SAP Predictive Analytics

Wissen aus erster Hand.
Leseprobe
Immer einen Schritt voraus! Lernen Sie mit diesem Buch, wie Sie aus
Ihren Daten mit SAP Predictive Analytics künftige Entwicklungen
herauslesen. In dieser Leseprobe erfahren Sie, wie Sie den Modus
»Automated Analytics« nutzen und Ihre Daten für eine Klassifikations- bzw. Regressionsanalyse vorbereiten.
»Mit dem Modus ‚Automated Analytics‘
arbeiten« (Auszug)
»Einleitung«
Inhaltsverzeichnis
Index
Die Autoren
Leseprobe weiterempfehlen
Nargiz Bakhshaliyeva, Jian Liang Chen, Ulrich Dommer,
Ekaterina Samlenski, Helge Schmedt, Nico Schulze, Robert Wilczek
SAP Predictive Analytics
Vorausschauende Analysen mit SAP
433 Seiten, gebunden, Juli 2017
79,90 Euro, ISBN 978-3-8362-4415-2
www.sap-press.de/4276
Kapitel 4
Mit dem Modus »Automated Analytics«
arbeiten
4
In diesem Kapitel werden wir die Datenvorbereitung und -analyse
der wichtigsten Algorithmen thematisieren, die im Modus Automated
Analytics zur Verfügung stehen.
4.1 Grundlagen
Bevor wir auf den eigentlichen Prozess der Modellerstellung im Detail eingehen, geben wir einen Überblick über die theoretischen Grundlagen des
Modus Automated Analytics. Die Bezeichnung Automated wird damit
begründet, dass viele Rechenschritte bei der Datenanalyse in diesem
Modus automatisiert werden. Deshalb ist Automated Analytics für die
Data-Mining-Spezialisten und Endanwender oftmals eine »Black Box«, da
es für Nutzer nahezu unmöglich ist, die Analyse im Detail nachzuvollziehen und nachberechnen zu können. In diesem Abschnitt werden die
Grundlagen des Lernprozesses, der Datencodierung und Unterteilungsstrategie erläutert.
4.1.1 Unterteilungsstrategie
Vor der Analyse werden die Trainingsdaten im Modus Automated Analytics in zwei obligatorische und eine optionale Datenmenge aufgeteilt. Der
Datenaufteilungsprozess nennt sich Unterteilungsstrategie (engl. Cutting
Strategy) und spielt eine wichtige Rolle bei der Modellerstellung in Automated Analytics.
Die Daten aus der ersten obligatorischen Datenmenge werden Schätzungsdaten (engl. Estimation Sub-set) genannt. Die Schätzungsdaten dienen dem
Trainieren des Modells. Auf Basis dieser Daten werden in mehreren Iterationen verschiedene Modelle erstellt und deren KI-Koeffizient für jedes dieser Modelle bestimmt (KI und KR wurden in Abschnitt 1.2.5, »Ergebnisvisualisierung und -bewertung«, beschrieben).
Schätzungsdaten
und Validierungsdaten
113
4
Mit dem Modus »Automated Analytics« arbeiten
Die Daten aus der zweiten obligatorischen Datenmenge werden Validierungsdaten (engl. Validation Sub-set) genannt. Mittels dieser Daten werden
die Modelle auf Konsistenz und Robustheit geprüft. Hierbei wird der KRKoeffizient berechnet. Das Modell mit dem höchsten KI- und KR-Koeffizienten wird anschließend ausgewählt.
Testdaten (optional)
Die Aufteilung der Trainingsdaten in eine dritten Datenmenge (Testdaten)
kann optional gewählt werden. Entscheidet sich der Anwender für diese Art
der Aufteilung, so wird eine finale Prüfung der Performance-Indikatoren
über diese Daten durchgeführt.
Standardmäßig werden die Trainingsdaten im Modus Automated Analytics
zufällig in Schätzungs- und Validierungsdaten unterteilt. Eine individuelle
Anpassung der Unterteilungsstrategie kann unter Datenquelle auswählen
angepasst werden (siehe Abbildung 4.1).
4.1
Grundlagen
wert, sich für eine zufällige Unterteilungsstrategie zu entscheiden. So kann
sichergestellt werden, dass in allen aufgeteilten Datensätzen ähnliche
Datensätze vorhanden sind.
4
4.1.2 Modellerstellung und Evaluierung
Abbildung 4.2 verdeutlicht, wie ein Modell im Modus Automated Analytics
bezüglich der Datensätze erstellt und evaluiert wird. In Schritt 1 haben wir
die Daten anhand der ausgewählten Unterteilungsstrategie in mindestens
zwei und maximal drei Datenmengen aufgeteilt.
Modell 1
Modell 2
…
Schätzungsdaten
Modell N
Erstellung von n
Modellen
Trainingsdaten
Unterteilungsstrategie
Validierungsdaten
Evaluierung der Modelle und
Auswahl des besten Modells
Unterteilung der
Trainingsdaten
Testdaten
Performancetest im
ausgewählten besten Modell
Abbildung 4.2 Unterteilungsstrategie und Auswahl des besten Modells
(Quelle: SAP)
Abbildung 4.1 Einstellungen der Unterteilungsstrategie
Benutzerdefinierte
Unterteilungsstrategie
Bei Bedarf kann eine benutzerdefinierte Unterteilungsstrategie verwendet
werden, wobei für jede Unterteilung eine entsprechende Datenmenge geladen wird (siehe auch Abschnitt 4.4.1, »Datenquelle auswählen«). Automated
Analytics unterstützt acht vordefinierte Unterteilungsstrategien: Sequenziell, Sequenziell ohne Test, Periodisch, Periodisch mit Test am Ende, Periodisch ohne Test, Zufällig, Zufällig mit Test am Ende und Zufällig ohne Test
(Standardeinstellung).
Die Auswahl einer Unterteilungsstrategie sollte anhand der vorhandenen
Daten und der auszuführenden Analyse stattfinden. Wenn in den Daten die
Variablen z. B. nach ihren Ausprägungen sortiert sind, ist es empfehlens-
114
Im Schritt 2 werden iterativ n Modelle erstellt. Bei der Erstellung eines
Modells werden alle erklärenden Variablen analysiert. An dieser Stelle wird
geprüft, welche der Variablen entweder keinen oder einen sehr geringen
Einfluss auf die Zielvariable haben. Je nach Einstellung in der automatischen
Auswahl (dazu mehr in Abschnitt 4.4.6, »Erweiterte Modellparameter«) werden die Variablen mit geringstem Einfluss auf die Zielvariable ausgeschlossen. Ist der Prozess abgeschlossen, wird in der nächsten Iteration ein neues
Modell mit den übrig gebliebenen Variablen erstellt und geprüft.
Mehrere Modelle
erstellen
Im Schritt 3 werden die erstellten Modelle evaluiert und das Modell mit
den besten Performance-Indikatoren ausgewählt. Optional können in
einem weiteren Schritt 4 die Performance-Indikatoren des ausgewählten
Modells nochmals geprüft werden.
Das beste Modell
auswählen
115
4
Mit dem Modus »Automated Analytics« arbeiten
4.1
Abbildung 4.3 verdeutlicht den Lernprozess eines Modells schematisch.
Validierung
Schätzung
h= minimale
Komplexität
Modelltest auf
Basis der Validierungsdaten
Ist Error größer
geworden?
h=h+1
Das Modell mit
der Komplexität = h
wird generiert.
4.1.3 SRM-Grundlagen
Im Modus Automated Analytics wird das Prinzip der Structural Risk Minimization (SRM) verwendet, um ein optimales Modell zu finden. Die zugrunde
liegende Theorie wurde von Vladimir Vapnik und Alexey Chervonekis erarbeitet und findet Anwendung im Bereich des maschinellen Lernens.
Training
Nein
Ja
Grundlagen
Structural Risk
Minimization
4
Einfach interpretiert, wird mithilfe der SRM-Theorie in Automated Analytics ein optimales Modell bestimmt, wenn es nicht zu komplex (übertrainiert) ist und trotzdem eine möglichst niedrige Anzahl von Fehlern
aufweist.
Wie oben beschrieben, werden während des Trainingsprozesses im Hintergrund mehrere Vorhersagemodelle automatisch erstellt. Abbildung 4.4 verdeutlicht, wie sich diese Modelle voneinander unterscheiden und welches
davon ausgewählt werden sollte.
Fehler
(Validierungsdatenset)
Fehler
h wird erhöht
finales Modell = bestes
Modell mit h – 1
das beste
Modell
Modellkomplexität
Fehler
Abbildung 4.3 Lernprozess im Modus Automated Analytics (Quelle: SAP)
Der Parameter h gibt die Komplexität eines Modells an (Grundlagen der
Structural Risk Minimization oder SRM vermitteln wir in Abschnitt 4.1.3).
Am Anfang der Trainingsphase ist die Komplexität h des erstellen Modells
minimal. Ein Modell wird immer auf Basis eines Schätzungsdatensatzes
erstellt. Nach dem Erstellen eines Modells 1 werden die Fehleranzahl (Vergleich der Vorhersage mit den tatsächlichen Werten der Zielvariablen) und
Performance-Indikatoren dieses Modells auf dem Validierungsdatensatz
geprüft.
Nachdem die Prüfung abgeschlossen wurde, wird ein weiteres Modell 2
erstellt, dessen Komplexität h+1 beträgt. Die Fehler dieses Modells werden
mit demselben Validierungsdatensatz berechnet. Weist das Modell 2 der
Komplexität h+1 weniger Fehler auf als das vorige Modell 1 der Komplexität
h, wird ein weiteres Modell 3 mit der Komplexität h+2 erstellt. Die Komplexität des nächsten Modells wird so lange inkrementiert, bis die Anzahl der
Fehler, die auf Basis des Validierungsdatensatzes berechnet wurde, steigt
(siehe Abbildung 4.4 im folgenden Abschnitt, Graph 2). Ist das Fall, wird das
Modell mit der geringsten Fehleranzahl als das beste Modell ausgewählt.
116
(Schätzungsdatenset)
Modellkomplexität
underfitting
overfitting
Abbildung 4.4 Das beste Modell nach der SRM-Theorie
Auf der x-Achse wird die Modellkomplexität h dargestellt, die y-Achse
repräsentiert die Anzahl der Fehler. Graph 1 zeigt die Anzahl der Fehler an,
die sich während des Trainingsprozesses (basierend auf dem Schätzungsdatensatz) ändert. In Allgemeinen weist das erste Modell im Erstellungsprozess relativ viele Fehler auf. Das heißt, dass sich die vorhergesagten Werte
dieses Modells oft von den historischen Werten unterscheiden. Mit jedem
Durchlauf im Trainingsprozess wird das Modell korrigiert, so dass die
Anzahl der Fehler des Modells nach jeder Iteration reduziert wird.
Graph 2 gibt die Komplexität des Modells an. Je mehr das Modell »antrainiert« wird, desto komplexer wird es.
117
4
Mit dem Modus »Automated Analytics« arbeiten
Graph 3 zeigt die Anzahl von Fehlern an, die bei dem Modelltest (basierend
auf dem Validierungsdatensatz) identifiziert wurden. Anhand genau dieser
Linie wird das Modell als bestes ausgewählt, das nach SRM die minimalste
Anzahl an Fehlern aufweist.
4.2
Datencodierung
Zielvariablenmittelwerte
Bitte beachten Sie, dass die Zielvariablenmittelwerte in Abbildung 4.5 als
Beispiel zufällig generiert wurden. Die tatsächlichen Zielvariablenmittelwerte der Variablen Education in der Census-Beispieldatei können sich
unterscheiden.
4
4.2 Datencodierung
In Automated Analytics werden die Variablen der Daten anhand des Wertes
codiert. Hier ist zu beachten, dass der Wert der Variablen den Typ dieser
Variablen bezeichnet und nicht die Ausprägung, die eine Variable annehmen kann. Der Wert einer Variablen wird anhand der Ausprägungen definiert, die diese Variable annehmen kann (siehe Beispiel einer
Klassifikationsanalyse in Abschnitt 4.4.2, »Datenbeschreibung«).
Danach werden die errechneten Zielvariablenmittelwerte der beiden Datensätze miteinander verglichen. Wenn sich diese Werte voneinander unterscheiden, d. h., wenn sie nicht robust sind, werden diese der Kategorie
KxOthers zugeordnet. Wenn die Werte gleich sind, werden sie zusammen
gruppiert, wie z. B. {Assoc-acdm; Assoc-voc} oder {5th-6th;7th-8th;9th;
10th;11th;12th} in Abbildung 4.5.
Education
4.2.1 Codierung nominaler Variablen
Die Variablen, die diskrete und nicht geordnete Ausprägungen beinhalten,
werden mit dem Wert nominal definiert. Das kann etwa der Familienstand
(ledig, verheiratet, geschieden etc.), die Autofarbe (Silber, Schwarz, Rot, Blau
etc.) oder die Postleitzahl sein. Die Encodierung nominaler Variablen
besteht aus mehreren Schritten. Zuerst werden die Zielvariablenmittelwerte (Target Mean) auf Basis des Schätzungs- und Validierungsdatensatzes
mittels Chi-Quadrat-Test miteinander verglichen.
Chi-Quadrat-Test
(χ2-Test)
Der Chi-Quadrat-Text
ist ein Signifikanztest, der zur Analyse von
zwei Variablen anhand der beobachteten Häufigkeiten ihrer Merkmalsausprägungen benutzt wird. Der Test wird oft zur Überprüfung der Unabhängigkeit zweier Variablen verwendet.
Angenommen, es sollen auf Basis historischer Kundendaten zukünftige
potenzielle Kunden einer Bank identifiziert werden. Diese Daten beinhalten 15 verschiedene Attribute, unter anderem den akademischen Grad der
Kunden, der als die Variable Education bezeichnet wird. Der Wert der Variablen Education wird als nominale Variable festgelegt.
Zielvariablenmittelwerte berechnen
und vergleichen
118
Während der Codierung werden zuerst die Zielvariablenmittelwerte für
jede Ausprägung der Variablen Education für den Schätzungs- und den Validierungsdatensatz berechnet (siehe Abbildung 4.5).
Zielvariablenmittelwert
(Schätzungsdatenset)
Zielvariablenmittelwert
(Validierungsdatenset)
1st-4th
0,15
0,25
5th-6th
0,20
0,20
7th-8th
0,20
0,20
9th
0,20
0,20
10th
0,20
0,20
{5th-6th;7th-
11th
0,20
0,20
{1st-4th;Masters}=
{KxOther}
0,20
12th
0,20
0,20
Assoc-acdm; Assoc-voc
0,45
Assoc-acdm
0,45
0,45
Bachelors
0,50
Assoc-voc
0,45
0,45
Bachelors
0,50
0,50
Doctorate
0,60
0,60
Prof-school
0,60
0,60
HS-grad
0,55
0,55
Masters
0,30
0,10
Preschool
0,25
0,25
Some-college
0,35
0,35
Education
Zielvariablenmittelwert
(Schätzungsdatenset)
0,20
Doctorate; Prof-school
0,60
HS-grad
0,55
Preschool
0,25
Some-college
0,35
Abbildung 4.5 Encoding nominaler Variablen
Nicht robuste Variablen
Wenn sich die Zielvariablenmittelwerte einer Variablen, die auf Basis der
Schätzungs- und Validierungsdaten berechnet werden, unterscheiden,
wird die Variable als nicht robust bezeichnet.
119
4
Mit dem Modus »Automated Analytics« arbeiten
Anschließend können die gebildeten Gruppen/Kategorien in einer grafischen Darstellung nach der Wichtigkeit der Kategorie betrachtet werden
(siehe Abbildung 4.6). In Abschnitt 4.4.8, »Modellverwendung: Anzeigen«,
beschreiben wir im Detail, wie die Ergebnisse dargestellt werden.
4.2
Wenn die ordinale Variable in Bezug auf den Zielvariablenmittelwert
codiert wird, werden die von 0 bis n davor erstellten Kategorien dann gruppiert, wenn die nacheinanderfolgenden Kategorien den gleichen Zielvariablenmittelwert haben. Bei der Gruppierung der Kategorien muss die
Reihenfolge unbedingt beibehalten werden. So sind z. B. bei der Codierung
der Variablen education-num, die 16 Ausprägungen enthält (von 1 bis 16), die
Kategorien [2,5] und [3,4,8] nicht zulässig. Die Kategorien [1:9[, [9:10[,
[10:11[ und [11:13[ hingegen sind plausibel (siehe Abbildung 4.7).
Datencodierung
Codierung in Bezug
auf Zielvariablenmittelwert
4
Abbildung 4.7 Wichtigkeit der ordinalen Variablen »education-num«
Abbildung 4.6 Wichtigkeit der nominalen Variablen »education«
4.2.2 Codierung ordinaler Variablen
Variablen, die diskrete und geordnete Ausprägungen annehmen können,
werden in Automated Analytics als Variablenwert ordinal definiert. Zum
Beispiel bilden Schulnoten zur Beurteilung von Studenten eine ordinale
Variable. Die ordinalen Variablen können entweder als Standard oder in
Bezug auf den Zielvariablenmittelwert codiert werden.
Standardcodierung
120
Im Fall einer Standardcodierung werden die Variablenwerte in den Kategorien von 0 bis n codiert. Die Anzahl n gibt die Menge der Ausprägungen der
Variablen an, die in den Trainingsdaten erfasst wurden. Eine standardcodierte ordinale Variable wird in der anschließenden Oberfläche zur Auswertung des Modells als <Variablenname> angezeigt, z. B. education-num.
Die ordinalen Variablen, die in Bezug auf den Zielvariablenmittelwert
codiert wurden, werden als c_<Variablename> angezeigt (siehe die Bezeichnungen education-num und c_education-num in Abbildung 4.41).
Fehlt in der Variablen eines Datensatzes die Ausprägung, so wird diese der
Kategorie KxMissing zugeordnet, die nicht robusten Ausprägungen dagegen der Kategorie KxOther.
Fehlende Werte
Bewertung als ordinale Variable
Eine Variablenordnung im Sinne einer ordinalen Variablen erfolgt über
Buchstaben oder Zahlen. Daher kann beispielsweise eine Variable Bewertung, dessen Ausprägungen gut, durchschnittlich und schlecht sind,
nicht direkt als ordinale Variable in Automated Analytics behandelt werden. Hier würden die Werte in alphabetischer Reihenfolge sortiert (durchschnittlich, schlecht, gut). Die Codierung dieser Ausprägungen nach
Zahlen kann in diesem Fall Abhilfe schaffen.
121
4
Mit dem Modus »Automated Analytics« arbeiten
4.2
Datencodierung
4.2.3 Codierung stetiger Variablen
Sind die Ausprägungen einer Variablen stetige Zahlen mit Nachkommastellen, werden solche Variablen mit dem Wertetyp continuous deklariert. Beispiele von stetigen Variablen sind z. B. Umsätze, Temperaturmessungen oder Körpergrößen. Die stetigen Variablen können sowohl
standardmäßig als auch stückweise codiert werden.
Standardcodierung
Im Fall der standardmäßigen Codierung werden alle Ausprägungen der
Variablen so normalisiert, dass der Median gleich 0 und die Standardabweichung gleich 1 sind. Bei einer solchen Codierung wird die Variable in der
anschließenden Oberfläche zur Auswertung des Modells als <Variablename>
angezeigt.
Stückweise
Codierung
Bei der stückweisen Codierung einer stetigen Variablen werden initial alle
Ausprägungen in n gleichmäßige Gruppen aufgeteilt (Standard in Automated Analytics ist n = 20). Bei 20 Gruppen entspricht die Größe der Aufteilung in etwa 5 % der vorkommenden Ausprägungen.
Die Gruppierung kann anhand der Variablen age aus den Census-Beispieldaten verdeutlich werden. Nachdem das Modell im Modus Automated Analytics erstellt wurde, kann der Anwender unter Statistische Berichte weitere
Berichte zum Modell einsehen. Dort kann unter anderem entnommen werden, dass die Ausprägungen der Variablen age im Schätzungs- und Validierungsdatensatz im Bereich von 17 bis 90 liegen (siehe Abbildung 4.8).
4
Abbildung 4.9 Statistische Berichte: Häufigkeiten der Kategorie
Einige der initial vordefinierten Bins werden mit dem nächsten »benachbarten« Bin zusammengefasst, wenn diese auf Basis des gesamten Datensatzes nicht robust sind. Ist der Zielvariablenmittelwert eines Bins ähnlich
dem des angrenzenden Bins, werden auch diese zusammengeführt. So werden im Beispiel die Bins [30;36[, [36;42[, [42;56[ und [56;90] erstellt (siehe
Abbildung 4.10).
Abbildung 4.8 Statistische Berichte: stetige Variablen
Die generierten Bins der Variablen age werden im statistischen Bericht
Häufigkeiten der Kategorie dargestellt (siehe Abbildung 4.9).
122
Abbildung 4.10 Statistische Berichte: Kreuzstatistik für gruppierte Kategorien
123
4
Mit dem Modus »Automated Analytics« arbeiten
Die restlichen Ausprägungen werden der Kategorie KxMissing zugeordnet.
Stückweise codierte stetige Variable werden in der Modellauswertung durch
das Präfix c_<Variablenname> charakterisiert (vergleichen Sie auch die Beiträge der Variablen age und der Variablen c_age im Abschnitt »Beiträge nach
Variablen« in Abschnitt 4.4.8, dort Abbildung 4.41).
4.2.4 Manuelle Variablencodierung
Wenn Sie eine eigene Codierung für eine Variable erstellen möchten, muss
unter Umständen die Struktur dieser Variablen festgelegt werden (siehe
dazu Abschnitt 4.4.2, »Datenbeschreibung«).
Fachliche Sicht der Datencodierung
Das Verfahren der Datencodierung im Modus Automated Analytics wird
ausschließlich über die vorhandene Datengrundlage determiniert. Die
fachliche Anforderung an eine Variable wird hier nicht berücksichtigt. Das
heißt, dass eine manuelle Korrektur des Wertetyps in solchen Fällen notwendig ist (siehe Beispiel zur Struktur in Abschnitt 4.4.2, »Datenbeschreibung«).
4.2.5 Behandlung fehlender Werte in Automated Analytics
Wie in Abschnitt 4.2.2, »Codierung ordinaler Variablen«, bereits angeschnitten, werden fehlende Ausprägungen in Automated Analytics gesondert behandelt. Fehlende Ausprägungen im Schätzungsdatensatz werden
bei nominalen Variablen der Kategorie KxMissing zugeordnet. Die Kategorie wird genauso wie alle anderen Kategorien behandelt. Bei stetigen Variablen können die fehlenden Ausprägungen hingegen mit einer anderen
Gruppierung zusammengefasst werden.
4.3
4.3.1 Datenvorbereitung mit dem Data Manager
Im Data Manager kann die Datengrundlage der bevorstehenden Analyse
auf Basis unterschiedlicher Zeitpunkte, z. B. jeden ersten Tages des Monats,
vorbereitet werden. Dabei können die angepasste Variable Definition und
weitere Features, wie beispielsweise Filter oder Prompt, ohne Änderungen
wieder genutzt werden. Die so erstellte Datengrundlage wird als analytischer Datensatz (engl. Analytical Data Set, ADS) bezeichnet.
Ein analytischer Datensatz im Data Manager wird in folgenden drei Schritten vorbereitet:
1. Im ersten Schritt wird eine Entität (engl. Entity) definiert. Sie ist das
kleinste Objekt in dem Datensatz und kann beispielsweise ein Kunde,
eine Ware, eine Bankkontonummer etc. sein.
Der Data Manager in Predictive Analytics beinhaltet Funktionen, die Sie bei
der Datenvorbereitung unterstützen. Der immense Aufwand zur Vorbereitung der Daten ist den Anwendern oft nicht bewusst. Erfahrungsgemäß
nimmt dieser Teil der Datenvorbereitung in der Praxis ca. 80 % des
Gesamtaufwands für die Erstellung eines Modells in Anspruch. Mit Automated Analytics kann der dafür benötigte Aufwand deutlich verkürzt werden. Im Folgenden stellen wir Ihnen diese Funktionen vor.
124
4
Erstellung eines
analytischen
Datensatzes
2. Als Nächstes wird ein analytischer Datensatz angelegt, der die eben
erstellte Entität näher beschreibt. Ferner kann eine Entität über mehrere
analytische Datensätze charakterisiert werden (siehe 1:n-Beziehung zwischen der Entität und dem analytischen Datensatz in Abbildung 4.11). Die
Attribute des analytischen Datensatzes können sowohl statisch als auch
zeitabhängig sein.
Define Entity
1.
2.
1
1
n
n
Define
Analytical Record
Set Time-Stamped
Population
1
1
n
3.
4.3 Datenzugriff und -vorbereitung mit
dem Data Manager
Datenzugriff und -vorbereitung mit dem Data Manager
Create
Temporal Data Set
Abbildung 4.11 Die Methodik des analytischen Datensatzes
Definition der Zielvariablen
Definieren Sie keine Zielvariable im analytischen Datensatz. Diese wird im
Zeitstempel definiert.
Ein Zeitstempel kann sowohl einen dynamischen Filter enthalten als auch
einen aktuellen Zeitstempel (KxTimeStamp), der erstellt wird, wenn Sie
einen Snapshot von der Population machen.
125
4
Mit dem Modus »Automated Analytics« arbeiten
3. Im letzten Schritt wird das Produkt aus dem analytischen Datensatz und
der Population mit dem Zeitstempel erstellt. Dieses Produkt wird als
temporaler analytischer Datensatz bezeichnet.
Die erstellten Objekte können Sie so als Datenquelle für die weiterführende
Analyse verwenden (siehe Abbildung 4.12).
4.4
Klassifikations-/Regressionsanalyse
쐍 Außerdem können mit Neue Bedingung dynamische Filterung und Vari-
ablenbelegung angelegt werden.
쐍 Über Neue Lookup-Tabelle können für einzelne Variablen einer Tabelle
Abfragen definiert und dahin gehend manipuliert werden. Beispielsweise kann so die Variable Bewertung mit den Ausprägungen gut, durchschnittlich, schlecht als numerisch geordnete Größe festlegt werden
(gut: 1, durchschnittlich: 2, schlecht: 3),
4
쐍 Die Option Neue Normalisierung wird auf eine stetige Variable angewen-
det, um die zugrunde liegende Ausprägung zu normalisieren (im Bereich
0 und 1 normieren).
쐍 Mittels Neuer SQL-Ausdruck kann der Datensatz anhand von SQL-
Abfragen beliebig transformiert werden.
Abbildung 4.12 Auswahl einer Datenquelle im Data Manager
4.3.2 Datenmanipulation mit dem Data Manager
Der Data Manager bietet außerdem weitere Möglichkeiten zur Datenmanipulation. Hierbei muss eine neue Datenmanipulation angelegt und die
zugrunde liegende Tabelle ausgewählt werden. Ist dies erfolgt, gelangen Sie
in den Editor für Datenmanipulation (siehe Abbildung 4.13). Folgende Funktionen können durch Anlegen eines neuen Ausdrucks verwendet werden:
쐍 Der Ausdruckseditor bietet eine breite Palette an Funktionen, um Varia-
blen zu manipulieren. Diese umfasst arithmetische, boolesche, Datums-,
Konvertierungs-, Zeichen-, Zeichenfolgen- und sonstige Operatoren.
쐍 Über Neues Aggregat kann eine weitere Tabelle mit der bestehenden
zusammengeführt werden. Die Schlüssel beider Tabellen für die Zusammenführung und die Art der Aggregation der jeweiligen Kennzahlen
(Durchschnitte, Summen, Aufzählungen, Minimum und Maximum etc.)
müssen hier angegeben werden. Im Register Periodeneinstellungen können Start- und Enddatum festlegt werden. Im Register Filter und Pivoteinstellungen können zusätzliche Filter festgelegt oder für jeden
ausgewählten Wert eine Variable anlegt werden.
126
Abbildung 4.13 Datenmanipulation mit dem Data Manager
4.4 Klassifikations-/Regressionsanalyse
Klassifikations- und Regressionsanalysen sind zwei der bekanntesten DataMining-Verfahren und gehören zu den Stärken von Automated Analytics.
Beim Data Mining sind die Klassifikations- und Regressionsanalyse
127
4
Mit dem Modus »Automated Analytics« arbeiten
4.4
Klassifikations-/Regressionsanalyse
getrennt zu betrachten. Für jede dieser Analysen gibt es eigene Algorithmen. Im Modus Automated Analytics stehen jedoch beide Analysetypen
unter einem Menüpunkt, da der Modellansatz der Ridge Regression (siehe
Abschnitt 1.4.1, »Regressionsanalyse«) und die zugrunde liegende Engine
für diese Analysen die gleichen sind.
Differenzierung
der Analysen
4
Die Differenzierung erfolgt bei der Wahl einer Zielvariablen. Ist die Zielvariable stetig, wird eine Regression durchgeführt. Bestimmt der Nutzer eine
binäre Zielvariable, erfolgt eine Klassifikation.
Mehrere Zielvariablen
Automated Analytics ist in der Lage, eine Regressions- und eine Klassifikationsanalyse gleichzeitig durchzuführen. Der Anwender muss hierbei zwei
Zielvariablen mit unterschiedlichen Wertetypen festlegen. Beispielsweise
können die Zielvariable Kredit aufnehmen (1 für ja und 0 für nein) und die
Zielvariable Insolvent (mit einer Wahrscheinlichkeit von 0 bis 1) angenommen werden. In diesem Fall werden für beide Variablen im Modus Automated Analytics zwei Modelle generiert: eines für die Regression und ein
weiteres für die Klassifikation. Es können darüber hinaus mehrere Zielvariablen vom gleichen Wertetyp ausgewählt werden.
