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.
Téměř každá firma potřebuje předpovědět budoucnost, aby se mohli lépe rozhodovat a efektivněji přidělovat prostředky. Tento článek poskytuje architekturu pro komplexní implementaci prognózování poptávky v Azure.
Architektura
Stáhněte si soubor aplikace Visio s touto architekturou.
Tok dat
Platforma Microsoft AI poskytuje pokročilé analytické nástroje prostřednictvím Microsoft Azure – příjem dat, ukládání dat, zpracování dat a pokročilé analytické komponenty. Tyto nástroje zahrnují všechny základní prvky pro vytváření řešení prognózy poptávky pro energii.
Toto řešení kombinuje několik služeb Azure k poskytování predikcí s možností akce:
- Event Hubs shromažďuje data o spotřebě v reálném čase.
- Stream Analytics agreguje streamovaná data a zpřístupňuje je pro vizualizace.
- Azure SQL Database ukládá a transformuje data o spotřebě.
- Machine Learning implementuje a spouští model prognózování.
- Power BI vizualizuje spotřebu energie v reálném čase a výsledky prognózy.
- Data Factory nakonec orchestruje a naplánuje celý tok dat.
Komponenty
Klíčové technologie používané k implementaci této architektury:
- Azure Event Hubs: Jednoduchý, zabezpečený a škálovatelný příjem dat v reálném čase
- Azure Stream Analytics: Poskytování bezserverové analýzy v reálném čase z cloudu do hraniční sítě
- Azure SQL Database: Správa inteligentního SQL v cloudu
- Azure Machine Učení: Sestavování, nasazování a správa řešení prediktivní analýzy
- Power BI: Uvědomte si hodnotu dat a přineste do organizace přehledy zjištěné v datech Azure a analytických nástrojích.
Podrobnosti scénáře
Tento nápad řešení poskytuje architekturu pro prognózování poptávky. Přesné prognózování špiček v poptávce po produktech a službách může například společnosti poskytnout konkurenční výhodu. Čím lepší toto prognózování je, tím více mohou při zvýšení poptávky škálovat a tím méně riskují držení nepotřebných zásob. Případy použití zahrnují prognózu poptávky po produktu v maloobchodě nebo internetovém obchodě, prognózování návštěv v nemocnici nebo předvídání spotřeby energie.
Potenciální případy použití
Následující scénáře jsou způsoby, jak může organizace využívat prognózování poptávky:
- Plánování zásob pro maloobchod
- Plánování kapacity sítě (telekomunikační)
- Plánování pracovních sil
- Vyšší spokojenost zákazníků
Další kroky
- Dokumentace ke službě Azure Machine Learning
- Školení: Začínáme se službou Azure Stream Analytics
- Vítá vás Azure Stream Analytics