Interaktív árelemzés tranzakcióelőzmény-adatok használatával

Data Factory
Machine Learning
Excel
Blob Storage
SQL Database

A árelemzés megoldás a tranzakciós előzmények adatait felhasználva mutatja meg, hogyan reagál a termékek iránti kereslet az Ön által kínált árakra. A díjszabás változásait javasolja, és lehetővé teszi, hogy részletesen szimulálja, hogy az árváltozások milyen hatással vannak az igényekre.

A megoldás egy irányítópultot biztosít, ahol a következőket láthatja:

  • Optimális díjszabási javaslatok.
  • Elemruganitások elem-hely-csatorna-szegmens szinten.
  • A kapcsolódó termékek hatásainak becslései, például a kannibalizálás.
  • Előrejelzések az aktuális folyamat alapján.
  • Modellteljesítmény-metrikák.

A díjszabási modellel való közvetlen interakció Excel a következő műveleteket tudja:

  • Illessze be oda az értékesítési adatokat, és elemezze az árakat anélkül, hogy először integrálni kellene az adatokat a megoldásadatbázisba.
  • Promóciók szimulálása és igénygörbék ábrázolása (az árakra adott igényre adott válasz megjelenítése).
  • Irányítópult-adatok használata numerikus formában.

A gazdag funkciók nem korlátozódnak a Excel. Olyan webszolgáltatásokon alapul, amelyet Ön vagy a megvalósítási partner közvetlenül az üzleti alkalmazásokból hívhat meg, és amelyekbe integrálhatja az árelemzést az üzleti alkalmazásokba.

Lehetséges használati esetek

Ez az architektúra ideális a kiskereskedelmi iparág számára, és díjszabási javaslatokat, becsléseket és előrejelzéseket biztosít.

Architektúra

Architektúradiagram

Töltse le az architektúra SVG-ját.

  1. Azure Machine Learning lehetővé teszi az árképzési modellek építését.
  2. Az Azure Blob Storage tárolja a modellt és a létrehozott köztes adatokat.
  3. Az Azure SQL Server tárolja a tranzakcióelőzmény-adatokat és a létrehozott modell-előrejelzéseket.
  4. Azure Data Factory a modell rendszeres (például heti) frissítésének ütemezését.
  5. Power BI lehetővé teszi az eredmények vizualizációját.
  6. Excel táblázat prediktív webszolgáltatásokat használ.

Összetevők

Megoldás leírása

A szigorú árelemzési munkafolyamat lényege az árrugság modellezése és az optimális díjszabási javaslatok. A legkorrektebb modellezési megközelítés csökkenti az árérzékenység előzményadatokból való modellezésének két legrosszabb buktatóját: a zavaró és ritka adatmennyiséget.

Zavaró tényező az olyan tényezők jelenléte, amelyek nem befolyásolják a keresletet az árakon kívül. Egy "kétoldalas" megközelítést ML, amely kivonja az ár- és keresletingadozás kiszámítható összetevőit, mielőtt megbecsüli a rugalmasságot. Ez a megközelítés a zavaró alakok legtöbb formájára feljavasztja a becsléseket. A megoldást egy megvalósítási partner is testreszabhatja, hogy az Ön adatait az árakon kívül más lehetséges külső igényeket is rögzítsen. Blogbejegyzésünk részletesebben ismerteti az árak adattudományát.

Az adatok ritkasága azért fordul elő, mert az optimális ár finomhangok szerint változik: a vállalkozások tételek, webhely, értékesítési csatorna vagy akár ügyfélszegmens alapján állíthatják be az árakat. A díjszabási megoldások azonban gyakran csak a termékkategória szintjén adnak becsléseket, mivel a tranzakciós előzmények csak néhány értékesítést tartalmazhatnak minden egyes helyzethez. Díjszabási megoldásunk "hierarchikus regularizálással" hoz létre konzisztens becsléseket az ilyen, gyenge adatokkal kapcsolatos helyzetekben: bizonyítékok hiányában a modell információkat kölcsönvesz más, ugyanabban a kategóriában lévő, más helyeken található stb. elemekből. Az egy adott elem–hely csatorna kombinációban található előzményadatok mennyiségének növekedésével a rugalmasságra vonatkozó becslés pontosabban lesz finomhangolva.

Ez a díjszabáselemzési megoldási ötlet bemutatja, hogyan fejleszthet olyan termék díjszabási modellt, amely a tranzakciós előzmények adataiból származó rugalmassági becsléseken alapul. Ez a megoldás olyan kis méretű nagyvállalatokat céloz meg, amelyek kis díjszabási csapatokkal rendelkeznek, és nem rendelkeznek kiterjedt adatelemzési támogatással az adott díjszabási elemzési modellekhez.

A díjszabási modellel való interakció a Excel, ahol könnyedén beillesztheti az értékesítési adatokat és elemezheti az árakat anélkül, hogy először integrálni kellene az adatokat a megoldásadatbázisba. A táblázatban előléptetéseket szimulálhat, igénygörbéket ábrázolhat (az árakra adott igényre adott választ), és numerikus formában férhet hozzá az irányítópult adataihoz. A díjszabási modell gazdag funkciói webszolgáltatásokból is elérhetők, és közvetlenül integrálják az árelemzést az üzleti alkalmazásokba.

