Previsione della domanda

La previsione accurata dei picchi della domanda di prodotti e servizi può offrire a un'azienda un vantaggio competitivo. Questa soluzione è incentrata sulla previsione della domanda nel settore energetico.

Descrizione

Nota: se hai già distribuito questa soluzione, fai clic qui per visualizzare la distribuzione.

Tempo stimato per il provisioning: 25 minuti

Panoramica

La previsione accurata dei picchi della domanda di prodotti e servizi può offrire a un'azienda un vantaggio competitivo. Migliore la previsione, maggiore sarà la scalabilità in caso di aumento della domanda e minore il rischio di conservazione di scorte superflue. I casi d'uso includono la previsione di domanda per un prodotto in un punto vendita/store online, la previsione di accessi agli ospedali e la previsione del consumo energetico.

Questa soluzione è incentrata sulla previsione della domanda nel settore energetico. L'immagazzinamento di energia non è economicamente conveniente, quindi le aziende di gestione e produzione di energia devono prevedere il consumo futuro di energia, in modo da potere bilanciare in modo efficace la fornitura e la domanda. Durante gli orari di picco una fornitura insufficiente può provocare interruzioni dell'elettricità. Una fornitura eccessiva, al contrario, può provocare uno spreco di risorse. Le tecniche avanzate per la previsione della domanda forniscono informazioni dettagliate sulla domanda oraria e sulle ore di picco per una giornata specifica, consentendo a un fornitore di energia di ottimizzare il processo di generazione dell'energia. Questa soluzione usa Cortana Intelligence e consente alle società del settore energetico di introdurre rapidamente una tecnologia di previsione avanzata nella propria attività.

Dettagli

Cortana Intelligence Suite offre strumenti di analisi avanzata tramite Microsoft Azure per l'inserimento di dati, l'archiviazione di dati, l'elaborazione di dati e le analisi avanzate, tutti elementi essenziali per la creazione di una previsione della domanda per una soluzione per la gestione energetica.

Questa soluzione combina diversi servizi di Azure per offrire vantaggi significativi. Hub eventi raccoglie i dati sul consumo in tempo reale. Analisi di flusso aggrega i dati in streaming e li rende disponibili per la visualizzazione. Azure SQL archivia e trasforma i dati sul consumo. Machine Learning implementa ed esegue il modello di previsione. Power BI visualizza il consumo di energia in tempo reale e i risultati della previsione. Data Factory esegue infine l'orchestrazione e pianifica l'intero flusso di dati.

Il pulsante 'Distribuisci' avvierà un flusso di lavoro che distribuirà un'istanza della soluzione in un gruppo di risorse della sottoscrizione di Azure specificata. La soluzione include più servizi di Azure, illustrati di seguito, oltre a un processo Web che simula i dati, in modo che immediatamente dopo la distribuzione sia disponibile una soluzione end-to-end funzionante. I dati di esempio di questa soluzione sono simulati in base a dati disponibili pubblicamente da NYISO.

Dettagli tecnici e flusso di lavoro

  1. Lo streaming dei dati di esempio viene eseguito da processi Web di Azure appena distribuiti.
  2. Questi dati sintetici vengono inseriti in Hub eventi di Azure e nel servizio Azure SQL come punti dati o eventi che verranno usati nel resto del flusso della soluzione.
  3. Analisi di flusso di Azure analizza i dati per offrire analisi in tempo quasi reale sul flusso di input dall'Hub eventi e consentire la pubblicazione diretta in Power BI per la visualizzazione.
  4. Il servizio Azure Machine Learning viene usato per creare previsioni sulla domanda energetica di un'area specifica sulla base degli input ricevuti.
  5. Il database SQL di Azure viene usato per archiviare i risultati delle previsioni ricevuti dal servizio Azure Machine Learning. Questi risultati vengono quindi utilizzati nel dashboard di Power BI.
  6. Azure Data Factory gestisce l'orchestrazione e la pianificazione della ripetizione del training del modello ogni ora.
  7. Power BI viene infine usato per la visualizzazione dei risultati, per permettere agli utenti di monitorare il consumo energetico per un'area in tempo reale e usare la previsione della domanda per ottimizzare la generazione di energia o il processo di distribuzione.

Informazioni sui prezzi

Alla sottoscrizione di Azure usata per la distribuzione verranno applicati addebiti per l'utilizzo dei servizi usati nella soluzione. Per dettagli relativi ai prezzi, vedi la pagina dei prezzi di Azure.

Dichiarazione di non responsabilità

©2017 Microsoft Corporation. Tutti i diritti sono riservati. Queste informazioni vengono fornite "così come sono" e sono soggette a modifiche senza preavviso. Microsoft non fornisce alcuna garanzia, espressa o implicita, in merito alle informazioni fornite qui. Per la generazione della soluzione sono stati usati dati di terze parti. La responsabilità per il rispetto dei diritti di altri, inclusi l'acquisizione e la conformità delle licenze rilevanti per la creazione di set di dati simili, è a tuo carico.

Architetture delle soluzioni correlate

Previsione della domanda e ottimizzazione dei prezzi

La determinazione dei prezzi è riconosciuta come un fattore determinante del successo in molti settori e può essere una delle attività più complesse. Spesso le azienda faticano a districarsi con i diversi aspetti del processo di determinazione dei prezzi, ad esempio prevedere in modo accurato l'impatto finanziario delle potenziali strategie, valutare attentamente in vincoli del core business e convalidare correttamente le decisioni prese in merito ai prezzi. L'espansione delle offerte dei prodotti aggiungono ulteriori requisiti di calcolo ai fini del processo decisionale sui prezzi in tempo reale, aumentando la difficoltà di questa attività già estremamente complessa.

Previsione della domanda per la spedizione e la distribuzione

La soluzione Previsione della domanda per la spedizione e la distribuzione usa i dati cronologici della domanda per prevedere la domanda in periodi futuri tra vari clienti, prodotti e destinazioni. Ad esempio, una società di spedizione o consegna vuole prevedere le quantità dei diversi prodotti che dovrà consegnare per conto dei propri clienti in diverse località in periodi futuri. Una società può usare queste previsioni come dati di input in uno strumento di allocazione che ottimizza le operazioni, ad esempio la definizione degli itinerari di consegna, oppure per pianificare la capacità nel lungo periodo.

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

Offerte personalizzate

Nell'ambiente altamente competitivo e connesso attuale i business moderni non possono più sopravvivere con contenuto online statico e generico. Le strategie di marketing che usano strumenti tradizionali sono inoltre spesso costose, difficili da implementare e non producono il ritorno sugli investimenti richiesto. Questi sistemi non riescono spesso a sfruttare completamente i vantaggi dei dati raccolti per creare un'esperienza più personalizzata per l'utente.