Analyse binärer
Klassifikationen
Die Klassifikationsanalyse im Modus Automated Analytics ist eine binäre
Klassifikation. Das heißt, dass das erstellte Modell über Automated Analytics nur zwischen zwei Klassen unterscheiden kann. Die Klassifizierung in
drei, vier oder mehr Klassen wird hierbei nicht unterstützt. Die Zielvariable
kann sowohl binäre Zahlen (0 oder 1) als auch andere Werte wie Yes/No
oder True/False enthalten.
Mit der Regressionsanalyse in Automated Analytics kann eine abhängige
Variable (z. B. Sales) mithilfe von unabhängigen (erklärenden) Variablen
bestimmt werden.
Abbildung 4.14 Klassifikations-/Regressionsanalyse: Auswahl der Datenquelle
Sie haben die Möglichkeit, eine lokale Datei, eine Datenbanktabelle oder
einen bereits angelegten, analytischen Datensatz aus dem Data Manager
als Datenquelle für die Analyse zu verwenden 1. Bei der ersten Option können Sie folgende Datentypen auswählen 2:
Unterstützte
Dateiformate
쐍 Textdateien: .dat, .data, .csv und .txt
쐍 Datenbank: Verbindung zu HANA und anderen ODBC-Datenquellen,
die auf Ihrem Rechner angelegt sind
4.4.1 Datenquelle auswählen
Für die Erstellung eines Klassifikations- und/oder Regressionsmodells wählen Sie in der Startoberfläche von Predictive Analytics Modeler 폷 Klassifikations-/Regressionsmodell anlegen. Im darauffolgenden Fenster Datenquelle auswählen (siehe Abbildung 4.14) können Sie die Trainingsdaten für
Ihre Analyse bestimmen.
쐍 Flat Memory: das Laden der Datei aus dem aktiven Speicher
쐍 SAS-Dateien: aus bestimmter Version und unterstützendem
System (SAS-Dateien v6 oder v7/8/9, Win oder Unix) oder
SAS-Transportdateien (.xpt)
쐍 SPSS-Dateien: .sav
쐍 Excel: Arbeitsmappen der Version 97-2003 (.xls) oder 2007 (.xlsx)
Nachdem Sie einen Datentyp ausgewählt haben, setzen Sie den Vorgang
mit der Wahl des Ordners und der Quelldatei fort (3 und 4).
128
129
4
Mit dem Modus »Automated Analytics« arbeiten
Beispieldateien
Mit der Installation von SAP Predictive Analytics werden Beispieldaten
(Samples) bereitgestellt, die im Modus Automated Analytics direkt verwendet werden können und Ihnen den Einstieg erleichtern. Diese finden
Sie unter Datei oder Datenbanktabelle verwenden 폷 Datentyp 폷 Textdateien 폷 Ordner 폷 Durchsuchen und dort im Ordner ../../../Samples (siehe 4
in Abbildung 4.14). Vielen Samples ist eine entsprechende Datei zur
Beschreibung ihrer einzelnen Variablen beigelegt. Die Daten liegen bereits
in der Struktur/Form vor, die insbesondere für Zeitreihenanalysen oder
Analysen sozialer Netzwerke benötigt wird. Der erste Buchstabe K im
Datennamen stammt ursprünglich von der Firma KXEN und wurde beibehalten. Um sich mit Automated Analytics vertraut zu machen, empfehlen
wir, für den Anfang die folgenden Daten zu verwenden:
4.4
Klassifikations-/Regressionsanalyse
Wenn die Datenquelle ausgewählt wurde, kann die Beispieldatenansicht in
Automated Analytics mit dem Icon
angesehen werden (siehe 6 in Abbildung 4.14). Es öffnet sich das Fenster Beispieldatenansicht. Innerhalb dieses
Fensters können drei verschiedene Reiter ausgewählt werden: Daten, Statistik und Graph.
Beispieldatenansicht öffnen
4
Im Register Daten werden die Variablen und die Daten in dem vom Benutzer definiertem Bereich (erster Zellindex und letzter Zellindex definieren
und auf den Button
klicken) angezeigt. Die Daten können auch in zwei
vertikalen ( ) oder horizontalen ( ) Fenstern gleichzeitig abgebildet
werden (siehe Abbildung 4.15).
쐍 Census: Klassifikations- und Regressionsanalyse
쐍 GeoLoc: Analyse der häufigen Pfade, Kollokationsanalyse
쐍 JapaneseData: Assoziationsanalyse (Association Rules = AR),
Recommendation
쐍 KAR: Assoziationsanalyse (AR)
쐍 KelData: Klassifikations- und Regressionsanalyse
쐍 KSN: Analyse sozialer Netzwerke (Social Network = SN)
쐍 KTC: Textanalyse
쐍 KTS: Zeitreihenanalyse (Time Series = TS)
Census-Datei
In diesem Abschnitt werden die Beispieldaten in der Datei Census01.csv
analysiert. Die Census-Datei enthält die Daten von 48.842 Kunden aus den
Vereinigten Staaten von Amerika, die mindestens 17 Jahre alt sind. Jeder
einzelne Kunde wird anhand von 15 Variablen beschrieben: age, workclass,
fnlwgt (gewichtete Variable), education und education-num, marital-status,
occupation, relationship, race, sex, capital-gain, capital-los, native country und class. Die Zielvariable class beinhaltet die Werte 0 oder 1, wobei 1
für Personen steht, die ein Jahresgehalt von mindestens 50.000 US$ beziehen, und 0 für Personen, deren Gehalt unter 50.000 US$ liegt. Unser Ziel ist
es, anhand von 15 Attributen vorherzusagen, ob eine Person mehr als
50.000 US$ verdient und somit zur Klasse 1 gehört oder nicht.
Abbildung 4.15 Klassifikations-/Regressionsanalyse: Beispieldatenansicht
Im Register Statistik können Sie die deskriptive Statistik für die gesamten
Daten oder einen Teil davon ansehen. Dazu gehören:
Deskriptive Statistik
쐍 die Zeilenanzahl in der Quelldatei
쐍 von Automated Analytics geschätzter Wert jeder Variablen
130
Bedeutung der Zielvariablen »Class«
쐍 von Automated Analytics geschätzter Speichertyp jeder Variablen
Für das Beispiel in diesem Kapitel wurde die ursprüngliche Bedeutung der
Zielvariablen Class geändert. Hier meinen wir mit der Ausprägung 1, dass
der Kunde das Produkt einer Bank gekauft hat. Die Ausprägung 0 gibt Personen an, die das Produktangebot einer Bank abgelehnt haben.
쐍 die Anzahl der fehlenden Werte (in diesem Fall nur leere Werte)
쐍 die Häufigkeit der Kategorie für jede Variable
131
4
Mit dem Modus »Automated Analytics« arbeiten
4.4
쐍 nur für die stetigen Variablen die wichtigsten statistischen Parameter
(sowie Min, Max, Mittelwert und Standardabweichung)
Über die Schalfläche kann die webbasierte Form des Berichts nach Excel
transportiert werden. Neben der tabellarischen Form gelangen Sie über den
Reiter Graph zu der grafischen Darstellung. Die x- und y-Achsen müssen
hier definiert werden. Anschließend wird der Graph über Graph anzeigen
dargestellt. Diese Funktion ist besonders bei der Zeitreihenanalyse sehr
hilfreich.
Sollte bei der Datenvorschau die Kopfzeile(-n) oder die grundlegende
Datenformatierung nicht wie gewünscht angezeigt werden, können Sie
weitere Anpassungen mit der Funktion
vornehmen (siehe 5 in Abbildung 4.14). Hier stehen die Einstellungen für Teilstichprobe, Datei oder
Kopfzeile zur Auswahl. In dem Abschnitt Teilstichprobe können Sie die
erste und die letzte Zeile für Ihre Stichprobe auswählen (um den gesamten
Datensatz auf eine Teilmenge einzuschränken), die Zufallsauswahl aktivieren, den zufälligen Initialwert sowie den prozentualen Anteil definieren. Im
Abschnitt Dateieinstellungen können Sie die Trennzeichen (Tabulator,
Komma, Semikolon, Leerzeichen etc.) für Ihre Textdatei festlegen, das
Datumsformat und -trennzeichen anpassen (Jahr/Monat/Tag oder
Tag.Monat.Jahr), das Erzwingen der Codierung aktivieren (UTF-8, UTF-16,
systemeigen oder Latin-1) und das Winkelformat für geografische Daten
auswählen. Automated Analytics unterstützt die Winkelformate aus
Tabelle 4.1 für die Breiten- und Längengrade.
Winkelformat
Winkelformat
Format
Grad dezimal
[–+]ddd,ddddd
Beispiel
+32,30642
–122,61458
Grad Minuten dezimal
Grad 100 Minuten dezimal (NMEA)
[–+]ddd° mm,mmmm'
[SNWE]
[–+]dddmm,mmm
+32° 18,385'
–122° 36,875'
+3218,3852
Klassifikations-/Regressionsanalyse
Wählen Sie Unterteilungsstrategie (siehe 7 in Abbildung 4.14), um die entsprechende Unterteilungsstrategie festzulegen. In unserem Beispiel wird
die Standardeinstellung zufällig ohne Test ausgewählt.
Über die Auswahl Metadaten (siehe 8 in Abbildung 4.14) können Einstellungen zum Metadaten-Repository vorgenommen werden. Die gleichen
Optionen finden Sie auch unter Datei 폷 Einstellungen… 폷 Metadaten-Repository. Damit wird der Pfad der Metadaten festgelegt. Mehr darüber lesen Sie
in Abschnitt 4.4.10, »Modellverwendung: Sichern/exportieren«.
4
Schritt zurückgehen oder Modellaufbauprozess abbrechen?
Bitte beachten Sie, dass Sie mit Klick auf den Button Abbrechen den
gesamten Modellaufbauprozess beenden und zur Startseite des Tools weitergeleitet werden. Wollen Sie einen Schritt zurückgehen, nutzen Sie bitte
den Button Zurück. Sie können auch die automatische Sicherung des
Modells aktivieren (siehe dazu Abschnitt 4.4.5, »Zusammenfassung der
Modellierungsparameter«). Dadurch wird das Modell in jedem Schritt
automatisch gespeichert.
Klicken Sie nach der Datenquellenauswahl auf den Button Weiter (siehe 9
in Abbildung 4.14) zur Fortsetzung der Modellerstellung.
4.4.2 Datenbeschreibung
Im nächsten Schritt des Modellaufbaus Datenbeschreibung (siehe Abbildung 4.16) werden Sie die Variablen (Spalten) aus der Datenquelle beschreiben, insbesondere die Einstellungen zu Speicherformat, Typ, Struktur etc.
Klicken Sie zur Datenbeschreibung entweder auf den Button Analysieren 1,
oder öffnen Sie eine bereits vorhandene Beschreibung 2.
Ist eine Datei zur Beschreibung der Daten vorhanden, so können Sie über
den Button Analysieren die Daten analysieren und sich eine vorgeschlagene Beschreibung geben lassen.
–12236,8748
Grad Minuten Sekunden
[–+]ddd° mm' ss,ss"
+32° 18' 23,1"
–122° 36' 52,5"
Tabelle 4.1 Einstellungen für die Winkelformate
Vorgeschlagene Beschreibungen
Beachten Sie, dass die von Automated Analytics vorgeschlagenen
Beschreibungen unter Umständen den fachlichen Anforderungen der
jeweiligen Variablen angepasst werden müssen (z. B. Prüfung auf fehlende
Werte und Werttypen).
Unter Kopfzeile wird festlegt, ob die Quelldatei eine Kopfzeile enthält und
wie viele oberste Zeilen als Kopfzeilen dienen sollen.
132
133
4
Mit dem Modus »Automated Analytics« arbeiten
4.4
Klassifikations-/Regressionsanalyse
4
Abbildung 4.17 Klassifikations-/Regressionsanalyse: Struktur der
Beschreibungsdatei
Zu der Datenbeschreibung gehören:
쐍 Index: Nummerierung der Variablen. Die Nummer wird automatisch
vergeben, eine Anpassung durch den Nutzer ist nicht möglich.
Abbildung 4.16 Klassifikations-/Regressionsanalyse: Datenbeschreibung
쐍 Name: Name der Variablen. Der Name wird automatisch aus den Quell-
daten gelesen, kann aber nur in der Datenquelle angepasst werden.
Die Datei zur Beschreibung des Datensatzes beinhaltet die Information zu
Rank, Name, Storage, Value, KeyLevel, OrderLevel, MissingString, Group und
Description der einzelnen Variablen (siehe Abbildung 4.17).
Datenbeschreibungen laden
134
In diesem Bespiel laden wir die Beschreibungen aus der Beispieldatei Desc_
Census01.csv. Wenn Sie den Button Beschreibung öffnen (siehe 2 in Abbildung 4.16) anklicken, können Sie den Pfad zu der Beschreibungsdatei
bestimmen und mit OK bestätigen. Die vordefinierte Datenbeschreibung
wird in der Toolansicht entsprechend Ihrer Beschreibungsdatei angezeigt.
Neben der Beschreibung der gesamten Datenquelle können Sie auch einzelne Beschreibungen zu Variablen korrigieren und speichern. Dafür markieren Sie eine Variable und klicken den Button Im Variablenpool sichern
an (siehe 3 in Abbildung 4.16).
쐍 Speicher: Art der in dieser Variablen gesicherten Werte (siehe 4 in Abbil-
dung 4.16). Mögliche Ausprägungen:
– number: stetige Zahlen (Kontonummer, Kunden-ID oder
Telefonnummern sollten nicht als Zahl angelegt werden.)
– integer: Ganzzahlen
– string: Zeichenfolgen
– DateTime: Datum und Zeitstempel
– Datum: Datumsangaben
쐍 Wert: Art des Wertes (siehe 5 in Abbildung 4.16).
Mögliche Ausprägungen:
– continuous: reale Zahlen mit beliebigem Wert (auch mit Bruchteilen
und Nachkommastellen, wie z. B. Bankkontostand, Geburtsdatum
und anderen Werten)
135
4
Mit dem Modus »Automated Analytics« arbeiten
4.4
Klassifikations-/Regressionsanalyse
– nominal: diskrete und nicht georderte Werte, wie z. B. Autofarbe
(Blau, Silber, Schwarz) oder Postleitzahl
– ordinal: diskrete numerische Variable, bei der die relative
Reihenfolge wichtig ist
4
– textual: textuelle Variable, die Phrasen, Sätze oder vollständige
Texte enthält
쐍 Schlüssel: Schlüsselvariable oder Identifikation für den Datensatz.
Mögliche Ausprägungen:
– 1: primärer Schlüssel (Bei der Klassifikations-/Regressionsanalyse ist
der Schlüssel automatisch die erstellte Variable KxIndex.)
– 2: sekundärer Schlüssel
– 0: Variable ist kein Schlüssel.
쐍 Reihenfolge: Gibt an, ob eine Variable bereits vorsortiert ist (siehe 6 in
Abbildung 4.16). Mögliche Ausprägungen:
– 1: Variable stellt eine natürliche Reihenfolge dar (sehr wichtig bei
Datumsvariablen der Zeitreihenanalyse). Das heißt, dass die Daten in
dem Datensatz bereits vorsortiert sind, ausgehend vom Variablenwert.
– 0: Variable stellt keine natürliche Reihenfolge dar.
쐍 Fehlt: Zeichenfolge, mit der in der Datenbeschreibungsdatei fehlende
Werte dargestellt werden (siehe 7 in Abbildung 4.16). Die Ausprägungen
legt der Nutzer selber an, wie z. B. 99999, ?, # oder leer.
쐍 Gruppe: Name der Gruppe, zu der die Variable gehört. Jede Variable kann
maximal einer Gruppe zugeordnet werden. Alle Variablen derselben
Gruppe enthalten dieselben Informationen. Daher erfolgt keine Kreuztabellierung der Gruppen, wenn das Modell eine Reihenfolge mit einer
Komplexität über 1 aufweist.
쐍 Beschreibung: ein optionaler Kommentar zu der Variablen
Mehrere Variablen
markieren
136
Sollen die Beschreibungen mehrerer Variablen angepasst werden, so können Sie diese Variablen mithilfe der gedrückten Tasten (Strg) oder (ª) auswählen, das Kontextmenü per Rechtsklick aufrufen und die Beschreibung
der Variablen anpassen. Die gleichen Optionen finden Sie ebenfalls im
Register Bearbeitung (siehe 1 in Abbildung 4.18).
Abbildung 4.18 Klassifikations-/Regressionsanalyse: Datenbeschreibung
Sie können zu einer Variablen auch eine Struktur anlegen (siehe 8 in Abbildung 4.16). Diese Option ist nützlich, wenn Sie z. B. die Variable Land codieren möchte. Mit einer Struktur können Sie Länder den Kontinenten oder
länderspezifischen Märkten zuordnen, so wird z. B. die Variable Land mit
dieser Struktur entschlüsselt.
Struktur anlegen
Sollen die Kategorien der Variablen in verschiedene Sprachen übersetzt
werden, so können Sie im Register Bearbeitung den Button Kategorien
übersetzen (siehe 3 in Abbildung 4.18) anklicken und die Übersetzungen in
den entsprechenden Sprachen anlegen und abspeichern. Sie müssen dann
für jede neue Kategorie der Variablen einen dazugehörigen Text in der entsprechenden Sprache eintragen.
Über den Button Zusammengesetzte Variablen (siehe 4 in Abbildung 4.18)
können die zusammengehörigen Variablen wie z. B. bei Längen- und Breitengraden vereinigt werden. Im Kontextmenü können Sie die natürliche
Codierung einer Variablen erlauben oder untersagen (siehe Abbildung
4.19). Mehr zur Codierung der Variablen finden Sie in Abschnitt 4.2, »Datencodierung«.
137
4
Mit dem Modus »Automated Analytics« arbeiten
4.4
Klassifikations-/Regressionsanalyse
4
Abbildung 4.20 Klassifikations-/Regressionsanalyse: Filter in Datensatz
hinzufügen
Umgang mit Filtern
Abbildung 4.19 Klassifikations-/Regressionsanalyse: Datenbeschreibung –
Codierung ändern
4.4.3 Filter
In Automated Analytics können Sie beim Erstellen des Modells einen Filter
für Ihre Datenquelle anlegen. Setzen Sie dafür ein Häkchen bei Filter in
Datenset hinzufügen (siehe 9 in Abbildung 4.16) unter Datenbeschreibung,
und klicken Sie auf den Button Weiter. Nach erfolgreicher Ausführung werden Sie automatisch zum Fenster Filter im Datenset hinzufügen weitergeleitet (siehe Abbildung 4.20). Wenn das Häkchen nicht gesetzt wird,
gelangen Sie zum Schritt Auswahl von Variablen (siehe Abschnitt 4.4.4).
Um einen Filter anzulegen, klicken Sie auf Bedingung hinzufügen, und wählen Sie dann im Dialogfenster Bedingung definieren eine Variable, einen
Operator und einen Wert aus. Sie können mehrere Filter mit einer Und-/
Oder-Logik für mehrere Variablen verknüpfen. Wenn Sie eine bereits
erstellte Bedingung auswählen, können Sie mit dem Klick auf die Reihenfolge in der Filterliste anpassen.
138
Wenn Sie in diesem Schritt einen Filter setzen, wird er nur für diese Analyse relevant sein. Wenn Sie initial gefilterte Daten als Grundlage für alle
Analysen erstellen möchten, ist der Data Manager besser geeignet. Sie
können einen Filter auch speichern (Funktionen Filter sichern und Vorhandenen Filter laden in Abbildung 4.20) und für eine andere Analyse laden.
4.4.4 Auswahl von Variablen
In Automated Analytics können Sie bei der Erstellung einer Klassifikations-/
Regressionsanalyse die Variablen aus Ihren Daten in vier Typen unterteilen
(siehe Abbildung 4.21):
1. Zielvariablen: Es muss mindestens eine Variable als Zielvariable deklariert werden. Bei der Auswahl der Zielvariablen entscheiden Sie, ob ein
Klassifikations- oder Regressionsmodell erstellt wird. Ist Ihre Zielvariable stetig, wird Automated Analytics ein Regressionsmodell erstellen.
Enthält Ihre Zielvariable binäre Werte (0/1, Yes/No, True/False, Won/Lost),
wird eine Klassifikationsanalyse erstellt.
139
4
Mit dem Modus »Automated Analytics« arbeiten
4.4
Klassifikations-/Regressionsanalyse
4. Gewichtungsvariable: Automated Analytics bietet die Möglichkeit, eine
Gewichtungsvariable zu deklarieren (z. B. Variable fnlwgt). In diesem Fall
wird allen Zeilen eine relative Gewichtung zugeordnet. Die Angabe einer
solchen Variablen ist optional.
Unter Auswahl von Variablen können Sie diese als Variablenliste sichern.
Dies kann besonders nützlich sein, wenn das Modell besonders viele Variablen berücksichtigt und Sie die Variablendeklarierung vereinfachen möchten. Wenn Sie beispielsweise Ihre ausgeschlossenen Variablen definiert
haben, klicken Sie auf den Button
unterhalb des Bereichs Ausgeschlossene Variablen und vergeben einen beliebigen Namen für Ihre Datei.
4
Variablenliste
Fehlerhinweis
Neue Dateien können nicht im Ordner ../../../Samples/Census erstellt werden. Die Variablenliste muss z. B. lokal in einem anderen Ordner hinterlegt
werden.
Abbildung 4.21 Klassifikations-/Regressionsanalyse: Auswahl von Variablen
Mehrere Zielvariablen
Im Modul Automated Analytics ist es möglich, mehrere Zielvariablen zu
deklarieren. Diese können sowohl vom gleichen Typ sein (dann werden
mehrere Klassifikations- oder Regressionsmodelle erstellt) als auch von
unterschiedlichen Typen (in diesem Fall erfolgt die Regressions- und Klassifikationsanalyse gleichzeitig).
Falls beim Ladevorgang in der Variablenliste der erklärenden Variablen und
der Liste der auszuschließenden Variablen identische Variablen vorgefunden werden, so wird die Variable der zuletzt geladenen Liste übernommen
und in der vorigen ausgeschlossen. Zum Beispiel sehen Sie in Abbildung 4.22
die Variable workclass, die doppelt vorkommt. Sie wird dann in dem Bereich
deklariert, in dem die Variablenliste zuletzt geladen wurde. Haben Sie zuerst
die Liste mit ausgeschlossenen Variablen geladen (siehe 2 in Abbildung 4.21)
und anschließend die Liste mit erklärenden Variablen (siehe 1 in Abbildung
4.21), so wird die Variable workclass als erklärende deklariert.
2. Ausgeschlossene Variablen: Die vom Modul Automated Analytics
erstellte KxIndex-Variable wird automatisch den ausgeschlossenen Variablen zugeordnet. Variablen, die sehr stark miteinander korrelieren, sollten ausgeschlossen werden (wie z. B. Kundennummer, Kunden-ID,
Kundentelefonnummer etc.). Auf die gleiche Weise können entdeckte
Leakers verworfen werden (mehr über Leakers erfahren Sie in Abschnitt
4.4.8, »Modellverwendung: Anzeigen«).
3. Erklärende Variablen: Zu den erklärenden Variablen gehören alle Variablen, die nicht ausgeschlossen und nicht als Zielvariablen definiert wurden. Sie werden zur Berechnung des Modells verwendet.
Abbildung 4.22 Erklärende und ausgeschlossene Variablen
140
141
4
Mit dem Modus »Automated Analytics« arbeiten
4.4
Klassifikations-/Regressionsanalyse
Die Kopfzeilen der Variablenlisten werden ignoriert, somit können Sie die
Datei ExcludedVariables.txt in den Bereich Ausgewählte erklärende Variablen laden.
4
Variablenlisten nur für erklärende und ausgeschlossene Variablen
Eine Variablenliste kann entweder für erklärende oder für ausgeschlossene Variablen erstellt werden. Zielvariablen und Gewichtungsvariable
müssen dennoch immer geprüft und bei Bedarf manuell anpasst werden.
Mit einem Häkchen vor Alphabetische Sortierung können die Variablen
entsprechend sortiert werden (siehe 3 in Abbildung 4.21). Insbesondere bei
vielen Variablen ist eine Sortierung für eine bessere Übersicht sinnvoll.
Wenn Sie alle Variablen wie gewünscht deklariert haben, können Sie mit
dem nächsten Schritt der Modellerstellung fortfahren, indem Sie auf Weiter klicken.
Beispiel
In unserem Beispiel sind die Variablen wie in Abbildung 4.21 zu definieren.
Abbildung 4.23 Zusammenfassung der Modellierungsparameter
4.4.5 Zusammenfassung der Modellierungsparameter
Einstellungen
prüfen
In der Oberfläche Zusammenfassung der Modellierungsparameter (siehe
Abbildung 4.23) können die bisherigen Einstellungen zur Modellerstellung
nochmals geprüft werden, wie etwa die Quelldatei, die Art der Unterteilungsstrategie und die Setzung der Ziel- und Gewichtungsvariablen 1.
Wenn alles korrekt ist und keine Anpassungen mehr vorgenommen werden müssen, prüfen Sie bitte den Modellnamen. Der Name des Modells
wird nach dem Muster <Analysename>_<Quelldateiname> automatisch vergeben 2. Bei der Erstellung von mehreren Modellen bietet sich die Vergabe
einer sprechenden Beschreibung an. So können Sie später besser nachvollziehen, welches Modell für welches Ziel und mit welchen Parametern
erstellt wurde.
Hier kann auch festgelegt werden, ob Automated Analytics einen Entscheidungsbaum als Ergebnisdarstellung erstellen soll 3 oder ob eine automatische Auswahl aktiviert werden soll 4. Das Feld Automatische Auswahl
aktivieren ist standardmäßig aktiviert. Diese Funktion reduziert automatisch die Anzahl der Variablen im Modell entsprechend bestimmter Qualitätskriterien (KI und KR).
142
Mit der Einstellung Automatisch sichern 5 können Sie sicherstellen, dass
das Modell am Ende des Lernprozesses gespeichert wird, auch wenn Sie in
den darauffolgenden Schritten versehentlich den gesamten Prozess abbrechen. Bei der Aktivierung der automatischen Sicherung wird auf dem Button Automatisch sichern ein grünes Häkchen angezeigt, und nach dem
Trainieren des Modells erhalten Sie eine Informationsmeldung, dass Ihr
Modell gespeichert wurde.
Modell automatisch
sichern
Der Button 6 öffnet den Bereich, in dem Sie ein KxShell-Skript generieren
können, das das aktuelle Modell reproduziert. Klicken Sie auf den Button 7,
wenn Sie weitere Einstellungen vornehmen möchten. Die erweiterten Einstellungen werden in Abschnitt 4.4.6, »Erweiterte Modellparameter«,
behandelt. Diese Anpassungen sind optional. Sie können die Generierung
des Modells jetzt starten 8.
4.4.6 Erweiterte Modellparameter
Per Klick auf den Button Erweitert (siehe 7 in Abbildung 4.23) können Sie
die folgenden Einstellungen anpassen.
143
2
Einleitung
Liebe Leserin, lieber Leser,
die Möglichkeit, in die Zukunft zu schauen und Vorhersagen oder Prognosen zu treffen, ist für uns alle sehr faszinierend wie auch ein wichtiger Teil
für die eigene Planung. So ist es uns wichtig, das morgige Wetter zu kennen,
um die richtige Kleidung zu wählen. Ebenso sind wir daran interessiert, den
am Wochenende zu erwartenden Autoverkehr gut einschätzen zu können
und somit einer möglichen Staugefahr zu entgehen. Diese Beispiele zeigen,
dass es sich lohnt, zukünftige Ereignisse gut einschätzen zu können, um
somit die eigene Planung zu optimieren. Und dies gilt nicht nur für uns als
Privatpersonen, sondern insbesondere für staatliche und betriebswirtschaftliche Organisationen. Gerade für Unternehmen ist es wirtschaftlich
sehr entscheidend, Nachfrage- und Preisentwicklungen, Zahlungs- und
Logistikströme oder auch Maschinenverschleiß und Materialverbrauch
vorhersagen zu können und darauf optimal zu reagieren.
Dem Informationsbedarf steht im Zeitalter der fortschreitenden Digitalisierung eine zunehmend hohe Datenverfügbarkeit gegenüber. Je mehr
Daten über Kunden, Märkte und eigene Prozesse zur Verfügung stehen,
desto besser lassen sich Prognosen über künftige Entwicklungen treffen.
Und so entstehen in vielen Unternehmen riesige Datenmengen, wenn
nicht sogar »Datenberge«, die mit aufwendigen Business-Intelligence(BI-)Systemen verwaltet werden. Die Weiterentwicklung von BI-Systemen
sind Big-Data-Technologien, die es ermöglichen, Hochfrequenz- (engl. High
Frequency Data) oder gar Echtzeitdaten (engl. Realtime Data) zu verwalten
und für Analysen bereitzustellen. Mit diesen Technologien ist es unter
anderem möglich, Sensordaten zu verarbeiten, das Klickverhalten von
Kunden eines Onlineshops zu analysieren oder unstrukturierte Daten wie
Texte, Bilder oder Webinhalte nach versteckten Informationen zu durchleuchten.
