Idee per le soluzioni
Questo articolo è un'idea di soluzione. Per espandere il contenuto con altre informazioni, ad esempio potenziali casi d'uso, servizi alternativi, considerazioni sull'implementazione o indicazioni sui prezzi, inviare commenti e suggerimenti su GitHub.
Questa soluzione prevede la domanda futura dei clienti e ottimizza i prezzi per ottimizzare la redditività usando Big Data e i servizi di analisi avanzata di Microsoft Azure.
Architettura
Scaricare un file di Visio di questa architettura.
Flusso di dati
La piattaforma microsoft per intelligenza artificiale offre strumenti di analisi avanzati, ad esempio l'inserimento dei dati, l'archiviazione, l'elaborazione e i componenti di analisi avanzata. Questi strumenti sono gli elementi essenziali per la creazione di una soluzione di previsione della domanda e ottimizzazione dei prezzi.
- Azure Data Lake (o Archiviazione BLOB di Azure) archivia i dati di vendita non elaborati settimanali.
- Apache Spark per Azure HDInsight inserisce i dati ed esegue la pre-elaborazione dei dati, la modellazione delle previsioni e gli algoritmi di ottimizzazione dei prezzi.
- Azure Data Factory esegue l'orchestrazione e pianifica l'intero flusso di dati.
Componenti
- Azure Data Lake Archiviazione archivia i dati di vendita non elaborati settimanali, letti da Spark in HDInsight. In alternativa, usare Archiviazione BLOB di Azure.
- Spark in HDInsight inserisce i dati ed esegue la pre-elaborazione dei dati, la modellazione delle previsioni e gli algoritmi di ottimizzazione dei prezzi.
- Data Factory gestisce l'orchestrazione e la pianificazione del training del modello.
- Power BI consente di visualizzare i risultati. Monitorare i risultati delle vendite e prevedere la domanda futura e i prezzi ottimali consigliati.
Dettagli dello scenario
La determinazione dei prezzi è essenziale per molti settori, ma può essere una delle attività più complesse. Le aziende spesso faticano a prevedere accuratamente l'impatto fiscale delle potenziali tattiche, considerare completamente i vincoli aziendali principali e convalidare abbastanza le decisioni sui prezzi dopo che sono state prese. Con la continua espansione delle offerte di prodotti, che complica i calcoli relativi alle decisioni in tempo reale sulla determinazione dei prezzi, il processo risulta sempre più difficile.
Questa soluzione contribuisce a risolvere tali problemi usando i dati cronologici relativi alle transazioni per il training di un modello di previsione della domanda in un contesto di vendita al dettaglio. Incorpora anche la determinazione dei prezzi in un gruppo in competizione, in modo da prevedere la cannibalizzazione e altri impatti tra prodotti. Un algoritmo di ottimizzazione dei prezzi usa quindi tale modello per la previsione della domanda rispetto a diverse fasce di prezzo e include nel calcolo i vincoli aziendali per massimizzare il profitto potenziale.
Il processo descritto in precedenza può essere operativo e distribuito nella piattaforma di intelligenza artificiale Microsoft.
Potenziali casi d'uso
Con questa soluzione è possibile inserire dati cronologici sulle transazioni, prevedere la domanda futura e ottimizzare regolarmente i prezzi, risparmiando così tempo e impegno per le attività di determinazione dei prezzi.
Passaggi successivi
Vedere la documentazione del prodotto:
- Altre informazioni su Data Lake Store
- Introduzione a HDInsight con un cluster Spark con R Server
- Altre informazioni su Data Factory
- Altre informazioni su Power BI
Collegamenti esterni sulla previsione:
- Previsione della domanda e ottimizzazione dei prezzi nella raccolta di intelligenza artificiale di Azure
Risorse correlate
Vedere gli articoli correlati al Centro architetture di Azure: