Lösungsmöglichkeiten
Dieser Artikel ist ein Lösungsvorschlag. Wenn Sie möchten, dass wir diesen Artikel um weitere Informationen ergänzen, z. B. potenzielle Anwendungsfälle, alternative Dienste, Überlegungen zur Implementierung oder Preisempfehlungen, lassen Sie es uns über Feedback auf GitHub wissen.
Nahezu jedes Unternehmen muss die Zukunft vorhersagen, um bessere Entscheidungen zu treffen und Ressourcen effektiver zuzuordnen. Dieser Artikel enthält eine Architektur für eine End-to-End-Implementierung zum Vorhersagen der Nachfrage in Azure.
Aufbau
Laden Sie eine Visio-Datei dieser Architektur herunter.
Datenfluss
Die Microsoft-KI-Plattform bietet über Microsoft Azure erweiterte Analysetools wie Datenerfassung, Datenspeicherung, Datenverarbeitung und erweiterte Analysekomponenten. Zu diesen Tools gehören alle wesentlichen Elemente für die Erstellung einer Prognoselösung für Energiebedarf.
Diese Lösung kombiniert mehrere Azure-Dienste, um handlungsrelevante Vorhersagen zu liefern:
- Event Hubs erfasst Verbrauchsdaten in Echtzeit.
- Stream Analytics aggregiert die Streamingdaten und stellt sie zur Visualisierung zur Verfügung.
- Azure SQL-Datenbank speichert und transformiert die Verbrauchsdaten.
- Machine Learning implementiert das Vorhersagemodell und führt es aus.
- Power BI visualisiert den Energieverbrauch in Echtzeit sowie die Vorhersageergebnisse.
- Zuletzt orchestriert und plant Data Factory den gesamten Datenfluss.
Komponenten
Die wichtigsten für die Implementierung dieser Architektur verwendeten Technologien sind:
- Azure Event Hubs: Einfache, sichere und skalierbare Datenerfassung in Echtzeit
- Azure Stream Analytics: Bereitstellen von serverlosen Echtzeitanalysen, von der Cloud bis zum Edge
- Azure SQL-Datenbank: Verwalten intelligenter SQL-Funktionen in der Cloud
- Azure Machine Learning: Erstellen, Bereitstellen und Verwalten von Predictive Analytics-Lösungen
- Power BI: Den Mehrwert Ihrer Daten erkennen und die mit den Analysetools aus Daten in Azure gewonnenen Erkenntnisse in die Organisation einbringen.
Szenariodetails
Diese Lösungsidee stellt eine Architektur für die Nachfrageprognose bereit. Die präzise Vorhersage von Nachfragespitzen für Produkte und Dienstleistungen kann einem Unternehmen beispielsweise einen Wettbewerbsvorteil verschaffen. Je besser die Prognose, desto mehr kann das Unternehmen bei steigender Nachfrage eine Skalierung vornehmen und desto geringer ist das Risiko des Vorhaltens nicht benötigter Bestände. Zu Anwendungsfällen zählen die Vorhersage der Nachfrage eines Produkts in einem Einzelhandelsgeschäft oder Onlineshop, von Krankenhausaufenthalten und des Stromverbrauchs.
Mögliche Anwendungsfälle
Die folgenden Szenarien sind Einsatzmöglichkeiten der Bedarfsprognose für Organisationen:
- Bestandsplanung für den Einzelhandel
- Planung der Netzwerkkapazität (Telekommunikation)
- Personalplanung
- Erhöhte Kundenzufriedenheit
Nächste Schritte
- Azure Machine Learning-Dokumentation
- Training: Erste Schritte mit Azure Stream Analytics
- Willkommen bei Azure Stream Analytics