Prognozowanie popytu i optymalizacja cen

Blob Storage
Data Factory
HDInsight
Web Apps

Pomysł rozwiązania Solution Idea

Jeśli chcesz się dowiedzieć, Rozszerz ten artykuł, aby uzyskać więcej informacji, szczegóły dotyczące implementacji, wskazówki dotyczące cen lub przykłady kodu, powiadom nas o opinii usługi GitHub.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!

Ceny są wystawiane dla wielu branż, ale mogą być jednym z najważniejszych zadań.Pricing is pivotal for many industries, but it can be one of the most challenging tasks. Firmy często zakłócają dokładne prognozowanie wpływu na potencjalne taktykę, a w pełni rozważanie podstawowych ograniczeń firmy, a w znacznym stopniu sprawdzają poprawność cen.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. Ponieważ oferty produktów rozszerzają się i komplikują obliczenia przed decyzjami o cenach w czasie rzeczywistym, proces rośnie jeszcze trudniejszie.As product offerings expand and complicate the calculations behind real-time pricing decisions, the process grows even more difficult.

To rozwiązanie rozwiązuje te wyzwania przy użyciu historycznych danych transakcji do uczenia modelu prognozowania popytu w kontekście detalicznym.This solution addresses those challenges by using historical transaction data to train a demand-forecasting model in a retail context. Obejmuje on również ceny produktów w grupie konkurującej, aby przewidzieć kanibalizacja i inne wpływ na inne produkty.It also incorporates the pricing of products in a competing group to predict cannibalization and other cross-product impacts. Algorytm optymalizacji cen używa tego modelu do prognozowania popytu w różnych punktach cenowych i czynnikach w ograniczeniach firmy, aby zmaksymalizować potencjalne zyski.A price-optimization algorithm then uses that model to forecast demand at various price points and factors in business constraints to maximize potential profit.

Dzięki temu rozwiązaniu do pozyskiwania danych historycznych transakcji, przewidywania przyszłego zapotrzebowania i regularnego optymalizowania cen można zaoszczędzić czas i wysiłku na całym procesie oraz poprawić zyskowność firmy.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.

ArchitekturaArchitecture

Diagram architektury Pobiera plik SVG z tej architektury.Architecture Diagram Download an SVG of this architecture.

SkładnikiComponents

  • Azure Data Lake Storage: Data Lake Store przechowuje cotygodniowe dane sprzedaży, które są odczytywane przez platformę Spark w usłudze HDInsight.Azure Data Lake Storage: Data Lake Store stores the weekly raw sales data, which is read by Spark on HDInsight.
  • Platforma Spark w usłudze HDInsight pozyskuje dane i wykonuje wstępne przetwarzanie danych, modelowanie prognozowanie i algorytmy optymalizacji cen.Spark on HDInsight ingests the data and executes data preprocessing, forecasting modeling, and price-optimization algorithms.
  • Data Factory obsługuje aranżację i planowanie ponownego szkolenia modelu.Data Factory handles orchestration and scheduling of the model retraining.
  • Power BI wizualizować wyniki sprzedaży, przewidywane przyszłe zapotrzebowanie i zalecane optymalne ceny dla różnych produktów sprzedawanych w różnych sklepach.Power BI visualizes sales results, the predicted future demand, and the recommended optimal prices for a variety of products sold in different stores.

Następne krokiNext steps