편집

트랜잭션 기록 데이터를 사용한 대화형 가격 분석

Azure Data Factory
Azure Machine Learning
Excel
Azure Blob Storage
Azure SQL Database

가격 분석 솔루션은 트랜잭션 기록 데이터를 활용하여 제품에 대한 수요가 제공하는 가격에 어떻게 반응하는지 보여 줍니다.

아키텍처

Screenshot showing interactive price analytics.

이 아키텍처의 Visio 파일을 다운로드합니다.

데이터 흐름

  1. Azure Machine Learning을 사용하면 가격 책정 모델을 빌드할 수 있습니다.
  2. Azure Blob Storage는 모델 및 생성된 모든 중간 데이터를 저장합니다.
  3. Azure SQL Database는 트랜잭션 기록 데이터 및 생성된 모든 모델 예측을 저장합니다.
  4. Azure Data Factory는 주기적으로(예: 매주) 모델 새로 고침을 예약하는 데 사용됩니다.
  5. Power BI를 사용하면 결과를 시각화할 수 있습니다.
  6. Excel 스프레드시트는 예측 웹 서비스를 사용합니다.

구성 요소

솔루션 세부 정보

가격 분석 솔루션은 트랜잭션 기록 데이터를 활용하여 제품에 대한 수요가 제공하는 가격에 어떻게 반응하는지 보여 줍니다. 가격 변경을 권장하고 가격 변경이 수요에 미치는 영향을 세분화하여 시뮬레이션할 수 있습니다.

솔루션은 다음을 확인할 수 있는 대시보드를 제공합니다.

  • 최적의 가격 책정 권장 사항.
  • 항목-사이트-채널-세그먼트 수준의 항목 탄력성.
  • 자기잠식효과(cannibalization)와 같은 관련 제품 영향의 추정치.
  • 주어진 현재 프로세스에 대한 예측.
  • 모델 성능 메트릭.

Excel에서 가격 책정 모델과 직접 상호 작용하여 다음을 수행할 수 있습니다.

  • 여기에 판매 데이터를 붙여넣고 먼저 데이터를 솔루션 데이터베이스에 통합할 필요 없이 가격을 분석합니다.
  • 프로모션을 시뮬레이션하고 수요 곡선을 표시합니다(가격에 대한 수요 반응 표시).
  • 숫자 형식의 대시보드 데이터로 작업합니다.

다양한 기능은 Excel에만 국한되지 않습니다. 이는 사용자 또는 사용자의 구현 파트너가 비즈니스 애플리케이션에서 직접 호출할 수 있는 웹 서비스에 의해 구동되며 가격 분석을 비즈니스 애플리케이션에 통합합니다.

잠재적인 사용 사례

이 아키텍처는 가격 책정 권장 사항, 추정 및 예측을 제공하는 소매 산업에 이상적입니다.

솔루션 설명

엄격한 가격 분석 워크플로의 핵심에는 가격 탄력성 모델링과 최적의 가격 책정 권장 사항이 있습니다. 최첨단 모델링 접근 방식은 과거 데이터에서 모델링 가격 민감도의 두 가지 최악의 함정인 교란 요인과 데이터 희박도를 완화합니다.

교란 요인은 수요에 영향을 미치는 가격 이외 요인의 존재입니다. 탄력성을 추정하기 전에 가격 및 수요 변동의 예측 가능한 구성 요소를 빼는 "이중 ML" 접근 방식을 사용합니다. 이 접근 방식은 대부분의 교란 형태에 대해 추정치를 면역화합니다. 구현 파트너가 가격 이외의 잠재적인 외부 수요 동인을 캡처하는 데이터를 사용하도록 솔루션을 사용자 지정할 수도 있습니다. 블로그 게시물은 가격의 데이터 과학에 대한 자세한 세부 정보를 제공합니다.

데이터 희박도는 최적의 가격이 미세하게 달라지기 때문에 발생합니다. 기업은 항목, 사이트, 판매 채널, 심지어 고객 세그먼트별로 가격을 설정할 수 있습니다. 그러나 트랜잭션 기록에는 각 특정 상황에 대한 몇 가지 판매만 포함될 수 있기 때문에 가격 책정 솔루션은 제품 범주 수준에서만 추정치를 제공하는 경우가 많습니다. 가격 책정 솔루션은 "계층 구조 정규화"를 사용하여 데이터가 부족한 상황에서 일관된 추정치를 생성합니다. 증거가 없는 경우 모델은 동일한 범주의 다른 항목, 다른 사이트의 동일한 항목 등에서 정보를 차용합니다. 주어진 항목-사이트-채널 조합에 대한 과거 데이터의 양이 증가함에 따라 탄력성 추정치가 보다 구체적으로 미세 조정됩니다.

이 가격 분석 솔루션 아이디어는 트랜잭션 기록 데이터의 탄력성 추정치를 기반으로 제품에 대한 가격 책정 모델을 개발하는 방법을 보여 줍니다. 이 솔루션은 맞춤형 가격 분석 모델에 대한 광범위한 데이터 과학 지원이 부족한 소규모 가격 책정 팀이 있는 중견 기업을 대상으로 합니다.

가격 책정 모델과의 상호 작용은 먼저 데이터를 솔루션 데이터베이스에 통합할 필요 없이 판매 데이터를 쉽게 붙여넣고 가격을 분석할 수 있는 Excel을 통해 이루어집니다. 스프레드시트에서 프로모션을 시뮬레이션하고 수요 곡선(가격에 대한 수요 반응 표시)을 표시하고 대시보드 데이터에 숫자 형식으로 액세스할 수 있습니다. 가격 책정 모델의 풍부한 기능은 가격 분석을 비즈니스 애플리케이션에 직접 통합하여 웹 서비스에서도 액세스할 수 있습니다.

