Použitímodeluho

Azure Blob Storage
Azure Data Factory
Azure HDInsight
Azure App Service
Power BI

Nápady na řešení

Tento článek je myšlenkou řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět tím, že nám poskytnete zpětnou vazbu k GitHubu.

Toto řešení předpovídá budoucí poptávku zákazníků a optimalizuje ceny za účelem maximalizace ziskovosti pomocí služeb pro velké objemy dat a pokročilé analýzy z Microsoft Azure.

Architektura

Architecture diagram showing the flow of sample data to Power B I: demand forecasting for price optimization with Microsoft AI platform.

Stáhněte si soubor aplikace Visio s touto architekturou.

Tok dat

Platforma Microsoft AI poskytuje pokročilé analytické nástroje, jako je příjem dat, úložiště, zpracování a pokročilé analytické komponenty. Tyto nástroje jsou základními prvky pro vytváření prognózování poptávky a řešení pro optimalizaci cen.

  1. Azure Data Lake (nebo Azure Blob Storage) ukládá týdenní nezpracovaná prodejní data.
  2. Apache Spark pro Azure HDInsight ingestuje data a spouští předběžné zpracování dat, prognózování modelování a algoritmy optimalizace cen.
  3. Azure Data Factory orchestruje a plánuje kompletní tok dat.

Komponenty

  • Azure Data Lake Storage ukládá týdenní nezpracovaná prodejní data, která čtou Spark ve službě HDInsight. Jako alternativu použijte Azure Blob Storage.
  • Spark ve službě HDInsight ingestuje data a provádí předběžné zpracování dat, prognózování modelování a algoritmy pro optimalizaci cen.
  • Data Factory zpracovává orchestraci a plánování opětovného trénování modelu.
  • Power BI umožňuje vizualizaci výsledků, monitorovat výsledky prodeje a předpovědět budoucí poptávku a doporučené optimální ceny.

Podrobnosti scénáře

Nastavení cen je pro řadu odvětví zcela klíčové, ale může to být jeden z nejtěžších úkolů. Společnosti se často snaží přesně předpovídat fiskální dopad potenciálních taktik, plně zvažují základní obchodní omezení a po provedení rozhodnutí o cenách poměrně ověřují. S tím, jak se nabídky produktů rozšiřují a komplikují výpočty stojící za rozhodováním o cenách v reálném čase, je tento proces čím dál složitější.

Toto řešení se zaměřuje na tyto výzvy tím, že pomocí historických dat o transakcích trénuje model prognózy poptávky v kontextu maloobchodu. Bere v úvahu také ceny produktů v konkurenční skupině a předvídá uvádění podobných produktů a další dopady na vztahy mezi produkty. Algoritmus pro optimalizaci cen následně pomocí tohoto modelu předpovídá poptávku na různých cenových bodech s ohledem na obchodní omezení pro maximalizaci potenciálního zisku.

Výše popsaný proces je možné zprovoznit a nasadit na platformě Microsoft AI.

Potenciální případy použití

Díky tomuto řešení můžete ingestovat historická data transakcí, předpovídat budoucí poptávku a pravidelně optimalizovat ceny, což vám ušetří čas a úsilí, které byste strávili na cenových úlohách.

Další kroky

Viz dokumentace k produktu:

Externí odkazy týkající se prognózování:

Projděte si související články o Centru architektury Azure: