Previsión de la demanda y optimización de precios

Los precios son un factor determinante del éxito de muchas industrias y su establecimiento puede ser una de las tareas más complejas. A menudo, las empresas deben afrontar varios aspectos del proceso de establecimiento de precios; entre ellos, una previsión exacta de las consecuencias financieras de posibles tácticas, una consideración razonable de las limitaciones de su actividad principal y una validación real de las decisiones sobre precios que se han puesto en marcha. La ampliación de las ofertas de productos supone más requisitos informáticos para tomar decisiones sobre precios en tiempo real, lo que agrava aún más la dificultad de esta tediosa tarea.

Esta solución resuelve estos desafíos porque utiliza datos de transacciones anteriores para entrenar un modelo de previsión de la demanda. También se han incorporado los precios de productos que forman parte de un grupo competitivo para predecir el efecto entre productos, como la canibalización. Después, un algoritmo de optimización de precios utiliza el modelo para predecir la demanda en varios puntos de precio posibles y tiene en cuenta las limitaciones del negocio para maximizar los beneficios. La solución se puede personalizar para analizar varias situaciones de precios, siempre que la estrategia general de ciencia de datos se mantenga similar.

Este proceso se implementa y se pone en práctica en Cortana Intelligence Suite. Esta solución permite a las empresas ingerir datos históricos de transacciones, predecir la demanda futura y obtener recomendaciones de precios óptimos de forma periódica. Como consecuencia, la solución genera nuevas oportunidades para mejorar la rentabilidad y reducir el tiempo y el esfuerzo invertidos en tareas de establecimiento de precios.

Descripción

Nota: Si ya ha implementado esta solución, haga clic aquí para ver la implementación.

Ahorre tiempo y deje que le ayude alguno de estos asociados expertos en integración de sistemas con una prueba de concepto, la implementación y la integración de esta solución.

Tiempo de aprovisionamiento estimado: 1 hora

Cortana Intelligence Suite proporciona herramientas de análisis avanzado a través de Microsoft Azure (ingesta, almacenamiento y procesamiento de datos y componentes de análisis avanzado), todos los elementos fundamentales para crear una solución de previsión de la demanda y optimización de los precios.

Esta solución combina varios servicios de Azure para proporcionar grandes ventajas. Azure Blob Storage almacena los datos sin procesar de las ventas semanales. Apache Spark para Azure HDInsight ingiere los datos y ejecuta algoritmos de preprocesamiento de datos, modelado de previsiones y optimización de precios. Finalmente, Data Factory organiza y programa todo el flujo de datos.

El botón “Implementar” inicia un flujo de trabajo que implementa una instancia de la solución en un grupo de recursos de la suscripción de Azure que especifique. La solución incluye varios servicios de Azure (se describen a continuación) junto con un trabajo web que simula datos para que, inmediatamente después de la implementación, pueda ver el flujo de datos a través de la canalización de un extremo a otro.

Para conocer los pasos posteriores a la implementación y obtener información más detallada sobre la implementación técnica, consulte las instrucciones que se proporcionan aquí.

Detalles técnicos y flujo de trabajo

  1. Los datos de la simulación se generan cada hora con nuevos trabajos de Azure Web Jobs.
  2. Estos datos sintéticos se almacenan en Azure Blob Storage, que se usa en el resto del flujo de la solución.
  3. Spark en HDInsight se usa para ingerir y preprocesar los datos sin procesar, crear y reentrenar los modelos de previsión de la demanda y ejecutar algoritmos de optimización de precios.
  4. Azure Data Factory organiza y programa todo el flujo de datos.
  5. Finalmente, se utiliza Power BI para visualizar los resultados, de modo que los usuarios pueden supervisar los resultados de las ventas, predecir la demanda futura y obtener precios óptimos recomendados para una gran variedad de productos vendidos en diferentes tiendas.

Declinación de responsabilidades

©2017 Microsoft Corporation. Todos los derechos reservados. Esta información se proporciona "tal cual" y puede cambiar sin previo aviso. Microsoft no ofrece ninguna garantía, ni expresa ni implícita, respecto a la información que aquí se proporciona. Para generar la solución, se utilizaron datos de terceros. Usted es responsable de respetar los derechos de otros, incluida la adquisición y el cumplimiento de las licencias correspondientes para crear conjuntos de datos similares.

Arquitecturas de soluciones relacionadas

Previsión de la demanda

Prever con exactitud los picos de demanda de productos y servicios puede suponer una ventaja competitiva para una compañía. Esta solución se centra en la previsión de la demanda en el sector energético.

Previsión de la demanda de envíos y distribución

La solución de previsión de la demanda de envíos y distribución utiliza datos históricos de la demanda con el fin de prever la demanda en períodos futuros para varios clientes, productos y destinos. Por ejemplo, una empresa de transportes o mensajería quiere predecir la cantidad de productos diferentes que sus clientes querrán entregar en diversas ubicaciones en momentos futuros. Una empresa puede usar estas previsiones como datos de entrada en una herramienta de asignaciones que optimice las operaciones, como elaborar rutas para los vehículos de distribución o planear la capacidad a largo plazo.

Personalized Offers 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

Ofertas personalizadas

En el entorno de hoy en día tan competitivo y conectado, las empresas modernas ya no pueden sobrevivir con contenido en línea genérico y estático. Además, las estrategias de marketing que usan herramientas tradicionales suelen ser caras, difíciles de implementar y no generan la rentabilidad de la inversión deseada. Estos sistemas no suelen sacar el máximo provecho a los datos recopilados para crear una experiencia de usuario más personalizada.