需要予測と価格最適化

Blob Storage
Data Factory
HDInsight
Web Apps

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!

価格は多くの業界にとって非常に重要ですが、最も難しいタスクの 1 つになります。Pricing is pivotal for many industries, but it can be one of the most challenging tasks. 多くの場合、企業は、考えられる戦術による財務的影響を正確に予測し、中核となるビジネス上の制約を十分に検討し、価格の決定を行った後でそれらを厳密に検証することに苦労しています。Companies often struggle to accurately forecast the fiscal impact of potential tactics, fully consider core business constraints, and fairly validate pricing decisions once they've been made. 提供製品が拡大し、リアルタイムの価格決定の背後にある計算が複雑になるにつれて、プロセスはさらに困難になります。As product offerings expand and complicate the calculations behind real-time pricing decisions, the process grows even more difficult.

このソリューションでは、過去のトランザクションデータを使用して小売のコンテキストで需要予測モデルをトレーニングすることで、これらの課題に対処します。This solution addresses those challenges by using historical transaction data to train a demand-forecasting model in a retail context. また、競合グループ内の製品の価格も組み込まれており、これにより、カニバリゼーションやその他の製品間の影響を予測できます。It also incorporates the pricing of products in a competing group to predict cannibalization and other cross-product impacts. 次に、価格最適化アルゴリズムがそのモデルを使用して、さまざまな価格ポイントにおける需要を予測し、ビジネス上の制約を加味することで、潜在的な利益を最大化します。A price-optimization algorithm then uses that model to forecast demand at various price points and factors in business constraints to maximize potential profit.

このソリューションを使用して、過去のトランザクション データを取り込み、将来の需要を予測し、定期的に価格を最適化することで、プロセスの時間と労力を節約し、会社の収益性を向上させることができます。By using this solution to ingest historical transaction data, predict future demand, and regularly optimize pricing, you'll have the opportunity to save time and effort around the process and improve your company's profitability.

ArchitectureArchitecture

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.

ComponentsComponents

  • Azure Data Lake Storage:Data Lake Store には、HDInsight の Spark によって読み取られる、週単位の生売上データが格納されます。Azure Data Lake Storage: Data Lake Store stores the weekly raw sales data, which is read by Spark on HDInsight.
  • HDInsight の Spark は、データを取り込み、データの前処理、予測モデリング、および価格最適化アルゴリズムを実行します。Spark on HDInsight ingests the data and executes data preprocessing, forecasting modeling, and price-optimization algorithms.
  • Data Factory は、モデルの再トレーニングのオーケストレーションとスケジュール設定を処理します。Data Factory handles orchestration and scheduling of the model retraining.
  • Power BI は、売上結果、予測される将来の需要、およびさまざまな店舗で販売されているさまざまな製品に推奨される最適な価格を視覚化します。Power BI visualizes sales results, the predicted future demand, and the recommended optimal prices for a variety of products sold in different stores.

次のステップNext steps