Diese Website verwendet Cookies um Dienste bereitzustellen und Zugriffe zu analysieren. Durch die weitere Nutzung dieser Website stimmen Sie unseren Cookie-Richtlinien zu. mehr erfahren

Predictive Analytics in der SAP Analytics Cloud

In diesem Blog-Beitrag soll es um die Predictive-Funktionalitäten innerhalb der SAP Analytics Cloud gehen.

Dabei möchten wir uns sowohl mit dem eigentlichen Erstellen von Vorhersagemodellen in der SAC als auch mit den zahlreichen Hilfsfunktionen, die Techniken aus dem Bereich des maschinellen Lernens verwenden und das Leben der Nutzer beträchtlich erleichtern können beschäftigen und diese kurz erklären.

1. Übersicht der verfügbaren Predictive Features in der SAC

Die Schlagwörter Predictive Analytics, Data Science und Machine Learning sind heutzutage in aller Munde. Aus Gründen der Übersichtlichkeit werden wir diese Begriffe in diesem Beitrag nicht erklären. Wenn Sie sich einen kurzen Überblick zu dem Thema verschaffen möchten, empfehlen wir Ihnen unseren Artikel SAP Predictive Analytics, in dem wir uns mit der on-premise Lösung von SAP beschäftigen.

Die Predictive Features in der SAC lassen sich grundsätzlich in zwei Kategorien aufteilen: Smart Predict ermöglicht es dem Benutzer eigene Vorhersagemodelle zu trainieren und deckt das klassische Verständnis von Predictive Analytics ab. Zusätzlich sind in der SAC eine Reihe von Features integriert, die den Benutzer mit wenigen Klicks zusätzliche Informationen liefern. Diese Zusatzfunktionen kann man unter dem Begriff Augmented Analytics zusammenfassen.

In diesem Beitrag stellen wir zuerst die verschiedenen Augmented Analytics Features vor und erklären wie diese das Leben der SAC-Benutzer erleichtern können. Anschliessend beschäftigen wir uns mit den möglichen Vorhersagemodellen, die Nutzer mit Smart Predict erstellen können. Zuletzt werden wir auch einen kurzen Blick auf die R-Integration in der SAC und die sich daraus ergebenden Möglichkeiten eingehen.

2. Search to Insight

SAC Predictive Features: Search to Insight EingabemaskeDas erste Augmented Analytics Feature mit dem neue SAC Benutzer konfrontiert werden ist mit Sicherheit Search to Insight.

Mit Search to Insight kann der Nutzer mit natürlicher Sprache Fragen bzw. Aufgaben an die SAC übergeben und erhält als Resultat eine Visualisierung. Diese Visualisierung kann dann auch direkt in eine bestehende Story integriert werden.

Gestartet wird Search to Insight entweder direkt auf der Landing Page über das Suchfeld, welches standardmässig hier erscheint, oder aber mit einem Klick auf die kleine Glühbirne oben rechts in der Taskbar der SAC.

Im folgenden Menü kann man das Modell, über dessen Daten man mehr erfahren möchte, aussuchen. Schränkt man das Datenmodell nicht ein, werden alle Modelle in der SAC in Betracht gezogen, was zu einer etwas längeren Verarbeitungszeit führt. Anschliessend kann man im Suchmenü direkt Aufgaben an die SAC übergeben. Ein Beispiel für eine mögliche Anfrage ist die Anweisung „Show revenue by month“. Während der Eingabe werden automatisch Vorschläge für mögliche Suchanfragen vorgeschlagen. Zu beachten ist hier, dass die SAC momentan nur Englisch „spricht“.

Die SAC generiert nun automatisch eine entsprechende Visualisierung, die eine Antwort auf die gestellte Anfrage gibt. Diese kann man entweder in eine SAC- Story integrieren oder aber direkt exportieren. Auf diese Weise lassen sich ohne grossen Aufwand schnell Erkenntnisse bezüglich eines beliebigen in der SAC vorhandenen Datensets generieren.

3. Smart Insights

SAC Predictive Features: Smart Insights: Wo kann man dieses Feature starten?Mit Hilfe von Smart Insights kann ein Nutzer schnell und unkompliziert in einer Story Datenpunkte und deren Einflussfaktoren untersuchen. Mit wenigen Klicks können so Fragen wie zum Beispiel „Welche Berechnungen resultieren in diesem Ergebnis?“ oder aber „Was für Faktoren beeinflussen den Umsatz meines Unternehmens?“ analysiert werden.

Dabei muss man selbst keinerlei Codierung oder Zusatzarbeit übernehmen. Alle notwendigen Schritte werden automatisch innerhalb der SAC auf die Unternehmensdaten angewendet und man kann sofort mit den Ergebnissen weiterarbeiten.

Ein Rechtsklick auf einen beliebigen Datenpunkt in einem Chart öffnet das Kontextmenü, von dem aus man Smart Insights starten kann. Anschliessend ermittelt die SAC selbstständig mit Hilfe von Predictive Algorithmen die wichtigsten Einflussfaktoren und stellt diese für eine schnelle Analyse zur Verfügung.

4. Predictive Forecasting

Genauso wie Smart Insights ist auch Predictive Forecasting eine Funktionalität, die sich einfach und schnell aus einer bestehenden Story heraus starten lässt.

Dabei lassen sich auf einfache Weise Zeitreihen-Analysen durchführen. Weitergehende mathematische Kenntnisse sind nicht notwendig. Man wählt schlicht die relevante Datenreihe aus, bestimmt den Vorhersagehorizont und lässt die SAC die Arbeit machen.

Mit minimalem Aufwand kann man so zum Beispiel Fragen wie „Wie wird sich mein Umsatz in den nächsten 12 Monaten entwickeln?“ beantworten. Um die Funktionalität zu nutzen, genügt es direkt auf Grundlage eines Charts unter „More Actions“ einen Forecast hinzuzufügen.

Anschliessend kann man wählen ob die SAC den Forecast selbstständig erstellt oder aber noch selbst entscheiden ob hier eine Regression oder aber Triple Exponential Smoothing die bessere Methode ist.

In wenigen Sekunden erstellt die SAC die Vorhersagewerte mit Hilfe ihrer Predictive Algorithmen und fügt diese zusammen mit einem Konfidenzinterval in den Chart ein.

5. Smart Discovery

SAC Predictive Features: Welche Schritte beinhaltet Smart Discovery?Die Funktionalität von Smart Discovery geht über diejenige der bisher beschriebenen Features hinaus. Search to Insight, Smart Insights und Predictive Forecasting liefern in erster Linie schnelle Antworten, in begrenztem Umfang, auf bestimmte Fragen.

Auch Smart Discovery liefert schnelle Antworten und benötigt kein technisches Fachwissen des Nutzers bei der Erstellung. Allerdings sind die Ergebnisse wesentlich ausführlicher als bei den anderen Methoden.

In einer beliebigen Story kann man Smart Discovery in der Menüleiste unter Tools finden und starten. Befindet man sich in einer Story ohne Datenmodell, so muss man dieses logischerweise noch bestimmen, damit die statistischen Analysen durchgeführt werden können.

Anschliessend wählt der Nutzer das Ziel der Analyse, wie zum Beispiel eine bestimmte Kennzahl, und relevante Dimensionen aus. Nach dem optionalen Preview der Daten kann man die Analyse mit einem Klick starten.

Die SAC erstellt nun eigenständig Story Seiten mit den Ergebnissen der durchgeführten statistischen Analysen. So können auch Business User auf einfache Art und Weise auf Predictive Features zugreifen um ihre Arbeit zu erleichtern.

6. Smart Predict

Smart Predict ist die umfassendste Predictive Analytics Funktionalität innerhalb der SAC. Die zuvor vorgestellten Features sind einfach zu bedienen, erfordern keinerlei tiefgehendes statistisches Wissen und liefern schnelle Ergebnisse. Auch Smart Predict ist sehr benutzerfreundlich, allerdings kann man hier selbst Predictive Modelle definieren und konfigurieren.

Die angebotenen Predictive Algorithmen umfassen die wichtigsten und bekanntesten Techniken in diesem Bereich: Klassifikationen, Regressionen und Zeitreihenanalysen.

Um Smart Predict zu nutzen reichen die ansonsten verwendeten Datenmodelle in der SAC nicht aus. Stattdessen muss der Benutzer hier ein spezielles Dataset erstellen. Hierzu kann man entweder ein Flatfile in die SAC laden oder aber Daten aus einem angeschlossenen Quellsystem beziehen. Im nächsten Schritt sollte man eventuell auftretende Probleme im Dataset beheben um das Ergebnis der Modelle zu verbessern.

Anschliessend kann man ein Predictive Szenario erstellen. Dieses dient als „Behälter“, in dem man neue Modelle anlegen, trainieren und verifizieren kann. Hier lädt man Datasets, wählt die Art des gewünschten Predictive Models aus und bestimmt Ziel- sowie Einflussvariablen. Alle drei Modelarten lassen sich ohne Coding oder statistische Kenntnisse mit wenigen Schritten anlegen.

Klassifikation

Mit Hilfe der Klassifikation kann ein Benutzer binäre Ereignisse untersuchen. Einfacher gesagt geht es um die Frage ob ein bestimmtes Ereignis in Zukunft eintreten wird oder auch nicht.

Ein Beispiel hierfür ist die Vorhersage, ob ein bestehender Kunde eines Telekommunikationsunternehmens seinen Vertrag in den nächsten drei Monaten kündigen wird.

Innerhalb des SAC Predictive Szenarios wählt man eine Zielvariable aus, schliesst eventuell nicht gewünschte Einflussfaktoren aus und startet die Modellerstellung.

In wenigen Augenblicken wird das Vorhersagemodell trainiert und die SAC liefert eine umfangreiche Zusammenfassung inklusive der Konfusionsmatrix, Performancekurven und einer Profitsimulation.

Regression

Die Regression ist eines der bekanntesten Predictive Modelle. Hier ist das Ziel eine numerische, abhängige Variable vorherzusagen. Die Grundlage für diese Vorhersage sind die unabhängigen Variablen.

Ein Beispiel für die Anwendung dieser Methode ist die Vorhersage des Umsatzes eines Unternehmens aufgrund verschiedener Einflussfaktoren. Ebenfalls kann man hiermit die Wichtigkeit der Einflussfaktoren auf eine Zielgrösse ermitteln.

Wie bereits im Falle der Klassifikation übernimmt die SAC den schwierigen Teil bei der Modellerstellung. Man bestimmt schlicht die Zielgrösse und die zu berücksichtigenden unabhängigen Variablen und erhält als Ergebnis eine Übersicht des Modells.

Ein Regression Szenario kommt zum Einsatz, wenn Sie versuchen, einen numerischen Wert vorherzusagen und die wichtigsten Treiber dahinter zu ergründen. So können Sie eine Prognose des Geschäftswerts unter Berücksichtigung seines Kontexts erstellen.

Zeitreihenanalyse

Zeitreihenanalysen dienen der Vorhersage von numerischen Werten über einen bestimmten Zeithorizont. Ein Beispiel einer möglichen Anwendung ist die Vorhersage des Lagerbestandes einer bestimmten Abteilung um die Logistik besser zu koordinieren.

Die Zeitreihenanalyse zerlegt das Signal in verschiedene Komponenten, wie zum Beispiel Trend und Saisonalität, und erlaubt es die zukünftige Entwicklung abzuschätzen.

Auch hier ist das Trainieren eines Modelles innerhalb der SAC sehr einfach: Man wählt das vorrauszusagende Signal, die Datumsdimension im Dataset sowie die Anzahl der vorherzusagenden Perioden aus und startet die Analyse.

7. SAC Predictive Analytics mit R

Wem die Möglichkeiten zur Erstellung von Vorhersagemodellen, die standardmässig direkt in der SAC integriert sind, nicht genügen, wird sich wahrscheinlich für die R-Integration in der SAC interessieren. R ist eine speziell für mathematische und statistische Zwecke entwickelte Programmiersprache. Sie ist im Bereich der Datenanalyse und -Visualisierung inzwischen weit verbreitet und kann auch in der SAC für diese Zwecke genutzt werden.

Nachdem der Administrator die Verwendung von R-Modellen innerhalb der SAC aktiviert hat, können sowohl in Stories, als auch in Analytical Applications sogenannte R-Widgets hinzugefügt werden. In diesen R-Widgets kann man anschliessend aus einem SAC-Modell die Bestandteile des R-Dataframes definiert werden.

Anschliessend kann man direkt in der SAC eigenen R-Code schreiben und die Ergebnisse visualisieren. So kann man auch anspruchsvollere Predictive Modelle in der SAC selbst erstellen. Hilfreich sind hier die vielen verfügbaren R-Packages für statistische Methoden.

Die gebräuchlichsten R-Packages sind direkt in der SAC verfügbar. Bei speziellen Bedürfnissen kann man aber auch beliebige R-Packages über den R-Server integrieren.

8. Wie weiter

Wir hoffen, dass dieser Blog-Beitrag Ihnen einen kleinen Überblick über die Möglichkeiten im Bereich Predictive Analytics in der SAP Analytics Cloud geben konnte.

Sie wollen das Live sehen? Melden Sie sich an:  Webinar: Predictive Analytics in der SAP Analytics Cloud

Interessiert? Weitere Informationen finden Sie hier: SAP Analytics Cloud      Predictive Consulting Pakete

Möchten Sie wissen wie mit den Predictive Features der SAP Analytics Cloud Ihre Anforderungen umzusetzen sind?

Melden Sie sich einfach bei mir unter cornelius.knall@plus-it.ch. Ich freue mich.