解決方案構想
本文是解決方案概念。 如果您想要使用詳細資訊來擴充內容，例如潛在的使用案例、替代服務、實作考慮或定價指引，請提供 GitHub 意見反應 讓我們知道。
此解決方案會預測未來的客戶需求，並將定價優化，以使用來自 Microsoft Azure 的巨量資料和進階分析服務將獲利率最大化。
架構
資料流程
Microsoft AI 平臺 提供進階分析工具，例如資料擷取、儲存體、處理和進階分析元件。 這些工具是建置需求預測和價格優化解決方案的基本元素。
- Azure Data Lake （或Azure Blob 儲存體） 會儲存每週的原始銷售資料。
- 適用于 Azure HDInsight 的 Apache Spark 會擷取資料，並執行資料前置處理、預測模型和價格優化演算法。
- Azure Data Factory 可協調並排程整個資料流程。
元件
- Azure Data Lake 儲存體 會儲存 HDInsight 上的 Spark 所讀取的每週原始銷售資料。 或者，請使用 Azure Blob 儲存體 。
- HDInsight 上的 Spark 會擷取資料，並執行資料前置處理、預測模型和價格優化演算法。
- Data Factory 會處理模型重新定型的協調流程和排程。
- Power BI 會啟用結果的視覺效果;監視銷售結果，並預測未來需求和建議的最佳價格。
案例詳細資料
對許多產業來說，定價至關重要，且可能是最具挑戰性的工作之一。 公司通常難以準確預測潛在策略的財政影響、充分考慮核心業務限制，並在制定後公平驗證定價決策。 隨著產品供應的擴張，以及即時定價決策後需要進行的計算變得更複雜，這套流程變得愈發困難。
此解決方案透過使用歷史交易資料來訓練在零售環境中的需求預測模型，解決了這些問題。 其也將產品的定價併入競爭群組中，藉此預測各部分及其他跨產品的影響。 價格最佳化演算法隨後會使用該模型來預測各價格點的需求，以及商業限制中的要素，以將潛在利益最大化。
上述程式可以在 Microsoft AI 平臺 中 運作和部署。
潛在的使用案例
透過此解決方案，您可以擷取歷程記錄交易資料、預測未來需求，並定期優化定價，以節省您在定價工作上花費的時間和精力。
下一步
請參閱產品檔：
有關預測的外部連結：
相關資源
請參閱相關的 Azure 架構中心文章：