가격 최적화를 위한 수요 예측 모델 사용

Blob Storage
Data Factory
HDInsight
Web Apps
Power BI

솔루션 아이디어

잠재적인 사용 사례, 대체 서비스, 구현 고려 사항 또는 가격 책정 지침과 같은 추가 정보를 사용 하 여이 문서를 확장 하는 것을 확인 하려면 GitHub 피드백을 통해 알려주세요.

가격은 많은 산업에서 pivotal 가장 까다로운 작업 중 하나일 수 있습니다. 회사에서는 잠재적 전략의 회계 영향을 정확 하 게 예측 하 고, 핵심 비즈니스 제약 조건을 완벽 하 게 고려 하 고, 가격 책정 결정을 한 후에 확인 해야 하는 경우가 많습니다. 제품 제품을 확장 하 고 실시간 가격 결정의 계산을 복잡 하 게 하는 경우 프로세스가 훨씬 더 어려워집니다.

이 솔루션은 소매 컨텍스트에서 수요 예측 모델을 학습 하는 데 과거 거래 데이터를 사용 하 여 이러한 문제를 해결 합니다. 또한 경쟁 그룹의 제품 가격을 통합 하 여 여 매출 감소 및 기타 외적 영향을 예측 합니다. 가격 최적화 알고리즘은이 모델을 사용 하 여 잠재적인 수익을 최대화 하기 위해 비즈니스 제약 조건의 다양 한 가격 및 요인에 대 한 수요를 예측 합니다.

위에서 설명한 프로세스를 조작 가능한 하 고 MICROSOFT AI 플랫폼에 배포할 수 있습니다.

잠재적인 사용 사례

이 솔루션을 사용 하면 과거 거래 데이터를 수집 하 고, 미래 수요를 예측 하 고, 가격 책정을 정기적으로 최적화 하 여 가격 책정 작업에 소요 되는 시간과 노력을 절감할 수 있습니다.

아키텍처

아키텍처 다이어그램: MICROSOFT AI 플랫폼을 사용한 가격 최적화에 대 한 수요 예측이 아키텍처의 SVG 를 다운로드 합니다.

MICROSOFT AI 플랫폼 은 데이터 수집, 저장, 처리 및 고급 분석 구성 요소와 같은 고급 분석 도구를 제공 합니다. 이러한 도구는 수요 예측 및 가격 최적화 솔루션을 구축 하는 데 필수적인 요소입니다.

  1. Azure Data Lake 또는 Azure Blob Storage는 주간 원시 판매 데이터를 저장 합니다.
  2. Azure HDInsight용 Apache Spark는 데이터를 수집 하 고 데이터 전처리, 예측 모델링 및 가격 최적화 알고리즘을 실행 합니다.
  3. Data Factory 오케스트레이션 하 고 전체 데이터 흐름을 예약 합니다.

구성 요소

  • Azure Data Lake Storage 는 HDInsight의 Spark에서 읽은 주간 원시 판매 데이터를 저장 합니다. 대신 Azure Blob Storage를 사용 합니다.
  • HDInsight 의 Spark는 데이터를 수집 하 고 데이터 전처리, 예측 모델링 및 가격 최적화 알고리즘을 실행 합니다.
  • Data Factory 은 오케스트레이션 및 모델 다시 학습 예약을 처리 합니다.
  • Power BI 는 결과의 시각화를 활성화 하 고, 판매 및 예측 된 미래의 수요 및 권장 되는 최적의 가격의 결과를 모니터링 합니다.

다음 단계

제품 설명서를 참조 하세요.

예측에 대 한 외부 링크:

관련 Azure 아키텍처 센터 문서를 참조 하세요.