痛点与挑战
默克致力于创新型制药、生命科学以及前沿功能材料技术， 以技术为客户创造价值。本次项目着眼于其生殖医学领域，产品为IVF相关的5种，每种产品对应不同的客户群体、销售情况及市场份额。随着产品在市场使用量的不断变化未来销量也有所不同，默克亟待找到合理的预测逻辑来预估每种产品未来的OP，以指导生产和销售等供应链流程。
主要挑战：
1. 手工预测可考虑的因素有限制，难以捕捉全局影响，需要专业的模型结合大量可用数据进行AI智能预测，实现高准确率的周期数和产品销量预测。
2. 随着业务量增加，数据量急剧上升，加上业务对预测需求的及时性，需要实现预测模型的自动化上线预测。
如果不及时升级预测策略和方式，供应链上的排产计划将受到影响，进而影响销售和库存，造成企业的资源浪费、各项成本增加、收益降低等。
预测目标：
• 周期数预估：基于影响周期数的因素预估未来24个月IVF相关的促排周期数和移植周期数。
• 产品销量预测：基于IVF相关产品的历史销售数据（SKU、销售区域、医院情况、周期数、时间特征等）、总体市场情况及产品的市场份额，构建销售预测模型来预估未来产品销量。
解决方案
模型的实现架构如下图所示，包含两大阶段，一是Sagemaker上的模型开发和调试，二是Lambda上的模型调度。两大阶段涉及到的数据流、模型构建和模型调度均在默克内部的AWS VPC中实现，外网无访问权限。
亚马逊云科技上的模型运行机制如上图所示，可从4个方面进行描述：
1. 数据输入和ETL
通过Hive定期抽取DB中的历史周期数和产品销量数据，进行ETL处理，处理后的模型宽表导入S3。
2. 模型构建、训练和推理
在SageMaker Studio中实现模型预处理、特征工程、模型构建和部署。
3. 模型调度
S3中的文件触发Lambda进行模型调度，调度起SageMaker中的模型重训练和模型预测，预测结果写回RDS数据库。
4. 模型安全性和可靠性配置
AWS SSO控制用户访问RDS数据库的加密策略，AWS IAM通过用户的权限设置其访问策略，Amazon CloudWatch通过监控各组件的运行记录操作日志和指标变化信息，实现用户行为监控，达到安全性和可靠性配置。
