SAP BusinessObjects Predictive Analytics
Vorausschauende Analysen inkl. SAP HANA, PAL, R und Lumira
Immer einen Schritt voraus! Mit diesem Buch lernen Sie, wie Sie Ihre Daten mit SAP Predictive Analytics 3.1 analysieren, um bisher unentdeckte Zusammenhänge aufzuspüren und Trends vorhersagen zu können. Ob Sie schnelle Auswertungen mit Automated Analysis...
Leider schon ausverkauft
Buch (Gebunden)
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenlose Rücksendung
Produktdetails
Produktinformationen zu „SAP BusinessObjects Predictive Analytics “
Klappentext zu „SAP BusinessObjects Predictive Analytics “
Immer einen Schritt voraus! Mit diesem Buch lernen Sie, wie Sie Ihre Daten mit SAP Predictive Analytics 3.1 analysieren, um bisher unentdeckte Zusammenhänge aufzuspüren und Trends vorhersagen zu können. Ob Sie schnelle Auswertungen mit Automated Analysis (früher SAP InfiniteInsights) durchführen möchten oder mit anspruchsvollen Algorithmen in Expert Analysis umgehen müssen - die Autoren führen Sie anhand von praktischen Beispielen in alle Funktionen ein. Aus dem Inhalt: Data Mining und vorausschauende Analysen SAP Predictive Analytics 3.1 (früher SAP BusinessObjects Predictive Analytics) Installation, Architektur und Navigation Automated Analysis Expert Analysis Klassifikationsanalyse, Assoziationsregeln, Regressionsanalyse, Zeitreihen u.v.m. Social Analytics SAP HANA Application Function Library R-Integration Eigene Algorithmen entwickeln Visualisierung Predictive Factory
Inhaltsverzeichnis zu „SAP BusinessObjects Predictive Analytics “
Einleitung ... 15
1. Einführung in Predictive Analytics ... 21
1.1 ... Grundlagen des Data Minings ... 21
1.2 ... Der Data-Mining-Prozess ... 25
1.3 ... Methoden der Datenvorbereitung ... 32
1.4 ... Algorithmen und Methoden des Data Minings ... 42
1.5 ... Einordnung von Predictive Analytics in den Bereich Data Mining ... 56
2. Mehrwert durch Predictive Analytics ... 61
2.1 ... Warum Predictive Analytics? ... 61
2.2 ... Warum Predictive Analytics mit SAP? ... 68
2.3 ... Anwendungsbeispiele ... 70
3. SAP Predictive Analytics ... 77
3.1 ... Einführung und Einordnung in das SAP-Produktportfolio ... 77
3.2 ... Plattformintegration und Architektur ... 84
3.3 ... Installation ... 88
3.4 ... Benutzeroberfläche und Navigation ... 102
3.5 ... Einstellungen ... 104
4. Mit dem Modus »Automated Analytics« arbeiten ... 113
4.1 ... Grundlagen ... 113
4.2 ... Datencodierung ... 118
4.3 ... Datenzugriff und -vorbereitung mit dem Data Manager ... 124
4.4 ... Klassifikations-/Regressionsanalyse ... 127
4.5 ... Zeitreihen ... 191
4.6 ... Clustering ... 196
4.7 ... Analyse sozialer Netzwerke ... 200
4.8 ... Weitere Algorithmen und Toolkit ... 207
5. Mit dem Modus »Expert Analytics« arbeiten ... 225
5.1 ... Funktionen von Expert Analytics ... 225
5.2 ... Navigation und Einstellungen in Expert Analytics ... 226
5.3 ... Datenvorbereitung ... 234
5.4 ... Assoziationsanalyse ... 251
5.5 ... Clustering und Klassifikation ... 257
5.6 ... Regressionsalgorithmen ... 273
5.7 ... Zeitreihen ... 287
5.8 ... Weitere Algorithmen ... 292
6. Integration von R im Modus »Expert Analytics« ... 307
6.1 ... Grundlagen von R ... 308
6.2 ... R-Integration ... 315
6.3 ... Beispiel: ABC-Analyse ... 317
7. Visualisierungen ... 325
7.1 ... Visualisierungen in Automated Analytics ... 325
7.2 ... Visualisierungen in Expert Analytics ... 326
7.3 ... Visualisierungserweiterung durch VizPacker ... 333
8. Model Management mit der Predictive
