使用 Atlas App Services 和无服务器函数编排实时分析，以便即时创建动态定价策略。
行业： 零售
产品： 聚合管道、Atlas Triggers、Atlas 函数、Atlas Charts
合作伙伴： Databricks
解决方案概述
使用合适的技术堆栈部署实时分析解决方案，可以彻底改变零售定价策略。零售企业希望在保持竞争力和成本效益的同时，通过基于价值的定价来提升品牌知名度，提升客户体验。
通过实时定价策略，企业能够即时调整产品价格（无论是在网上还是通过实体店的电子价签），并利用来自多种系统的数据点，如库存、营销表现，甚至区域和数字化趋势。想象一下，无需人工干预，您就能根据库存过剩或新促销活动动态降低价格，或者对热门商品提价。
尽管企业雄心勃勃地想要实现“数据驱动”运营，却往往因实时分析能力不足而折戟。
在本次演示结束时，您将详细了解如何利用 MongoDB Atlas App Services 和 Databricks 的模型构建与部署功能，以实时事件数据推动数据驱动的策略。
其他适用行业和使用案例
交通运输：交通运输公司，例如航空公司、出租车和网约车服务，可以利用实时定价，来根据需求、供应情况和外部事件等因素调整票价。这样，他们能够优化收入，并满足高峰时段或特殊情况下的乘客需求。
电信：电信公司可以对数据计划、国际电话和漫游费用进行实时定价。电信公司可以根据网络容量和需求调整价格，以管理流量并确保最佳服务水平。
保险：保险公司可以对基于使用情况的保险产品进行实时定价，例如按行驶里程付费或按生活方式付费。保费可以根据实际客户行为或风险因素进行调整。
参考架构
图 1. 动态定价参考架构
数据模型方法
事件驱动架构非常简单。它仅由用户在电商网站上可以执行的四种不同事件组成：
event_type | 描述 |
|---|---|
"view" | 客户在产品详细信息页面上查看产品。 |
"cart" | 一位客户将产品添加到购物车。 |
"remove_from_cart" | 客户从购物车中删除产品。 |
"purchase" | 客户完成特定产品事务。 |
事件模式
{ "_id": { "$oid": "63c557ddcc552f591375062d" }, "event_time": { "$date": { "$numberLong": "1572566410000" } }, "event_type": "view", "product_id": "5837166", "category_id": "1783999064103190764", "brand": "pnb", "price": 22.22, "user_id": "556138645", "user_session": "57ed222e-a54a-4907-9944-5a875c2d7f4f" }
采购日志
{ "_id": { "$numberInt": "5837183" }, "product_id": { "$numberInt": "5837183" }, "event_time": [ "2023-05-17" ], "price": [ { "$numberDouble": "6.4" } ], "brand": [ "runail" ], "category_code": [], "total_sales": [ { "$numberLong": "101" } ], "revenue": [ { "$numberDouble": "646.4000000000001" } ] “price_elasticity”: [ { “$numberDouble”:”-20.667872769488664” } ] }
构建该解决方案
请跟随本分步指南，了解如何通过 MongoDB 应用服务触发器和无服务器功能与 Databricks 配合协调 MongoDB Atlas，为零售行业创建实时分析和定价解决方案。
数据摄入
GitHub 存储库 包含 eventsGenerator 目录，您可以在其中找到 generator.py 文件。编辑包含连接字符串、数据库和集合参数的文件，以模拟电子商务店面实时发生的购买事件。
数据转换
在此 GitHub 目录中，您将找到有关如何使用触发器和函数的说明：
计算集合中每个产品的历史购买记录。
向 Databricks 部署的终结点发送 HTTP POST 请求。
机器学习/AI
在这个 GitHub 文件夹中，您将找到一个可在 Databricks 笔记本上运行的测试代码。代码对每种商品计算一个简单的需求价格弹性，输入为每种商品的购买日志，输出为价格弹性。
关键要点
数据转换：认识到将原始数据转换为更易于使用的格式或结构的重要性。在此项目中，触发器和函数用于计算历史购买日志，并将数据发送到 Databricks 等外部系统。
无服务器架构：深入了解无服务器函数和触发器的优势和工作原理，这些函数和触发器可以自动响应数据的变化并执行预定义的操作，且无需专用服务器。
实时数据处理：了解实时处理数据的重要性和机制，尤其是在零售业的背景下，及时见解可以推动即时行动，如动态定价。