Fiyat iyileştirmesi için bir talep tahmin modeli kullanın

Blob Depolama
Data Factory
HDInsight
Web Apps
Power BI

Çözüm fikri

bizi görmek isterseniz, olası kullanım durumları, alternatif hizmetler, uygulama değerlendirmeleri veya fiyatlandırma kılavuzu gibi daha fazla bilgi için bu makaleyi genişlettikten sonra GitHub geri bildirimdebulunun!

Fiyatlandırma birçok sektör için özetdir, ancak en zorlu görevlerden biri olabilir. Şirketler, genellikle potansiyel olarak olası tacörlerin mali etkisini doğru bir şekilde tahmin etmek, temel işletme kısıtlamalarını tam olarak ele almak ve bir kez alındıktan sonra fiyatlandırma kararlarını doğrulamak için çok zor olur. Ürün teklifleri gerçek zamanlı fiyatlandırma kararlarının arkasındaki hesaplamaları genişletip karmaşıklaştırdıkça, işlem daha da zordur.

Bu çözüm, bir perakende bağlamında talep tahmini modeli eğmek için geçmiş işlem verilerini kullanarak bu güçlükleri ele alır. Ayrıca, çakışma ve diğer mimariler arası etkileri tahmin etmek için rekabet grubundaki ürünlerin fiyatlandırmasını de içerir. Daha sonra bir fiyat iyileştirme algoritması, çeşitli fiyat noktalarında talebi tahmin etmek için bu modeli ve potansiyel karı en üst düzeye çıkarmak için iş kısıtlamalarındaki faktörleri kullanır.

Yukarıda açıklanan işlem, MICROSOFT AI platformundaçalıştırılabilir ve dağıtılabilir.

Olası kullanım örnekleri

Bu çözümle, geçmiş işlem verilerini alabilir, gelecek talebi tahmin edebilir ve fiyatları en iyi hale getirebilirsiniz. bu sayede fiyatlandırma görevlerinde harcayabileceğiniz zaman ve çaba tasarrufu sağlayabilirsiniz.

Mimari

Mimari Diyagram: MICROSOFT AI platformu ile fiyat iyileştirmesi Için talep tahmini, bu mimarinin bir SVG indirin.

MICROSOFT AI platformu , veri alma, depolama, işleme ve gelişmiş analiz bileşenleri gibi gelişmiş analiz araçları sağlar. Bu araçlar, talep tahmini ve fiyat iyileştirme çözümü oluşturmak için gerekli olan öğelerdir.

  1. Azure Data Lake (veya Azure Blob Depolama) haftalık ham satış verilerini depolar.
  2. Verileri Azure HDInsight için Apache Spark ve veri ön işleme, tahmin modelleme ve fiyat iyileştirme algoritmalarını yürütür.
  3. Data Factory tüm veri akışını düzenler ve zamanlar.

Bileşenler

  • Azure Data Lake Storage , hdınsight 'ta Spark tarafından okunan haftalık ham satış verilerini depolar. alternatif olarak, Azure Blob Depolamakullanın.
  • HDInsight 'ta Spark, verileri alır ve veri ön işleme, tahmin modelleme ve fiyat iyileştirme algoritmalarını yürütür.
  • Data Factory , model yeniden eğitiminin düzenlemesini ve zamanlamasını işler.
  • Power BI sonuçların görselleştirilmesini mümkün hale getirme, satış sonuçlarını ve tahmini gelecek talebi ve önerilen en iyi fiyatları izleyin.

Sonraki adımlar

Ürün belgelerine bakın:

Tahmin hakkında dış bağlantılar:

İlgili Azure Mimari Merkezi makalelerine bakın: