Prognozowanie popytu

Data Factory
Event Hubs
Usługa Machine Learning
SQL Database
Stream Analytics

Pomysły dotyczące rozwiązań

Ten artykuł jest pomysłem na rozwiązanie. Jeśli chcesz, abyśmy rozszerzyli zawartość o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, przekazując opinię w usłudze GitHub.

Prawie każda firma musi przewidzieć przyszłość, aby podejmować lepsze decyzje i efektywniej przydzielać zasoby. Na przykład dokładne prognozowanie wzrostu zapotrzebowania na produkty i usługi może dać firmie przewagę konkurencyjną. Im lepiej prognozowanie, tym więcej mogą skalować w miarę wzrostu zapotrzebowania, a tym mniej ryzykują trzymanie się niepotrzebnego spisu. Przypadki użycia obejmują przewidywanie zapotrzebowania na produkt w sklepie detalicznym/internetowym, prognozowanie wizyt w szpitalu i przewidywanie zużycia energii.

Ten artykuł koncentruje się na prezentowaniu przydatnych linków do najlepszych rozwiązań prognozowania i przykładowej szczegółowej architektury kompleksowej implementacji na platformie Azure.

Potencjalne przypadki użycia

Następujące scenariusze to sposoby, w jaki organizacja może korzystać z prognozowania zapotrzebowania:

  • Planowanie spisu sprzedaży detalicznej
  • Planowanie pojemności sieci (telekomunikacja)
  • Planowanie pracowników
  • Zwiększona zadowolenie klientów

Architektura

Diagram architektury przedstawiający przepływ przykładowych danych do usługi Power BI: prognozowanie zapotrzebowaniaPobierz svG tej architektury.

Przepływ danych

Platforma sztucznej inteligencji firmy Microsoft udostępnia zaawansowane narzędzia analityczne za pośrednictwem platformy Microsoft Azure — pozyskiwanie danych, przechowywanie danych, przetwarzanie danych i zaawansowane składniki analizy. Te narzędzia obejmują wszystkie podstawowe elementy do tworzenia rozwiązania do prognozowania zapotrzebowania na energię.

To rozwiązanie łączy kilka usług platformy Azure w celu zapewnienia przewidywań z możliwością działania:

  1. Usługa Event Hubs zbiera dane użycia w czasie rzeczywistym.
  2. Usługa Stream Analytics agreguje dane przesyłane strumieniowo i udostępnia je do wizualizacji.
  3. Azure SQL Baza danych przechowuje i przekształca dane użycia.
  4. Uczenie maszynowe implementuje i wykonuje model prognozowania.
  5. Usługa Power BI wizualizuje zużycie energii w czasie rzeczywistym i wyniki prognozy.
  6. Na koniec usługa Data Factory organizuje i planuje cały przepływ danych.

Składniki

Kluczowe technologie używane do implementowania tej architektury:

  • Azure Event Hubs: proste, bezpieczne i skalowalne pozyskiwanie danych w czasie rzeczywistym
  • Azure Stream Analytics: zapewnianie bezserwerowej analizy w czasie rzeczywistym z chmury do brzegu
  • Azure SQL Database: Zarządzanie inteligentnym programem SQL w chmurze
  • Azure Machine Learning: tworzenie, wdrażanie i zarządzanie rozwiązaniami analizy predykcyjnej
  • Power BI: zdaj sobie sprawę z wartości danych i wykorzystaj szczegółowe informacje odnalezione w narzędziach do analizy i danych platformy Azure w organizacji.

Następne kroki