Azure Machine Learning a megoldás alapvető logikája, amelyből rugalmas modelleket hoz létre. A gépi tanulási modellek beállításával elkerülheti az ármodellezés két gyakori buktatóját az előzményadatokból: zavaró hatások és az adatok ritkasága.

A megoldás a következő előnyöket biztosítja:

  • Egyetlen pillantással (az irányítópulton keresztül) megmutatja, mennyire rugalmas a termékigénye.
  • Díjszabási javaslatokat biztosít az elemkatalógusban található összes termékhez.
  • Felderíti a kapcsolódó termékeket (cserék és kiegészítések).
  • Lehetővé teszi promóciós forgatókönyvek szimulálása Excel.

A forgatókönyv üzembe helyezése

Az AI-katalógus megoldás, amely ennek a megoldásarchitektúrának az implementációja, két fő szerepkört kínál: a technikai erőforrásokat és a végfelhasználókat (például a díjszabáskezelőket).

A technikai erőforrások üzembe helyezik a megoldást, és csatlakoztatják egy üzleti adattárházhoz. További információkért olvassa el a műszaki útmutatót. A modellt táblázatban (vagy egy üzleti alkalmazásba integráltan) használó végfelhasználóknak el kell olvasniuk a felhasználói útmutatót.

Első lépések

A megoldás üzembe helyezéséhez kattintson a jobb oldalon található gombra. A telepítés végén található utasítások fontos konfigurációs információkat tartalmaznak. Hagyja nyitva őket.

A megoldás a jobb oldalon található Try-It-Now (Kipróbálom most) gomb mögött található, narancsléárakra vonatkozó példaadatkészletet fogja üzembe helyezni.

A megoldás üzembe helyezése közben a kezdéshez a következőket kell megtennie:

  • Tekintse meg a Try-It-Now irányítópulton elérhető lehetőségeket.
  • Olvassa el a használati útmutatót a díjszabási elemző szemszögéből (MSFT-bejelentkezés szükséges).
  • Tekintse át a műszaki telepítési útmutatót a technikai megvalósítási nézetért (MSFT-bejelentkezés szükséges).
  • Töltse le az interaktív Excel munkalapot.

A megoldás üzembe helyezése után töltse ki az első bemutatót (MSFT-bejelentkezés szükséges).

A megoldás irányítópultja

A megoldás irányítópultjának legáttűnhetőbb része a Díjszabási javaslat lap. A cikkből megtudhatja, hogy az elemek melyike van alulárazott vagy túlértékelt. A lap az egyes elemek optimális árát és a javaslat elfogadásának előrejelezni kívánt hatását javasolja. A javaslatok prioritása a legnagyobb lehetőség a növekményes bruttó árrés szerzésre.

Ennek a díjszabáselemzési megoldásnak az implementációját az AI-katalógus megoldás ismerteti, és GitHub reprodukálása. Az AI-katalógus megoldás a tranzakcióelőzmények adatait felhasználva részletesen bemutatja, hogyan reagál a termékek kereslete az Ön által kínált árakra, javasolhatja a díjszabás változásait, és szimulálhatja, hogy az árváltozások milyen hatással vannak az igényekre. A megoldás egy irányítópultot biztosít, ahol láthatja az optimális díjszabási javaslatokat, az elemek rugalmasságát az elem-hely-csatorna-szegmens szintjén, a kapcsolódó termékek hatásainak becsléseit, például a "kannibalizálást", az aktuális folyamatra vonatkozó előrejelzéseket és a modell teljesítménymetrikákat.

Megoldásarchitektúra

A megoldás egy Azure SQL Database a tranzakciós adatok és a létrehozott modell-előrejelzések tárolására. Számos rugalmas modellezési alapszolgáltatás szolgáltatásokat kínál, amelyeket az Azure ML Python alapkódtárainak használatával hoznak létre. Azure Data Factory heti modellfrissítéseket ütemez. Az eredmények egy irányítópulton Power BI jelennek meg. A megadott Excel táblázat a prediktív webszolgáltatásokat fogyasztja.

Olvassa el a műszaki telepítési útmutatót az architektúra részletesebb leírásához, beleértve a saját adatok csatlakoztatásával és a testreszabással (a bejelentkezéshez szükséges GitHub témakört).

Díjszabás

Az aktuális becslés kiszámításához használja az Azure díjkalkulátorát. A becsült megoldásnak a következő szolgáltatási költségeket kell tartalmaznia:

  • S1 standard ML szolgáltatás csomag
  • S2 SQL Database
  • Alkalmazás-üzemeltetési csomag
  • Egyéb ADF-adattevékenységek és tárolási költségek

Ha most ismerkedik a megoldással, néhány nap vagy óra alatt törölheti. Az Azure-összetevők törlésekor a költségek fel lesznek számolva.

Következő lépések

További információ az összetevő-technológiákról:

További információ a díjszabási megoldásokról:

Kapcsolódó architektúrák megismerés: