyse hilft Ihnen auch dabei, einen kostengünstigen Vertrag auf der Grundlage der Wasserbedarfsprognose abzuschließen.
- Aussichten für Was-wäre-wenn-Prognose-DefinitionsmethodeWählen Verwenden Sie Transformationsfunktionen.
- Auswählen Multiplizieren als unseren Operator, no_of_consumer als unsere Zeitreihe und geben Sie 1.2 ein.
- Auswählen Bedingung hinzufügen.
- Auswählen Equals als Operation und geben Sie A_10001 für item_id ein.
- Auswählen
Erstellen.
Vergleichen Sie die Prognosen
Wir können jetzt die Was-wäre-wenn-Prognosen für unsere beiden Szenarien vergleichen und einen Anstieg der Verbraucher um 20 % mit der Basisnachfrage vergleichen.
- Navigieren Sie auf der Seite Analyseeinblicke zu Vergleichen Sie Was-wäre-wenn-Prognosen .
- Aussichten für item_id, geben Sie das zu analysierende Element ein (in unserem Szenario geben Sie ein
A_10001
). - Aussichten für Was-wäre-wenn-Prognosen, wählen
water_demand_whatif_analyis
. - Auswählen
Vergleichen Sie was wäre wenn.
- Sie können die Basisprognose für die Analyse auswählen.
Die folgende Grafik zeigt die resultierende Nachfrage für unser Szenario. Die rote Linie zeigt die Prognose des zukünftigen Wasserverbrauchs bei einer um 20 % erhöhten Bevölkerung. Der Prognosetyp P90 gibt an, dass der wahre Wert in 90 % der Fälle voraussichtlich niedriger als der vorhergesagte Wert sein wird. Sie können diese Bedarfsprognose verwenden, um die Wasserversorgung bei erhöhtem Bedarf effektiv zu verwalten und Betriebsunterbrechungen zu vermeiden.
Exportieren Sie Ihre Daten
Führen Sie die folgenden Schritte aus, um Ihre Daten in CSV zu exportieren:
- Auswählen
Export erstellen.
- Geben Sie einen Namen für Ihre Exportdatei ein (für diesen Beitrag
water_demand_export
). - Geben Sie die zu exportierenden Szenarien an, indem Sie die Szenarien auf der auswählen Was-wäre-wenn-Prognose Dropdown-Menü.
Sie können mehrere Szenarien gleichzeitig in eine kombinierte Datei exportieren.
- Aussichten für Speicherort exportieren, geben Sie den Amazon S3-Speicherort an.
- Um den Export zu starten, wählen Sie Export erstellen.
- Navigieren Sie zum Herunterladen des Exports zum Speicherort des S3-Dateipfads auf der Amazon S3-Konsole, wählen Sie die Datei aus und wählen Sie Herunterladen.
Die Exportdatei enthält die timestamp
, item_id
und forecasts
für jedes Quantil für alle ausgewählten Szenarien (einschließlich des Basisszenarios).
Bereinigen Sie die Ressourcen
Um zukünftige Gebühren zu vermeiden, entfernen Sie die von dieser Lösung erstellten Ressourcen:
- Löschen Sie die Prognoseressourcen du hast geschaffen.
- Löschen Sie den S3-Bucket.
Zusammenfassung
In diesem Beitrag haben wir Ihnen gezeigt, wie einfach Sie Forecast und die zugrunde liegende Systemarchitektur verwenden können, um den Wasserbedarf anhand von Wasserverbrauchsdaten vorherzusagen. Eine Was-wäre-wenn-Szenarioanalyse ist ein wichtiges Instrument, um durch die Unsicherheiten des Geschäfts zu navigieren. Es bietet Voraussicht und einen Mechanismus, um Ideen einem Stresstest zu unterziehen, wodurch Unternehmen widerstandsfähiger, besser vorbereitet und in der Lage sind, ihre Zukunft zu kontrollieren. Andere Versorgungsunternehmen wie Strom- oder Gasversorger können Forecast verwenden, um Lösungen zu entwickeln und den Versorgungsbedarf auf kostengünstige Weise zu decken.
Die Schritte in diesem Beitrag haben gezeigt, wie die Lösung auf der erstellt wird AWS-Managementkonsole. Um Prognose-APIs direkt zum Erstellen der Lösung zu verwenden, folgen Sie dem Notizbuch in unserem GitHub Repo.
Wir empfehlen Ihnen, mehr zu erfahren, indem Sie die Amazon Forecast-Entwicklerhandbuch und testen Sie die durch diese Dienste ermöglichte End-to-End-Lösung mit einem Datensatz, der für Ihre Geschäfts-KPIs relevant ist.
Über den Autor
Dhiraj Thakur ist ein Lösungsarchitekt bei Amazon Web Services. Er arbeitet mit AWS-Kunden und -Partnern zusammen, um Anleitungen zur Einführung, Migration und Strategie von Unternehmens-Clouds zu geben. Er liebt Technologie und baut und experimentiert gerne im Bereich Analytics und AI / ML.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. Hier zugreifen.
- Quelle: https://aws.amazon.com/blogs/machine-learning/build-a-water-consumption-forecasting-solution-for-a-water-utility-agency-using-amazon-forecast/
- 1
- 11
- a
- Über uns
- Akzeptieren
- Zugang
- Genauigkeit
- genau
- genau
- erwerben
- über
- hinzugefügt
- Zusätzliche
- zusätzlich
- Adresse
- Fügt
- Adoption
- beeinflussen
- Agenturen
- Agentur
- Landwirtschaft
- voraus
- AI / ML
- LUFT
- Alle
- Alternative
- immer
- Amazon
- Amazon-Prognose
- Amazon Web Services
- unter
- Analyse
- Analytik
- analysieren
- und
- Wohnung
- Wohnungen
- APIs
- anwendbar
- ca.
- Architektur
- Bereich
- um
- damit verbundenen
- vermeiden
- AWS
- Balance
- Base
- basierend
- Baseline
- weil
- werden
- Bevor
- Glauben
- Besser
- zwischen
- Beyond
- bauen
- Baumeister
- Building
- baut
- Geschäft
- Unternehmen
- Taste im nun erscheinenden Bestätigungsfenster nun wieder los.
- Capturing
- vorsichtig
- Häuser
- Fälle
- sicher
- herausfordernd
- Änderungen
- Ändern
- Gebühren
- Auswählen
- Cloud
- Cloud-Einführung
- Cloud-Infrastruktur
- sammelt
- Kombination
- kombiniert
- Engagement
- gemeinsam
- vergleichen
- verglichen
- Vergleich
- komplementär
- abschließen
- Computing
- Leiten
- Leitung
- Geht davon
- Konsul (Console)
- Verbraucher
- KUNDEN
- Verbrauch
- enthält
- Vertrag
- Verträge
- Smartgeräte App
- Korrelation
- Dazugehörigen
- kostengünstiger
- erstellen
- erstellt
- Erstellen
- Kriterien
- kritischem
- Kunde
- Kunden
- Armaturenbrett
- technische Daten
- Datensätze
- Datum
- Tag
- Standard
- Definiert
- Definition
- Demand
- Nachfragevorhersage
- weisen nach, dass
- Entwickler:in / Unternehmen
- Entwicklung
- anders
- Größe
- Direkt
- Tut nicht
- Domain
- Nicht
- herunterladen
- im
- dynamisch
- jeder
- Früher
- Wirtschaftlich
- Wirtschaftliche Entwicklung
- effektiv
- effizient
- Strom
- freigegeben
- ermöglicht
- ermutigen
- End-to-End
- endet
- Energie
- Energy Consumption
- genug
- Enter
- Unternehmen
- Äther (ETH)
- bewerten
- Beispiel
- vorhandenen
- erwartet
- teuer
- ERFAHRUNGEN
- Erklären
- exportieren
- Erweiterung
- Gesicht
- beschleunigt
- Merkmal
- Gebühr
- Reichen Sie das
- Mappen
- Filter
- Filterung
- Finden Sie
- Vorname
- konzentriert
- folgen
- Folgende
- Prognose
- Frequenz
- für
- voll
- Funktionen
- Zukunft
- GAS
- erzeugen
- bekommen
- gegeben
- Graph
- Gruppe an
- Gruppen
- Wachstum
- Handling
- Ernte
- Hilfe
- hilft
- höher
- hoch
- historisch
- Horizont
- STUNDEN
- Haushalte
- Houses
- Ultraschall
- Hilfe
- aber
- HTML
- HTTPS
- IAM
- Ideen
- Kennzeichnung
- Identitätsschutz
- Impact der HXNUMXO Observatorien
- importieren
- wichtig
- zu unterstützen,
- verbessert
- in
- inklusive
- Dazu gehören
- Einschließlich
- Erhöhung
- hat
- Steigert
- zeigt
- Energiegewinnung
- Information
- Infrastruktur
- Einblicke
- Anleitung
- Inventar
- Bestandsverwaltung
- untersuchen
- IT
- Artikel
- Behalten
- Wesentliche
- Wissen
- bekannt
- LERNEN
- lernen
- Verlassen
- Line
- Leben
- Leben
- Standorte
- Lang
- Sneaker
- niedrige Preise
- Maschine
- Maschinelles Lernen
- um
- verwalten
- verwaltet
- Management
- Alle Tauchgäste müssen eine Tauchversicherung vorweisen,
- manuell
- Mechanismus
- Triff
- MENÜ
- Metadaten
- könnte
- Migration
- Minimum
- ML
- Modell
- für
- mehr
- Morgen
- vor allem warme
- mehrere
- Name
- Namen
- Natürliche
- Navigieren
- Need
- Neu
- Notizbuch
- Anzahl
- EINEM
- Betrieb
- Einkauf & Prozesse
- Operator
- Option
- Optionen
- Auftrag
- Andere
- Gesamt-
- Paare
- besonders
- leidenschaftlich
- passt
- Weg
- Muster
- AUFMERKSAMKEIT
- Personen
- Prozentsatz
- ausführen
- Durchführung
- Berechtigungen
- wählen
- Plan
- Planung
- Plato
- Datenintelligenz von Plato
- PlatoData
- Points
- Bevölkerung
- Post
- Potenzial
- vorhersagen
- vorhergesagt
- Vorhersage
- Predictor
- bereit
- Preis
- Preise
- primär
- Vor
- Produkt
- Fortschritt
- die
- Versorger
- Anbieter
- bietet
- Bereitstellung
- Bereitstellung
- Direkt
- Angebot
- Gründe
- Rot
- Region
- bezogene
- relevant
- entfernen
- ersetzen
- Darstellen
- Anforderung
- federnde
- Ressourcen
- Downloads
- was zu
- Die Ergebnisse
- Anstieg
- Rollen
- Führen Sie
- gleich
- Szenarien
- nahtlos
- Abschnitt
- ausgewählt
- Auswahl
- Modellreihe
- Leistungen
- kompensieren
- Einstellung
- mehrere
- Konzerte
- Einfacher
- So
- Lösung
- Lösungen
- Quellen
- Süd
- Raumfahrt
- spezifisch
- angegeben
- stabil
- Stufen
- Anfang
- begonnen
- Shritte
- storage
- speichern
- Strategie
- Struktur
- ausreichend
- Sommer
- liefern
- Angebot und Nachfrage
- System
- Nehmen
- Target
- Technologie
- Das
- Die Gegend
- Die Zukunft
- ihr
- deswegen
- nach drei
- Durch
- während
- Zeit
- Zeitfolgen
- mal
- Zeitstempel
- zu
- Werkzeug
- verfolgen sind
- Training
- trainiert
- Ausbildung
- Transformieren
- Transformation
- reisen
- was immer dies auch sein sollte.
- wahrer Wert
- Typen
- Unsicherheiten
- für
- zugrunde liegen,
- einzigartiges
- Einheiten
- Anwendungsbereich
- -
- Anwendungsfall
- Nutzen
- Wert
- Vielfalt
- Walkthrough
- Wasser
- Wetter
- Netz
- Web-Services
- Was
- Was ist
- welche
- während
- breit
- werden wir
- Winter
- .
- ohne
- Belegschaft
- Werk
- Ihr
- Zephyrnet