Oplossingsideeën
Dit artikel is een oplossingsidee. Als u wilt dat we de inhoud uitbreiden met meer informatie, zoals mogelijke use cases, alternatieve services, implementatieoverwegingen of prijsrichtlijnen, laat het ons dan weten door GitHub-feedback te geven.
Bijna elk bedrijf moet de toekomst voorspellen om betere beslissingen te nemen en resources effectiever toe te wijzen. Dit artikel bevat een architectuur voor een end-to-end implementatie van vraagprognoses in Azure.
Architectuur
Een Visio-bestand van deze architectuur downloaden.
Gegevensstroom
Het Microsoft AI Platform biedt geavanceerde analysehulpprogramma's via Microsoft Azure: gegevensopname, gegevensopslag, gegevensverwerking en geavanceerde analyseonderdelen. Deze hulpprogramma's omvatten alle essentiële elementen voor het bouwen van een oplossing voor vraagprognoses voor energie.
Deze oplossing combineert verschillende Azure-services om bruikbare voorspellingen te bieden:
- Event Hubs verzamelt realtime verbruiksgegevens.
- Stream Analytics voegt de streaminggegevens samen en maakt deze beschikbaar voor visualisatie.
- Azure SQL Database slaat de verbruiksgegevens op en transformeert deze.
- Het prognosemodel wordt geïmplementeerd en uitgevoerd met Machine Learning.
- Power BI visualiseert het realtime energieverbruik en de prognoseresultaten.
- Ten slotte organiseert en plant Data Factory de hele gegevensstroom.
Onderdelen
Belangrijke technologieën die worden gebruikt om deze architectuur te implementeren:
- Azure Event Hubs: Eenvoudige, veilige en schaalbare realtime gegevensopname
- Azure Stream Analytics: serverloze realtime analyses bieden, van de cloud naar de rand
- Azure SQL Database: uw intelligente SQL beheren in de cloud
- Azure Machine Learning: Predictive Analytics-oplossingen bouwen, implementeren en beheren
- Power BI: realiseer de waarde van uw gegevens en breng de inzichten die zijn gedetecteerd in Azure-hulpprogramma's voor gegevens en analyses naar de organisatie.
Scenariodetails
Dit oplossingsidee biedt een architectuur voor het voorspellen van de vraag. Het nauwkeurig voorspellen van pieken in de vraag naar producten en services kan bijvoorbeeld een bedrijf een concurrentievoordeel geven. Hoe nauwkeurig de prognose is, hoe beter ze kunnen schalen wanneer de vraag toeneemt en hoe minder risico ze lopen om onnodige voorraad te moeten opslaan. Use cases omvatten de prognose van de vraag voor een product in een detailhandel/online winkel, de prognose van ziekenhuisbezoeken en het voorspellen van energieverbruik.
Potentiële gebruikscases
De volgende scenario's zijn manieren waarop een organisatie vraagprognoses kan gebruiken:
- Voorraadplanning voor detailhandel
- Netwerkcapaciteitsplanning (telecommunicatie)
- Personeelsplanning
- Verhoogde klanttevredenheid
Volgende stappen
- Documentatie voor Azure Machine Learning
- Training: Aan de slag met Azure Stream Analytics
- Welkom bij Azure Stream Analytics