需要予測

Data Factory
Event Hubs
Machine Learning
SQL Database
Stream Analytics

ソリューションのアイデア Solution Idea

さらなる情報、実装の詳細、価格ガイダンス、コード例を追加してこの記事を拡張することをお望みの場合は、GitHub のフィードバックでご連絡ください。If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

概要Overview

ほとんどのビジネスでは、より良い意思決定を行い、リソースをより効果的に割り当てるために、未来を予測する必要があります。Almost every business needs to predict the future to make better decisions and allocate resources more effectively. 例として、製品やサービスに対する需要の急増を正確に予測することで、企業は競争上の優位性を得ることができます。As an example, accurately forecasting spikes in demand for products and services can give a company a competitive advantage. 予測が改善されると、需要の増加に合わせて拡大できるようになり、不要な在庫を保持するリスクが軽減されます。The better the forecasting, the more they can scale as demand increases, and the less they risk holding onto unneeded inventory. ユースケースには、小売店/オンライン ストアの製品に対する需要の予測、病院訪問の予測、電力消費の予測などがあります。Use cases include predicting demand for a product in a retail/online store, forecasting hospital visits, and anticipating power consumption.

この記事では、予測のベストプラクティスに関する有益なリンクと、Azure でのエンドツーエンドの実装のための詳細なアーキテクチャの例について説明します。This article focuses on presenting useful links to the forecasting best practices and an example of detailed architecture for an end-to-end implementation in Azure.

アーキテクチャArchitecture

アーキテクチャ図 このアーキテクチャの SVG をダウンロードしてください。Architecture diagram Download an SVG of this architecture.

詳細Details

Microsoft AI プラットフォームは、Microsoft Azure を介して、高度な分析ツールを提供します。データ インジェスト、データ ストレージ、データ処理および高度な分析の各コンポーネントのすべてが、電力ソリューションの需要予測を構築するための重要な要素です。The Microsoft AI Platform provides advanced analytics tools through Microsoft Azure - data ingestion, data storage, data processing, and advanced analytics components - all of the essential elements for building a demand forecasting for energy solution.

このソリューションでは、複数の Azure サービスを組み合わせることでアクション可能な予測を生み出しています。This solution combines several Azure services to provide actionable predictions:

  1. Event Hubs は、リアルタイムの消費データを収集します。Event Hubs collects real-time consumption data.
  2. Stream Analytics は、ストリーミング データを集計して、視覚化に使用できるようにします。Stream Analytics aggregates the streaming data and makes it available for visualization.
  3. Azure SQL は、消費データを格納して変換します。Azure SQL Database stores and transforms the consumption data.
  4. Machine Learning を使って、予測モデルを実装して実行します。Machine Learning implements and executes the forecasting model.
  5. Power BI は、リアルタイムのエネルギー消費と予測結果を視覚化します。Power BI visualizes the real-time energy consumption and the forecast results.
  6. 最後に、Data Factory を使って、データ フロー全体を調整およびスケジュールします。Finally, Data Factory orchestrates and schedules the entire data flow.

コンポーネントComponents

このアーキテクチャの実装に使用される主要テクノロジ:Key technologies used to implement this architecture:

  • Azure Event Hubs:シンプルで安全かつスケーラブルなリアルタイムのデータ インジェスト。Azure Event Hubs: Simple, secure, and scalable real-time data ingestion
  • Azure Stream Analytics: クラウドからエッジまで、サーバーレスのリアルタイム分析を提供しますAzure Stream Analytics: Provide Serverless real-time analytics, from the cloud to the edge
  • Azure SQL Database:クラウドでインテリジェント SQL を管理します。Azure SQL Database: Manage your intelligent SQL in the cloud
  • Azure Machine Learning:予測分析ソリューションを構築、デプロイ、および管理するAzure Machine Learning: Build, deploy, and manage predictive analytics solutions
  • Power BI: データの価値を実感し、Azure のデータと分析ツールで検出された分析情報を組織にもたらします。Power BI: Realize the value of your data and bring the insights discovered in Azure data and analytics tools to the organization.
  1. ベストプラクティスの予測 (GitHub上)Forecasting Best Practices (on GitHub)
  2. 予測用 AutoML (GitHub上)AutoML For Forecasting (on GitHub)