Analytics > SAP Predictive Analysis

SAP Predictive Analysis

weniger
100% der Leser bewerteten diesen Artikel als hilfreich

Auf einen Blick

08.04.2013

Branche(n): Cross
Lösungseigenschaften: Statistische Vorhersagemodelle erstellen
Hauptnutzen:

  • Statistisch versierte Mitarbeiter erstellen Prognosen ohne IT-Unterstützung
  • Geringe Betriebskosten durch schlanke Architektur als Client-Anwendung
  • Anbindung an SAP HANA für Echtzeit-Prognosen möglich
SAP Predictive Analysis, 3.0 out of 3 based on 2 ratings

Mit der Desktop-Anwendung SAP Predictive Analysis erstellen Datenanalysten aus den Fachbereichen eigenständig Vorhersagemodelle für beliebige Geschäftsszenarien. Zukunftsorientierte Auswertungen sind so auch ohne Unterstützung der IT-Abteilung möglich.

Management Summary

Die Lösung SAP Predictive Analysis ermöglicht im Gegensatz zu klassischen, vergangenheitsorientierten BI-Tools die Erstellung statistischer Vorhersagemodelle. Damit können Unternehmen beispielsweise Trends im Kundenverhalten erkennen oder bislang verborgene Cashflow-Risiken und neue Absatzpotenziale identifizieren. Anschließende geschäftliche Entscheidungen orientieren sich so deutlich präziser an den tatsächlichen Marktbedingungen. Statt diese Analysen bei der IT-Abteilung zu beauftragen, erstellen Anwender aus den Fachbereichen die gewünschten Statistikmodelle in einer grafischen Oberfläche selbst, Programmierkenntnisse sind nicht erforderlich. In Verbindung mit der In-Memory-Plattform SAP HANA lassen sich zudem auch Terabyte-große Datensätze innerhalb von Sekunden auswerten. Durch die schlanke Struktur der Lösung fallen nur geringe Betriebskosten an.

Lösungsbeschreibung

SAP Predictive Analysis läuft als Desktop-Anwendung auf einzelnen Client-Rechnern. In einer eclipse-basierten visuellen Modellierungsoberfläche wenden Nutzer vordefinierte Statistikalgorithmen auf eigene Datensätze an. So sind Rückschlüsse auf künftige Entwicklungen möglich. Dabei lassen sich geschäftliche Daten mit öffentlichen Quellen in Bezug setzen – beispielsweise Verbraucherstimmungen aus eigenen Social-Media-Profilen oder neutrale Informationen aus übergreifenden Datenbanken wie dem Microsoft Azure Marketplace.

Zur Verdeutlichung einige Anwendungsszenarien.

Cross-Selling-Analyse: Der Filialleiter einer Einzelhandelskette verfügt über die historischen Absatzzahlen seines Geschäfts. Mithilfe einer prognostischen Analyse erkennt er Muster im Kaufverhalten – beispielsweise welche Produkte häufig gemeinsam gekauft wurden. Der Output der Analyse stellt die einzelnen Produkte miteinander in Bezug. In der Folge kann der Filialleiter einzelne Produkte im Paket anbieten oder Rabatte beim gemeinsamen Kauf bestimmter Artikel anbieten.

Kundenschwundanalyse: Der Manager eines Telekommunikationsunternehmens verliert Kunden an Wettbewerber. Auf Basis seiner CRM-Daten kann er ermitteln, unter welchen Umständen die Kunden den Vertrag kündigen und wie sich dem entgegenwirken lässt.

Vertriebsprognose:Der Manager einer Fluggesellschaft möchte seine Geschäftsstrategien optimieren. Er verfügt über Daten aller bisherigen Flüge mit Flugdatum und Passagierzahlen. Damit lässt sich einerseits ermitteln, welchen Trend das Geschäft beispielsweise in den letzten zehn Jahren genommen hat. Zum anderen wird deutlich, wie sich die Passagierzahlen in den nächsten Jahren voraussichtlich entwickeln werden und welche Einflussfaktoren dabei eine Rolle spielen.

Auswahl statistischer Algorithmen und ihr geschäftlicher Bezug

SAP Predictive Analysis kann prinzipiell stand-alone genutzt werden. In diesem Fall laden Anwender ausschließlich lokal vorliegende Datensätze aus Flat Files, beispielsweise Excel-Tabellen oder strukturierten CSV-Dateien.

Weitere Geschäftsdaten bezieht die Lösung aus angeschlossenen Datenbanken wie SAP Sybase IQ. Sie werden über die offene Schnittstelle JDBC angebunden. Darüber ist auch die Integration von Lösungen aus dem SAP-BusinessObjects-Portfolio (Frontend und Backend) möglich. In SAP Predictive Analysis erstellte Analysemodelle oder auch Visualisierungen lassen sich so direkt in Reports einbetten oder weiterverarbeiten. Die Visualisierungen erzeugt SAP Predictive Analysis mithilfe des integrierten SAP-eigenen Charting Visualization Object Models (CVOM), das auch in SAP-BusinessObjects-Lösungen eingesetzt wird. Informationen lassen sich damit in zahlreichen Formen darstellen, von einfachen Diagrammen bis hin zu komplexen Korrelationsplots.

Im Gegensatz zu Prognoselösungen anderer Anbieter lässt sich SAP Predictive Analysis direkt in SAP HANA integrieren. SAP HANA verfügt dazu seit Version 1.0 Service Pack 3 über eine vordefinierte Predictive Analysis Library (PAL). Sie enthält Algorithmen für die prognostische Analyse großer Datenmengen. SAP Predictive Analysis spricht diese Algorithmen direkt an und orchestriert deren Aufruf direkt auf der SAP-HANA-Plattform selbst. Während SAP Predictive Analysis also auf einem Desktop-Client läuft, erfolgt die eigentliche Analyse in der In-Memory-Datenbank.

Nutzungsvarianten von SAP Predictive Analytics

Die Erstellung von Prognosemodellen erfolgt in vier Schritten:

1 – Data Loading. Mitarbeiter der Fachbereiche identifizieren geschäftliche Fragestellungen, ermitteln die zur Auswertung benötigten Daten und laden diese in SAP Predictive Analysis.

2 – Data Preparation. Häufig ist im Vorhinein nicht offensichtlich, welche Analysealgorithmen für vorliegende Datensätze geeignet sind. Eine Ad-hoc-Visualisierung der geladenen Daten erleichtert ein exploratives Vorgehen. In diesem Schritt lassen sich einzelne Datenreihen herausfiltern und relevante Datensätze zusammenfügen, um die eigentliche Auswertung zu beschleunigen.

3 – Data Processing. Per Drag&Drop wendet der Nutzer vordefinierte Algorithmen auf die geladenen Daten an, beispielsweise Clustering oder Regression. SAP Predictive Analysis enthält dazu GUIs für zahlreiche R-Algorithmen. Diese weitverbreitete konsolenbasierte Open-Source-Programmierumgebung für Statistikmodelle lässt sich so auch schnell von den Fachbereichen nutzen.

4 – Data Visualization and Sharing. Auf Basis von CVOM lassen sich die erstellten Modelle grafisch auswerten. Die Ergebnisse können entweder weiterverarbeitet oder in der ursprünglichen Datenquelle gespeichert werden. Sie lassen sich außerdem in die XML-basierte Standardsprache Predictive Model Markup Language (PMML) exportieren und sind so mit Data-Mining-Lösungen anderer Anbieter kompatibel.

Beispiel eines Analysealgorithmus in der Modellierumgebung

Grundlegende Visualisierung geclusterter Daten

Unterstützte Datenquellen

  • Flat Files: XLS, CSV, TXT, DAT
  • Relationale Datenbanken: SAP Sybase SQL Anywhere, SAP Sybase IQ, MySQL, MS SQL Server, Oracle, SAP HANA (hier auch: OLAP-Cube)
  • SAP BusinessObjects Universes: SAP BusinessObjects XI 3.1, SAP BusinessObjects BI 4.0 (UNV-Dateien)

Systemvoraussetzungen

  • Client-PC mit Windows 7
  • Für In-Memory-Einsatz: SAP HANA

Funktionalitäten

  • Prognosen von Flat-File- und in Datenbanken abgelegten Informationen
  • Direkte Integration in SAP HANA für In-Memory-basierte Prognosen
  • GUIs für R-Algorithmen
  • Visualisierungsmethoden aus dem SAP-BusinessObjects-Portfolio

Produkthistorie

Version 1.0 befindet sich derzeit in der Ramp-up-Phase und wird voraussichtlich ab Oktober 2012 allgemein verfügbar sein. Die Vorgängerlösung hieß SAP BusinessObjects Predictive Analysis.

Verwandte Produkte: SAP BusinessObjects Business Intelligence, SAP HANA

KONTAKT
Ihr Ansprechpartner

Benjamin Graf, Software Developer & Data Scientist
benjamin.graf@sap.com

 

SAP Predictive Analysis, 3.0 out of 3 based on 2 ratings

Weitere Informationen

Weitere Lösungen aus dem Bereich Analytics: