Prognozowanie popytu

Data Factory
Event Hubs
Usługa Machine Learning
SQL Database
Stream Analytics

Pomysł na rozwiązanie

Jeśli chcesz, abyśmy rozszerzyli ten artykuł, aby uzyskać więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, GitHub opinie!

Prawie każda firma musi przewidzieć przyszłość, aby podejmować lepsze decyzje i efektywniej przydzielać zasoby. Na przykład dokładne prognozowanie skoków zapotrzebowania na produkty i usługi może zapewnić firmie przewagę konkurencyjną. Im lepsze prognozowanie, tym więcej można skalować w przypadku wzrostu zapotrzebowania i tym mniejsze ryzyko, że przejdą do niepotrzebnych zapasów. Przypadki użycia obejmują przewidywanie zapotrzebowania na produkt w sklepie detalicznym/online, prognozowanie wizyt w szpitalu i przewidywanie zużycia energii.

Ten artykuł koncentruje się na prezentowanie przydatnych linków do najlepszych rozwiązań dotyczących prognozowania oraz przykład szczegółowej architektury dla end-to-end implementation na platformie Azure.

Architektura

Diagram architekturyPobierz format SVG tej architektury.

Przepływ pracy

Platforma AI firmy Microsoft udostępnia zaawansowane narzędzia analityczne za pośrednictwem usługi Microsoft Azure — pozyskiwanie danych, magazynowanie danych, przetwarzanie danych i zaawansowane składniki analityczne — wszystkie podstawowe elementy służące do tworzenia prognoz zapotrzebowania na rozwiązanie energetyczne.

To rozwiązanie łączy kilka usług platformy Azure w celu zapewnienia przewidywań z akcjami:

  1. Event Hubs zbiera dane użycia w czasie rzeczywistym.
  2. Stream Analytics agreguje dane przesyłane strumieniowo i udostępnia je do wizualizacji.
  3. Azure SQL Database przechowuje i przekształca dane użycia.
  4. Machine Learning implementuje i wykonuje model prognozowania.
  5. Power BI wizualizuje zużycie energii w czasie rzeczywistym i wyniki prognozy.
  6. Na koniec Data Factory organizowanie i planowanie całego przepływu danych.

Składniki

Kluczowe technologie używane do implementacji tej architektury:

  • Azure Event Hubs:Proste, bezpieczne i skalowalne pozyskiwanie danych w czasie rzeczywistym
  • Azure Stream Analytics:zapewnianie bez serwera analizy w czasie rzeczywistym z chmury do urządzenia brzegowego
  • Azure SQL Database:Zarządzanie inteligentnymi SQL w chmurze
  • Azure Machine Learning:Tworzenie i wdrażanie rozwiązań analizy predykcyjnej oraz zarządzanie nimi
  • Power BI:Zdaj sobie sprawę z wartości danych i przynieź do organizacji szczegółowe informacje odnalezione w narzędziach do analizy i danych platformy Azure.

Następne kroki