Комментарии по теме

«По­льзу­йте­сь SAP HANA Database бесплатно в облаке»
Юрий Зелепугин:
Коллеги, добрый день. В статью важно добавить, что Cloud соединение можно добавить только при наличии соответствующего Addon в Hana Studio.
«По­льзу­йте­сь SAP HANA Database бесплатно в облаке»
Алексей Токарев:
Согласен с Юрием, надо добавить описание Add-on HANA Tool для платформы. Есть еще особенность при работе через proxy.
«Вебинар: Ра­зра­бо­тка SAPUI5 при­ло­же­ния в SCP Cloud Foundry»
Владимир Телицын:
Добрый день! А есть у кого нибудь файл с детальным описанием действий, которым пользуются на этом вебинаре?

База знаний

Введение в SAP Analytics Cloud Predictive Analytics

728

Прогнозная аналитика всегда относилась к сфере деятельности специалистов по обработке и анализу данных (более звучное название для математиков). Несмотря на то, что SAP неизменно стоит на твердой позиции поддержки таких пользователей в сфере расширенных возможностей прогнозной аналитики, не менее важное значение придается задаче предоставить мощные средства прогнозирования и обычным пользователям. Автор описывает общую картину применения прогнозной аналитики в системе SAP и, в частности, функций прогнозирования SAP Analytics Cloud (прежнее название SAP BusinessObjects Cloud).

Ключевые понятия

С помощью SAP Analytics Cloud (прежнее название SAP BusinessObjects Cloud) можно выполнять аналитическое прогнозирование в облаке. В настоящее время данный набор инструментов пока не достиг уровня надежности клиентских систем, но целевая аудитория бизнес-пользователей получила расширенные возможности для выполнения ежедневных задач аналитики и прогнозирования. 

SAP Analytics Cloud (прежнее название SAP Cloud for Analytics) — самый новый набор инструментов аналитики (он появился лишь около двух лет назад) из предлагаемых SAP. Система SAP Analytics Cloud разработана согласно общей стратегии SAP, направленной на перемещение все большего числа продуктов в облако. Для этого облачного инструмента аналитики критичным моментом была поддержка бизнес-приложений SAP, например, SAP S/4HANA, SAP SuccessFactors, Fieldglass и Concur, выполняемых в облаке.

SAP Analytics Cloud поставляется в облаке, но для отчетности можно использовать не только облачные источники данных. Помимо прочих источников данных система может обращаться к локальным и облачным продуктам SAP и использовать их данные для обработки отчетности в файлах значений, разделенных запятой, (CSV) и файлах Microsoft Excel.

Примечание.

Несмотря на то, что в статье дается некоторая подробная информация, пути меню и вопросы навигации в SAP Analytics Cloud здесь не освещаются. Основное внимание уделяется функциям прогнозного анализа данных в SAP Analytics Cloud. Для получения базовых сведений прочитайте следующие две статьи Инго Хилджфорта из базы знаний BI Expert:  Введение в SAP BusinessObjects Cloud (часть 1) и Введение в SAP BusinessObjects Cloud: первые шаги (часть 2). Также вы можете ознакомиться с планом учебного курса SAP BOCL01. (Примечание. Это совсем новый курс, и его идентификатор может измениться в соответствии с новым именем инструмента.)

Краткий обзор средств прогнозной аналитики в SAP Analytics Cloud

На Рис. 1 показаны различные инструменты SAP с поддержкой прогнозной аналитики. Здесь также представлены различные типы пользователей, для которых предназначены данные инструменты. Общей особенностью всех инструментов является способность обращаться к алгоритмам, выполняемым в памяти SAP HANA. В случае SAP Analytics Cloud SAP HANA функционирует как база данных для SAP Analytics Cloud. Различия заключаются в мощности каждого инструмента и степени гибкости в применении внешних источников и алгоритмов.

Рис. 1 Наборы инструментов SAP для прогнозной аналитики на базе HANA

Перевод картинки:

В системах, представленные на рисунке справа, разработчики могут вызывать алгоритмы SAP HANA (APL и PAL) непосредственно с помощью кода, выполняемого в веб-приложении с функциями прогнозирования. Посередине указан локальный набор инструментов SAP Predictive Analytics. Это решение с удобным пользовательским интерфейсом может обращаться к пользовательскому коду на языке R (используется специалистами по статистике), PAL, APL и внутренним алгоритмам. Благодаря этим функциям SAP Predictive Analytics отлично подходит специалистам по статистике и опытным пользователям.

В левой части Рис. 1 указана система SAP Analytics Cloud. Этот набор инструментов предоставляет функции планирования и анализа, полностью идентичные функциям многих других продуктов SAP BI (например, Web Intelligence и SAP Lumira) — и все это в одном облачном веб-решении. Здесь нет мощных опций или функций других указанных выше систем, но мы все чаще слышим о планах в отношении интеграции и новых функций.  При этом здесь доступны две функции, с помощью которых прогнозный анализ может выполнять обычный бизнес-аналитик:

  • Управляемое машинное обнаружение данных
  • Прогнозирование на основе временных рядов

Функции прогнозной аналитики в SAP Analytics Cloud

Теперь подробнее рассмотрим функции прогнозирования в решении SAP Analytics Cloud. Как было сказано выше, это набор функций прогнозирования, предоставляемых базой данных SAP HANA. Основным отличием, на мой взгляд, в этом комплексном инструменте для широкого круга пользователей является невозможность обеспечить тот уровень сложности функций, который обычно ожидают от прогнозной аналитики. Дело в том, что реализация всех функций в одном инструменте прогнозной аналитики настолько усложнит его, что руководящие сотрудники и бизнес-аналитики, для которых он и был разработан, будут испытывать сильные затруднения при его использовании. Однако со временем хотелось бы видеть более тесную интеграцию с полнофункциональным решением SAP для прогнозной аналитики, SAP Predictive Analytics.   

Функция управляемого машинного обнаружения данных

Первым рассмотрим инструмент управляемого машинного обнаружения данных. Здесь применяются функции регрессии APL для представления отношений или влияющих факторов между полями (измерениями или показателями). Например, с помощью этой функции можно выяснить, что качество сварки зависит от температуры, квалификации сварщика и использованного в заказе на сварку металла.

В качестве еще одного примера можно привести анализ бывших сотрудников для выявления причин, повлиявших на их решение об увольнении. В качестве фактора, повлиявшего на решение уйти, инструмент управляемого машинного обнаружения данных может определить, например, завод, на котором они работали. Продолжив анализировать, вы можете узнать, что если сотрудники работают на заводе в Роттердаме, их увольнение на 80% более вероятно, чем увольнение сотрудников на других заводах. Эти надежные данные могут не совпадать с неофициальным мнением о том, что причинами текучки являются низкая оплата и сложности, связанные с проездом к месту работы. Такие неожиданные и ценные результаты и являются преимуществом, которое вам дает управляемое машинное обнаружение данных.

Для выполнения задач управляемого машинного обнаружения данных с помощью SAP Analytics Cloud сначала необходимо перейти к ракурсу необработанных данных, см. Рис. 2.

Рис. 2 Переход к ракурсу данных для просмотра необработанных данных

Функциональность ракурса данных предназначена для аналитиков, которым требуется изучать данные из модели вместе с собственными визуализациями и расчетами, а не полагаться на автора презентации в анализе данных. Это важно, поскольку аналитикам необходимо решать задачи так, как они считают нужным. Они хотят видеть необработанные данные и проводить манипуляции с ними, в то время как автор презентации, возможно, создавал ее для руководящих сотрудников, которые часто предпочитают упрощенную подачу с графическими визуализациями. Таким образом, переходить к функции обнаружения целесообразно из ракурса данных.

При нажатии кнопки Data View (Ракурс данных) на экране, показанном на Рис. 2, откроется экран, представленный на Рис. 3. Выберите ссылку New Machine Discovery (Новое машинное обнаружение данных), чтобы начать выполнение задачи управляемого машинного обнаружения данных. Обратите внимание на то, что одновременно можно открыть несколько сеансов управляемого обнаружения данных, если вам требуется выборочно ограничить переменные, которые будут использоваться для обнаружения. Например, переменная существует (допустим, раса или религия), но ее использование противоречит законодательству, либо реализация каких-либо действий на основе этих данных будет стоить слишком дорого.

Рис. 3 Ссылка для перехода к новой функции машинного обнаружения данных

Откроется панель справа, см. Рис. 4. (Обратите внимание на то, что на рисунке показано две панели.) Ваша задача — установить параметры настройки для выбора столбцов данных, которые будут использоваться для определения факторов, влияющих на принятие решения, а также столбцов, которые следует исключить из анализа (ввиду их нерелевантности).

Вы хотели бы увидеть полную версию статьи?

Если вы являетесь подписчиком журнала SAP Professional Journal, пожалуйста, авторизируйтесь на сайте.

Если вы хотите подписаться на SAP Professional Journal, пожалуйста, обратитесь в редакцию или сделайте заказ на сайте.

Правила получения тестового доступа к статьям SAP Professional Journal


Любое воспроизведение запрещено.
Копирайт © «Издательство ООО «Эксперт РП» Copyright © 2010 Wellesley Information Services. All rights reserved.