您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

使用交易历史记录数据的交互式价格分析

数据工厂
机器学习
Excel
Power BI
Blob 存储
SQL 数据库

解决方案理念

如果想了解详细信息(例如潜在用例、替代服务、实现注意事项或定价指南)来扩展本文,请通过反馈GitHub告知我们!

价格分析解决方案使用您的事务历史记录数据来向您展示您的产品需求如何响应您提供的价格。 它建议定价变化,并使你能够以精细的粒度模拟价格变化如何影响你的需求。

此解决方案提供了一个仪表板,可在其中查看以下内容:

  • 最佳定价建议。
  • 项弹性级别的项。
  • 估计相关的产品影响,如同类相食。
  • 给定当前进程的预测。
  • 模型性能指标。

使用与 Excel 中的定价模型的直接交互,你可以:

  • 将销售数据粘贴到此处并分析价格,无需先将数据集成到解决方案数据库。
  • 模拟促销和绘图需求曲线, (向价格) 显示需求回复。
  • 以数字形式处理仪表板数据。

丰富的功能并不局限于 Excel。 它由你或你的实现合作伙伴可以直接从你的业务应用程序调用的 web 服务驱动,将价格分析集成到你的业务应用程序中。

可能的用例

此体系结构非常适合零售行业,提供定价建议、评估和预测。

体系结构

体系结构图

下载此体系结构的 SVG

  1. Azure 机器学习允许构建定价模型。
  2. Azure Blob 存储存储模型和生成的任何中间数据。
  3. Azure SQL Server存储事务历史记录数据和任何生成的模型预测。
  4. Azure 数据工厂 用于计划定期 (例如,每周) 模型刷新。
  5. Power BI可以对结果进行可视化。
  6. Excel电子表格使用预测 web 服务。

组件

解决方案描述

严格的价格分析工作流的核心是价格弹性建模和最佳定价建议。 最先进的建模方法缓解了从历史数据中建模价格敏感度的两个最糟糕的问题:混杂和数据稀疏度。

混杂是指除价格影响需求以外的其他因素。 在估计弹性之前,我们使用 "双 ML" 方法来去除价格和需求变体的可预测组件。 此方法将估计 immunizes 到大多数形式的混杂。 此解决方案还可以由实现合作伙伴自定义,以使用捕获除价格之外的潜在外部需求驱动程序的数据。 我们的 博客文章 提供了有关价格的数据科学的详细信息。

之所以发生数据稀疏度,是因为最佳价格变化非常精细:企业可以按商品、站点、销售渠道甚至客户群设置价格。 但定价解决方案通常只为产品类别级别提供估计,因为对于每个特定情况,交易记录可能只包含几个销售额。 我们的定价解决方案使用 "层次正则化" 在这种数据不太好的情况下生成一致的估计值:在没有证据的情况下,模型会借用同一类别中其他项目的信息、其他站点中的相同项等。 随着给定的项目-站点-频道组合上的历史数据量的增加,其弹性估计值将更明确地进行优化。

此定价分析解决方案构想介绍了如何为基于事务历史记录数据的弹性评估的产品开发定价模型。 此解决方案面向的是规模较小且定价团队缺乏广泛的数据科学支持订购定价分析模型的公司。

与定价模型的交互是通过 Excel 可以轻松地粘贴销售数据和分析价格,无需先将数据集成到解决方案数据库。 在电子表格中,可以模拟促销和绘图需求曲线 (向价格) 显示需求响应并以数字形式访问仪表板数据。 还可以从 web 服务访问定价模型的丰富功能,将价格分析直接集成到业务应用程序中。

Azure 机器学习是此解决方案中从其创建弹性模型的核心逻辑。 可以将机器学习模型设置为,以避免从历史数据中进行价格建模的两种常见缺陷:混杂效果和数据稀疏度。

该解决方案具有以下优势:

  • 通过 "仪表板" 一眼 (显示你的产品需求) 弹性。
  • 提供项目录中每种产品的定价建议。
  • 发现相关产品 (替换和补充) 。
  • 允许你在 Excel 中模拟促销方案。

部署此方案

AI 库解决方案是此解决方案体系结构的一个实现,它具有两个关键角色:技术资源和最终用户 (如定价管理器) 。

技术资源部署解决方案并将其连接到业务数据仓库。 有关详细信息,请阅读 技术指南。 最终用户通过电子表格 (或集成到业务应用程序) 来使用该模型,则应阅读 用户指南

入门

通过右侧的按钮部署解决方案。 部署结束时的说明将包含重要的配置信息。 请将其保持打开状态。

解决方案将采用橙色汁价格的相同示例数据集进行部署,你可以在右侧的 "立即试用" 按钮后面找到此数据集。

部署解决方案时,你可以开始使用并执行以下操作:

  • 请参阅 "立即试用" 仪表板中提供的内容。
  • 请参阅 用户指南 ,了解定价分析师 (MSFT 登录要求) 的使用说明。
  • 查看技术 部署指南 ,了解 (MSFT 登录所需的技术实现视图) 。
  • 下载交互式 Excel 工作表。

部署解决方案后,完成 第一个演练 (MSFT 登录名需要) 。

解决方案仪表板

解决方案仪表板的最具可操作性的部分是 "定价建议" 选项卡。它会告诉你哪些项是 underpriced 或 overpriced。 该选项卡为每个项目建议了最佳价格,并为采用该建议的预测影响提供了建议。 建议将按最大机会进行优先级,以获得递增毛利润。

AI 库解决方案中介绍了此定价分析解决方案的实现,并GitHub 重现。 AI 库解决方案使用您的事务性历史记录数据显示您的产品需求如何响应您提供的价格、建议定价更改,并使您能够以精细的方式模拟价格变化如何影响您的需求。 此解决方案提供了一个仪表板,你可以在其中查看最佳定价建议、项弹性、项站点-通道-段级别、相关产品影响(如 "同类相食")、预测给定当前进程的预测和模型性能指标。

解决方案体系结构

该解决方案使用 Azure SQL 数据库实例存储事务数据和生成的模型预测。 有数十个弹性建模核心服务,这些服务是使用 Python 核心库在 Azure ML 中创作的。 Azure 数据工厂计划每周模型刷新。 结果将显示在 Power BI 的仪表板中。 提供的 Excel 电子表格使用预测性 Web 服务。

有关体系结构的详细讨论,请阅读技术部署指南,其中包括连接你自己的数据和自定义 (GitHub 需要) 登录的主题。

定价

若要计算当前估计值,请使用 Azure 定价计算器。 估计的解决方案应包括以下服务成本:

  • S1 standard ML service 计划
  • S2 SQL 数据库
  • 应用托管计划
  • 其他 ADF 数据活动和存储成本

如果只是想要浏览解决方案,可以在几天或几小时内删除。 删除 Azure 组件时,费用将停止收费。

后续步骤

了解有关组件技术的详细信息:

详细了解定价解决方案:

探索相关体系结构: