Prognoza Amazon to w pełni zarządzana usługa, która wykorzystuje uczenie maszynowe (ML) do generowania bardzo dokładnych prognoz, bez konieczności wcześniejszego doświadczenia w ML. Forecast ma zastosowanie w wielu różnych przypadkach, w tym do szacowania podaży i popytu na zarządzanie zapasami, prognozowanie popytu na podróże, planowanie siły roboczej i wykorzystanie infrastruktury chmury obliczeniowej.
Możesz użyć narzędzia Forecast do bezproblemowego przeprowadzania analiz „co by było, gdyby” nawet o 80% szybciej w celu przeanalizowania i ilościowego określenia potencjalnego wpływu dźwigni biznesowych na prognozy popytu. Analiza typu „co, jeśli” pomaga zbadać i wyjaśnić, w jaki sposób różne scenariusze mogą wpłynąć na prognozę bazową utworzoną przez Forecast. Dzięki usłudze Forecast nie ma serwerów do aprowizacji ani modeli ML do ręcznego tworzenia. Ponadto płacisz tylko za to, z czego korzystasz, i nie ma minimalnej opłaty ani zobowiązania z góry. Aby korzystać z prognozy, wystarczy podać dane historyczne dotyczące tego, co chcesz prognozować, oraz opcjonalnie wszelkie dodatkowe dane, które Twoim zdaniem mogą mieć wpływ na prognozy.
Dostawcy usług wodociągowych mają kilka przypadków użycia prognozowania, ale głównym z nich jest przewidywanie zużycia wody na danym obszarze lub w budynku w celu zaspokojenia zapotrzebowania. Ponadto ważne jest, aby dostawcy mediów prognozowali zwiększone zapotrzebowanie na konsumpcję z powodu większej liczby mieszkań dodanych w budynku lub większej liczby domów w okolicy. Dokładne przewidywanie zużycia wody ma kluczowe znaczenie dla uniknięcia przerw w świadczeniu usług dla klienta.
W tym poście omówiono użycie prognozy w celu rozwiązania tego przypadku użycia przy użyciu historycznych danych szeregów czasowych.
Omówienie rozwiązania
Woda jest zasobem naturalnym i ma kluczowe znaczenie dla przemysłu, rolnictwa, gospodarstw domowych i naszego życia. Dokładne prognozowanie zużycia wody ma kluczowe znaczenie dla zapewnienia wydajnej codziennej działalności agencji. Prognozowanie zużycia wody jest szczególnie trudne, ponieważ popyt jest dynamiczny, a sezonowe zmiany pogodowe mogą mieć na nie wpływ. Dokładne przewidywanie zużycia wody jest ważne, aby klienci nie byli narażeni na przerwy w dostawie usług oraz aby zapewnić stabilną usługę przy zachowaniu niskich cen. Ulepszone prognozowanie umożliwia planowanie z wyprzedzeniem w celu ustrukturyzowania bardziej opłacalnych kontraktów na przyszłość. Oto dwa najczęstsze przypadki użycia:
- Lepsze zarządzanie popytem – Jako dostawca mediów musisz znaleźć równowagę między popytem na wodę a jej podażą. Agencja zbiera informacje takie jak liczba osób mieszkających w mieszkaniu i liczba mieszkań w budynku przed wykonaniem usługi. Jako agencja użyteczności publicznej musisz zrównoważyć zagregowaną podaż i popyt. Musisz zmagazynować wystarczającą ilość wody, aby zaspokoić zapotrzebowanie. Ponadto prognozowanie popytu stało się trudniejsze z następujących powodów:
- Zapotrzebowanie nie jest stałe przez cały czas i zmienia się w ciągu dnia. Na przykład zużycie wody o północy jest znacznie mniejsze niż rano.
- Pogoda może również mieć wpływ na ogólne zużycie. Na przykład zużycie wody jest wyższe latem niż zimą na półkuli północnej i odwrotnie na półkuli południowej.
- Nie ma wystarczającej ilości opadów lub mechanizmów magazynowania wody (jeziora, zbiorniki) lub filtracja wody jest niewystarczająca. Latem popyt nie zawsze nadąża za podażą. Agencje wodne muszą dokładnie prognozować, aby pozyskać inne źródła, które mogą być droższe. Dlatego tak ważne jest, aby agencje użyteczności publicznej znalazły alternatywne źródła wody, takie jak zbieranie wody deszczowej, wychwytywanie skroplin z central wentylacyjnych lub odzyskiwanie ścieków.
- Przeprowadzenie analizy „co by było, gdyby” dla zwiększonego popytu – Zapotrzebowanie na wodę rośnie z wielu powodów. Obejmuje to połączenie wzrostu liczby ludności, rozwoju gospodarczego i zmieniających się wzorców konsumpcji. Wyobraźmy sobie scenariusz, w którym istniejący budynek mieszkalny jest rozbudowywany, a liczba gospodarstw domowych i osób wzrasta o określony procent. Teraz musisz przeprowadzić analizę, aby przewidzieć podaż dla zwiększonego popytu. Pomaga to również zawrzeć opłacalną umowę na zwiększony popyt.
Prognozowanie może być trudne, ponieważ najpierw potrzebujesz dokładnych modeli do prognozowania popytu, a następnie szybkiego i prostego sposobu odtworzenia prognozy w różnych scenariuszach.
Ten post koncentruje się na rozwiązaniu do prognozowania zużycia wody i analizy „co by było, gdyby”. Ten post nie uwzględnia danych pogodowych w szkoleniu modeli. Możesz jednak dodać dane pogodowe, biorąc pod uwagę ich korelację ze zużyciem wody.
Wymagania wstępne
Przed rozpoczęciem przygotowaliśmy nasze zasoby. W tym poście używamy regionu us-east-1.
- Tworzenie Usługa Amazon Simple Storage (Amazon S3) wiadro do przechowywania historycznych danych szeregów czasowych. Aby uzyskać instrukcje, patrz Utwórz swój pierwszy zasobnik S3.
- Pobierz pliki danych z GitHub repo i prześlij do nowo utworzonego zasobnika S3.
- Stwórz nowy AWS Zarządzanie tożsamością i dostępem (JESTEM) rola. Aby uzyskać instrukcje, zobacz Skonfiguruj uprawnienia dla Amazon Forecast. Pamiętaj, aby podać nazwę zasobnika S3.
Utwórz grupę zestawów danych i zestawy danych
Ten post pokazuje dwa przypadki użycia związane z prognozowaniem zapotrzebowania na wodę: prognozowanie zapotrzebowania na wodę na podstawie zużycia wody w przeszłości oraz przeprowadzanie analizy „co by było, gdyby” dla zwiększonego zapotrzebowania.
Prognoza może akceptować trzy typy zestawów danych: docelowe szeregi czasowe (TTS), powiązane szeregi czasowe (RTS) i metadane pozycji (IM). Docelowe szeregi czasowe definiują historyczne zapotrzebowanie na zasoby, które przewidujesz. Docelowy zestaw danych szeregów czasowych jest obowiązkowy. Powiązany zestaw danych szeregów czasowych zawiera dane szeregów czasowych, które nie są uwzględnione w docelowym zestawie danych szeregów czasowych i mogą poprawić dokładność predyktora.
W naszym przykładzie docelowy zestaw danych szeregów czasowych zawiera wymiary item_id i sygnatura czasowa, a uzupełniający powiązany zestaw danych szeregów czasowych zawiera no_of_consumer. Ważna uwaga dotycząca tego zestawu danych: TTS kończy się 2023, a RTS 01. Podczas wykonywania scenariuszy „co, jeśli” ważne jest, aby manipulować zmiennymi RTS poza znanym horyzontem czasowym w TTS.
Aby przeprowadzić analizę typu „co by było, gdyby”, musimy zaimportować dwa pliki CSV reprezentujące docelowe dane szeregów czasowych i powiązane dane szeregów czasowych. Nasz przykładowy docelowy plik szeregów czasowych zawiera item_id, sygnaturę czasową i popyt, a nasz powiązany plik szeregów czasowych zawiera produkt item_id, sygnaturę czasową i no_of Consumer.
Aby zaimportować swoje dane, wykonaj następujące czynności:
- W konsoli Prognoza wybierz Wyświetl grupy zestawów danych.
- Dodaj Utwórz grupę zestawów danych.
- W razie zamówieenia projektu Nazwa grupy zbiorów danych, wpisz nazwę (dla tego posta,
water_consumption_datasetgroup
). - W razie zamówieenia projektu Domena prognostyczna, wybierz domenę prognozowania (dla tego posta Zamówienia Indywidualne).
- Dodaj Następna.
- Na Utwórz docelowy zbiór danych szeregów czasowych stronie, podaj nazwę zestawu danych, częstotliwość danych i schemat danych.
- Na Szczegóły importu zbioru danych wprowadź nazwę importu zestawu danych.
- W razie zamówieenia projektu Importuj typ pliku, Wybierz CSV i wprowadź lokalizację danych.
- Jako warunek wstępny wybierz rolę IAM utworzoną wcześniej.
- Dodaj Start.
Nastąpi przekierowanie do pulpitu nawigacyjnego, którego możesz użyć do śledzenia postępów.
- Aby zaimportować powiązany plik szeregów czasowych, na pulpicie wybierz import.
- Na Utwórz powiązany zbiór danych szeregów czasowych strony, podaj nazwę zestawu danych i schemat danych.
- Na Szczegóły importu zbioru danych wprowadź nazwę importu zestawu danych.
- W razie zamówieenia projektu Importuj typ pliku, Wybierz CSV i wprowadź lokalizację danych.
- Wybierz utworzoną wcześniej rolę IAM.
- Dodaj Start.
Wytrenuj predyktora
Następnie trenujemy predyktor.
- Na pulpicie wybierz Start dla Wytrenuj predyktora.
- Na Predyktor pociągu wprowadź nazwę swojego predyktora.
- Określ, jak długo w przyszłości chcesz prognozować iz jaką częstotliwością.
- Określ liczbę kwantyli, dla których chcesz prognozować.
Prognoza używa narzędzia AutoPredictor do tworzenia predyktorów. Aby uzyskać więcej informacji, patrz Predyktory treningowe.
- Dodaj Stwórz.
Utwórz prognozę
Po wytrenowaniu naszego predyktora (może to zająć około 3.5 godziny) tworzymy prognozę. Będziesz wiedział, że Twój predyktor jest wyszkolony, gdy zobaczysz Wyświetl predyktory na pulpicie nawigacyjnym.
- Dodaj Start dla Generuj prognozy na desce rozdzielczej.
- Na Utwórz prognozę wprowadź nazwę prognozy.
- W razie zamówieenia projektu Urządzenie prognozujące, wybierz utworzony predyktor.
- Opcjonalnie określ kwantyle prognozy.
- Określ elementy, dla których ma zostać wygenerowana prognoza.
- Dodaj Start.
Zapytaj o swoją prognozę
Możesz zapytać o prognozę za pomocą Prognoza zapytania opcja. Domyślnie zwracany jest pełny zakres prognozy. Możesz poprosić o konkretny zakres dat w ramach pełnej prognozy. Podczas wykonywania zapytania dotyczącego prognozy należy określić kryteria filtrowania. Filtr to para klucz-wartość. Kluczem jest jedna z nazw atrybutów schematu (w tym wymiarów prognozy) z jednego ze zbiorów danych użytych do utworzenia prognozy. Wartość jest prawidłową wartością dla określonego klucza. Możesz określić wiele par klucz-wartość. Zwrócona prognoza będzie zawierała tylko elementy spełniające wszystkie kryteria.
- Dodaj Prognoza zapytania na desce rozdzielczej.
- Podaj kryteria filtrowania dla daty rozpoczęcia i daty zakończenia.
- Określ klucz i wartość prognozy.
- Dodaj Uzyskaj prognozę.
Poniższy zrzut ekranu przedstawia prognozowane zużycie energii dla tego samego mieszkania (identyfikator elementu A_10001) przy użyciu modelu prognozy.
Utwórz analizę warunkową
W tym momencie stworzyliśmy naszą prognozę bazową, która może teraz przeprowadzić analizę „co by było, gdyby”. Wyobraźmy sobie scenariusz, w którym istniejący budynek mieszkalny zostaje dobudowany, a liczba gospodarstw domowych i osób wzrasta o 20%. Teraz musisz przeprowadzić analizę, aby przewidzieć zwiększoną podaż na podstawie zwiększonego popytu.
Istnieją trzy etapy przeprowadzania analizy „co, jeśli”: konfigurowanie analizy, tworzenie prognozy „co, jeśli” poprzez zdefiniowanie zmian w scenariuszu i porównywanie wyników.
- Aby skonfigurować analizę, wybierz Sprawdź analizę warunkową na desce rozdzielczej.
- Dodaj Stwórz.
- Wprowadź unikalną nazwę i wybierz prognozę bazową.
- Wybierz elementy ze swojego zbioru danych, dla których chcesz przeprowadzić analizę warunkową. Masz dwie opcje:
- Wybierz wszystkie przedmioty to wartość domyślna, którą wybieramy w tym poście.
