Prognozowanie popytu

Precyzyjne przewidywanie skoków zapotrzebowania na produkty i usługi może dać firmie przewagę konkurencyjną. To rozwiązanie koncentruje się na przewidywaniu popytu w sektorze energetycznym.

Opis

Uwaga: Jeśli masz już wdrożone to rozwiązanie, kliknij tutaj, aby wyświetlić to wdrożenie.

Szacowany czas aprowizacji: 25 minut

Przegląd

Precyzyjne przewidywanie skoków zapotrzebowania na produkty i usługi może dać firmie przewagę konkurencyjną. Im lepsze jest prognozowanie, tym lepiej można przygotować się na wzrost popytu i mniejsze jest ryzyko pozostania z niepotrzebnymi zapasami. Przypadki użycia obejmują przewidywanie popytu dla produktu w sklepie detalicznym/online, przewidywanie wizyt w szpitalu i przewidywanie zużycia energii.

To rozwiązanie koncentruje się na przewidywaniu popytu w sektorze energetycznym. Przechowywanie energii jest nieekonomiczne, dlatego dostawcy i producenci energii muszą przewidywać przyszłe jej zużycie, aby mogli efektywnie wyważać popyt i podaż. W godzinach wzrostu zapotrzebowania zbyt mała podaż może prowadzić do przerw w dostawie energii. W sytuacji odwrotnej zbyt duża podaż może prowadzić do marnowania zasobów. Zaawansowane techniki prognozowania popytu potrafią przewidywać zapotrzebowanie dla poszczególnych godzin i godzin szczytu w konkretnym dniu, pozwalając dostawcom energii na optymalizowanie procesu generowania energii. To rozwiązanie korzystające z pakietu Cortana Intelligence pozwala firmom energetycznym szybko wdrażać w prowadzonej działalności zaawansowaną technologię prognozowania.

Szczegóły

Pakiet Cortana Intelligence oferuje za pośrednictwem platformy Microsoft Azure zaawansowane narzędzia analityczne do pozyskiwania, magazynowania i przetwarzania danych oraz zaawansowane składniki analizy, czyli wszystko, co jest potrzebne, aby utworzyć rozwiązanie do prognozowania zapotrzebowania na energię.

To rozwiązanie łączy kilka usług platformy Azure, aby zaoferować olbrzymie korzyści. Usługa Event Hubs gromadzi dane o zużyciu w czasie rzeczywistym. Usługa Stream Analytics gromadzi dane przesyłane strumieniowo i udostępnia je do wizualizacji. Usługa SQL Azure przechowuje i przekształca dane o zużyciu. Usługa Machine Learning implementuje i wykonuje model prognozowania. Usługa PowerBI wizualizuje zużycie energii w czasie rzeczywistym, a także wyniki prognozy. Na koniec usługa Data Factory organizuje i planuje cały przepływ danych.

Przycisk „Deploy” (Wdróż) uruchomi przepływ pracy, który wdroży wystąpienie tego rozwiązania w grupie zasobów we wskazanej subskrypcji platformy Azure. Rozwiązanie obejmuje wiele usług platformy Azure (opisanych poniżej) wraz z zadaniem Web Job symulującym dane, dzięki czemu bezpośrednio po wdrożeniu uzyskuje się kompleksowe, działające rozwiązanie. Przykładowe dane dla tego przykładu są symulowane na podstawie publicznie dostępnych danych operatora NYISO.

