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.

+ Mehr anzeigen – Weniger anzeigen

Zusammenfassung

Dies ist eine Azure-Lösung, mit der sich der Unsicherheitsfaktor bei Versandvorhersagen für Organisationen reduzieren lässt, die basierend auf zukünftigen Mengen planen müssen. Auf dieser Seite wird erläutert, welche Aufgaben die Lösung erledigt und wie Sie in Ihrem Azure-Abonnement eine Instanz der Lösung installieren, die Sie ausführen und anpassen können.

Azure-Lösungen im Cortana Intelligence-Katalog bestehen aus Komponenten für Datenerfassung, Datenspeicherung, Planung und erweiterte Analysen – also allen grundlegenden Elementen für die Ausführung einer Lösung für die Nachfragevorhersage, die sich in Ihre aktuellen Produktionssysteme integrieren lässt. Diese Lösung kombiniert verschiedene Azure-Dienste. Azure SQL Server wird zum Speichern von Vorhersagen und Verlaufsdaten der Distribution verwendet, der AML-Webdienst (Azure Machine Learning) hostet den R-Vorhersagecode, und der gesamte Workflow wird in Azure Data Factory orchestriert und in Power BI visualisiert.

Verwenden Sie die Schaltfläche „Bereitstellen“ auf dieser Seite, um eine Instanz der Lösung in einem von Ihnen angegebenen Azure-Abonnement bereitzustellen. Damit werden Sie in Ihrem Abonnement durch die erforderlichen Schritte geleitet, um die Ressourcen, aus denen diese Lösung besteht, zu erstellen und zu starten, sodass Sie die Lösung ausführen können. Die Lösung umfasst mehrere Azure-Dienste (siehe unten) sowie Azure-Funktionen, die u.a. Daten simulieren und die Datenbank damit auffüllen, sodass Sie unmittelbar nach der Bereitstellung über eine funktionsfähige End-to-End-Lösung verfügen.

Beschreibung

Geschätzte tägliche Kosten: $4.66

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. Für einen Hersteller oder eine Versicherung wäre es von Interesse zu wissen, wie viele Produkte im Lauf des Jahres aufgrund von Fehlern zurückgegeben werden. 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.

Allen Vorhersagefällen sind die folgenden Merkmale gemein:

  • Es gibt viele verschiedene Arten von Artikeln mit unterschiedlichen Mengen, die sich in einer oder mehreren Kategorieebenen zusammenfassen lassen.
  • Es gibt Verlaufsinformationen für die Menge jedes Artikels zu jedem Zeitpunkt in der Vergangenheit. Die Mengen der Artikel unterscheiden sich erheblich, und eine nicht unwesentliche Anzahl von Artikeln weist möglicherweise zuweilen keine Menge auf.
  • Der Verlauf von Artikeln zeigt sowohl Trends als auch Saisonabhängigkeiten, möglicherweise mit verschiedenen Zeitskalen. Bei den zugesicherten bzw. zurückgegebenen Mengen ist der Preis kein sehr wichtiges Kriterium. Anders gesagt: Ein Zustellunternehmen kann die Mengen durch kurzfristige Preisänderungen nicht wesentlich beeinflussen. Es gibt aber möglicherweise andere Faktoren, die sich auf die Mengen auswirken, wie z.B. das Wetter.

Unter diesen Bedingungen können wir von der Hierarchie profitieren, die sich unter den Zeitreihen der verschiedenen Artikel gebildet hat. Wir erzwingen Konsistenz, sodass die Mengen weiter unten in der Hierarchie (z.B. Mengen für einzelne Produkte) zu den Mengen weiter oben in der Hierarchie (Gesamtproduktmengen pro Kunde) addiert werden. So verbessern wir die Genauigkeit der Vorhersage insgesamt. Dasselbe gilt, wenn einzelne Artikel in Kategorien gruppiert werden, möglicherweise sogar in sich überschneidende Kategorien. Für ein Unternehmen könnte z.B. die Nachfragevorhersage für alle Produkte insgesamt oder gefiltert nach Standort, nach Produktkategorie, nach Kunde usw. interessant sein.

Diese Lösung berechnet Vorhersagen auf allen Aggregierungsebenen in der Hierarchie für jede angegebene Zeitspanne. Aus Gründen der Vereinfachung bezeichnen wir hier sowohl hierarchische als auch gruppierte Zeitreihen als „hierarchische Zeitreihen“.

Vorhersage für Versand und Distribution im Einsatz

Wir bedanken uns bei Kotahi für die gemeinsame Erarbeitung dieser Lösung. Kotahi ist ein Fracht- und Logistikunternehmen, das Frachtcontainer für neuseeländische Exporte plant, beschafft und bereitstellt. In der Kundenerfolgsgeschichte erfahren Sie, wie das Unternehmen mit Microsoft und DXC Eclipse, einem Microsoft Dynamics 2016 Inner Circle-Partner, zusammengearbeitet hat, um diese Lösung produktionsreif zu machen. Mit der Lösung ließ sich die Vorhersagegenauigkeit erhöhen, sodass das Unternehmen jetzt besser in der Lage ist, Containerschiffe mit der richtigen Tonnage zur richtigen Zeit auszuwählen und diese an die richtigen Häfen zu senden.

Funktionsweise

Die Lösung verwendet fünf Arten von Ressourcen, die in Azure gehostet und verwaltet werden:

  • Azure SQL Server-Instanz (Azure SQL) zur permanenten Speicherung
  • AML-Webdienst (Azure Machine Learning) zum Hosten des R-Vorhersagecodes
  • Azure Blob Storage zur Zwischenspeicherung der generierten Vorhersagen
  • Azure Data Factory (ADF) zum Orchestrieren regelmäßiger Ausführungen des AML-Modells
  • Power BI-Dashboard zum Anzeigen detaillierter Informationen zu den Vorhersagen
  • Die Lösung automatisiert die Ausführung von regelmäßigen Vorhersagen in Intervallen, die in ADF konfiguriert werden (z.B. monatlich), wo sie durch ein Modell mit den aktuellen Verlaufsdaten trainiert wird und für zukünftige Zeiträume Mengen für alle Produkte in der Produkthierarchie prognostiziert. Jeder Vorhersagezyklus umfasst einen Roundtrip von der Datenbank zum Modell und wieder zurück in die Datenbank. Jeder Zyklus misst die Vorhersagegenauigkeit mithilfe konventioneller Holdoutverfahren, bei denen eine Teilmenge der Daten zum Testen zurückgehalten wird. Sie können die Anzahl der Zeiträume, die Produktkategorien und die Hierarchie der Produkte konfigurieren. Sie müssen Ihre aktuellen Daten in die Azure SQL-Datenbank laden und nach jeder Ausführung Vorhersagen aus der gleichen Datenbank extrahieren. Die Lösung legt das R-Codemodell offen, damit Sie weitere Anpassungen vornehmen und Verlaufsdaten simulieren können, um die Lösung zu testen.

    Verwenden der Vorhersagelösung: Erste Schritte

    Die vollständige Anleitung zum Verwenden dieser Lösung als Beispiel für die Möglichkeiten, die die Cortana Intelligence Suite bietet, finden Sie im Technical Solution Guide (Leitfaden für die technische Lösung). Wenn Sie technische Probleme oder Fragen zum Bereitstellen dieser Lösung haben, verfassen Sie einen entsprechenden Eintrag auf der Registerkarte „Issues“ des Repositorys.

    Lösungsdashboard

    Hier finden Sie ein Beispiel für eine Momentaufnahme der von der Lösung generierten Vorhersagen, gezeigt im Power BI-Dashboard, das im Lieferumfang der Lösung enthalten ist.

    Power BI-Momentaufnahme

    Preisinformationen

    In dem für die Bereitstellung verwendeten Azure-Abonnement fallen Gebühren für die in dieser Lösung verwendeten Dienste an, ca. $4.66/Tag. Weitere Informationen finden Sie im Preisrechner.

    Hinweis: Wenn Sie die bereitgestellte Lösung nicht mehr verwenden, denken Sie daran, sie zu löschen, damit Ihnen keine weiteren Kosten entstehen.

    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.

    Prognose av etterspørsel for frakt og distribusjonLøsningen for prognose av etterspørsel for frakt og distribusjon bruker historiske etterspørselsdata for å gi en prognose over forespørsel i fremtidige perioder på tvers av forskjellige kunder, produkter og destinasjoner. Et frakt- eller leveranseselskap ønsker for eksempel en prognose over mengdene av de forskjellige produktene kundene vil ha levert til forskjellige lokasjoner i fremtiden. Et selskap kan bruke disse prognosene som informasjon i et allokeringsverktøy som optimerer operasjoner, slik som ruteplanlegging for leveransekjøretøy eller langsiktig kapasitetsplanlegging.

    Zugehörige Lösungsarchitekturen

    Previsione della domandaLa previsione accurata dei picchi della domanda di prodotti e servizi può offrire a un'azienda un vantaggio competitivo. Questa soluzione è incentrata sulla previsione della domanda nel settore energetico.

    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.

    Previsione della domanda e ottimizzazione dei prezziLa determinazione dei prezzi è riconosciuta come un fattore determinante del successo in molti settori e può essere una delle attività più complesse. Spesso le azienda faticano a districarsi con i diversi aspetti del processo di determinazione dei prezzi, ad esempio prevedere in modo accurato l'impatto finanziario delle potenziali strategie, valutare attentamente in vincoli del core business e convalidare correttamente le decisioni prese in merito ai prezzi. L'espansione delle offerte dei prodotti aggiungono ulteriori requisiti di calcolo ai fini del processo decisionale sui prezzi in tempo reale, aumentando la difficoltà di questa attività già estremamente complessa.

    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.