略過導覽

需求預測和價格最佳化

價格在許多行業中視為成功的重要決定因素,而且是最具挑戰性的工作之一。業者經常面臨數個價格流程方面的困難,它們包括精準預測可能手段的財務影響、合理考量核心業務的約制,以及公平驗證已執行的價格決議。擴大產品種類會進一步增加實時報價決策的運算需求,使這項本就困難的工作更加複雜。

此解決方案使用歷史交易資料來定型需求預測模型,解決前文所述的這些問題。產品價格也併入競爭群組中,藉此預測各部分及其他跨產品的影響。價格最佳化演算法隨後會運用模型預測各種價格點的需求,並計入商業限制將利益最大化。只要一般資料科學方法保持近似,您可自訂解決方案來分析各種價格情境。

Cortana Intelligence Suite 操作並部署了前文所述的程序。此解決方案能讓業者定期內嵌歷史交易資料、預測未來需求,並取得最佳的價格建議。最後,此解決方案就有機會提高獲利,並降低花在價格工作的時間精力。

說明

注意:若您已部署了此解決方案,按一下這裡即可檢視部署。

讓其中一個受過訓練的 SI 合作夥伴協助您進行此解決方案的概念證明、部署與整合,以節省時間。

預估佈建時間:1 小時

Cortana Intelligence Suite 透過 Microsoft Azure 提供了多項進階分析工具,包含資料擷取、資料儲存體、資料處理及進階分析元件等等,這些都是建置需求預測和價格最佳化解決方案的必要項目。

這項解決方案結合了多項 Azure 服務以建立強大的優勢。Azure Blob 儲存體儲存每週的原始銷售資料。Apache Spark for Azure HDInsight 會內嵌資料,並會執行資料前置處理、預測模型及價格最佳化演算法。最後,Data Factory 可協調並排程整個資料流程。

[部署] 按鈕會啟動工作流程,在您指定的 Azure 訂用帳戶資源群組中,部署解決方案的執行個體。解決方案包含多項 Azure 服務 (如下所述) 以及模擬資料的 Web 工作,使您在部署後立即可以看到資料流經端對端管線。

如需部署後的指示及技術實作的詳細資料,請參閱這裡的指示

技術詳細資料及工作流程

  1. 新部署的 Azure Web 作業會每小時產生模擬資料。
  2. 此綜合資料儲存在 Azure Blob 儲存體,會用在其餘的解決方案流程。
  3. Spark on HDInsight 是用於內嵌和前置處理原始資料、建置與重新定型需求預測模型,以及執行價格最佳化演算法。
  4. Azure Data Factory 可協調並排程整個資料流程。
  5. 最後,結果視覺效果使用 Power BI,以便使用者監視銷售結果、預測未來需求以及建議不同店面販售之各類商品的最佳價格。

免責聲明

© 2017 Microsoft Corporation.著作權所有,並保留一切權利。這項資訊依照「現況」提供,且可能變更而不另行通知。Microsoft 對於此處提供的資訊不提供任何明示或默示的擔保。產生此解決方案的過程中使用了協力廠商的資料。您必須尊重他人的權利,包括取得及遵從相關授權以建立相似的資料集。

相關解決方案架構

需求預測

精準預測產品及服務需求的峰值,可為公司帶來競爭優勢。這項解決方案的焦點在於能源部門中的需求預測。

出貨與配送的需求預測

出貨與配送的需求預測解決方案使用歷程記錄需求資料,來預測不同客戶、產品和目的地在未來期間的需求。例如,貨運或運送公司想要預測其客戶在未來時間要運送到不同位置的不同產品數量。公司可以使用這些預測輸入到配置工具來將作業 (例如貨車路線) 最佳化,或進行長期容量規劃。

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

個人化的供應項目

在現今極為競爭又彼此相連的環境中,現代企業若只有一般、靜態的線上內容,是無法存活的。而且,使用工具的行銷策略往往昂貴、難以實行,又無法產出預期的投資報酬率。這些系統大多無法完整利用收集到的資料,為使用者建立個人化程度更高的體驗。