Talep tahmini

Data Factory
Event Hubs
Machine Learning
SQL Veritabanı
Stream Analytics

Çözüm Fikri

Olası kullanım örnekleri, alternatif hizmetler, uygulama konuları veya fiyatlandırma kılavuzu gibi daha fazla bilgiyle bu makaleyi genişletmemizi görmek için Geri Bildirim ile GitHub!

Hemen her işletmenin daha iyi kararlar almak ve kaynakları daha verimli bir şekilde ayırmak için geleceğe ilişkin tahminde olması gerekir. Örneğin ürün ve hizmetlere olan talep artışlarını doğru bir şekilde tahmin edebilir ve bu da şirkete rekabet avantajı sağlar. Tahmin ne kadar iyise, talep arttıkça ölçeklendirilenler de o kadar fazladır ve ne kadar azları da, stokta tutma riski de o kadar azdır. Kullanım örnekleri arasında perakende/çevrimiçi mağazada ürün talebini tahmin etmek, hastane ziyaretlerini tahmin etmek ve güç tüketimini tahmin etmek yer alınmaktadır.

Bu makale, tahmine yönelik en iyi yöntemlerin yararlı bağlantılarını ve Azure'da 1.5 00.000'den 20.000'e kadar bir uygulama için ayrıntılı mimari örneği sunma konusunda odaklanmaktadır.

Mimari

Mimari diyagramıBu mimarinin SVG'lerini indirin.

İş akışı

Microsoft AI Platformu, Microsoft Azure veri alımı, veri depolama, veri işleme ve gelişmiş analiz bileşenleri (enerji çözümü için talep tahmini oluşturmak için temel öğeler) aracılığıyla gelişmiş analiz araçları sağlar.

Bu çözüm, eyleme değiştirilebilir tahminler sağlamak için çeşitli Azure hizmetlerini birleştirir:

  1. Event Hubs gerçek zamanlı tüketim verilerini toplar.
  2. Stream Analytics, akış verilerini toplar ve görselleştirme için kullanılabilir yapar.
  3. Azure SQL Veritabanı verileri depolar ve dönüştürer.
  4. Machine Learning tahmin modelini uygulayan ve yürüten bir uygulamadır.
  5. Power BI gerçek zamanlı enerji tüketimini ve tahmin sonuçlarını görselleştirin.
  6. Son olarak Data Factory akışın tamamını düzenleme ve zamanlama.

Bileşenler

Bu mimariyi uygulamak için kullanılan temel teknolojiler:

Sonraki adımlar