Efterfrågeprognosticering

Nästan alla företag behöver förutsäga framtiden för att fatta bättre beslut och allokera resurser mer effektivt. Den här artikeln innehåller en arkitektur för en implementering av efterfrågeprognoser från slutpunkt till slutpunkt i Azure.

Arkitektur

Ladda ned en Visio-fil med den här arkitekturen.

Dataflöde

Microsoft AI Platform tillhandahåller avancerade analysverktyg via Microsoft Azure – datainmatning, datalagring, databearbetning och avancerade analyskomponenter. Dessa verktyg omfattar alla viktiga element för att skapa en lösning för efterfrågeprognoser för energi.

Den här lösningen kombinerar flera Azure-tjänster för att tillhandahålla användbara förutsägelser:

1. Event Hubs samlar in förbrukningsdata i realtid.
2. Stream Analytics sammanställer strömmande data och gör dem tillgängliga för visualisering.
3. Azure SQL Database lagrar och transformerar förbrukningsdata.
4. Machine Learning implementerar och kör prognostiseringsmodellen.
5. Power BI visualiserar energiförbrukningen i realtid och prognosresultaten.
6. Slutligen samordnar och schemalägger Data Factory hela dataflödet.

Komponenter

Viktiga tekniker som används för att implementera den här arkitekturen:

• Azure Event Hubs: Enkel, säker och skalbar datainmatning i realtid
• Azure Stream Analytics: Tillhandahålla serverlös realtidsanalys, från molnet till gränsen
• Azure SQL Database: Hantera din intelligenta SQL i molnet
• Azure Machine Learning: Skapa, distribuera och hantera lösningar för förutsägelseanalys
• Power BI: Realisera värdet på dina data och föra insikterna som identifieras i Azures data- och analysverktyg till organisationen.

Information om scenario

Den här lösningsidén tillhandahåller en arkitektur för prognostisering av efterfrågan. Korrekt prognostisering av toppar i efterfrågan på produkter och tjänster kan till exempel ge ett företag en konkurrensfördel. Bättre prognoser innebär bättre skalning när efterfrågan ökar. Det innebär även mindre risker med att spara tillgångar som inte är nödvändiga. Förutse efterfrågan av en produkt i en affär eller en nätbutik, skapa prognoser för sjukhusbesök eller förutse energikonsumtion.

Potentiella användningsfall

Följande scenarier är hur en organisation kan använda efterfrågeprognoser:

• Inventeringsplanering för detaljhandeln
• Planering av nätverkskapacitet (telekommunikation)
• Personalplanering
• Ökad kundnöjdhet

Nästa steg

• Dokumentation om Azure Machine Learning
• Utbildning: Kom igång med Azure Stream Analytics
• Välkommen till Azure Stream Analytics

Relaterade resurser

• Använda en modell för efterfrågeprognoser för prisoptimering
• Efterfrågeprognoser för leverans och distribution
• Design av analysarkitektur
• Välj en realtidsanalys och teknik för strömningsbearbetning i Azure