Usare un modello di previsione richiesta per l'ottimizzazione dei prezzi

Questa soluzione prevede la domanda futura dei clienti e ottimizza i prezzi per ottimizzare la redditività usando i servizi big data e analisi avanzata da Microsoft Azure.

Architettura

Scaricare un file di Visio di questa architettura.

Flusso di dati

La piattaforma Microsoft AI offre strumenti di analisi avanzati, ad esempio l'inserimento dei dati, l'archiviazione, l'elaborazione e i componenti di analisi avanzati. Questi strumenti sono gli elementi essenziali per la creazione di una soluzione di previsione e ottimizzazione dei prezzi richiesta.

1. Azure Data Lake (o Archiviazione BLOB di Azure) archivia i dati di vendita non elaborati settimanali.
2. Apache Spark per Azure HDInsight inserisce i dati ed esegue il pre-elaborazione dei dati, la modellazione di previsione e gli algoritmi di ottimizzazione dei prezzi.
3. Azure Data Factory orchestra e pianifica l'intero flusso di dati.

Componenti

• Azure Data Lake Storage archivia i dati di vendita non elaborati settimanali, letti da Spark in HDInsight. In alternativa, usare Archiviazione BLOB di Azure.
• Spark in HDInsight inserisce i dati ed esegue il pre-elaborazione dei dati, la modellazione di previsione e gli algoritmi di ottimizzazione dei prezzi.
• Data Factory gestisce l'orchestrazione e la pianificazione del training del modello.
• Power BI consente la visualizzazione dei risultati; monitorare i risultati delle vendite e prevedere la domanda futura e i prezzi ottimali consigliati.

Dettagli dello scenario

I prezzi sono fondamentali per molti settori, ma possono essere una delle attività più complesse. Le aziende spesso lottano per prevedere con precisione l'impatto fiscale delle potenziali tattiche, considerare completamente i vincoli aziendali principali e convalidare abbastanza le decisioni sui prezzi dopo aver preso. Poiché le offerte di prodotti si espandeno e complicano i calcoli dietro decisioni sui prezzi in tempo reale, il processo aumenta ancora più difficile.

Questa soluzione risolve tali problemi usando i dati cronologici delle transazioni per eseguire il training di un modello di previsione richiesta in un contesto di vendita al dettaglio. Incorpora anche i prezzi dei prodotti in un gruppo concorrente per prevedere la cannibalizzazione e altri effetti tra prodotti. Un algoritmo di ottimizzazione dei prezzi usa quindi tale modello per prevedere la domanda a vari punti prezzo e fattori nei vincoli aziendali per ottimizzare il potenziale profitto.

Il processo descritto in precedenza può essere operativo e distribuito in Microsoft AI Platform.

Potenziali casi d'uso

Con questa soluzione è possibile inserire dati cronologici sulle transazioni, stimare la domanda futura e ottimizzare regolarmente i prezzi, che consentono di risparmiare tempo e sforzo per le attività di determinazione dei prezzi.

Passaggi successivi

Vedere la documentazione del prodotto:

• Altre informazioni su Data Lake Store
• Introduzione a HDInsight usando un cluster Spark con R Server
• Altre informazioni su Data Factory
• Altre informazioni su Power BI

Collegamenti esterni relativi alla previsione:

• Previsione e ottimizzazione dei prezzi richiesta nella raccolta di intelligenza artificiale di Azure
• Previsioni delle procedure consigliate in GitHub

Risorse correlate

Vedere gli articoli correlati al Centro architetture di Azure:

• Previsione della domanda per la spedizione e la distribuzione
• Previsione richiesta con Analisi di flusso di Azure e Linea di computer