Skip Navigation

Demand Forecasting and Price Optimization

Pricing is recognized as a pivotal determinant of success in many industries and can be one of the most challenging tasks. Companies often struggle with several aspects of the pricing process, including accurately forecasting the financial impact of potential tactics, taking reasonable consideration of core business constraints, and fairly validating the executed pricing decisions. Expanding product offerings add further computational requirements to make real-time pricing decisions, compounding the difficulty of this already overwhelming task.

This solution addresses the challenges raised above by utilizing historical transaction data to train a demand forecasting model. Pricing of products in a competing group is also incorporated to predict cross-product impacts such as cannibalization. A price optimization algorithm then employs the model to forecast demand at various candidate price points and takes into account business constraints to maximize profit. The solution can be customized to analyze various pricing scenarios as long as the general data science approach remains similar.

The process described above is operationalized and deployed in the Cortana Intelligence Suite. This solution will enable companies to ingest historical transaction data, predict future demand, and obtain optimal pricing recommendations on a regular basis. As a result, the solution drives opportunities for improved profitability and reductions in time and effort allocated to pricing tasks.

Прогнозирование спроса и оптимизация ценЦенообразование является решающим фактором успеха во многих отраслях и может быть одной из самых сложных задач. Компании часто сталкиваются со сложностями в некоторых аспектах процесса ценообразования, включая точное прогнозирование финансового воздействия потенциальной тактики, разумное рассмотрение основных бизнес-ограничений и объективную оценку принятых решений о ценообразовании. Расширение ассортимента продуктов требует дополнительных ресурсов вычисления для принятия решений о ценообразовании в режиме реального времени, что осложняет и так не легкую задачу.

Disclaimer

©2017 Microsoft Corporation. All rights reserved. This information is provided "as-is" and may change without notice. Microsoft makes no warranties, express or implied, with respect to the information provided here. Third party data was used to generate the Solution. You are responsible for respecting the rights of others, including procuring and complying with relevant licenses in order to create similar datasets.

Прогнозирование спроса и оптимизация ценЦенообразование является решающим фактором успеха во многих отраслях и может быть одной из самых сложных задач. Компании часто сталкиваются со сложностями в некоторых аспектах процесса ценообразования, включая точное прогнозирование финансового воздействия потенциальной тактики, разумное рассмотрение основных бизнес-ограничений и объективную оценку принятых решений о ценообразовании. Расширение ассортимента продуктов требует дополнительных ресурсов вычисления для принятия решений о ценообразовании в режиме реального времени, что осложняет и так не легкую задачу.

Related solution architectures

Прогнозирование спроса для распределения и доставкиВ решении прогнозирования спроса для распределения и доставки используются хронологические данные спроса для прогнозирования спроса в последующие периоды среди различных категорий клиентов, продуктов и конечных пунктов сбыта. Например, организация по доставке хочет с помощью прогноза рассчитать количество ряда продуктов, которое будет доставлено клиентам в различные пункты сбыта в будущем. Компания по доставке может использовать эти прогнозы как входные данные для инструмента распределения, оптимизирующего операции, например маршрут транспортных средств доставки, или для планирования объемов в долгосрочной перспективе.

Demand Forecasting for Shipping and Distribution

The Demand Forecasting for Shipping and Distribution Solution uses historical demand data to forecast demand in future periods across varios customers, products and destinations. For instance, a shipping or delivery company wants to predict the quantities of the different products its customers want delivered at different locations at future times. A company can use these forecasts as input to an allocation tool that optimizes operations, such as delivery vehicles routing, or to plan capacity in the longer term.