- Jeśli chcesz wybrać określone przedmioty, wybierz Wybierz elementy z plikiem i zaimportuj plik CSV zawierający unikalny identyfikator odpowiedniego elementu i wszelkie powiązane wymiary.
- Dodaj Utwórz analizę warunkową.
Utwórz prognozę warunkową
Następnie tworzymy prognozę warunkową, aby zdefiniować scenariusz, który chcemy analizować.
- W Prognoza „co by było, gdyby”. Sekcja, wybierz Stwórz.
- Wpisz nazwę swojego scenariusza.
- Możesz zdefiniować swój scenariusz za pomocą dwóch opcji:
- Użyj funkcji transformacji – Użyj konstruktora transformacji, aby przekształcić powiązane dane szeregów czasowych, które zaimportowałeś. W tym instruktażu oceniamy, jak zmienia się popyt na element w naszym zbiorze danych, gdy liczba konsumentów wzrasta o 20% w porównaniu z ceną w prognozie bazowej.
- Zdefiniuj prognozę warunkową za pomocą zastępczego zestawu danych – Zastąp powiązany zestaw danych szeregów czasowych, który zaimportowałeś.
W naszym przykładzie tworzymy scenariusz, w którym zwiększamy no_of_consumer
o 20% dotyczy pozycji o numerze identyfikacyjnym A_10001
, no_of_consumer
jest cechą w zbiorze danych. Ta analiza jest potrzebna do prognozowania i zaspokajania zapotrzebowania na wodę w przypadku zwiększonego zapotrzebowania. Ta analiza pomaga również zawrzeć opłacalną umowę w oparciu o prognozę zapotrzebowania na wodę.
- W razie zamówieenia projektu Co, jeśli metoda definicji prognozy, Wybierz Użyj funkcji transformacji.
- Dodaj Mnożyć jako nasz operator, no_of_consumer jako nasz szereg czasowy i wprowadź 1.2.
- Dodaj Dodaj warunek.
- Dodaj Równa się jako operację i wpisz A_10001 dla item_id.
- Dodaj Stwórz.
Porównaj prognozy
Możemy teraz porównać prognozy „co by było, gdyby” dla obu naszych scenariuszy, porównując 20% wzrost liczby konsumentów z popytem bazowym.
- Na stronie z informacjami o analizie przejdź do Porównaj prognozy warunkowe
- W razie zamówieenia projektu item_id, wprowadź element do analizy (w naszym scenariuszu wprowadź
A_10001
). - W razie zamówieenia projektu Co jeśli prognozywybierz
water_demand_whatif_analyis
. - Dodaj Porównaj co jeśli.
- Możesz wybrać prognozę bazową dla analizy.
Poniższy wykres przedstawia wynikowy popyt dla naszego scenariusza. Czerwona linia pokazuje prognozę przyszłego zużycia wody dla 20% wzrostu populacji. Typ prognozy P90 wskazuje, że oczekuje się, że prawdziwa wartość będzie niższa niż wartość przewidywana przez 90% czasu. Możesz użyć tej prognozy zapotrzebowania, aby skutecznie zarządzać zaopatrzeniem w wodę w przypadku zwiększonego zapotrzebowania i uniknąć przerw w świadczeniu usług.
Eksportuj swoje dane
Aby wyeksportować dane do pliku CSV, wykonaj następujące czynności:
- Dodaj Utwórz eksport.
- Wpisz nazwę pliku eksportu (dla tego posta
water_demand_export
). - Określ scenariusze do wyeksportowania, wybierając scenariusze na Co jeśli prognoza rozwijane menu.
Możesz wyeksportować wiele scenariuszy jednocześnie w połączonym pliku.
- W razie zamówieenia projektu Eksportuj lokalizację, określ lokalizację Amazon S3.
- Aby rozpocząć eksport, wybierz Utwórz eksport.
- Aby pobrać eksport, przejdź do lokalizacji ścieżki pliku S3 na konsoli Amazon S3, wybierz plik i wybierz Do pobrania.
Plik eksportu będzie zawierał timestamp
, item_id
, forecasts
dla każdego kwantyla dla wszystkich wybranych scenariuszy (w tym scenariusza bazowego).
Oczyść zasoby
Aby uniknąć naliczania przyszłych opłat, usuń zasoby utworzone przez to rozwiązanie:
- Usuń zasoby prognozy stworzyłeś.
- Usuń wiadro S3.
Wnioski
W tym poście pokazaliśmy, jak w prosty sposób wykorzystać prognozę i jej podstawową architekturę systemu do przewidywania zapotrzebowania na wodę na podstawie danych o zużyciu wody. Analiza scenariuszy „co by było, gdyby” jest kluczowym narzędziem pomagającym poruszać się po niepewnościach biznesowych. Zapewnia przewidywanie i mechanizm testów warunków skrajnych pomysłów, dzięki czemu firmy są bardziej odporne, lepiej przygotowane i mają kontrolę nad swoją przyszłością. Inni dostawcy usług użyteczności publicznej, tacy jak dostawcy energii elektrycznej lub gazu, mogą używać usługi Forecast do tworzenia rozwiązań i zaspokajania zapotrzebowania na usługi w opłacalny sposób.
Kroki opisane w tym poście pokazały, jak skompilować rozwiązanie na Konsola zarządzania AWS. Aby bezpośrednio użyć interfejsów API prognozy do tworzenia rozwiązania, postępuj zgodnie z notatnikiem w naszym GitHub repo.
Zachęcamy do bliższego zapoznania się z Przewodnik programisty Amazon Forecast i wypróbuj kompleksowe rozwiązanie udostępniane przez te usługi z zestawem danych odpowiadającym kluczowym wskaźnikom KPI Twojej firmy.
O autorze
Dhiraj Thakura jest architektem rozwiązań w Amazon Web Services. Współpracuje z klientami i partnerami AWS, aby zapewnić wskazówki dotyczące wdrażania chmury korporacyjnej, migracji i strategii. Pasjonuje się technologią, lubi budować i eksperymentować w przestrzeni analitycznej i AI / ML.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/build-a-water-consumption-forecasting-solution-for-a-water-utility-agency-using-amazon-forecast/
- 1
- 11
- a
- O nas
- Akceptuj
- dostęp
- precyzja
- dokładny
- dokładnie
- nabyć
- w poprzek
- w dodatku
- Dodatkowy
- do tego
- adres
- Dodaje
- Przyjęcie
- oddziaływać
- agencje
- agencja
- rolnictwo
- przed
- AI / ML
- AIR
- Wszystkie kategorie
- alternatywny
- zawsze
- Amazonka
- Prognoza Amazon
- Amazon Web Services
- wśród
- analiza
- analityka
- w czasie rzeczywistym sprawiają,
- i
- Apartament
- mieszkanie
- Pszczoła
- odpowiedni
- w przybliżeniu
- architektura
- POWIERZCHNIA
- na około
- powiązany
- uniknąć
- AWS
- Bilans
- baza
- na podstawie
- Baseline
- bo
- stają się
- zanim
- uwierzyć
- Ulepsz Swój
- pomiędzy
- Poza
- budować
- budowniczy
- Budowanie
- Buduje
- biznes
- biznes
- przycisk
- Przechwytywanie
- ostrożnie
- walizka
- Etui
- pewien
- wyzwanie
- Zmiany
- wymiana pieniędzy
- Opłaty
- Dodaj
- Chmura
- adopcja chmury
- infrastruktura chmurowa
- zbiera
- połączenie
- połączony
- zobowiązanie
- wspólny
- porównać
- w porównaniu
- porównanie
- uzupełniający
- kompletny
- computing
- Prowadzenie
- prowadzenia
- Rozważać
- Konsola
- konsument
- Konsumenci
- konsumpcja
- zawiera
- umowa
- umowy
- kontrola
- Korelacja
- Odpowiedni
- opłacalne
- Stwórz
- stworzony
- Tworzenie
- Kryteria
- krytyczny
- klient
- Klientów
- tablica rozdzielcza
- dane
- zbiory danych
- Data
- dzień
- Domyślnie
- Definiuje
- definiowanie
- Kreowanie
- Prognozowanie popytu
- wykazać
- Deweloper
- oprogramowania
- różne
- Wymiary
- bezpośrednio
- Nie
- domena
- nie
- pobieranie
- podczas
- dynamiczny
- każdy
- Wcześniej
- Gospodarczy
- Rozwój gospodarczy
- faktycznie
- skutecznie
- elektryczność
- włączony
- Umożliwia
- zachęcać
- koniec końców
- kończy się
