Azure POS和天气数据分析策略

Question

我对Azure中的解决方案有一个问题。问题是如何决定使用哪种技术以及如何找到它们的最佳组合。

假设我有两个数据集，每天都在增长：

1. 我的ADL商店每天都有一个CSV文件，它包含所有可能的纬度和长度组合的天气数据以及它们的邮政编码，以及50种不同的天气变量。

2. 我有另一个带有POS（销售点）的数据集，它也是我的ADL存储的每日CSV文件。它包含所有零售点的销售数据。

所需的输出是让文件＆＃34;切碎＆＃34;以某种方式为AzureML根据天气预测销售数据做准备，并且每个零售地点进行预测并通过PowerBI仪表板传送给每个人。要求不允许不同位置查看任何其他位置的预测。

我的问题是：

1. 如何选择合适的技术？
2. 如何追加传入的每日数据？
3. 如何为每个位置创建单独的ML预测结果？

赞赏关于架构主题的任何一般指导，并且还了解关于不同合适解决方案的比较的任何更具体的想法。

Answer 1

这是一个广泛的问题。

我只会回答你的ADL特定问题＃2，并给你一个与Azure ML无关的＃3提示（因为我不知道那种格式是什么）：

1. 如果您只是使用文件，请将日期/时间信息添加到文件路径名中（在文件夹或文件名中）。然后使用U-SQL文件集查询您感兴趣的范围。如果使用U-SQL表，请使用PARTITIONED BY。有关详细信息，请查看U-SQL Reference documentation。

2. 如果您需要创建多个文件作为输出，则有两个选项：

   一个。你知道所有的文件名，为每个文件写一个OUTPUT语句，只为它选择相关的数据。

   湾你必须动态生成一个脚本，然后执行它。与this类似。