... mehr
Factory ... 341
8.1 ... Einführung in die Predictive Factory ... 341
8.2 ... Deployment von Automated-Analytics-Modellen ... 350
8.3 ... Deployment von Expert-Analytics-Modellen ... 357
9. SAP-HANA-integriertes Data Mining ... 361
9.1 ... Einführung in SAP HANA Native ... 362
9.2 ... Application Function Library (AFL) ... 365
9.3 ... Weitere integrierte Szenarien ... 386
10. Integration von R in SAP HANA ... 407
10.1 ... Eigene Algorithmen für SAP HANA entwickeln ... 407
10.2 ... Beispiel: Netzwerkoptimierung ... 409
11. Zusammenfassung und Ausblick ... 419
11.1 ... Zusammenfassung ... 419
11.2 ... Ausblick ... 420
Die Autoren ... 423
Index ... 427
8.1 ... Einführung in die Predictive Factory ... 341
8.2 ... Deployment von Automated-Analytics-Modellen ... 350
8.3 ... Deployment von Expert-Analytics-Modellen ... 357
9. SAP-HANA-integriertes Data Mining ... 361
9.1 ... Einführung in SAP HANA Native ... 362
9.2 ... Application Function Library (AFL) ... 365
9.3 ... Weitere integrierte Szenarien ... 386
10. Integration von R in SAP HANA ... 407
10.1 ... Eigene Algorithmen für SAP HANA entwickeln ... 407
10.2 ... Beispiel: Netzwerkoptimierung ... 409
11. Zusammenfassung und Ausblick ... 419
11.1 ... Zusammenfassung ... 419
11.2 ... Ausblick ... 420
Die Autoren ... 423
Index ... 427
... weniger
Autoren-Porträt von Nargiz Bakhshaliyeva, Ulrich Dommer, Ekaterina Samlenski, Helge Schmedt, Nico Schulze, Robert Wilczek
Jian Liang Chen ist seit 2014 für die CONOGY GmbH als SAP-Berater für Business Intelligence tätig. Er absolvierte sein Studium an der Technischen Universität Berlin mit einem Master of Sciene in Wirtschaftsmathematik mit Schwerpunkten in stochastischer Modellierung, Finanzmathematik und Datenbankmanagement. Als Berater arbeitet er in den Bereichen Reporting, klassische Datenbankmodellierung und Advanced Analytics. Daneben beschäftigt er sich infolge seines akademischen Werdegangs speziell mit dem Thema der deskriptiven Datenanalyse und entwickelt kundespezifische Data-Mining-Lösungen basierend auf SAP BusinessObjects Predictive Analytics, SAP HANA und R. Ekaterina Samlenski arbeitet seit 2013 als Senior Beraterin bei der CONOGY GmbH in dem Bereich Business Intelligence. Ihre inhaltlichen Schwerpunkte sind Reporting, Datenmodellierung, Analysis und Programmierung. Bis heute beschäftigt sie sich intensiv mit dem Fachgebiet Data Mining und insbesondere dem Teilgebiet Predictive Analytics mit SAP-Lösungen. Seit 2014 ist sie Trainerin für die SAP-Schulungen zum Thema Predictive Analytics (WDPRED, PAII11, PAII12) in der DACH-Region sowie für weitere kundenspezifische Schulungen und Workshops in den Bereichen Predictive Analytics und Business Intelligence weltweit.Ihre Praxiserfahrung wird zusätzlich mit den Abschlüssen Dipl.-Wirt.-Inf. (mit Schwerpunkt Marketing und Operations Research) und Master of Science (mit Schwerpunkt IT-Sicherheit) der Fachrichtung Wirtschaftsinformatik unterfüttert. Helge Schmedt arbeitet seit 2009 als Unternehmensberater bei der CONOGY GmbH in den Bereichen Business Intelligence, Planung und Data Mining. Als Management Consultant verantwortet er die internen Bereiche Advanced Analytics und Planung. In zahlreichen Projekten brachte er branchenübergreifend seine Projekterfahrung in unterschiedlichen Unternehmensbereichen (z.B. Finance, Treasury, Vertrieb und Investmentmanagement) ein. In den letzten Jahren waren dies vermehrt SAP-HANA-basierte
... mehr
Projekte.
Neben seinen inhaltlichen Schwerpunkten wie Reporting, Planung und Datenmodellierung liegt sein besonderes Interesse im Bereich Data Mining. Diesem Interesse und der Entwicklung der SAP folgend, hat er in 2012 den internen Unternehmensbereich Advanced Analytics mitaufgebaut. Dieser Bereich setzt sich vorrangig mit dem Thema Predictive Analytics, den entsprechenden Einsatzszenarien innerhalb der SAP Landschaft und die Integration in bestehende Lösungen auseinander. Zusätzlich ist er Schulungsreferent für die SAP-Schulung WDPRED im Raum DACH. Nico Schulze arbeitete als SAP BI-Consultant bei der CONOGY GmbH. Nachdem er einen Master in Wirtschaftsmathematik an der TU Berlin mit Schwerpunkten in deskriptiver Statistik, Wahrscheinlichkeitstheorie sowie Finanzmathematik absolviert hatte, entschied er sich für den Advanced-Analytics-Bereich bei SAP. In Projekten entwickelt er neben klassischen Predictive-Implementierungen wie z. B. Forecast-Berechnungen ebenfalls HANA-integrierte Szenarios. Des Weiteren ist Herr Schulze Referent der SAP-Schulungen WDPRED und PAII10.
Neben seinen inhaltlichen Schwerpunkten wie Reporting, Planung und Datenmodellierung liegt sein besonderes Interesse im Bereich Data Mining. Diesem Interesse und der Entwicklung der SAP folgend, hat er in 2012 den internen Unternehmensbereich Advanced Analytics mitaufgebaut. Dieser Bereich setzt sich vorrangig mit dem Thema Predictive Analytics, den entsprechenden Einsatzszenarien innerhalb der SAP Landschaft und die Integration in bestehende Lösungen auseinander. Zusätzlich ist er Schulungsreferent für die SAP-Schulung WDPRED im Raum DACH. Nico Schulze arbeitete als SAP BI-Consultant bei der CONOGY GmbH. Nachdem er einen Master in Wirtschaftsmathematik an der TU Berlin mit Schwerpunkten in deskriptiver Statistik, Wahrscheinlichkeitstheorie sowie Finanzmathematik absolviert hatte, entschied er sich für den Advanced-Analytics-Bereich bei SAP. In Projekten entwickelt er neben klassischen Predictive-Implementierungen wie z. B. Forecast-Berechnungen ebenfalls HANA-integrierte Szenarios. Des Weiteren ist Herr Schulze Referent der SAP-Schulungen WDPRED und PAII10.
... weniger
Bibliographische Angaben
- Autoren: Nargiz Bakhshaliyeva , Ulrich Dommer , Ekaterina Samlenski , Helge Schmedt , Nico Schulze , Robert Wilczek
- 2017, 433 Seiten, Maße: 17,9 x 24,6 cm, Gebunden, Deutsch
- Verlag: Rheinwerk Verlag
- ISBN-10: 3836244152
- ISBN-13: 9783836244152
- Erscheinungsdatum: 02.08.2017
Pressezitat
»Im Buch zeigen die Autoren unter anderem auf, wie Versorger ihre Daten mit SAP Predictive Analytics 3.1 analysieren können, um bisher unentdeckte Zusammenhänge aufzuspüren und Trends vorherzusagen. Darüber hinaus machen die Autoren anhand von Beispielen aus der Praxis deutlich, wie Anwender vorausschauende Analysen und Data Mining mit SAP durchführen, Daten vorbereiten, auswerten und visualisieren können. Und auch wie die Integration mit SAP Predictive Analysis Library, SAP HANA und R gelingt, wird gezeigt. Zudem erklären sie leicht verständlich, welche Algorithmen für welche Zwecke einzusetzen sind. Typische Anwendungsfälle, wie Absatzprognosen, Forecasts und Kampagnenmanagement, machen dabei die Einsatzmöglichkeiten von SAP Predictive Analytics transparent.« WirAutomatisierer.Industrie.de 201710
Kommentar zu "SAP BusinessObjects Predictive Analytics"
Schreiben Sie einen Kommentar zu "SAP BusinessObjects Predictive Analytics".
Kommentar verfassen