Méthodes bayésiennes

Ce poste fait de la prévision un problème de décision opérationnelle, et non un simple exercice statistique. Les prévisions de demande et de besoins en personnel influencent les engagements d'effectifs, l'allocation des capacités, les coûts et la qualité de service au sein du réseau alimentaire d'Amazon. L'objectif pertinent ne consiste pas uniquement à améliorer la précision des modèles, mais à déterminer si de meilleures prévisions produisent de meilleures décisions de dimensionnement des équipes et des capacités, à un coût d'exploitation acceptable. La valeur dépend d'une évaluation des erreurs de prévision selon leurs conséquences opérationnelles, notamment les coûts différents du sous-effectif et du sureffectif, et de la compréhension des équipes qui supportent ces conséquences. Le principal risque serait d'optimiser des indicateurs agrégés de précision tout en dégradant les décisions de personnel ou de capacité dans certains sites, certaines périodes ou pour certaines parties prenantes. L'annonce témoigne d'un investissement dans la science appliquée à la prévision, sans démontrer d'amélioration opérationnelle déjà obtenue.