Navigation überspringen

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.

Beschreibung

Hinweis: Wenn Sie diese Lösung bereits bereitgestellt haben, klicken Sie hier, um sich Ihre Bereitstellung anzeigen zu lassen.

Geschätzte Bereitstellungszeit: 25 Minuten

Übersicht

Die genaue Vorhersage von Nachfragespitzen für Produkte und Dienste kann Unternehmen einen Wettbewerbsvorteil verschaffen. Mit zunehmender Genauigkeit der Vorhersage erhöht sich die Skalierbarkeit bei steigender Nachfrage. Des Weiteren sinkt das Risiko für überflüssige Lagerbestände. Zu Anwendungsfällen gehören beispielsweise die Nachfragevorhersage für ein Produkt in einem Einzelhandels- oder Onlinegeschäft sowie die Vorhersage von Krankenhausbesuchen oder des Energieverbrauchs.

Diese Lösung konzentriert sich auf die Nachfragevorhersage innerhalb des Energiesektors. Da die Speicherung von Energie nicht kosteneffizient ist, müssen Energieversorgungsunternehmen und Energieerzeuger die zukünftige Energienachfrage vorhersagen, um Angebot und Nachfrage in Einklang zu bringen. Falls bei Spitzenlasten der Bedarf nicht gedeckt werden kann, kann dies zu Stromausfällen führen. Umgekehrt kann es bei einem Überangebot zu einer Verschwendung von Ressourcen kommen. Moderne Techniken zur Nachfragevorhersage liefern genaue Informationen zum stündlichen Energiebedarf und zu Spitzenlasten an bestimmten Tagen, wodurch Energieversorger den Erzeugungsprozess optimieren können. Mit dieser Lösung, die auf Cortana Intelligence zurückgreift, können Energieversorgungsunternehmen in kurzer Zeit leistungsfähige Vorhersagetechnologien in ihr Geschäftsmodell integrieren.

Details

Die Cortana Intelligence Suite stellt moderne Analysetools über Microsoft Azure bereit. Die Datenerfassung, -speicherung und-verarbeitung sowie fortgeschrittene Analysekomponenten stellen dabei grundlegende Elemente zum Erstellen einer Nachfrageprognose für Energieversorgungslösungen dar.

Diese Lösung kombiniert mehrere Azure-Dienste, um optimierte Ergebnisse zu erzielen. Event Hubs erfasst Verbrauchsdaten in Echtzeit. Stream Analytics aggregiert Datenströme und stellt diese für die Visualisierung bereit. Azure SQL-Datenbank speichert und transformiert die Verbrauchsdaten. Machine Learning implementiert das Vorhersagemodell und führt dieses aus. Power BI visualisiert den Energieverbrauch in Echtzeit sowie die Vorhersageergebnisse, und Data Factory orchestriert und plant den gesamten Datenfluss.

Bei 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 über eine funktionsfähige End-to-End-Lösung verfügen. Die Beispieldaten für diese Lösung werden auf der Grundlage öffentlich verfügbarer NYISO-Daten (New York Independent System Operator; unabhängiger Netzbetreiber New Yorks) simuliert.

Technische Details und Workflow

  1. Die Beispieldaten werden von neu bereitgestellten Azure-Webaufträgen gestreamt.
  2. Diese synthetischen Daten werden als Datenpunkte oder -ereignisse an Azure Event Hubs und Microsoft Azure SQL-Datenbank gesendet und anschließend für den weiteren Lösungsworkflow verwendet.
  3. Azure Stream Analytics untersucht Daten, um für den Eingabestream des Event Hubs Analysen nahezu in Echtzeit zur Verfügung stellen zu können und diese Daten in Power BI zu veröffentlichen, damit diese visualisiert werden können.
  4. Mit dem Azure Machine Learning-Dienst lassen sich auf Grundlage der Eingabedaten Vorhersagen zum Energiebedarf einer bestimmten Region treffen.
  5. Der Dienst Azure SQL-Datenbank speichert die Vorhersageergebnisse, die dieser vom Azure Machine Learning-Dienst erhalten hat. Diese Ergebnisse werden dann im Dashboard von Power BI verwendet.
  6. Azure Data Factory kümmert sich um die Orchestrierung und zeitliche Planung des erneuten Trainierens eines Modells im Stundentakt.
  7. Power BI wird zur Visualisierung der Ergebnisse verwendet, damit Benutzer den Energieverbrauch einer bestimmten Region in Echtzeit überwachen und die Nachfragevorhersage verwenden können, um die Energieerzeugung oder -verteilung zu optimieren.

Preisinformationen

Für die mit dieser Lösung verwendeten Dienste fallen Kosten an, mit denen das Azure-Abonnement belastet wird, das Sie für die Bereitstellung verwenden. Informationen zu Preisen finden Sie auf der Azure-Preise-Seite.

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.

Zugehörige Lösungsarchitekturen

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.

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.

User ActionSimulation Personalized OfferLogic System ResponseQueue User ActionQueue Event Hub Stream Analytics Power BI Machine Learning Cold StartProduct Affinity User Document DB Product Offers Reference Product Views Offer Views Cache Update Logic Azure Services Raw Stream Data 1 2 3 5 4

Personalisierte Angebote

Moderne Unternehmen können in der heutigen wettbewerbsorientierten und verbundenen Umgebung mit generischen, statischen Onlineinhalten nicht mehr überleben. Marketingstrategien mit traditionellen Mitteln sind darüber hinaus oft teuer, aufwendig zu implementieren und führen nicht zu der erwünschten ROI. Diese Systeme nutzen häufig nicht alle gesammelten Daten, um eine persönlichere Benutzererfahrung zu erzeugen.