Amazon Forecast n'est plus disponible pour les nouveaux clients. Les clients existants d'Amazon Forecast peuvent continuer à utiliser le service normalement. En savoir plus
Avec Amazon Forecast, vous payez uniquement pour ce que vous utilisez. Il n'y a pas de frais minimum ni d'engagement initial. Il existe quatre types de coûts différents à prendre en compte lors de l'utilisation d'Amazon Forecast :
- Données importées : coût pour chaque Go de données importé dans Amazon Forecast à des fins d’entraînement et de prévision.
- Entraînement d'un prédicteur : coût pour chaque heure d'utilisation de l'infrastructure requise pour créer un prédicteur personnalisé basé sur vos données d'entrée ou pour surveiller les performances des prédicteurs. Le temps d’entraînement comprend le temps nécessaire au nettoyage de vos données, à l’entraînement de plusieurs algorithmes en parallèle et à la recherche de la meilleure combinaison d'algorithmes. Le temps d’entraînement comprend aussi le temps dédié au calcul des indicateurs de précision, à la génération des informations explicables, à la surveillance des performances des prédicteurs et à l’utilisation de l'infrastructure pour créer des prévisions. Notez que les coûts sont basés sur le nombre d'heures d'instance utilisées, et non sur le temps réel nécessaire pour former un prédicteur. Puisque Amazon Forecast déploie plusieurs instances en parallèle pour former un prédicteur, le nombre d'heures utilisées dépassera le temps réel observé.
- Points de données de prévision générés : coût en fonction du nombre de valeurs prévisionnelles uniques générées pour toutes les combinaisons de séries chronologiques (éléments et dimensions). Les points de données de prévision sont la combinaison du nombre de séries chronologiques uniques (par exemple, SKU x magasins), du nombre de quantiles et des points temporels compris dans l'horizon de prévision. Les points de données prévisionnels incluent ceux créés en générant des prévisions et ceux produits par le biais d'analyses hypothétiques.
- Explications des prévisions : coûts pour l’explication de l'impact des attributs ou des données connexes sur vos prévisions pour chaque élément et chaque point dans le temps. L'explicabilité vous aide à mieux comprendre l'impact des attributs de vos jeux de données sur les valeurs de vos prévisions. Le coût est basé sur le nombre de points de données prévisionnels et le nombre d'attributs (par exemple, prix, vacances, indice météorologique) qui sont expliqués.
Calculateur de prix AWS pour Amazon Forecast
Utilisez le calculateur de prix AWS pour faire une estimation du coût de votre solution d'architecture pour l’utilisation d’Amazon Forecast.
Offre gratuite
Durant les deux premiers mois d'utilisation de Forecast, les clients reçoivent jusqu'à 100 000 points de données par mois, jusqu'à 10 Go de stockage de données par mois. Les clients reçoivent aussi jusqu'à 10 heures de formation par mois.
Grilles tarifaires
| Type de coût | Tarification | Informations |
| Données importées | 0,088 USD par Go | Pour chaque Go de données importé dans Amazon Forecast. |
| Entraînement d’un prédicteur | 0,24 USD par heure | Pour chaque heure consacrée au nettoyage de vos données, à l’entraînement de plusieurs algorithmes en parallèle, à la recherche de la meilleure combinaison d'algorithmes,au calcul des indicateurs de précision,à la génération de scores explicables d'impact, à la surveillance des performances des prédicteurs et à la création des prévisions. Amazon Forecast déploie plusieurs instances en parallèle pour former un prédicteur. Le nombre d’heure utilisées dépassera donc le temps réel observé. |
| Points de données de prévisions générés | *Voir la grille de tarification échelonnée 1 ci-dessous | Pour 1 000 points de données de prévisions à chaque quantile pour générer des prévisions, y compris des analyses hypothétiques. Les points de données de prévisions sont arrondis au millier le plus proche. |
| Explications des prévisions | **Voir la grille de tarification échelonnée 2 ci-dessous | Pour 1 000 explications, les points de données prévisionnels sont multipliés par le nombre d'attributs (attributs Prix ou attributs Vacances, par exemple). Les explications sont arrondies au millier le plus proche. Chaque tâche d’explicabilité est limitée à 50 séries chronologiques et 500 points temporels. |
*Grille 1 : grille de tarification échelonnée des points de données générés
| Points de données prévisionnels générés par mois | Prix pour 1 000 points de données de prévisions |
| Les 100 000 premiers points de données prévisionnels | 2,00 USD |
| Les 900 000 points de données prévisionnels suivants | 0,80 USD |
| Les 49 millions de points de données prévisionnels suivants | 0,20 USD |
| Au delà de 50 millions de points de données prévisionnels | 0,02 USD |
Remarque : les clients qui génèrent des prévisions à l'aide d'un prédicteur entraîné à l'aide de l'ancienne API CreatePredictor continueront de se voir facturer 0,60 USD par tranche de 1 000 séries chronologiques, c’est-à-dire par combinaison d'éléments et de dimensions, pour chaque quantile. Les prévisions sont arrondies au millier le plus proche.
* *Grille 2 : Grille de tarification échelonnée des explications de prévisions
| Explications de prévisions par mois | Prix pour 1 000 explications |
| Les 50 000 premières explications | 2,00 USD |
| Les 950 000 explications suivantes | 0,80 USD |
| Les 9,9 millions d’explications suivantes | 0,25 USD |
| Au-delà de 10 millions d'explications | 0,15 USD |
Exemples de tarification
Exemple de tarification 1 : Prévision de la demande de produits
Supposons que vous soyez propriétaire d'une entreprise de vêtements et que vous vendiez 1 000 articles dans 50 magasins à travers le monde et que vous prévoyiez une demande de produits pour les 7 prochains jours à 1 quantile. Chaque combinaison d'un article et d'un emplacement de magasin équivaut à une série chronologique. Vous aurez donc 50 000 séries chronologiques (1 000 articles x 50 magasins) à prévoir. Puisque vous effectuez des prévisions à 1 quantile, vous effectuez des prévisions pour un total de 50 000 prévisions (50 000 séries chronologiques x 1 quantile). Avec des prévisions sur 7 jours et une fréquence de prévision hebdomadaire, vous faites des prévisions pour 1 point de données futur avec un total de 50 000 points de données prévisionnels (50 000 prévisions x 1 point de données).
| Type de coût | Tarification | Coût d'utilisation |
| 5 Go de données importés | 0,088 USD par Go | 5 Go x 0,088 USD par Go = 0,44 USD |
| 3 heures de formation | 0,24 USD par heure | 3 heures x 0,24 USD par heure = 0,72 USD |
| 50 000 points de données prévisionnels | 2 USD par 1 000 points de données de prévision pour les 100 000 premiers points de données de prévision | 50 000 prévisions x 2 USD par 1 000 prévisions = 100 USD |
| Coût total = 101,16 USD |
Supposons maintenant que vous établissez désormais des prévisions 7 jours à l'avance avec une fréquence de prévision quotidienne. Cela se traduit par des prévisions pour 7 points de données dans le futur avec un total de 350 000 points de données prévisionnels (50 000 prévisions x 7 points de données).
| Type de coût | Tarification | Coût d'utilisation |
| 5 Go de données importés | 0,088 USD par Go | 5 x 0,088 USD par Go = 0,44 USD |
| 3 heures de formation | 0,24 USD par heure | 3 heures x 0,24 USD par heure = 0,72 USD |
| 350 000 points de données prévisionnels | 2 USD par 1 000 points de données de prévision pour les 100 000 premiers points de données de prévision 0,80 USD par 1 000 points de données prévisionnels pour les 900 000 points de données prévisionnels suivants |
100 000 x 2 USD pour 1 000 points de prévision = 200 USD Total = 200 USD + 200 USD = 400 USD |
| Coût total = 401,16 USD |
L'exemple de tarification ci-dessus est basé sur la réalisation d’une seule tâche de prévision par mois
Exemple de tarification 2 : Planification des capacités
Imaginons que vous soyez propriétaire d'une entreprise dans le secteur de l'énergie. Vous avez 5 000 clients résidents qui consomment à la fois du gaz et de l'électricité. Chaque combinaison de clients résidents et de types d'énergie équivaut à une série chronologique. Vous aurez donc 10 000 séries chronologiques (2 types d'énergie x 5 000 clients résidents). Supposons que vous deviez planifier 24 heures à l'avance avec une prévision horaire à 1 quantile. Vous prévoyez donc un total de 240 000 points de données prévisionnels (10 000 séries chronologiques x 1 quantile x 24 heures).
Vous ajoutez un attribut Prix et avez choisi d'ajouter les ensembles de données intégrés dans les jeux de données Vacances et Indice météorologique Amazon Forecast pour entraîner des prédicteurs. Supposons que vous souhaitiez connaître les caractéristiques qui déterminent les prévisions de vos 100 principaux clients du pour le gaz. Le coût de l'explicabilité se déclinera comme suit.
| Nombre de tâches d’explicabilité | 100 séries chronologiques clients / 50 séries chronologiques maximum par tâche explicable = 2 |
| Nombre de points de données prévisionnels qui seront expliqués par tâche d'explicabilité | 50 clients résidents x 1 type d'énergie x 1 quantile x 24 heures = 1 200 |
| Nombre d'attributs qui seront d'expliqués | Prix + Vacances + Indice météorologique = 3 |
| Nombre total d'explications en un mois | 1 200 x 3 x 2 = 8 000 (arrondi au millier le plus proche) |
| Coût total | 2 USD / 1 000 explications x 8 000 explications = 16 USD |
L'exemple de tarification ci-dessus est basé sur la réalisation d’une seule tâche de prévision par mois
Ressources de tarification supplémentaires
Calculez simplement vos coûts mensuels avec AWS
Contacter les spécialistes AWS pour obtenir un devis personnalisé.
Reportez-vous au guide du développeur pour découvrir comment utiliser Amazon Forecast.
