Gezintiyi Atla

Talep Tahmini ve Fiyat Optimizasyonu

Fiyatlandırma, çoğu sektörde başarı açısından önemli bir belirleyici olarak görülür ve en zorlu görevlerden biri olabilir. Şirketler genellikle fiyatlandırma sürecinin olası taktiklerin finansal etkisini doğru bir biçimde tahmin etme, merkezi iş kısıtlamalarını mantıklı bir şekilde dikkate alma ve yürütülen fiyatlandırma kararlarını adil bir biçimde doğrulama gibi çeşitli boyutlarıyla ilgili zorluk yaşıyor. Ürün yelpazesinin genişlemesi, gerçek zamanlı fiyatlandırma kararları almak için işlem gereksinimlerini daha da artırarak zaten zor olan bu görevin daha da çetrefilli olmasına yol açar.

Bu çözüm, yukarıda ele alınan sorunları çözmek için geçmiş işlem verilerini kullanarak bir talep tahmin modeli eğitir. Ayrıca, pazar çakışması gibi ürünler arası etkilerin tahmin edilmesi için rakip gruptaki ürünlerin fiyatlandırması da dikkate alınır. Daha sonra, modeli kullanan bir fiyat iyileştirme algoritması, çeşitli aday fiyat noktalarında talebi tahmin eder ve kar oranını en üst düzeye çıkarmak için iş kısıtlamalarını dikkate alır. Genel veri bilimi yaklaşımı benzer kaldığı sürece çözüm çeşitli fiyatlandırma senaryolarının analiz edileceği şekilde özelleştirilebilir.

Yukarıda açıklanan işlem, Cortana Intelligence Suite’te çalışır hale getirilip dağıtılır. Bu çözüm, şirketlerin geçmiş işlem verilerini almasına, geleceğe dönük talep tahmini yapmasına ve düzenli olarak en uygun fiyatlandırma önerileri edinmesine imkan tanır. Sonuç olarak, bu çözüm karlılığın artmasının yanı sıra fiyatlandırma görevlerine harcanan zaman ve çabanın azalmasına yönelik fırsatları artırır.

Açıklama

Not: Bu çözümü zaten dağıttıysanız dağıtımınızı görüntülemek için buraya tıklayın.

Bu eğitimli SI iş ortaklarından birinin, bu çözümün kavram kanıtı, dağıtımı ve tümleştirmesinde size yardımcı olmasına izin vererek zamandan kazanın.

Tahmini Sağlama Süresi: 1 Saat

Cortana Intelligence Suite, Microsoft Azure aracılığıyla gelişmiş analiz araçları sağlar. Veri alımı, veri depolama, veri işleme ve gelişmiş analiz bileşenleriyle talep tahmini ve fiyat optimizasyonu için gerekli tüm öğelere sahiptir.

Bu çözüm, güçlü avantajlar oluşturmak için birden fazla Azure hizmetini bir araya getirir. Azure Blob Depolama, haftalık ham satış verilerini depolar. Azure HDInsight için Apache Spark, verileri alır ve sonra veri ön işleme, tahmin modelleme ve fiyat iyileştirme algoritmalarını yürütür. Son olarak da Data Factory tüm veri akışını düzenler ve zamanlar.

“Dağıt” düğmesi, belirttiğiniz Azure aboneliğindeki bir kaynak grubunda, çözümün bir örneğini dağıtan bir iş akışı başlatır. Çözüm, birden fazla Azure hizmetinin (aşağıda açıklanmıştır) yanı sıra, dağıtımdan hemen sonra uçtan uca işlem hattından verilerin aktığını görebilmeniz için veri simülasyonu gerçekleştiren bir web işi içerir.

Dağıtım sonrası yönergeler ve teknik uygulama hakkında daha ayrıntılı bilgi için lütfen buradaki yönergelere bakın.

Teknik ayrıntılar ve iş akışı

  1. Saatlik olarak yeni dağıtılan Azure Web İşleri tarafından simülasyon verileri oluşturulur.
  2. Bu yapay veriler, çözümün akışının geri kalanında kullanılacak olan Azure Blob Depolama’da saklanır.
  3. Ham verilerin alınması ve ön işleme tabi tutulması, talep tahmin modellerinin oluşturulup yeniden eğitilmesi ve fiyat optimizasyonu algoritmalarının yürütülmesi için HDInsight’ta Spark kullanılır.
  4. Tüm veri akışını Azure Data Factory düzenler ve zamanlar.
  5. Son olarak, kullanıcıların satış sonuçlarını, tahmini gelecek talebi ve farklı mağazalarda satılan çeşitli ürünler için önerilen en uygun fiyatları izleyebilmesi için PowerBI kullanılarak sonuçlar görselleştirilir.

Bildirim

© 2017 Microsoft Corporation. Tüm hakları saklıdır. Buradaki bilgiler “olduğu gibi” sağlanmıştır ve bildirim yapılmaksızın değiştirilebilir. Microsoft, işbu bilgilerle ilgili açık veya zımni herhangi bir garanti vermez. Çözüm oluşturulurken üçüncü taraf verileri kullanılmıştır. Benzer veri kümeleri oluşturmak için ilgili lisansları edinmek ve bunlara uymak dahil olmak üzere başkalarının haklarına saygılı olma sorumluluğu sizindir.

İlgili çözüm mimarileri

Talep Tahminleri

Ürün ve hizmetlere olan talepte ani artışları gerçekçi bir şekilde tahmin etmek şirketlere rekabet avantajı sağlayabilir. Bu çözümde enerji sektöründe talep tahminlerine odaklanılmıştır.

Nakliye ve Dağıtım için Talep Tahmini

Nakliye ve Dağıtım için Talep Tahmini Çözümü, geçmiş talep verilerini kullanarak çeşitli müşteriler, ürünler ve hedefler için gelecek dönemlere ait talebi tahmin eder. Örneğin, bir taşımacılık veya teslimat şirketi, müşterilerinin gelecekte farklı konumlarda teslim edilmesini istediği çeşitli ürünlerin miktarlarını tahmin etmek isteyebilir. Bu tahminler, şirketler tarafından teslimat araçlarının rotasını belirleme veya uzun vadeli kapasite planlaması gibi işlemleri iyileştiren bir ayırma aracı için giriş olarak kullanılabilir.

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

Kişiselleştirilmiş Teklifler

Günümüzün son derece rekabetçi ve bağlı ortamında, modern işletmeler artık genel, statik çevrimiçi içerikle hayatta kalamaz. Üstelik, geleneksel araçları kullanan pazarlama stratejileri genellikle pahalıdır, zor uygulanır ve istenen yatırım getirisini sağlamaz. Bu sistemler genellikle kullanıcı için daha kişiselleştirilmiş bir deneyim oluşturmak amacıyla toplanan verilerden en iyi şekilde yararlanamaz.