Omitir navegación

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.

Descripción

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

Tiempo de aprovisionamiento estimado: 25 minutos

Información general

Prever con exactitud los picos de demanda de productos y servicios puede suponer una ventaja competitiva para una compañía. Cuanto mejor es la previsión, más pueden escalar conforme aumenta la demanda y menor es el riesgo de mantener un inventario innecesario. Algunos casos de uso son la predicción de la demanda de un producto en una tienda minorista o en línea, la previsión de visitas a un hospital y la anticipación del consumo energético.

Esta solución se centra en la previsión de la demanda en el sector energético. Almacenar energía no es rentable; por tanto, los servicios públicos y los generadores eléctricos necesitan prever el consumo energético para poder equilibrar el suministro con la demanda de un modo eficiente. Durante las horas de mayor consumo, un suministro insuficiente puede dar lugar a cortes de luz. Por el contrario, un exceso de suministro puede suponer un derroche de recursos. Las técnicas avanzadas de previsión de la demanda detallan la demanda por horas e indican las horas de mayor consumo de un día determinado, lo que permite a los proveedores optimizar el proceso de generación de energía. Esta solución que utiliza Cortana Intelligence permite a las compañías energéticas introducir rápidamente tecnología de previsión muy eficaz en su negocio.

Detalles

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 básicos para crear una solución de previsión de la demanda de energía.

Esta solución combina varios servicios de Azure para proporcionar grandes ventajas. Event Hubs recopila datos de consumo en tiempo real. Stream Analytics agrega los datos de streaming y los pone a disposición para visualizarlos. Azure SQL almacena y transforma los datos de consumo. Machine Learning implementa y ejecuta el modelo de previsión. PowerBI visualiza el consumo energético en tiempo real y los resultados de la previsión. 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, disponga de una solución integral en funcionamiento. Los datos de ejemplo de esta solución se simulan a partir de datos disponibles públicamente en NYISO.

Detalles técnicos y flujo de trabajo

  1. Los datos de ejemplo se transmiten mediante streaming a través de Azure WebJobs.
  2. Estos datos sintéticos se envían a los servicios Azure Event Hubs y Azure SQL como eventos o puntos de datos que se usarán en el resto del flujo de la solución.
  3. Azure Stream Analytics analiza los datos para proporcionar análisis casi en tiempo real del flujo de entrada procedente del centro de eventos y los publica directamente en PowerBI para visualizarlos.
  4. El servicio Azure Machine Learning se usa para prever la demanda energética de una región concreta según los datos de entrada recibidos.
  5. Azure SQL Database se usa para almacenar los resultados de predicción recibidos del servicio Azure Machine Learning. Estos resultados los consume después el panel de Power BI.
  6. Azure Data Factory controla la orquestación y programación del reciclaje de los modelos cada hora.
  7. Finalmente, se usa Power BI para visualizar los resultados, de modo que los usuarios puedan supervisar el consumo energético de una región en tiempo real y usar la previsión de la demanda para optimizar el proceso de generación o distribución de energía.

Información sobre precios

La suscripción de Azure que utilice para la implementación incurrirá en cargos por el consumo de los servicios que utilice la solución. Para obtener información detallada de precios, visite la página de precios de Azure.

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 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.

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.

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.