Previsione della domanda

Data Factory
Hub eventi
Machine Learning
Database SQL
Analisi di flusso

Idea della soluzione

Se si desidera visualizzare questo articolo con altre informazioni, ad esempio casi d'uso potenziali, servizi alternativi, considerazioni sull'implementazione o indicazioni sui prezzi, inviare un GitHub Feedback.

Quasi tutte le aziende devono prevedere il futuro per prendere decisioni migliori e allocare le risorse in modo più efficace. Ad esempio, la previsione accurata dei picchi della domanda di prodotti e servizi può offrire a un'azienda un vantaggio competitivo. Maggiore è la previsione, maggiore è la scalabilità man mano che aumenta la domanda e minore è il rischio di mantenere l'inventario non necessario. I casi d'uso includono la stima della domanda di un prodotto in un negozio al dettaglio/online, la previsione delle visite in ospedale e l'anticipazione del consumo di energia.

Questo articolo illustra collegamenti utili alle procedure consigliate per la previsione e un esempio di architettura dettagliata per un'implementazione end-to-end in Azure.

Architettura

Diagramma dell'architetturaScaricare un SVG di questa architettura.

Flusso di lavoro

Microsoft AI Platform offre strumenti di analisi avanzati tramite Microsoft Azure- inserimento dati, archiviazione dati, elaborazione dati e componenti di analisi avanzata: tutti gli elementi essenziali per la creazione di una previsione della domanda per la soluzione energetica.

Questa soluzione combina diversi servizi di Azure per fornire stime utilizzabili:

  1. Hub eventi raccoglie dati sul consumo in tempo reale.
  2. Analisi di flusso aggrega i dati di streaming e li rende disponibili per la visualizzazione.
  3. database SQL di Azure archivia e trasforma i dati sul consumo.
  4. Machine Learning implementa ed esegue il modello di previsione.
  5. Power BI visualizza il consumo di energia in tempo reale e i risultati della previsione.
  6. Infine, Data Factory orchestra e pianifica l'intero flusso di dati.

Componenti

Tecnologie chiave usate per implementare questa architettura:

Passaggi successivi