Szczegóły techniczne i przepływ pracy

  1. Przykładowe dane są przesyłane strumieniowo przez nowo wdrożone zadania Azure Web Jobs.
  2. Te syntetyczne dane trafiają do usług Azure Event Hubs i SQL Azure jako punkty danych lub zdarzenia, które będą stosowane w pozostałej części przepływu rozwiązania.
  3. Usługa Azure Stream Analytics analizuje dane, aby udostępnić analizę niemalże w czasie rzeczywistym strumienia danych wejściowych z centrum zdarzeń i bezpośrednio publikować wyniki w usłudze PowerBI w celu wizualizacji.
  4. Usługa Azure Machine Learning służy do prognozowania zapotrzebowania na energię w konkretnym regionie na podstawie otrzymanych danych wejściowych.
  5. Usługa Azure SQL Database służy do przechowywania wyników przewidywania otrzymanych z usługi Azure Machine Learning. Te wyniki są następnie używane na pulpicie nawigacyjnym usługi Power BI.
  6. Usługa Azure Data Factory obsługuje aranżację i planowanie ponownego szkolenia modelu godzinowego.
  7. Na koniec usługa Power BI jest używana do wizualizacji wyników, dzięki czemu użytkownicy mogą monitorować zużycie energii w regionie w czasie rzeczywistym i optymalizować na podstawie prognozy popytu proces generowania lub dystrybuowania energii.

Informacje o cenach

Dla Twojej subskrypcji platformy Azure używanej we wdrożeniu będą naliczane opłaty za użycie usług wykorzystanych w tym rozwiązaniu. Szczegółowe informacje o cenach znajdziesz na stronie z cennikiem platformy Azure.

Zrzeczenie odpowiedzialności

© 2017 Microsoft Corporation. Wszelkie prawa zastrzeżone. Te informacje są udostępniane w stanie „jak są” i mogą ulec zmianie bez powiadomienia. Firma Microsoft nie udziela żadnych gwarancji, jawnych ani dorozumianych, w związku z informacjami przedstawionymi tutaj. Do wygenerowania rozwiązania wykorzystano dane innej firmy. Na Tobie spoczywa odpowiedzialność za przestrzeganie praw innych, w tym za uzyskanie odpowiednich licencji i postępowanie zgodnie z nimi przy tworzeniu podobnych zbiorów danych.

Powiązane architektury rozwiązań

Prognozowanie popytu i optymalizacja cen

Ceny są postrzegane jako decydujący wyznacznik sukcesu w wielu branżach, w związku z czym ustalanie cen może być jednym z najtrudniejszych zadań. Firmy mają często problemy z wieloma aspektami procesu ustalania cen, takimi jak precyzyjne prognozowanie finansowego wpływu potencjalnych taktyk, racjonalna ocena podstawowych ograniczeń biznesowych i właściwa weryfikacja wprowadzonych w życie decyzji cenowych. Rozszerzenie oferty produktów oznacza kolejne wymagania w zakresie środowiska obliczeniowego, których spełnienie jest konieczne, aby móc podejmować decyzje cenowe w czasie rzeczywistym, co dodatkowo komplikuje to trudne zadanie.

Prognozowanie popytu na potrzeby spedycji i dystrybucji

Rozwiązanie Demand Forecasting for Shipping and Distribution (Prognozowanie popytu na potrzeby spedycji i dystrybucji) wykorzystuje historyczne dane popytu do prognozowania popytu w przyszłych okresach z podziałem na klientów, produkty i miejsca przeznaczenia. Na przykład firma specycyjna lub transportowa może za jego pomocą oszacować ilości różnych produktów zamawianych przez klientów w przyszłości, które trzeba będzie dostarczyć do różnych lokalizacji. Firma może przekazać uzyskane prognozy do narzędzia sterującego obciążeniem zasobów, które optymalizuje operacje, na przykład planując trasy dostaw. Można ich też użyć do długoterminowego planowania mocy przerobowych.

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

Spersonalizowane oferty

W dzisiejszym wysoce konkurencyjnym i połączonym środowisku firmy nie mogą już używać ogólnej statycznej zawartości online. Ponadto strategie marketingowe oparte na tradycyjnych narzędziach są często kosztowne i trudne w zaimplementowaniu oraz nie zapewniają oczekiwanego zwrotu z inwestycji. Takie systemy często nie wykorzystują w pełni możliwości zebranych danych do utworzenia bardziej spersonalizowanego środowiska dla użytkownika.