AccuWeather:企业使用基于云的机器学习预测天气影响

*如视频不能正常播放,请点击右上角“...”,使用手机浏览器访问播放。

*此案例基于在全球其他地区由微软运营的云服务实施,仅供由世纪互联运营的 Microsoft Azure、Office 365、Power BI 客户参考。

“借助 Azure,我们可以实时、按需访问复杂的数据科学服务,从而帮助我们更快地进行创新。”

——Chris Patti,首席技术官,AccuWeather

 

保护业务不受天气影响

现在是美国中西部的龙卷风季节。大型零售商店的供应链经理需要每天做出该地区商店送货路线的决定。运营团队需要就商店安全、人员配置和库存做出决策。营销团队可以通过在正确时间在正确的商店提供折扣价格,来提高客户忠诚度及商店利润。

为了做出最佳决策,他们都需要公司上一年销售情况和天气情况的数据。这就是 AccuWeather 的用武之地。

AccuWeather 的总部位于宾夕法尼亚州立大学,是全球领先的天气预报提供商。它为全球 230 万个地点提供每分钟超过 100 个参数的分钟预测,在  90 天内每小时一次,两小时内每分钟一次,包括温度、湿度、雨水、降雪和冰雹信息。

AccuWeather 使用其获得专利的 AccuWeather 预报引擎收集来自陆地、船舶、飞机、卫星和雷达的数十万实时天气观测数据。AccuWeather 的预测有超过 18 万个网站、200 个电视台、900 个广播电台和 600 个报纸在使用。总的来说,全球有近 20 亿人依赖着 AccuWeather 来帮助他们规划生活,保护他们的财产及生命安全。

即便所有这些天气数据都以你想要的任何格式进行提供,比如作为可以插入应用程序的 API,以及可以通过 AccuWeather.com,AccuWeather 应用程序和 AccuWeather 网络有线频道的 API,但企业仍然想要更多。随着天气的不可预测性的增加,企业要求 AccuWeather 定制天气预测,来提示天气将如何影响他们的生活。

“有一段时间,我们以点对点的模式提供这项服务,但非常耗费人力,”AccuWeather 数据科学总监 Rosemary Yeilding Radich 说,“客户会和我们分享他们的历史销售数据,我们将让数据科学家清理这些数据并创建自定义模型。我们也讨论了如何扩展这项服务,即让客户在线上传他们的数据并生成自动预测,但担心我们当时使用的分析工具无法为他们提供高质量的预测。”

在云中改变天气预报

AccuWeather 认为云可以完美解决问题。公司在自己的数据中心运行其顶尖业务,预测引擎及其人工智能(AI)算法,而 AccuWeather 在 2012 年左右开始将工作负载推向公有云。

AccuWeather 首席技术官 Chris Patti 说:“迁移到云的动力是其更好的可扩展性及弹性,我们需要向客户提供龙卷风警告等即时信息。比起通过本地工程,云可以为我们提供更好,更具成本效益的灾难恢复,并使我们能够尽可能靠近客户来存储我们的数据。”

AccuWeather 使用 Microsoft Azure 作为首选的云平台。“Azure 拥有坚实的基础设施作为服务产品,它还拥有丰富且快速发展的平台作为服务组合,包括大数据、机器学习和 AI 功能,”Patti 说,“这对我们业务的数据科学方面很重要。”

公司首先将其 API 业务迁移到 Azure 上。AccuWeather 销售一系列与天气相关的 API,新闻媒体和其他公司将其插入到企业资源规划、客户关系管理和其他业务应用程序中。公司每天接收超过 400 亿次 API 调用以获取天气信息,Azure 提供了一种更具可扩展性,更具成本效益的方式来管理此服务。

接下来,公司使用 Azure Blob 存储、Azure 数据工厂和 Azure SQL 数据库等服务,迁移了大数据存储及处理。

当 AccuWeather 开始为商业客户构建自动化、可扩展的天气预报服务时,它也投向了 Azure。为了创建高度准确的预测,Radich 的团队需要复杂的机器学习工具,可以使用 R 和 Python 代码进行自定义。

“通过提供创造性的机器学习功能,Azure 真正从其它云中脱颖而出,这些功能强大但又可以使用R和Python进行定制,”Radich 说,“对于我们的数据科学家而言,拥有一个能够很好地利用开源的云平台非常重要,这是吸引我们进入 Azure 的一个因素。”

AccuWeather 数字媒体和新兴平台副总裁 David Mitchell 补充说:“我们也非常感谢微软与我们的密切合作。例如,微软分享了其他客户如何使用 Azure 机器学习服务。这种开放性与我们软件的扩展能力的结合是至关重要的,扩展能力体现在处理器数量、地理覆盖范围、数据保护和其他方面。”

为了帮助 AccuWeather 加速其新服务的开发,微软将其与 Dynamic Data(动态数据)联系起来,后者是微软合作伙伴网络的成员,该网络用于开发用户界面。“微软专注于让我们取得成功,帮我们引导资源,这样我们就不必自己构建一切,”Radich 说,“Dynamic Data 就像我们团队的一员,真正帮助我们提高了开发速度。”

启动 AccuWeather D3 数据驱动决策

2017 年 5 月,AccuWeather 推出了 AccuWeather D3 Express,这是一款基于云的分析产品,使用等级 1(不太重要)到 10(非常重要)来量化破坏性天气对企业的影响。企业根据他们需要的美国地址来按月订购,为天气影响进行“评分”。

例如,供应链经理收到潜在的破坏性天气的提醒后,可以很快看到哪些路线和商店会受到影响。他有足够的准备时间采取适当的行动,他可以改变交付路线,以确保及时完成工作。营销团队可以通过有针对性的产品销售增加收入,运营团队可以减少人员不足、人员过剩和潜在缺货导致的费用。

D3 Express 结合了多种 Azure 服务来移动、存储和管理数据,并将数据呈现给 Web 或 API 客户端;这些服务包括 Blob 存储、Azure 应用服务和 Azure API 管理。

一旦 D3 Express 进入市场,AccuWeather 就开始研究下一个版本:D3 Advanced,它使用机器学习提供更多的定制预测。企业上传特定产品的历史销售数据,几分钟后会在仪表板上进行现场分析,显示这些产品的销售将如何受到特定天气条件(如风、雨、湿度等)的影响。D3 Advanced 具有足够的灵活性,因此无论客户是在某个地区的所有商店上传销售数据,或是只为一个商店的上传销售数据,还是仅为一个 SKU(库存量单位)上传销售数据,该模型都能正常运行。

AccuWeather 使用机器学习和其他 Azure 数据服务构建了 D3 Advanced。关于架构详细信息,请参阅技术附录。

“企业无法控制天气,但通过使用 D3 Advanced,他们可以最大限度地提高天气因素带来的回报,并最大限度地减少损失,”Radich 说,“D3 Advanced 分析了既往与新兴的天气模式和企业关键绩效指标之间的关系。分析这些数据可以发现机会,不仅能够帮助企业保护其底线,而且可以充分利用所有业务地点的预测天气状况和异常情况。”

让我们说分析一个关于降雪的预测。供应链经理是否应该采购雪地防滑轮胎或防滑链?不再靠猜测,也不需要盲目将二者都进货,她从 D3 Advanced 看到,去年,在类似的情况下,客户以 2:1 的比例购买了防滑轮胎和防滑链。因此,她订购的防滑链数量是防滑轮胎的两倍。但正如每个地区的预测都会有所不同,与降雪相关的消费者模式也是如此。AccuWeather D3 Advanced 可让企业了解一个地区的消费者对靴子和雪地防滑轮胎的需求,而在另一个地区,人们却需要储存一些可可、葡萄酒和棋盘游戏。

或者,太阳镜制造商的运营总监使用 D3 一目了然地看到全国各地的天气状况,并注意到美国南大西洋地区预计会出现连绵的炎热天气。历史数据显示,在过去几年的类似天气中,销量增长了两倍,因此他提高了产量水平,并在竞争中获得一席之地。

利用数据科学服务按需创新

比起开发自己的机器学习服务,通过在 Azure 中开发 D3 Advanced,AccuWeather 能够更快地进入市场。“通过 Azure,我们可以实时、按需访问复杂的数据科学服务,这有助于我们更快地进行创新,”Patti 说,“在 Azure 中设置像 Hadoop 集群和网络这样的按钮很简单。我们不再需要聘请具有这种专业知识的人士了。”

Radich 表示,公司的数据科学家喜欢机器学习在构建模型条和折线图以及散点图时提供的可视化,这些图可帮助他们更好地理解数据并减少过度拟合,因此算法足够灵活、可靠。

AccuWeather 数据科学家可以专注于创建优秀的基础技术,为许多客户提供可扩展的解决方案,而不需要为每个客户开发一次性模型。这样可以节省开发新产品的时间,并提供更加量身定制的咨询服务。

“我们认为数据和分析对我们来说是一个巨大的增长领域,我们已经将其作为一项重大举措,以提高我们通过 D3 提供更多见解的能力,”Radich 说,“通过使用 Azure 机器学习,我们可以满足各种客户需求,从所有分析中学习,并将这种学习融入到新产品和服务中,来改善我们的产品。”

展望未来,AccuWeather 将在 Azure 中开展其所有数据及分析产品的开发和托管。公司正在将其所有产品从 AccuWeather 数据中心转移到云端。“我们的一些预测系统仍然是本地部署,但我们计划将所有预测系统都迁移至云端,同时结合数据提取、天气数据处理,等等。我们正通过 Azure 改变着我们的业务。”

技术附录:Azure 中优雅的数据混搭

AccuWeather D3 Advanced 基于客户独特的销售历史,和 AccuWeather 历史天气数据进行自动比较,提供可操作性的见解。AccuWeather 从其数据中心提取历史天气数据,使用在 Linux 服务器上运行的 Python 脚本,每天定期加载新文件。然后使用批量复制协议(BCP)将此数据加载到 Azure SQL 数据库中。

客户使用在 Azure App Service Web 应用程序中运行的 D3 Advanced Historical Sales Upload Form,上载其历史销售数据。SQL 数据库充当 AccuWeather 天气数据和客户历史销售数据的数据存储,提供聚合及清理。

AccuWeather 使用 Azure Machine Learning Studio,根据历史天气及对方提供的销售数据,为每个订阅者或客户培训模型。Azure Data Factory 根据不断变化的天气预报生成更新的销售预测,并在 SQL 数据库中为 D3 Advanced Analytics Visualizations 存储数据。

推荐案例

Top