Ide solusi
Artikel ini adalah ide solusi. Jika Anda ingin kami memperluas konten dengan informasi lebih lanjut, seperti potensi kasus penggunaan, layanan alternatif, pertimbangan implementasi, atau panduan harga, beri tahu kami dengan memberikan umpan balik GitHub.
Hampir setiap bisnis perlu memprediksi masa depan untuk membuat keputusan yang lebih baik dan mengalokasikan sumber daya secara lebih efektif. Artikel ini menyediakan arsitektur untuk implementasi prakiraan permintaan end-to-end di Azure.
Arsitektur
Unduh file Visio arsitektur ini.
Aliran data
Platform Microsoft AI menyediakan alat analitik tingkat lanjut melalui Microsoft Azure - penyerapan data, penyimpanan data, pemrosesan data, dan komponen analitik tingkat lanjut. Alat-alat ini mencakup semua elemen penting untuk membangun solusi prakiraan-permintaan-untuk-energi.
Solusi ini menggabungkan beberapa layanan Azure untuk memberikan prediksi yang dapat ditindaklanjuti:
- Azure Event Hubs mengumpulkan data konsumsi secara real-time.
- Stream Analytics menggabungkan data streaming dan membuatnya tersedia untuk visualisasi.
- Azure SQL Database menyimpan dan mengubah data konsumsi.
- Pembelajaran Mesin mengimplementasikan dan menjalankan model prakiraan.
- Power BI memvisualisasikan konsumsi energi real time dan hasil prakiraan.
- Terakhir, Data Factory mengatur dan menjadwalkan seluruh aliran data.
Komponen
Teknologi utama yang digunakan untuk mengimplementasikan arsitektur ini:
- Azure Event Hubs: Penggunaan data real-time yang sederhana, aman, dan dapat diskalakan
- Azure Stream Analytics: Menyediakan analitik real time tanpa server, dari cloud hingga edge
- Azure SQL Database: Kelola SQL cerdas Anda di cloud
- Azure Machine Learning: Membangun, menerapkan, dan mengelola solusi analitik prediktif
- Power BI: Sadari nilai data Anda dan bawa wawasan yang ditemukan di data Azure dan alat analitik ke organisasi tersebut.
Detail skenario
Ide solusi ini menyediakan arsitektur untuk memperkirakan permintaan. Secara akurat memperkirakan lonjakan permintaan untuk produk dan layanan, misalnya, dapat memberikan keunggulan kompetitif bagi perusahaan. Semakin baik prakiraan, semakin mereka dapat menskalakan seiring dengan meningkatnya permintaan, dan semakin kecil risiko mereka menyimpan inventaris yang tidak dibutuhkan. Kasus penggunaan termasuk memprediksi permintaan produk di toko ritel/online, memperkirakan kunjungan ke rumah sakit, dan mengantisipasi konsumsi daya.
Kemungkinan kasus penggunaan
Skenario berikut adalah cara organisasi dapat menggunakan prakiraan permintaan:
- Perencanaan inventaris untuk ritel
- Perencanaan kapasitas jaringan (telekomunikasi)
- Perencanaan tenaga kerja
- Peningkatan kepuasan pelanggan
Langkah berikutnya
- Dokumentasi Azure Machine Learning
- Pelatihan: Mulai menggunakan Azure Stream Analytics
- Selamat datang di Azure Stream Analytics