Nachfragevorhersage und Preisoptimierung

Die Preisgestaltung ist in vielen Branchen der Dreh- und Angelpunkt des Erfolgs und kann eine der größten Herausforderungen sein. Unternehmen haben häufig mit verschiedenen Aspekten des Preisgestaltungsprozesses zu kämpfen, z.B. der exakten Vorhersage der finanziellen Auswirkungen möglicher Taktiken, der sinnvollen Einbeziehung wichtiger geschäftlicher Einschränkungen und der richtigen Bewertung der angewandten Preisentscheidungen. Eine Erweiterung des Produktangebots kann die Anforderungen hinsichtlich der Berechnung erhöhen, um Preisentscheidungen in Echtzeit fällen zu können – so wird diese Aufgabe, die sowie schon nahezu überwältigend ist, noch schwieriger.

Mit der vorliegenden Lösung lassen sich die oben beschriebenen Herausforderungen meistern, indem Verlaufsdaten von Transaktionen genutzt werden, um ein Modell für die Nachfragevorhersage zu trainieren. Die Produktpreise in einer Gruppe ähnlicher Produkte werden ebenfalls einbezogen, um Auswirkungen zwischen den Produkten vorherzusagen, wie z.B. eine Kannibalisierung. Ein Algorithmus zur Preisoptimierung verwendet dieses Modell dann, um die Nachfrage bei verschiedenen möglichen Preispunkten vorherzusagen. Dieser Algorithmus berücksichtigt auch geschäftliche Bedingungen, um den Gewinn zu maximieren. Die Lösung kann angepasst werden, um verschiedene Preisgestaltungsszenarien zu analysieren, sofern der allgemeine Data Science-Ansatz gleich bleibt.

Der oben beschriebene Prozess wird in der Cortana Intelligence Suite operationalisiert und bereitgestellt. Mit dieser Lösung können Unternehmen Verlaufsdaten früherer Transaktionen erfassen, die zukünftige Nachfrage prognostizieren und regelmäßig Empfehlungen zur optimalen Preisgestaltung erhalten. Damit eröffnet die Lösung die Chance, die Rentabilität zu verbessern und den Zeit- und Arbeitsaufwand für die Preisgestaltung zu reduzieren.

+ Mehr anzeigen – Weniger anzeigen

Beschreibung

Sparen Sie Zeit, und lassen Sie sich von einem dieser geschulten SI-Partner mit Machbarkeitsnachweisen für Konzept, Bereitstellung und Integration dieser Lösung unterstützen.

Die Cortana Intelligence Suite stellt über Microsoft Azure Komponenten für Datenerfassung, Datenspeicherung, Datenverarbeitung und erweiterte Analysen bereit – alle grundlegenden Elemente zum Erstellen einer Lösung für Nachfragevorhersage und Preisoptimierung.

Diese Lösung kombiniert verschiedene Azure-Dienste, um optimierte Ergebnisse zu ermöglichen. Azure Blob Storage speichert die nicht aufbereiteten wöchentlichen Verkaufsdaten. Apache Spark für Azure HDInsight erfasst die Daten und führt die Algorithmen für die Vorverarbeitung der Daten, die Erstellung von Vorhersagemodellen und die Preisoptimierung durch. und Data Factory orchestriert und plant den gesamten Datenfluss.

Mit einem Klick auf die Schaltfläche „Bereitstellen“ wird ein Workflow gestartet, durch den eine Instanz der Lösung innerhalb einer Ressourcengruppe im angegebenen Azure-Abonnement bereitgestellt wird. Die Lösung umfasst mehrere Azure-Dienste (siehe unten) und einen Webauftrag, der Daten simuliert, sodass Sie unmittelbar nach der Bereitstellung einen Datenfluss durch die End-to-End-Pipeline beobachten können.

Anweisungen zu Aufgaben nach der Bereitstellung und weitere Hinweise zur technischen Implementierung finden Sie hier.

Technische Details und Workflow

  1. Die Simulationsdaten werden jede Stunde von neu bereitgestellten Azure-Webaufträgen generiert.
  2. Diese synthetischen Daten werden in Azure Blob Storage gespeichert, der im Rest des Lösungsflows verwendet wird.
  3. Spark in HDInsight wird verwendet, um die Rohdaten zu erfassen und vorzuverarbeiten, um die Modelle für die Nachfragevorhersage zu erstellen und erneut zu trainieren und um die Algorithmen für die Preisoptimierung auszuführen.
  4. Azure Data Factory orchestriert und plant den gesamten Datenfluss.
  5. Abschließend werden die Ergebnisse in Power BI visualisiert, sodass Benutzer die Verkaufszahlen, die prognostizierte zukünftige Nachfrage sowie die empfohlenen optimalen Preise für verschiedene Produkte überwachen können, die über verschiedene Kanäle verkauft werden.

Haftungsausschluss

©2017 Microsoft Corporation. Alle Rechte vorbehalten. Alle Informationen werden im vorliegenden Zustand bereitgestellt und können sich ohne Vorankündigung ändern. Microsoft leistet weder ausdrücklich noch stillschweigend Gewähr hinsichtlich der hier zur Verfügung gestellten Informationen. Zur Erstellung der Lösung wurden Drittanbieterdaten verwendet. Sie sind dafür verantwortlich, die Rechte Dritter zu berücksichtigen. Hierzu zählen u.a. das Beschaffen relevanter Lizenzen, die zur Erstellung ähnlicher Datensätze benötigt werden, und das Erfüllen der jeweiligen Lizenzbedingungen.

需要予測と価格最適化価格設定は、多くの業界にとって成功を決める極めて重要な要素ですが、最も難しいタスクの 1 つでもあります。多くの企業が、価格設定プロセスのさまざまな側面、つまり今後の戦術が業績に及ぼす影響を正確に予測し、ビジネス上の主な制約について十分に検討し、いったん設定した価格を公正に検証することなどに困難を感じています。提供する製品が増え、リアルタイムでの価格決定に必要な計算要件が複雑化するにつれて、既に極めて困難なこのタスクがさらに難しくなります。

Zugehörige Lösungsarchitekturen

需要予測製品やサービスの需要の急増を正確に予測すると、企業は競争上の優位性を確保できます。このソリューションは、エネルギー分野のオンデマンド予測に重点を置いています。

Nachfragevorhersage

Die genaue Vorhersage von Nachfragespitzen für Produkte und Dienste kann Unternehmen einen Wettbewerbsvorteil verschaffen. Diese Lösung konzentriert sich auf die Nachfragevorhersage innerhalb des Energiesektors.

Nachfragevorhersage für Versand und DistributionDie Lösung für die Nachfragevorhersage für Versand und Distribution verwendet Daten zu früheren Nachfrageverläufen, um die Nachfrage in zukünftigen Zeiträumen für verschiedene Kunden, Produkte und Ziele zu prognostizieren. Für ein Versandunternehmen wäre es z.B. wichtig, die Mengen der verschiedenen Produkte prognostizieren zu können, die Kunden in Zukunft an verschiedene Orte geliefert haben möchten. Ein Unternehmen kann diese Vorhersagen als Eingabedaten für ein Tool verwenden, das den Betrieb optimiert, z.B. durch Routenplanung für Lieferfahrzeuge. Die Vorhersagen ermöglichen zudem eine langfristige Kapazitätsplanung.

Nachfragevorhersage für Versand und Distribution

Die Lösung für die Nachfragevorhersage für Versand und Distribution verwendet Daten zu früheren Nachfrageverläufen, um die Nachfrage in zukünftigen Zeiträumen für verschiedene Kunden, Produkte und Ziele zu prognostizieren. Für ein Versandunternehmen wäre es z.B. wichtig, die Mengen der verschiedenen Produkte prognostizieren zu können, die Kunden in Zukunft an verschiedene Orte geliefert haben möchten. Ein Unternehmen kann diese Vorhersagen als Eingabedaten für ein Tool verwenden, das den Betrieb optimiert, z.B. durch Routenplanung für Lieferfahrzeuge. Die Vorhersagen ermöglichen zudem eine langfristige Kapazitätsplanung.