Usar um modelo de previsão de demanda para otimização de preços

Armazenamento de Blobs
Data Factory
HDInsight
Aplicativos Web
Power BI

Ideia da solução

Se você quiser nos ver expandindo este artigo com mais informações, como possíveis casos de uso, serviços alternativos, considerações de implementação ou diretrizes de preços, entre em contato conosco com GitHub Comentários!

O preço é fundamental para muitos setores, mas pode ser uma das tarefas mais desafiadoras. As empresas geralmente têm dificuldades para prever com precisão o impacto fiscal de possíveis táticas, considerar totalmente as principais restrições de negócios e validar razoavelmente as decisões de preços depois que elas foram tomadas. À medida que as ofertas de produtos expandem e complicam os cálculos por trás das decisões de preços em tempo real, o processo fica ainda mais difícil.

Essa solução resolve esses desafios usando dados de transação históricos para treinar um modelo de previsão de demanda em um contexto de varejo. Ele também incorpora os preços de produtos em um grupo concorrente para prever a adoção e outros impactos entre produtos. Em seguida, um algoritmo de otimização de preço usa esse modelo para prever a demanda em vários pontos de preço e fatores nas restrições de negócios para maximizar o lucro potencial.

O processo descrito acima pode ser operacionalizado e implantado na plataforma de IA da Microsoft.

Possíveis casos de uso

Com essa solução, você pode ingerir dados de transação históricos, prever a demanda futura e otimizar regularmente os preços, o que economiza tempo e esforço que você gastaria em tarefas de preços.

Arquitetura

Diagrama arquitetônico: Previsão de demanda para otimização de preçocom a plataforma de IA da MicrosoftBaixe um SVG dessa arquitetura.

A plataforma de IA da Microsoft fornece ferramentas de análise avançadas, como ingestão de dados, armazenamento, processamento e componentes de análise avançada. Essas ferramentas são os elementos essenciais para criar uma solução de previsão de demanda e otimização de preço.

  1. O Azure Data Lake (ou o Azure Blob Armazenamento) armazena os dados de vendas brutas semanais.
  2. Apache Spark para Azure HDInsight ingere os dados e executa o pré-processamento de dados, a modelagem de previsão e os algoritmos de otimização de preço.
  3. Data Factory orquestra e agenda todo o fluxo de dados.

Componentes

  • O Azure Data Lake Armazenamento armazena os dados de vendas brutas semanais, que são lidos pelo Spark no HDInsight. Como alternativa, use o Blob do Azure Armazenamento.
  • O Spark no HDInsight ingere os dados e executa o pré-processamento de dados, a modelagem de previsão e os algoritmos de otimização de preço.
  • Data Factory lida com a orquestração e o agendamento do novo treinamento do modelo.
  • Power BI permite a visualização de resultados; monitore os resultados das vendas e previu a demanda futura e os preços ideais recomendados.

Próximas etapas

Confira a documentação do produto:

Links externos sobre previsão:

Consulte os Centro de Arquitetura do Azure relacionados: