Megoldási ötletek
Ez a cikk egy megoldási ötlet. Ha azt szeretné, hogy további információkkal bővítsük a tartalmat, például a lehetséges használati eseteket, alternatív szolgáltatásokat, megvalósítási szempontokat vagy díjszabási útmutatást, a GitHub visszajelzésével tudassa velünk.
Ez a megoldás előrejelzi a jövőbeli ügyféligényt, és optimalizálja a díjszabást a jövedelmezőség maximalizálása érdekében a Microsoft Azure big data és speciális elemzési szolgáltatásainak használatával.
Felépítés
Töltse le az architektúra Visio-fájlját.
Adatfolyam
A Microsoft AI platform fejlett elemzési eszközöket biztosít, például adatbetöltést, tárolást, feldolgozást és speciális elemzési összetevőket. Ezek az eszközök a kereslet-előrejelzési és ároptimalizálási megoldások létrehozásának alapvető elemei.
- Az Azure Data Lake (vagy az Azure Blob Storage) tárolja a heti nyers értékesítési adatokat.
- Az Azure HDInsighthoz készült Apache Spark betölti az adatokat, és végrehajtja az adatok előfeldolgozását, az előrejelzési modellezést és az ároptimalizálási algoritmusokat.
- Az Azure Data Factory végzi a teljes adatfolyamat összehangolását és ütemezését.
Összetevők
- Az Azure Data Lake Storage tárolja a heti nyers értékesítési adatokat, amelyeket a Spark olvas be a HDInsighton. Alternatív megoldásként használja az Azure Blob Storage-t.
- A Spark on HDInsight betölti az adatokat, és végrehajtja az adatok előfeldolgozását, az előrejelzési modellezést és az ároptimalizálási algoritmusokat.
- A Data Factory kezeli a modell újratanításának vezénylését és ütemezését.
- A Power BI lehetővé teszi az eredmények vizualizációját; figyeli az értékesítések eredményeit, az előrejelzett jövőbeli keresletet és az ajánlott optimális árakat.
Forgatókönyv részletei
Az árképzés számos iparágban kulcsfontosságú elem, ám ezzel együtt az egyik legnagyobb kihívást is jelentheti. A vállalatok gyakran küzdenek a lehetséges taktikák pénzügyi hatásainak pontos előrejelzésével, az alapvető üzleti korlátozások teljes körű figyelembe vitelével és a díjszabási döntések méltányos érvényesítéséval, miután megtörténtek. A termékskála bővülésével a valós idejű árképzési döntéseket megalapozó számítások is bonyolultabbá válnak, így a teljes folyamat egyre összetettebb lesz.
Ez a megoldás ezekre a kihívásokra kínál hatékony választ azzal, hogy tranzakciós előzményadatokat használ fel kereskedelmi környezetben alkalmazható igény-előrejelzési modell betanításához. A megoldás a versenytársak termékeinek árképzését is beépíti, így képes előrejelezni a kannibalizációt és másféle termékek közötti hatásokat is. A modell használatával egy ároptimalizálási algoritmus jelzi előre a különböző árszintekhez kapcsolódó kereslet-előrejelzéseket, az elérhető profit maximalizálása érdekében figyelembe véve az üzleti korlátozásokat is.
A fent leírt folyamat üzembe helyezhető és üzembe helyezhető a Microsoft AI-platformon.
Lehetséges használati esetek
Ezzel a megoldással betöltheti az előzménytranzakciós adatokat, előrejelezheti a jövőbeli igényeket, és rendszeresen optimalizálhatja a díjszabást, így megtakaríthatja a díjszabási feladatokra fordított időt és energiát.
További lépések
Tekintse meg a termék dokumentációját:
- További információ a Data Lake Store-ról
- A HDInsight használatának első lépései Spark-fürt és R Server használatával
- További információ a Data Factoryről
- További információ a Power BI-ról
Külső hivatkozások az előrejelzésről:
- Kereslet-előrejelzés és ároptimalizálás az Azure AI-galériában
Kapcsolódó erőforrások
Lásd a kapcsolódó Azure Architecture Center-cikkeket: