Nápady na řešení
Tento článek popisuje myšlenku řešení. Váš cloudový architekt může pomocí těchto pokynů vizualizovat hlavní komponenty pro typickou implementaci této architektury. Tento článek slouží jako výchozí bod k návrhu dobře navrženého řešení, které odpovídá konkrétním požadavkům vaší úlohy.
Toto řešení předpovídá budoucí poptávku zákazníků a optimalizuje ceny za účelem maximalizace ziskovosti pomocí služeb pro velké objemy dat a pokročilé analýzy z Microsoft Azure.
Architektura
Stáhněte si soubor aplikace Visio s touto architekturou.
Tok dat
Platforma Microsoft AI poskytuje pokročilé analytické nástroje, jako je příjem dat, úložiště, zpracování a pokročilé analytické komponenty. Tyto nástroje jsou základními prvky pro vytváření prognózování poptávky a řešení pro optimalizaci cen.
- Azure Data Lake (nebo Azure Blob Storage) ukládá týdenní nezpracovaná prodejní data.
- Apache Spark pro Azure HDInsight ingestuje data a spouští předběžné zpracování dat, prognózování modelování a algoritmy optimalizace cen.
- Azure Data Factory orchestruje a plánuje kompletní tok dat.
Komponenty
- Azure Data Lake Storage ukládá týdenní nezpracovaná prodejní data, která čtou Spark ve službě HDInsight. Jako alternativu použijte Azure Blob Storage.
- Spark ve službě HDInsight ingestuje data a provádí předběžné zpracování dat, prognózování modelování a algoritmy pro optimalizaci cen.
- Data Factory zpracovává orchestraci a plánování opětovného trénování modelu.
- Power BI umožňuje vizualizaci výsledků, monitorovat výsledky prodeje a předpovědět budoucí poptávku a doporučené optimální ceny.
Podrobnosti scénáře
Nastavení cen je pro řadu odvětví zcela klíčové, ale může to být jeden z nejtěžších úkolů. Společnosti se často snaží přesně předpovídat fiskální dopad potenciálních taktik, plně zvažují základní obchodní omezení a po provedení rozhodnutí o cenách poměrně ověřují. S tím, jak se nabídky produktů rozšiřují a komplikují výpočty stojící za rozhodováním o cenách v reálném čase, je tento proces čím dál složitější.
Toto řešení se zaměřuje na tyto výzvy tím, že pomocí historických dat o transakcích trénuje model prognózy poptávky v kontextu maloobchodu. Bere v úvahu také ceny produktů v konkurenční skupině a předvídá uvádění podobných produktů a další dopady na vztahy mezi produkty. Algoritmus pro optimalizaci cen následně pomocí tohoto modelu předpovídá poptávku na různých cenových bodech s ohledem na obchodní omezení pro maximalizaci potenciálního zisku.
Výše popsaný proces je možné zprovoznit a nasadit na platformě Microsoft AI.
Potenciální případy použití
Díky tomuto řešení můžete ingestovat historická data transakcí, předpovídat budoucí poptávku a pravidelně optimalizovat ceny, což vám ušetří čas a úsilí, které byste strávili na cenových úlohách.
Další kroky
Viz dokumentace k produktu:
- Další informace o Data Lake Store
- Začínáme se službou HDInsight s využitím clusteru Spark s R Serverem
- Další informace o službě Data Factory
- Další informace o Power BI
Externí odkazy týkající se prognózování:
- Prognózování poptávky a optimalizace cen v galerii Azure AI
Související prostředky
Projděte si související články o Centru architektury Azure: