트랜잭션 기록 데이터를 사용한 대화형 가격 분석

Data Factory
Machine Learning
Excel
Power BI
Blob Storage
SQL Database

솔루션 아이디어

잠재적인 사용 사례, 대체 서비스, 구현 고려 사항 또는 가격 책정 지침과 같은 추가 정보를 사용하여 이 문서를 확장하려는 경우 GitHub 피드백을통해 알려주세요!

가격 분석 솔루션은 트랜잭션 기록 데이터를 사용 하 여 제품에 대 한 요구가 제공 하는 가격에 반응 하는 방법을 보여 줍니다. 가격 책정을 변경 하는 것이 좋으며, 가격의 변화가 요구에 영향을 주는 방식을 세밀 하 게 시뮬레이트하는 데 사용할 수 있습니다.

솔루션은 다음을 볼 수 있는 대시보드를 제공 합니다.

  • 최적 가격 권장 사항.
  • 항목 탄력성 수준에서 항목을 분할 합니다.
  • 여 매출 감소와 같은 관련 제품 효과의 예상치입니다.
  • 지정 된 현재 프로세스를 예측 합니다.
  • 모델 성능 메트릭

Excel에서 가격 책정 모델과의 직접 상호 작용을 사용 하 여 다음을 수행할 수 있습니다.

  • 먼저 데이터를 솔루션 데이터베이스에 통합 하지 않고도 판매 데이터를 붙여넣고 가격을 분석 합니다.
  • 프로 모션 및 플롯 수요 곡선 (가격에 대 한 수요 응답 표시)을 시뮬레이션 합니다.
  • 대시보드 데이터를 숫자 형식으로 사용 합니다.

풍부한 기능은 Excel으로 제한 되지 않습니다. 사용자 또는 구현 파트너가 비즈니스 응용 프로그램에서 직접 호출 하 여 가격 분석을 비즈니스 응용 프로그램에 통합 하는 웹 서비스에 의해 결정 됩니다.

잠재적인 사용 사례

이 아키텍처는 소매 업계에 이상적 이며 가격 책정 권장 사항, 예측 및 예측을 제공 합니다.

Architecture

아키텍처 다이어그램:

이 아키텍처의 SVG 를 다운로드 합니다.

  1. Azure Machine Learning 를 사용 하 여 가격 책정 모델을 빌드할 수 있습니다.
  2. Azure Blob Storage 는 모델 및 생성 되는 중간 데이터를 저장 합니다.
  3. Azure SQL Server 는 트랜잭션 기록 데이터 및 생성 된 모델 예측을 저장 합니다.
  4. Azure Data Factory 은 정기적으로 (예: 매주) 모델 새로 고침을 예약 하는 데 사용 됩니다.
  5. Power BI 를 사용 하 여 결과를 시각화할 수 있습니다.
  6. Excel 스프레드시트는 예측 웹 서비스를 사용 합니다.

구성 요소

솔루션 설명

엄격한 가격 분석 워크플로의 핵심은 가격 탄력성 모델링 및 최적의 가격 책정 권장 사항입니다. 최신 모델링 방법은 기록 데이터에서 가격 민감도를 모델링 하는 두 가지 최악의 문제 (혼동 및 데이터 희박도)를 완화 합니다.

혼동는 수요에 영향을 주는 가격 이외의 요인이 있습니다. 탄력성을 예측 하기 전에 가격 및 수요 변동의 예측 가능한 구성 요소를 빼는 "이중 ML" 접근 방식을 사용 합니다. 이 방법은 예측을 대부분의 혼동 형식으로 immunizes. 가격 외에 잠재적 외부 수요 드라이버를 캡처하는 데이터를 사용 하기 위해 구현 파트너가 솔루션을 사용자 지정할 수도 있습니다. 블로그 게시물 은 가격의 데이터 과학에 대 한 자세한 정보를 제공 합니다.

데이터 희박도는 최적의 가격이 미세 하 게 변경 되기 때문에 발생 합니다. 기업은 항목, 사이트, 판매 채널 및 고객 세그먼트로 가격을 설정할 수 있습니다. 그러나 트랜잭션 기록에는 각 특정 상황에 대 한 몇 개의 판매만 포함 될 수 있으므로 가격 책정 솔루션은 제품 범주 수준 에서만 예상치를 제공 하는 경우가 많습니다. 가격 책정 솔루션은 "계층적 정규화"를 사용 하 여 이러한 데이터에 문제가 없는 상황에서 일관 된 예측을 생성 합니다. 증거를 사용 하지 않는 경우 모델은 동일한 범주의 다른 항목, 다른 사이트의 동일한 항목 등의 정보를 활용 합니다. 지정 된 항목-사이트 채널 조합에 대 한 기록 데이터의 양이 증가할수록 탄력성 예상치는 구체적으로 세부적으로 조정 됩니다.

이 가격 분석 솔루션 아이디어는 트랜잭션 기록 데이터의 탄력성 예측을 기반으로 제품에 대 한 가격 책정 모델을 개발할 수 있는 방법을 보여 줍니다. 이 솔루션은 맞춤식 가격 분석 모델에 대 한 광범위 한 데이터 과학 지원이 없는 소규모 가격 책정 팀이 있는 중간 규모의 회사를 대상으로 합니다.