- energia
- Zużycie energii
- dość
- Wchodzę
- Enterprise
- Eter (ETH)
- oceniać
- przykład
- Przede wszystkim system został opracowany
- spodziewany
- drogi
- doświadczenie
- Wyjaśniać
- eksport
- rozbudowa
- Twarz
- szybciej
- Cecha
- opłata
- filet
- Akta
- filtrować
- filtracja
- Znajdź
- i terminów, a
- koncentruje
- obserwuj
- następujący
- Prognoza
- Częstotliwość
- od
- w pełni
- Funkcje
- przyszłość
- GAS
- Generować
- miejsce
- dany
- wykres
- Zarządzanie
- Grupy
- Wzrost
- Prowadzenie
- Żniwny
- pomoc
- pomaga
- wyższy
- wysoko
- historyczny
- horyzont
- GODZINY
- gospodarstw domowych
- domy
- W jaki sposób
- How To
- Jednak
- HTML
- HTTPS
- IAM
- pomysły
- identyfikator
- tożsamość
- Rezultat
- importować
- ważny
- podnieść
- ulepszony
- in
- włączony
- obejmuje
- Włącznie z
- Zwiększać
- wzrosła
- Zwiększenia
- wskazuje
- przemysł
- Informacja
- Infrastruktura
- spostrzeżenia
- instrukcje
- inwentarz
- Zarządzanie zapasami
- badać
- IT
- szt
- Trzymać
- Klawisz
- Wiedzieć
- znany
- UCZYĆ SIĘ
- nauka
- pozostawiając
- Linia
- Zyje
- życie
- lokalizacja
- długo
- niski
- niskie ceny
- maszyna
- uczenie maszynowe
- robić
- zarządzanie
- zarządzane
- i konserwacjami
- obowiązkowe
- ręcznie
- mechanizm
- Poznaj nasz
- Menu
- Metadane
- może
- migracja
- minimum
- ML
- model
- modele
- jeszcze
- rano
- większość
- wielokrotność
- Nazwa
- Nazwy
- Naturalny
- Nawigacja
- Potrzebować
- Nowości
- notatnik
- numer
- ONE
- działanie
- operacje
- operator
- Option
- Opcje
- zamówienie
- Inne
- ogólny
- par
- szczególnie
- wzmacniacz
- namiętny
- Przeszłość
- ścieżka
- wzory
- Zapłacić
- Ludzie
- procent
- wykonać
- wykonywania
- uprawnienia
- wybierać
- krok po kroku
- planowanie
- plato
- Analiza danych Platona
- PlatoDane
- punkt
- populacja
- Post
- potencjał
- przewidzieć
- Przewiduje
- przewidywanie
- Urządzenie prognozujące
- przygotowany
- Cena
- Cennik
- pierwotny
- Wcześniejszy
- Produkt
- Postęp
- zapewniać
- dostawca
- dostawców
- zapewnia
- że
- zaopatrzenie
- Szybki
- zasięg
- Przyczyny
- Czerwony
- region
- związane z
- usunąć
- obsługi produkcji rolnej, która zastąpiła
- reprezentowanie
- zażądać
- sprężysty
- Zasób
- Zasoby
- wynikły
- Efekt
- podniesienie
- Rola
- run
- taki sam
- scenariusze
- płynnie
- Sekcja
- wybrany
- wybierając
- Serie
- usługa
- Usługi
- zestaw
- ustawienie
- kilka
- Targi
- Prosty
- So
- rozwiązanie
- Rozwiązania
- Źródła
- Południowy
- Typ przestrzeni
- specyficzny
- określony
- stabilny
- etapy
- początek
- rozpoczęty
- Cel
- przechowywanie
- sklep
- Strategia
- Struktura
- wystarczający
- lato
- Dostawa
- Podaż i popyt
- system
- Brać
- cel
- Technologia
- Połączenia
- Strefa
- Przyszłość
- ich
- w związku z tym
- trzy
- Przez
- poprzez
- czas
- Szereg czasowy
- czasy
- znak czasu
- do
- narzędzie
- śledzić
- Pociąg
- przeszkolony
- Trening
- Przekształcać
- Transformacja
- podróżować
- prawdziwy
- prawdziwa wartość
- typy
- niepewności
- dla
- zasadniczy
- wyjątkowy
- jednostek
- Stosowanie
- posługiwać się
- przypadek użycia
- użyteczność
- wartość
- różnorodność
- solucja
- Woda
- Pogoda
- sieć
- usługi internetowe
- Co
- Co to jest
- który
- Podczas
- szeroki
- będzie
- w Zimie
- w ciągu
- bez
- Siła robocza
- działa
- Twój
- zefirnet