Azure Machine Learning은 탄력성 모델이 만들어지는 이 솔루션의 핵심 논리입니다. 기계 학습 모델은 과거 데이터에서 가격 모델링의 두 가지 일반적인 함정인 교란 효과와 데이터 희박도를 피하기 위해 설정할 수 있습니다.

솔루션에서 제공하는 이점은 다음과 같습니다.

  • 대시보드를 통해 제품 수요의 탄력성을 한눈에 볼 수 있습니다.
  • 항목 카탈로그의 모든 제품에 대한 가격 책정 권장 사항을 제공합니다.
  • 관련 제품(교체 및 보완 제품)을 검색합니다.
  • Excel에서 홍보 시나리오를 시뮬레이션할 수 있습니다.

고려 사항

고려 사항은 워크로드의 품질을 향상시키는 데 사용할 수 있는 가이드 원칙 세트인 Azure Well-Architected Framework의 핵심 요소를 구현합니다. 자세한 내용은 Microsoft Azure Well-Architected Framework를 참조하세요.

비용 최적화

비용 최적화는 불필요한 비용을 줄이고 운영 효율성을 높이는 방법을 찾는 것입니다. 자세한 내용은 비용 최적화 핵심 요소 개요를 참조하세요.

현재 추정치를 계산하려면 Azure 가격 책정 계산기를 사용합니다. 예상 솔루션에는 다음 서비스 비용이 포함되어야 합니다.

  • S1 표준 ML 서비스 요금제
  • S2 SQL Database
  • 앱 호스팅 계획
  • 기타 ADF 데이터 작업 및 스토리지 비용

솔루션을 탐색하는 중이라면 며칠 또는 몇 시간 내에 삭제할 수 있습니다. Azure 구성 요소를 삭제하면 비용 청구가 중지됩니다.

시나리오 배포

이 솔루션 아키텍처의 구현인 AI 갤러리 솔루션은 기술 리소스와 최종 사용자(예: 가격 책정 관리자)라는 두 가지 주요 역할을 가지고 있습니다.

기술 리소스는 솔루션을 배포하고 이를 비즈니스 데이터 웨어하우스에 연결합니다. 자세한 내용은 기술 가이드를 참조하세요. 스프레드시트(또는 비즈니스 애플리케이션에 통합)를 통해 모델을 사용하는 최종 사용자는 사용자 가이드를 읽어야 합니다.

시작

오른쪽에 있는 단추를 사용하여 솔루션을 배포합니다. 배포 종료 시 지침에는 중요한 구성 정보가 포함됩니다. 열어 둡니다.

솔루션은 오른쪽의 Try-It-Now 단추 뒤에 있는 오렌지 주스 가격의 동일한 예제 데이터 세트와 함께 배포됩니다.

솔루션이 배포되는 동안 다음을 테스트하고 검토하여 먼저 시작할 수 있습니다.

  • Try-It-Now 대시보드.
  • 가격 책정 분석가의 관점에서 사용 지침을 보려면 사용자 가이드를 참조하세요(MSFT 로그인 필요).
  • 기술 구현 보기에 대한 기술 배포 가이드를 검토하세요(MSFT 로그인 필요).
  • 대화형 Excel 워크시트를 다운로드합니다.

솔루션이 배포된 후 첫 번째 연습을 완료합니다(MSFT 로그인 필요).

솔루션 대시보드

솔루션 대시보드에서 가장 실행 가능한 부분은 가격 책정 제안 탭입니다. 어떤 항목이 가격이 낮거나 비싼지 알려줍니다. 이 탭은 각 항목에 대한 최적의 가격과 제안 채택의 예상되는 영향을 제안합니다. 제안은 증분 총 마진을 얻을 수 있는 가장 큰 기회에 따라 우선 순위가 지정됩니다.

이 가격 분석 솔루션 아이디어의 구현은 AI 갤러리 솔루션 및 GitHub 재현에 설명되어 있습니다. AI 갤러리 솔루션은 트랜잭션 기록 데이터를 사용하여 제품에 대한 수요가 제공하는 가격에 어떻게 반응하는지 보여주고 가격 변경을 권장하며 가격 변경이 수요에 미치는 영향을 세밀하게 시뮬레이션할 수 있도록 합니다. 이 솔루션은 최적의 가격 책정 권장 사항, 항목-사이트-채널-세그먼트 수준의 항목 탄력성, "자기잠식효과(cannibalization)"와 같은 관련 제품 영향의 추정치, 주어진 현재 프로세스에 대한 예측 및 모델 성능 메트릭을 확인할 수 있는 대시보드를 제공합니다.

솔루션 아키텍처

솔루션은 Azure SQL Database 인스턴스를 사용하여 트랜잭션 데이터 및 생성된 모델 예측을 저장합니다. Python 핵심 라이브러리를 사용하여 Azure ML에서 작성된 12개의 탄력성 모델링 핵심 서비스가 있습니다. Azure Data Factory는 매주 모델 새로 고침을 예약합니다. Power BI 대시보드에 결과가 표시됩니다. 제공된 Excel 스프레드시트는 예측 웹 서비스를 사용합니다.

사용자 고유의 데이터 연결 및 사용자 지정(GitHub 로그인 필요) 토픽을 포함하여 아키텍처에 대한 자세한 내용은 기술 배포 가이드를 참조하세요.

다음 단계

구성 요소 기술에 대해 자세히 알아보세요.

가격 책정 솔루션에 대한 자세한 정보:

관련 아키텍처 살펴보기: