Проблема, которую решает эта схема, лежит не в прогнозе, а после него. Пока планировщик выгружает прогноз, сверяет его с доступностью у поставщиков и проходит десятки тысяч SKU вручную, самые ходовые позиции успевают уйти в дефицит. Фундаментальные модели сняли часть нагрузки с самого прогнозирования — они предсказывают спрос по всему каталогу без настройки под каждую позицию. Узкое место сместилось вниз по цепочке: между хорошим прогнозом и заказом, который на его основе размещён.
Разрыв сохраняется потому, что прогноз и действие живут в разных системах. Прогноз лежит в управляемой платформе данных, доступность поставщиков — в отдельном операционном фиде, а у человека, который размещает заказ, нет логина ни в одну из них. AWS описывает недостающий элемент: цикл, который обнаруживает всплеск спроса, решает, какой поставщик способен его покрыть, и размещает заказ без участия человека, эскалируя на сотрудника только тогда, когда ни одно правило не подходит.
| Стадия | Компонент | Что делает |
|---|---|---|
| Forecast | Databricks MMF | Chronos-2 прогнозирует 7-дневный спрос по каждому SKU |
| Detect | Databricks Genie Agent | Выявляет SKU во всплеске: среднее за 7 дней ≥ 1,5× среднего за 14 дней, база ≥ 1 |
| Decide | Amazon Quick | Сверяет всплеск с наличием в Amazon S3 Tables и выбирает самого дешёвого поставщика |
| Act | Amazon Quick Flows | Размещает заказ через Supplier Order API или открывает тикет на ручную проверку |
Решение разбито на четыре стадии. Databricks Many Model Forecasting подаёт модель Chronos-2 и прогнозирует 7-дневный спрос по каждому SKU. Затем Databricks Genie Agent выявляет позиции во всплеске: всплеском считается средний спрос за следующие 7 дней как минимум в 1,5 раза выше среднего за предыдущие 14 дней, и только для SKU, у которых средний за предыдущие 14 дней не ниже 1 — этот порог отсекает шум по низкообъёмным позициям. На третьей стадии Amazon Quick сверяет каждый всплеснувший SKU с живой доступностью поставщиков в Amazon S3 Tables и выбирает самого дешёвого поставщика, способного покрыть потребность. На четвёртой Amazon Quick Flows размещает обычный заказ через Supplier Order API или открывает тикет на ручную проверку, если ни один поставщик в одиночку не закрывает всплеск.
Ключевая деталь архитектуры — Amazon Quick стоит посередине и остаётся единственным компонентом, который касается обоих миров. Он достаёт прогноз через Databricks Genie Agent по протоколу Model Context Protocol, забирает фид поставщиков из S3 Tables и вызывает Order API через OpenAPI-коннектор. Сопоставление идёт по общему ключу retailer_product_id в момент принятия решения, а не через копирование всех данных в единое хранилище. Databricks производит аналитику, Amazon Quick действует на её основе.
Для воспроизведения нужны Databricks CLI 0.299.0 и выше, AWS CLI 2.36.2 и выше, jq 1.7 и uv либо Python 3.11 для загрузчика фида поставщиков. Используются подкоманды create-flow, create-data-source и create-space в aws quicksight. Два условия на уровне аккаунта ограничивают работу в консоли: пользователю Amazon Quick нужна роль Author или Author Pro — обычное место Enterprise без роли Author не позволяет создавать Quick Flows и коннекторы MCP и OpenAPI, — а учётной записи Databricks нужно право CREATE CATALOG на метахранилище либо администратор, который заранее создаст каталог mmf. Все команды и скрипты читают параметры аккаунта из файла.supply-chain-automation-env, который создаётся один раз.
Два скрипта закрывают все шаги, автоматизируемые через CLI: setup_databricks.sh отвечает за ноутбуки, Genie Agent и OAuth-приложение, setup_aws.sh — за Order API, фид в S3, аккаунт Quick, источник данных, пространство и поток. Оба останавливаются на четырёх шагах, доступных только в консоли: два коннектора действий, выдача доступа к S3 Tables и датасет. Что остаётся неопределённым: в материале нет данных о стоимости решения, задержках на реальном каталоге и о том, как система ведёт себя при конфликте поставщиков или сбое Order API. Экономический эффект — сокращение дефицита ходовых позиций — заявлен логикой схемы, но не измерен на конкретном ритейлере.