가격 책정 모델과의 상호 작용은 데이터를 솔루션 데이터베이스에 통합 하지 않고도 판매 데이터를 쉽게 붙여 넣고 가격을 분석할 수 있는 Excel를 통해 수행 됩니다. 스프레드시트에서 판촉 및 플롯 수요 곡선 (가격에 대 한 수요 응답 표시)을 시뮬레이션 하 고 대시보드 데이터에 숫자 형식으로 액세스할 수 있습니다. 가격 책정 모델의 다양 한 기능을 웹 서비스에서 액세스할 수도 있으므로 비즈니스 응용 프로그램에 가격 분석을 직접 통합할 수 있습니다.

Azure Machine Learning 는이 솔루션에서 탄력성 모델을 만드는 핵심 논리입니다. 를 사용 하 여 기계 학습 모델을 설정 하 여 기록 데이터에서 가격 모델링에 대 한 두 가지 일반적인 문제 (혼동 효과 및 데이터 희박도)를 방지할 수 있습니다.

솔루션은 다음과 같은 이점을 제공 합니다.

  • 대시보드를 통해 제품 수요가 얼마나 탄력적 인지를 한눈에 볼 수 있습니다.
  • 항목 카탈로그의 모든 제품에 대 한 가격 책정 권장 사항을 제공 합니다.
  • 관련 된 제품을 검색 합니다 (바꾸기 및 보완).
  • Excel에서 판촉 시나리오를 시뮬레이션할 수 있습니다.

시나리오 배포

이 솔루션 아키텍처의 구현인 AI 갤러리 솔루션에는 두 가지 주요 역할인 기술 리소스와 최종 사용자 (예: 가격 책정 관리자)가 있습니다.

기술 리소스 솔루션을 배포 하 고 비즈니스 데이터 웨어하우스에 연결 합니다. 자세한 내용은 기술 가이드를 참조 하세요. 스프레드시트를 통해 (또는 비즈니스 응용 프로그램에 통합 된) 모델을 사용 하는 최종 사용자는 사용자 가이드를 읽어야 합니다.

시작

오른쪽에 있는 단추를 사용 하 여 솔루션을 배포 합니다. 배포의 끝에 있는 지침은 중요 한 구성 정보를 포함 합니다. 열어 두세요.

이 솔루션은 오른쪽에 있는 주스 단추 뒤에 나오는 것과 동일한 예제 데이터 집합을 사용 하 여 배포 됩니다.

솔루션을 배포 하는 동안에는 시작을 가져오고 다음을 수행할 수 있습니다.

  • 체험-현재 대시보드에서 사용할 수 있는 기능을 확인 하세요.
  • 가격 책정 분석가 (MSFT 로그인 필요)의 관점에서 사용 지침은 사용자 가이드 를 참조 하세요.
  • 기술 구현 보기 (MSFT 로그인 필요)에 대 한 기술 배포 가이드 를 검토 합니다.
  • 대화형 Excel 워크시트를 다운로드 합니다.

솔루션이 배포 된 후 첫 번째 연습 을 완료 합니다 (MSFT 로그인 필요).

솔루션 대시보드

솔루션 대시보드의 가장 중요 한 부분은 가격 제안 탭입니다. 가격 책정 또는 과도 하 게 가격이 책정 되는 항목을 알려 줍니다. 탭은 각 항목에 대 한 최적의 가격과 제안 도입의 예측 된 영향을 제안 합니다. 제안은 증분 총수익을 얻을 수 있는 가장 큰 기회의 우선 순위를 지정 합니다.

이 가격 분석 솔루션 아이디어의 구현은 AI 갤러리 솔루션GitHub 재현에 설명 되어 있습니다. AI 갤러리 솔루션은 트랜잭션 기록 데이터를 사용 하 여 제품 수요를 제공 하는 가격에 반응 하는 방법을 표시 하 고, 가격 책정 변경을 권장 하 고, 가격의 변화가 요구에 영향을 주는 방식을 세밀 하 게 시뮬레이트하는 데 사용할 수 있습니다. 이 솔루션은 최적의 가격 책정 권장 사항을 볼 수 있는 대시보드, 항목-사이트 채널 세그먼트 수준에서의 항목 탄력성, "여 매출 감소"와 같은 관련 제품 효과의 예측, 현재 프로세스의 예측 및 모델 성능 메트릭을 볼 수 있습니다.

솔루션 아키텍처

이 솔루션은 Azure SQL Database 인스턴스를 사용 하 여 트랜잭션 데이터 및 생성 된 모델 예측을 저장 합니다. Python core 라이브러리를 사용 하 여 Azure ML에서 작성 된 수십 개의 탄력성 모델링 핵심 서비스가 있습니다. 주별 모델 새로 고침을 Azure Data Factory 예약 합니다. Power BI 대시보드에 결과가 표시 됩니다. 제공 된 Excel 스프레드시트는 예측 웹 서비스를 사용 합니다.

사용자 고유의 데이터 및 사용자 지정 연결 (GitHub 로그인 필요) 항목을 포함 하 여 아키텍처에 대 한 자세한 내용은 기술 배포 가이드 를 참조 하세요.

가격 책정

현재 추정치를 계산 하려면 Azure 가격 계산기를 사용 합니다. 예상 솔루션은 다음과 같은 서비스 비용을 포함 해야 합니다.

  • S1 standard ML 서비스 계획
  • S2 SQL Database
  • 앱 호스팅 계획
  • 기타 ADF 데이터 활동 및 저장소 비용

솔루션을 탐색 하는 경우 며칠 또는 몇 시간 이내에 삭제할 수 있습니다. Azure 구성 요소를 삭제 하면 비용이 청구 되지 않습니다.

다음 단계

구성 요소 기술에 대해 자세히 알아보세요.

가격 책정 솔루션에 대해 자세히 알아보세요.

관련 아키텍처 살펴보기: