Architektura rozwiązania: Prognozowanie zapotrzebowania i optymalizacja ceny na potrzeby marketingu

Określanie cen jest kluczowe w wielu branżach, ale może być jednym z najbardziej wymagających zadań. Firmy często mają problemy z dokładnym prognozowaniem wpływu budżetowego potencjalnej taktyki, pełnym rozważaniem podstawowych ograniczeń biznesowych i sprawiedliwym weryfikowaniem podjętych decyzji dotyczących cenników. Ponieważ oferty produktów są rozszerzane, a za decyzjami cenowymi podejmowanymi w czasie rzeczywistym stoją skomplikowane obliczenia, proces staje się coraz trudniejszy.

To rozwiązanie stawia czoła tym wyzwaniom dzięki możliwości korzystania z historycznych danych transakcji i pozwala na szkolenie modelu prognozowania popytu w kontekście handlu detalicznego. Uwzględnia ono również proces określania cen produktów w grupie konkurentów w celu przewidywania kanibalizacji i innych czynników mających wpływ na różne produkty. Następnie algorytm optymalizacji cen używa tego modelu do prognozowania popytu w różnych punktach cenowych i czynników związanych z ograniczeniami biznesowymi w celu maksymalizacji potencjalnych zysków.

Używając tego rozwiązania do pozyskiwania historycznych danych transakcji, przewidywania przyszłego popytu i regularnego optymalizowania cen, możesz zaoszczędzić czas i nakład pracy związany z tym procesem oraz zwiększyć zyskowność organizacji.

Wdrażanie na platformie Azure

Użyj poniższego wstępnie utworzonego szablonu, aby wdrożyć tę architekturę na platformie Azure

Wdrażanie na platformie Azure
Prognozowanie zapotrzebowania i optymalizacja ceny | Microsoft Azure Rysunek przedstawiający relację między pięcioma produktami i usługami reprezentowanymi przez ikony. Rysunek przedstawia dwie ikony w górnym rzędzie, dwie w środkowym rzędzie i jedną w dolnym rzędzie. W lewym górnym rogu znajduje się ikona usługi Azure Web Jobs, która generuje dane symulacji. Z prawej strony znajduje się połączona jednokierunkową strzałką usługa Azure Data Lake Store, w której rozwiązanie przechowuje te dane symulacji. Pod usługą Data Lake Store znajduje się połączone dwukierunkową strzałką rozwiązanie Spark w usłudze HDInsight, które pozyskuje dane i używa ich do szkolenia modeli i wykonywania algorytmów optymalizacji. Jeszcze niżej znajduje się połączona dwukierunkową strzałką usługa Data Factory, która aranżuje i planuje cały przepływ danych. Z prawej strony rozwiązania Spark w usłudze HDInsight znajduje się połączona jednokierunkową strzałką usługa Power BI, która wizualizuje dane w celu ich łatwego monitorowania. Data Factory: Move data, orchestrate, schedule and monitor Power BI Data Simulator Web Job Azure Data Lake Store Spark on HDInsight

Wytyczne dotyczące implementacji

Produkty Dokumentacja

Data Lake Store

Usługa Data Lake Store przechowuje tygodniowe pierwotne dane sprzedaży odczytywane przez rozwiązanie Spark w usłudze HDInsight.

Platforma Apache Spark dla usługi Azure HDInsight

Rozwiązanie Spark w usłudze HDInsight pozyskuje dane i przeprowadza ich wstępne przetwarzanie, modelowanie prognozowania i algorytmy optymalizacji ceny.

Data Factory

Usługa Data Factory obsługuje aranżację i planowanie ponownego szkolenia modelu.

Power BI

Usługa Power BI wizualizuje wyniki sprzedaży, przyszły przewidywany popyt oraz zalecane optymalne ceny dla różnych produktów sprzedawanych w różnych sklepach.

Powiązane architektury rozwiązań