Prognózování poptávky pro expedici a distribuci

Azure Blob Storage
Azure Data Factory
Power BI
Azure Stream Analytics
Azure Event Hubs

Nápady na řešení

Tento článek je myšlenkou řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět tím, že nám poskytnete zpětnou vazbu k GitHubu.

Tato myšlenka řešení využívá historická data poptávky k prognózování poptávky v budoucích obdobích napříč různými zákazníky, produkty a cíli.

Architektura

Architecture diagram showing the flow of sample data to Power BI: demand forecasting for shipping and distribution.

Stáhněte si soubor aplikace Visio s touto architekturou.

Tok dat

Příklad řešení prognózování poptávky pro expedici a distribuci podobné řešení popsané v tomto článku najdete v galerii Azure AI. Mezi obecné charakteristiky řešení prognózování poptávky, jako je ta navržená zde, patří:

  • Existuje mnoho druhů položek s různými objemy, které se shrnují do jedné nebo více úrovní kategorií.
  • Pro množství položky je k dispozici historie v každém okamžiku v minulosti.
  • Objemy položek se značně liší, pravděpodobně s velkým počtem, které mají v čase nulový svazek.
  • Historie položek ukazuje trend i sezonnost, možná na několika časových osách.
  • Množství potvrzená nebo vrácená nejsou silně cenově citlivá. Jinými slovy, dodací společnost nemůže výrazně ovlivnit množství krátkodobými změnami cen, i když mohou existovat další determinanty, které ovlivňují objem, například počasí.

Za těchto podmínek můžete využít hierarchii vytvořenou mezi časovými řadami různých položek. Vynucením konzistence tak, aby se množství nižší v hierarchii (například množství jednotlivých produktů) sčítá na výše uvedená množství (celkový počet produktů zákazníků), můžete zlepšit přesnost celkové prognózy. Stejná myšlenka platí, pokud jsou jednotlivé položky seskupené do kategorií, i pro kategorie, které se překrývají. Můžete mít například zájem o prognózování poptávky po všech produktech celkem, podle umístění, podle kategorie produktů nebo podle zákazníka.

Řešení galerie AI vypočítá prognózy na všech úrovních agregace v hierarchii pro každé zadané časové období. Nezapomeňte, že nasazení vašich řešení pro prognózování poptávky budou účtovat poplatky za spotřebu používaných služeb. K predikci nákladů použijte cenovou kalkulačku. Pokud už nasazené řešení nepoužíváte, odstraňte ho, abyste přestali účtovat poplatky.

Komponenty

Tento nápad řešení prognózování poptávky používá následující prostředky hostované a spravované v Azure:

Podrobnosti scénáře

Toto řešení používá historická data poptávky k prognózování poptávky napříč zákazníky, produkty a cíli. Jedním z příkladů použití pro toto řešení je, když chce přepravní nebo dodací společnost předpovědět množství různých produktů, které chtějí zákazníci dodávat v různých místech a v budoucích časech. Společnost může jako vstup do nástroje pro přidělování používat prognózy poptávky. Nástroj pro přidělování pak může optimalizovat operace, jako je směrování dodávek vozidel a plánování kapacity v dlouhodobém horizontu. Související příklad je v případě, že dodavatel nebo poskytovatel chce znát počet produktů, které budou vráceny z důvodu selhání.

Potenciální případy použití

Proces prognózování poptávky popsaný v tomto řešení je možné zprovoznit a nasadit na platformě Microsoft AI. Platforma Microsoft AI nabízí pokročilé analytické nástroje pro příjem dat, úložiště dat, plánování a pokročilou analýzu. Tyto nástroje jsou všechny základní nástroje pro provozování řešení prognózování poptávky, které je možné integrovat s vašimi aktuálními produkčními systémy.

Toto řešení je optimalizované pro maloobchodní a výrobní odvětví.

Další kroky

Viz dokumentace k produktu:

Projdeme si tyto možnosti:

Přečtěte si související články o Centru architektury Azure: