Interaktiv prisanalys

Data Factory
Machine Learning
Excel
Power BI

Lösnings idé Solution Idea

Om du vill se den här artikeln med mer information, implementerings information, prissättnings vägledning eller kod exempel kan du berätta för oss med GitHub feedback!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!

I pris analys lösningen används transaktions historik data för att visa hur efter frågan på dina produkter som svarar på de priser som du erbjuder, för att rekommendera pris ändringar och för att kunna simulera hur ändringar i priset skulle påverka din efter frågan på en fin kornig het.The Price Analytics solution uses your transactional history data to show you how the demand for your products responds to the prices you offer, to recommend pricing changes, and allow you to simulate how changes in price would affect your demand, at a fine granularity.

Lösningen innehåller en instrument panel där du kan se optimala pris rekommendationer, artikel elastiska på en objekt-plats-kanal-segment nivå, uppskattningar av relaterade produkt effekter, till exempel "as kannibalisering", prognoser för den aktuella processen och modell prestanda mått.The solution provides a dashboard, where you can see optimal pricing recommendations, item elasticities at a item-site-channel-segment level, estimates of related-product effects such "as cannibalization", forecasts given current process, and model performance metrics.

Med hjälp av den direkta interaktionen med pris sättnings modellen i Excel kan du helt enkelt klistra in dina försäljnings data där och analysera dina priser utan att behöva integrera data i lösnings databasen först, simulera kampanjer och rita demand-kurvor (visar svar på efter frågan på priset) och få åtkomst till instrument panels data i numerisk form.Direct interaction with the pricing model in Excel lets you simply paste your sales data there and analyze your prices without the need to integrate the data into the solution database first, simulate promotions and plot demand curves (showing demand response to price), and access dashboard data in numerical form.

De omfattande funktionerna är inte begränsade till Excel.The rich functionality is not confined to Excel. Den drivs av webb tjänster som du eller din implementerings partner kan anropa direkt från dina affärs program, integrera pris analys i dina affärs program.It is driven by web services that you, or your implementation partner, can call directly from your business applications, integrating price analysis into your business applications.

ArkitekturArchitecture

Arkitektur diagram Ladda ned en SVG -arkitektur.Architecture Diagram Download an SVG of this architecture.

BeskrivningDescription

Vid kärnan i ett rigoröst pris analys arbets flöde är pris elastisk modell och optimala pris rekommendationer.At the core of a rigorous price analysis workflow is price elasticity modeling and optimal pricing recommendations. Den avancerade modellerings metoden minimerar de två värsta fall GRO par av modell pris känslighet från historiska data: bevarad och data gleshet.The state-of-the-art modeling approach mitigates the two worst pitfalls of modeling price sensitivity from historical data: confounding and data sparsity.

Det finns andra faktorer än det pris som påverkar efter frågan.Confounding is the presence of factors other than price which affect demand. Vi använder en "Double-ML"-metod som drar tillbaka de förutsägbara komponenterna i variationen av pris och efter frågan innan du uppskattar elastiskheten, som översätter uppskattningarna till de flesta former av befunnitde.We use a "double-ML" approach that subtracts out the predictable components of price and demand variation before estimating the elasticity, immunizing the estimates to most forms of confounding. Lösningen kan också anpassas av en implementerings partner för att använda data som fångar ut potentiella externa driv rutiner utöver priset.The solution can also be customized by an implementation partner to use your data capturing potential external demand drivers other than price. Vårt blogg inlägg ger ytterligare information om prisernas data vetenskap.Our blog post gives additional detail on the data science of prices.

Data gleshet inträffar eftersom det optimala priset varierar med en fin kornig het: företag kan ange priser efter artikel, plats, försäljnings kanal och till och med kund segment, men prissättnings lösningar ger ofta bara uppskattningar på produkt kategori nivå eftersom transaktions historiken bara får innehålla några få försäljningar för varje specifik situation.Data sparsity occurs because the optimal price varies at a fine grain: businesses can set prices by item, site, sales channel and even customer segment, but pricing solutions often only give estimates at product category level because the transaction history may only contain a few sales for each specific situation. Vår pris lösning använder "hierarkisk regulariseringshastigheten" för att skapa konsekventa uppskattningar i sådana data dåliga situationer: i avsaknad av bevis, lånar modellen information från andra objekt i samma kategori, samma objekt på andra platser och så vidare.Our pricing solution uses "hierarchical regularization" to produce consistent estimates in such data-poor situations: in absence of evidence, the model borrows information from other items in the same category, same items in other sites, and so on. Eftersom mängden historiska data på ett visst objekt – plats kanal ökning ökar, kommer dess elastiska uppskattning att finjusteras mer specifikt.As the amount of historical data on a given item-site-channel combination increases, its elasticity estimate will be fine-tuned more specifically.

Den här lösningen analyserar dina historiska priser ochThis solution analyzes your historical prices and

  • visar en uppblick på instrument panelen hur elastisk din produkt efter frågan ärshows you in one glance at the dashboard how elastic your product demand is
  • tillhandahåller pris rekommendationer för varje produkt i din artikel katalogprovides pricing recommendations for every product in your item catalog
  • identifierar relaterade produkter (ersättningar och komplement)discovers related products (substitutes and complements)
  • gör att du kan simulera kampanj scenarier i Excel.lets you simulate promotional scenarios in Excel.

Beräknad kostnadEstimated cost

Den uppskattade kostnaden för lösningen är cirka $10 per dag ($ 300/månad)The estimated cost for the solution is approximately $10/day ($300/month)

  • $100 för S1 Standard ML-tjänsteplan$100 for S1 standard ML service plan
  • $75 för en S2 SQL-databas$75 for an S2 SQL database
  • $75 för app hosting-plan$75 for app hosting plan
  • $50 i Diverse Diverse data aktiviteter och lagrings kostnader i ADF$50 in miscellaneous ADF data activities and storage costs

Om du bara utforskar lösningen kan du ta bort den om några dagar eller timmar.If you are just exploring the solution, you can delete it in a few days or hours. Kostnaderna är proportionella och kommer att upphöra att debiteras när du tar bort Azure-komponenterna.The costs are pro-rated and will cease to be charged when you delete the Azure components.

Komma igångGetting started

Distribuera lösningen med knappen till höger.Deploy the solution with the button on the right. Anvisningarna i slutet av distributionen kommer att ha viktig konfigurations information.Instructions at the end of the deployment will have important configuration information. Lämna dem öppna.Please leave them open.

Lösningen distribueras med samma exempel data uppsättning med apelsiner som du hittar bakom knappen prova – nu till höger.The solution deploys with the same example data set of orange juice prices that you find behind the Try-It-Now button on the right.

Även om lösningen är distribuerad kan du få en första start ochWhile the solution is deploying, you can get a head start and

  • Se vad som finns tillgängligt på instrument panelen prova – nuSee what is available in the Try-It-Now dashboard
  • Granska användar handboken för användnings instruktioner från en pris analyss perspektiv (MSFT-inloggning krävs)Peruse the User Guide for usage instructions from the perspective of a pricing analyst (MSFT login required)
  • Läs den tekniska distributions guiden för en teknisk implementerings vy (MSFT-inloggning krävs)Review the Technical Deployment Guide for a technical implementation view (MSFT login required)
  • Hämta det interaktiva Excel-kalkylbladetDownload the interactive Excel worksheet

När lösningen har distribuerats slutför du den första genom gången (MSFT-inloggning krävs).After the solution deploys, complete the first walkthrough (MSFT login required).

Lösnings instrument panelSolution Dashboard

Den mest åtgärdade delen av lösnings instrument panelen är fliken pris förslag. Du får information om vilka objekt som är under priser, överpriserade och föreslår ett optimalt pris för varje artikel, samt den förväntade effekten av att anta förslaget.The solution dashboard's most actionable part is the Pricing Suggestion tab. It tells you which of your items are underpriced, overpriced, and suggests an optimal price for each item, as well as the predicted impact of adopting the suggestion. Förslagen prioriteras av den största möjligheten att tjäna en stegvis brutto marginal.The suggestions are prioritized by the largest opportunity to earn incremental gross margin.

Fliken förslag i instrument panelen

Andra flikar ger kompletterande information som visar hur systemet har anlänt till förslagen och beskrivs i mer detalj i användar handboken.Other tabs provide supplemental information illuminating how the system arrived at the suggestions and are discussed in more detail in the User Guide. (Du måste vara inloggad på GitHub med ett MSFT Azure-konto medan lösningen finns i privat för hands version.)(You must be logged into Github with a MSFT Azure account while solution is in private preview.)

LösningsarkitekturSolution Architecture

Lösningen använder en Azure SQL-Server för att lagra dina transaktions data och de genererade modell förutsägelserna.The solution uses an Azure SQL server to store your transactional data and the generated model predictions. Det finns ett dussin kärn tjänster för elastisk modellering som är skapade i AzureML med hjälp av python Core-bibliotek.There are a dozen elasticity modeling core services, which are authored in AzureML using Python core libraries. Azure Data Factory schemalägger uppdateringar av veckovis modell.Azure Data Factory schedules weekly model refreshes. Resultatet visas på en PowerBI-instrumentpanel.The results display in a PowerBI dashboard. Det tillhandahållna Excel-kalkylbladet förbrukar de förutsägbara webb tjänsterna.The provided Excel spreadsheet consumes the predictive Web Services.

Läs den tekniska distributions guiden om du vill ha en mer detaljerad diskussion av arkitekturen, ansluta dina egna data och anpassningar (GitHub-inloggning krävs).Please read the Technical Deployment Guide for a more detailed discussion of the architecture, connecting your own data and customization (GitHub login required).