O platformie obliczeniowej Microsoft Azure

Nie jest tajemnicą, że Microsoft stawia na usługi oparte na platformie Azure. To autorskie rozwiązanie chmurowe jest połączeniem trzech modeli: SaaS, PaaS i IaaS. Dzięki niemu możemy tworzyć, wdrażać i zarządzać aplikacjami w centrach danych Microsoft. Jest dzisiaj podstawą rozwiązań chmurowych.

W kilkunastu słowach o Azure

Microsoft Azure to platforma chmurowa, która zapewnia nam i naszemu przedsiębiorstwu elastyczność. Składa się z trzech usług:

Głównym celem Microsoft Azure jest usprawnienie naszej pracy tak, abyśmy mogli być o krok przed konkurencją. Czym jest dla Dynamics 365? Azure to platforma, na której Microsoft tworzy nowe rozwiązania, m.in. wsparcie dla Dynamics 365. Wśród usług, które mogą poprawić naszą wydajność znajdują się Azure Machine Learning (Azure ML) – uczenie maszynowe Azure i Cognitive Services – usługa poznawcza.

Jak wykorzystać uczenie maszynowe w przedsiębiorstwie?

Standardowo Dynamics 365 pozwala nam na określenie zależności między produktami w naszej bazie. Budując katalog produktów możemy wskazać, które produkty są swoimi zamiennikami lub akcesoriami oraz które podlegają sprzedaży rozszerzonej lub wiązanej. To, które elementy będą sugerowane podczas tworzenia szansy sprzedaży, oferty i zamówienia dla klienta, zależy tylko i wyłącznie od tego, co sami określimy.

Azure Machine Learning zwiększa nasze możliwości – analizuje dane historyczne sprzedaży i uzupełnia listę produktów sugerowanych na podstawie modeli analitycznych. Dzięki temu rekomendacje systemu są:

• aktualne – na bazie aktualnej sytuacji ekonomicznej i trendów sprzedażowych,
• trafne – dopasowane do potrzeb pojedynczego klienta,
• elastyczne – zmiana rekomendacji nie wymaga ingerencji użytkownika; system sam reaguje na zmiany i aktualizuje sugestie.

Dzięki analityce predyktywnej i uczeniu maszynowemu maksymalizujemy szansę na zbudowanie takiej oferty dla klienta, która odpowie idealnie na jego potrzeby.

Pan Tomasz jest sprzedawcą i odpowiada za dystrybucję komputerów marki Superkomp. Jego klienci to małe przedsiębiorstwa, które potrzebują kupić komputery dla swoich pracowników.  Tomasz jest nowy w firmie i jeszcze nie zna całego katalogu produktów. Wspomaga się sugestiami systemu CRM w zakresie akcesoriów i zamienników. Dzięki temu, że mamy w firmie wdrożone rekomendacje do sprzedaży wiązanej, Tomasz może w trakcie spotkania z klientem i opracowywania dla niego szansy sprzedaży i oferty, zaoferować inne produkty poza komputerami. System podpowie mu, że klienci biznesowi wraz z zakupem laptopa dla pracownika kupują też monitor oraz klawiaturę zewnętrzna. Kiedy pan Tomasz rozmawia z klientem o jego potrzebach, może zaproponować mu dodatkowy sprzęt, komputery o podobnych parametrach oraz rozszerzyć ofertę o najczęściej wybierane ubezpieczenie. Klient oszczędza czas i środki na zakupie wszystkich niezbędnych sprzętów od jednego dostawcy, zaś pan Tomasz i Superkomp maksymalizują swój potencjał sprzedażowy.

Dlaczego warto zainteresować się Azure ML nawet jeśli nie mamy CRM?

Azure Machine Learning to nie tylko sugestie produktów w Dynamics 365. Nasz zespół analityczny może wykorzystać Azure ML do prowadzenia eksperymentów i analizy, dzięki czemu możemy przewidywać i wychwytywać anomalie, tworzyć drzewa decyzyjne i określać prawdopodobne zachowanie klienta w odpowiedzi na kampanię marketingową.

Jest to fantastyczne narzędzie dla takich osób jak Gabriela – nasz analityk predyktywny. Jej rolą w firmie jest prowadzenie badań i eksperymentów zgodnie z zapotrzebowaniem działów Superkomp. Raz na kwartał ma przeprowadzić badanie dla Przemysława, szefa Działu Sprzedaży , i przygotować estymację wielkości popytu na nasze produkty. Wykorzystując Azure ML może stworzyć odpowiedni model regresji i przeanalizować wyniki. Na ich podstawie Przemysław będzie podejmował decyzje i informował dostawców o zapotrzebowaniu na produkty, które spodziewa się sprzedać w nadchodzącym czasie. Mając wiedzę o przewidywanych zakupach klientów, będzie mógł zapewnić klientom dostępność produktów przy jednoczesnym ograniczeniu kosztów magazynowych.

Gabriela, prowadząc swoje badania, korzysta z mechanizmów przygotowanych przez Microsoft, skracając czas analizy. Na czas przeprowadzania eksperymentu ma również wpływ wydajność komputerów, na których wykonywane są obliczenia. Nie jesteśmy w stanie zapewnić jej wystarczającej mocy obliczeniowej, dlatego zarząd podjął decyzję o inwestycji w Azure. 80 000 operacji wejścia/wyjścia przeprowadzanych jednocześnie to niesamowite możliwości obliczeniowe chmury Azure, które pomogą przeprowadzić nawet najbardziej skomplikowane badania i obliczenia.

Podsumowując

Im lepiej czujemy się w tematyce big data i analityce predyktywnej, tym więcej uwagi powinniśmy poświecić Azure. Wdrażając modele analityczne z Azure zyskujemy możliwość wsparcia naszego działu handlowego i przekazanie im wiedzy niezbędnej do pracy. Jeśli nie mamy potrzeby wdrażania analizy big data, możemy ograniczyć się do wykorzystania gotowych rozwiązań do Dynamics 365 (rekomendacje produktów czy wgląd w relacje z klientem).

Spójrzmy prawdzie w oczy – niezależnie od wielkości naszego przedsiębiorstwa i zdolności naszych programistów, nie będziemy w stanie stworzyć rozwiązań o podobnym poziomie zaawansowania i zbliżonym poziomie bezawaryjności. Zamiast inwestować w infrastrukturę, programistów i administrację IT możemy zaangażować więcej analityków biznesowych, specjalistów analityki predyktywnej. Korzyści jakie zyskamy dzięki wykorzystaniu usługi Azure zdecydowanie poprawią nasza pozycje na rynku. Na razie funkcje zapoznawcze oparte na Azure dostępne są w trybie Podglądu.

‍