Für Vorhersagen oder Optimierungen genügt es allerdings nicht, Daten
lediglich zu sammeln und zu verwalten, sondern dazu bedarf es Algorithmen und Heuristiken, um aus dem Datenbestand wertvolle Informationen
abzuleiten. Auch die angewandte Mathematik und Statistik entwickeln sich
rasant weiter. So werden in der Forschung gängige statistische Methoden,
wie z. B. die Regressions- und Zeitreihenanalyse, unablässig weiterentwickelt und optimiert. Darüber hinaus bieten verschiedene Technologien
und Software eine einfache Handhabung der unterschiedlichen Algorithmen. Insbesondere die statistische Open-Source-Programmiersprache R
15
Einleitung
Einleitung
spielt eine zunehmend wichtige Rolle für Wissenschaft und Wirtschaft.
Neue statistische Verfahren aus der Wissenschaft sind hier schnell für alle
Nutzer verfügbar und einfach anzuwenden. Aus dieser Zusammenführung
von Methodik und Technologien entwickelten sich optimierende Verfahren wie das maschinelle Lernen (engl. Machine Learning), bei dem ein statistisches Modell computergestützt fortlaufend mit neuen Daten trainiert
wird, um das Modell somit permanent zu verbessern. Dies ermöglicht es,
verlässliche Prognosen zu berechnen und somit den wachsenden Informationsbedarf der Unternehmen zu decken.
In diesem Buch werden wir Ihnen zeigen, wie Sie dieses Zusammenspiel
von Methodik, Daten und Technologie in einer SAP-Systemumgebung
umsetzen. Wir werden Ihnen dabei einen Einstieg in die Anwendung SAP
Predictive Analytics geben und dabei auf verschiedene Ansätze eingehen,
wie Sie mithilfe von SAP Predictive Analytics auch in Ihrem Unternehmen
die richtigen Vorhersagen treffen können.
Für diejenigen Leser, die bereits einen soliden Kenntnisstand in der Anwendung von prädiktiven Analysen besitzen, bietet das Buch einen umfangreichen Überblick der verschiedenen Modi, die Sie gewinnbringend auf
praktische Probleme anwenden können. Zusätzlich werden sie von dem
Hintergrundwissen profitieren, wie z. B. den Unterschieden zwischen überwachtem und unüberwachtem Lernen, das in diesem Buch zur Verfügung
gestellt wird.
Zu beachten ist jedoch, dass sich dieses Buch auf die Anwendung von SAP
Predictive Analytics konzentriert und deshalb kein Lehrbuch zu Data
Mining ersetzt.
Aufbau des Buches
Im Wesentlichen besteht das Buch aus drei übergreifenden Teilen:
쐍 Einführung und theoretische Grundlagen (Kapitel 1–2)
쐍 Arbeiten mit dem Tool SAP Predictive Analytics (Kapitel 3–8)
Erforderliches Vorwissen für das Verständnis des Buches
쐍 Erweiterungen (Kapitel 9–10)
Wie im vorhergehenden Absatz erwähnt, wird das Buch insbesondere darauf eingehen, wie Methodik, Daten und Technologie in SAP Predictive
Analytics verwendet werden. Aus diesem Grund ist es natürlich sehr hilfreich, sowohl über ein hinreichendes Grundwissen in Mathematik und Statistik als auch über technologisches Verständnis zu verfügen.
Wir empfehlen Ihnen, die Kapitel in der angegebenen Reihenfolge zu lesen.
Jedoch können Sie einzelne Bereiche je nach Interessenlage auch separat
durcharbeiten.
Da die Anwendung auf Basis einer SAP-HANA-Datenbank wie auch verschiedener MS-Excel-Dateien veranschaulicht wird, sind Vorkenntnisse zu
Datenbanken (speziell SAP HANA) sowie zum Umgang mit MS Office (insbesondere Excel) durchaus von Vorteil.
Zielgruppen des Buches
In diesem Buch lernen Sie, wie Sie effizient mit SAP Predictive Analytics
arbeiten. Zusätzlich bieten wir Ihnen einen Einstieg in die Themen Data
Mining und Predictive Analytics im Allgemeinen. Es wird also jeder angesprochen, der sich für die Anwendung tief gehender und vorausschauender
Analysen sowie für deren technische Umsetzung interessiert. Dies können
IT-Spezialisten sein, die vorwiegend die technologische Komponente von
Data-Mining-Anwendungen im Blick haben. Aber natürlich empfiehlt sich
das Buch auch für Anwender aus Fachabteilungen, die sich auf substantielle
Analysen spezialisieren.
16
Kapitel 1: Einführung in Predictive Analytics
Das Buch beginnt mit einer allgemeinen Einführung in das Thema Predictive Analytics. Wir vermitteln Ihnen wesentliche theoretische Grundlagen
des Data Minings und definieren die wichtigsten Termini. Hierbei gehen
wir insbesondere auf die Datenvorbereitung und die Auswahl geeigneter
Algorithmen ein. Schließlich wird Predictive Analytics in den Gesamtkontext des Data Minings eingeordnet.
Kapitel 2: Mehrwert durch Predictive Analytics
In Kapitel 2 wollen wir Ihnen den Nutzen des Einsatzes von Predictive Analytics für Ihr Unternehmen aufzeigen. Wir stellen Ihnen dabei konkrete
Anwendungsfälle für den praktischen Einsatz von SAP Predictive Analytics
vor.
Kapitel 3: SAP Predictive Analytics
Kapitel 3 gibt eine allgemeine Einführung in SAP Predictive Analytics.
Dabei ordnen wir das Produkt in das SAP-Produktportfolio ein und geben
Ihnen einen grundsätzlichen Überblick der Architektur sowie eine konkrete Anleitung zum Installationsvorgehen. Das Kapitel schließt mit einem
17
Einleitung
Einleitung
allgemeinen Überblick der Benutzeroberfläche und der verschiedenen Einstellungsmöglichkeiten.
Kapitel 4: Mit dem Modus »Automated Analytics« arbeiten
In Kapitel 4 erhalten Sie eine detaillierte Einführung in den Modus Automated Analytics. Nach einer allgemeinen Einführung werden die Navigationsund Einstellungsmöglichkeiten dieses Modus vorgestellt. Anschließend
lernen Sie verschiedene Datenvorbereitungsmöglichkeiten kennen. Außerdem beschreiben wir, wie Sie die wesentlichen Algorithmen anwenden.
Dabei gehen wir insbesondere auf die Bewertungs- und Interpretationswerkzeuge ein.
Kapitel 5: Mit dem Modus »Expert Analytics« arbeiten
Kapitel 5 beschreibt den zweiten Modus, Expert Analytics. Auch hier geben
wir Ihnen eine kurze Einführung in die Navigations- und Einstellungsmöglichkeiten. Sie erhalten einen umfassenden Einblick in die Möglichkeiten
zur Datenvorbereitung und die Anwendung der wichtigsten Algorithmen.
Da der Umfang des Buches es nicht erlaubt, die Anwendung aller Algorithmen im Detail zu beschreiben, fassen wir weniger bedeutsame Algorithmen in einem weiterführenden Abschnitt »Weitere Algorithmen«
zusammen.
Kapitel 6: Integration von R im Modus »Expert Analytics«
Kapitel 6 bietet einen Exkurs in die R-Programmierung, die Ihnen vielfältige Erweiterungen (Customizing) im Modus Expert Analytics ermöglicht.
Hier zeigen wir Ihnen die Integration in SAP Predictive Analytics anhand
eines Beispiels.
Kapitel 7: Visualisierungen
In Kapitel 7 finden Sie verschiedene Beispiele an Visualisierungsmöglichkeiten, insbesondere für den Modus Expert Analytics. Darüber hinaus stellen wir Ihnen anhand eines konkreten Beispiels die Erweiterungsmöglichkeiten in Expert Analytics vor.
Kapitel 8: Model Management mit der Predictive Factory
In Kapitel 8 erhalten Sie einen allgemeinen Einblick in die aktuellen Erweiterungsmöglichkeiten mit der Predictive Factory. Konkret zeigen wir
Ihnen, wie Sie diese sowohl im Automated als auch im Expert-Modus einsetzen.
Kapitel 9: SAP-HANA-integriertes Data Mining
Wie Sie SAP Predictive Analytics in SAP HANA integrieren, erfahren Sie in
Kapitel 9. Nach einer kurzen Einführung in SAP HANA Native stellen wir
Ihnen die SAP HANA Predictive Analysis Library (PAL), die Automated Predictive Library (APL) und weitere Integrationsszenarien vor.
18
Kapitel 10: Integration von R in SAP HANA
Weitere Erweiterungsmöglichkeiten von SAP Predictive Analytics lernen
Sie in Kapitel 10 kennen. Wir führen Sie dort in die Erstellung und Integration eigener Algorithmen mit der R-Programmiersprache ein.
Kapitel 11: Ausblick und Zusammenfassung
Zum Abschluss wagen wir noch eine Prognose, wie es mit SAP Predictive
Analytics weitergeht.
In Kästen, die mit Hinweis-Symbol gekennzeichnet sind, finden Sie Informationen zu weiterführenden Themen oder wichtigen Inhalten, die Sie
sich merken sollten.
Die mit dem Tipps-Symbol gekennzeichneten Kästen geben Ihnen spezielle
Empfehlungen, die Ihnen die Arbeit erleichtern können.
Kästen mit dem Achtung-Symbol weisen Sie auf mögliche Fehlerquellen
und Probleme hin.
Danksagung
Ohne die Unterstützung unsere Kollegen wie auch Partner hätten wir dieses Buch nicht fertigstellen können. An dieser Stelle möchten wir all jenen
danken, die durch ihr fachliches und persönliches Engagement zum Gelingen dieses Buches beigetragen haben. Ein besonderer Dank geht hier zuallererst an die Geschäftsführung der CONOGY GmbH. Sie hat uns, dem
Autorenteam, den entsprechenden Freiraum zum Schreiben dieses Buches
eingeräumt und uns motivierend unterstützt. Besonderer Dank gilt hier
auch unseren Kolleginnen und Kollegen Andreas Behrendt, Jeannine Fode,
Alexander Kalinin, Philipp Metzger und Lars Valentiner, die mit ihrem tatkräftigen Einsatz maßgeblich zur Fertigstellung dieses Buches beigetragen
haben. Ganz herzlich bedanken wir uns bei Frau Billen und Frau Karrasch
vom Rheinwerk Verlag für die sehr gute und angenehme Zusammenarbeit.
Wir wünschen Ihnen nun viel Spaß bei der Lektüre des Buches und viel
Erfolg beim Anwenden des Gelernten im spannenden Bereich der Predictive Analytics!
Ihr Autorenteam
Nargiz Bakhshaliyeva, Jian Liang Chen, Ulrich Dommer,
Ekaterina Samlenski, Helge Schmedt, Nico Schulze und Robert Wilczek
19
Auf einen Blick
1
Einführung in Predictive Analytics ...................................................
21
2
Mehrwert durch Predictive Analytics .............................................
61
3
SAP Predictive Analytics ......................................................................
77
4
Mit dem Modus »Automated Analytics« arbeiten .................... 113
5
Mit dem Modus »Expert Analytics« arbeiten .............................. 225
6
Integration von R im Modus »Expert Analytics« ........................ 307
7
Visualisierungen ..................................................................................... 325
8
Model Management mit der Predictive Factory ......................... 341
9
SAP-HANA-integriertes Data Mining .............................................. 361
10
Integration von R in SAP HANA ......................................................... 407
11
Zusammenfassung und Ausblick ..................................................... 419
Inhalt
Einleitung ..........................................................................................................................
15
1
Einführung in Predictive Analytics
21
1.1
Grundlagen des Data Minings ..................................................................
21
1.1.1
1.1.2
Der Begriff »Data Mining« und seine Historie ......................
Typische Anwendungsfälle von Data Mining ........................
21
23
Der Data-Mining-Prozess ............................................................................
25
1.2.1
1.2.2
1.2.3
1.2.4
1.2.5
1.2.6
Problemdefinition ...........................................................................
Datenanalyse ....................................................................................
Datenvorbereitung .........................................................................
Modellierung ....................................................................................
Ergebnisvisualisierung und -bewertung .................................
Deployment des Modells ..............................................................
27
28
28
29
30
32
Methoden der Datenvorbereitung .........................................................
32
1.3.1
1.3.2
1.3.3
1.3.4
1.3.5
1.3.6
1.3.7
Variablen ............................................................................................
Deskriptive Statistik .......................................................................
Integration und Transformation ................................................
Sampling ............................................................................................
Ausreißerbehandlung ....................................................................
Binning ................................................................................................
Missing Values .................................................................................
32
33
36
37
38
39
41
Algorithmen und Methoden des Data Minings ................................
42
1.4.1
1.4.2
1.4.3
1.4.4
1.4.5
1.4.6
1.4.7
Regressionsanalyse ........................................................................
Zeitreihenanalyse ...........................................................................
Klassifikations- und Clusterverfahren .....................................
Assoziationsanalyse .......................................................................
Entscheidungsstrukturen .............................................................
Künstliche neuronale Netze ........................................................
Weitere Algorithmen .....................................................................
43
45
47
50
51
53
54
Einordnung von Predictive Analytics in den
Bereich Data Mining .....................................................................................
56
1.5.1
1.5.2
57
57
1.2
1.3
1.4
1.5
Was ist Predictive Analytics? .......................................................
Abgrenzung von Predictive Analytics .......................................
7
Inhalt
Inhalt
2
Mehrwert durch Predictive Analytics
2.1
Warum Predictive Analytics? ...................................................................
61
2.2
Warum Predictive Analytics mit SAP? ..................................................
68
2.3
Anwendungsbeispiele .................................................................................
70
2.3.1
2.3.2
3
3.1
Anwendungsbeispiel 1:
Preiselastizitäten im Einzelhandel ...........................................
Anwendungsbeispiel 2:
Absatzprognosen in der Musikindustrie ................................
SAP Predictive Analytics
4.2
4.3
71
73
4.4
77
Datencodierung ..............................................................................................
118
4.2.1
4.2.2
4.2.3
4.2.4
4.2.5
Codierung nominaler Variablen .................................................
Codierung ordinaler Variablen ...................................................
Codierung stetiger Variablen ......................................................
Manuelle Variablencodierung ....................................................
Behandlung fehlender Werte in Automated Analytics ......
118
120
122
124
124
Datenzugriff und -vorbereitung mit dem Data Manager ............
124
4.3.1
4.3.2
Datenvorbereitung mit dem Data Manager ..........................
Datenmanipulation mit dem Data Manager ........................
125
126
Klassifikations-/Regressionsanalyse .....................................................
127
4.4.1
4.4.2
4.4.3
Datenquelle auswählen ...............................................................
Datenbeschreibung ........................................................................
Filter .....................................................................................................
128
133
138
4.4.4
4.4.5
4.4.6
4.4.7
4.4.8
4.4.9
4.4.10
Auswahl von Variablen .................................................................
Zusammenfassung der Modellierungsparameter ...............
Erweiterte Modellparameter ......................................................
Trainieren des Modells und Modellübersicht ........................
Modellverwendung: Anzeigen ...................................................
Modellverwendung: Ausführen .................................................
Modellverwendung: Sichern/exportieren ..............................
139
142
143
148
151
174
187
Einführung und Einordnung in das SAP-Produktportfolio .........
77
3.1.1
3.1.2
3.1.3
Einführung in SAP Predictive Analytics ...................................
Zielgruppen ......................................................................................
Produktportfolio .............................................................................
77
79
81
Plattformintegration und Architektur .................................................
84
3.2.1
3.2.2
Plattformintegration .....................................................................
Architektur ........................................................................................
84
86
4.5
Zeitreihen ..........................................................................................................
191
Installation .......................................................................................................
88
4.6
Clustering ...........................................................................................................
196
SAP Download Center ...................................................................
Desktop-Installation ......................................................................
Serverinstallation ...........................................................................
Predictive-Factory-Installation ...................................................
Hardwarevoraussetzungen ........................................................
88
90
94
98
101
4.7
Analyse sozialer Netzwerke ......................................................................
200
Weitere Algorithmen und Toolkit ..........................................................
207
3.4
Benutzeroberfläche und Navigation ...................................................
102
3.5
Einstellungen ...................................................................................................
104
4.8.1
4.8.2
4.8.3
4.8.4
4.8.5
4.8.6
4.8.7
207
210
212
214
217
218
223
4
Mit dem Modus »Automated Analytics«
arbeiten
113
Grundlagen ......................................................................................................
113
4.1.1
4.1.2
4.1.3
113
115
117
3.2
3.3
3.3.1
3.3.2
3.3.3
3.3.4
3.3.5
4.1
8
61
Unterteilungsstrategie .................................................................
Modellerstellung und Evaluierung ...........................................
SRM-Grundlagen ............................................................................
4.8
5
Kollokationsanalyse .......................................................................
Analyse der häufigen Pfade .........................................................
Recommendation ............................................................................
Assoziationsanalyse .......................................................................
Sequenzanalyse ...............................................................................
Textanalyse .......................................................................................
Toolkit .................................................................................................
Mit dem Modus »Expert Analytics«
arbeiten
225
5.1
Funktionen von Expert Analytics ............................................................
225
5.2
Navigation und Einstellungen in Expert Analytics .........................
226
9
Inhalt
Inhalt
5.2.1
5.2.2
5.3
5.4
5.5
5.6
10
Einstellungen und Navigation im Tool ....................................
Ansichten in Expert Analytics .....................................................
226
230
Datenvorbereitung .......................................................................................
234
5.3.1
5.3.2
Vorbereitungssicht ........................................................................
Data Type Definition .....................................................................
234
239
5.3.3
5.3.4
5.3.5
5.3.6
5.3.7
5.3.8
5.3.9
5.3.10
Filter ....................................................................................................
Formula ..............................................................................................
Normalization ..................................................................................
Partition .............................................................................................
Sample ...............................................................................................
Model Statistics ..............................................................................
Model Compare ..............................................................................
SAP-HANA-Datenvorbereitungskomponenten ....................
239
241
242
243
243
244
246
248
Assoziationsanalyse .....................................................................................
251
5.4.1
5.4.2
5.4.3
Grundlegende Begriffe .................................................................
R-Apriori .............................................................................................
Anwendungsbeispiele ..................................................................
251
252
257
Clustering und Klassifikation ...................................................................
257
5.5.1
5.5.2
5.5.3
5.5.4
5.5.5
5.5.6
5.5.7
5.5.8
Auto Clustering ...............................................................................
R-K-Means .........................................................................................
SAP-HANA-Clustering-Algorithmen .........................................
Auto Classification .........................................................................
R-Bagging Classification ..............................................................
R-Boosting Classification .............................................................
R-Random Forest Classification .................................................
SAP-HANA-Klassifikationsalgorithmen ..................................
258
261
264
265
266
268
269
270
Regressionsalgorithmen ............................................................................
273
5.6.1
5.6.2
5.6.3
5.6.4
5.6.5
5.6.6
5.6.7
5.6.8
5.6.9
5.6.10
5.6.11
5.6.12
273
275
276
277
278
279
281
281
282
282
284
285
Auto Regression ..............................................................................
Exponentielle Regression .............................................................
Geometrische Regression ............................................................
Lineare Regression .........................................................................
Logarithmische Regression .........................................................
R-exponentielle Regression .........................................................
R-geometrische Regression .........................................................
R-lineare Regression ......................................................................
R-logarithmische Regression ......................................................
R-multilineare Regression ...........................................................
R-Random Forest Regression ......................................................
SAP-HANA-Regressionsalgorithmen .......................................
5.7
5.8
6
Zeitreihen ..........................................................................................................
287
5.7.1
5.7.2
5.7.3
5.7.4
5.7.5
287
289
291
292
292
R-Single Exponential Smoothing ...............................................
R-Double Exponential Smoothing .............................................
R-Triple Exponential Smoothing ................................................
Triple Exponential Smoothing ....................................................
SAP-HANA-Zeitreihenalgorithmen ...........................................
Weitere Algorithmen ...................................................................................
292
5.8.1
5.8.2
5.8.3
5.8.4
5.8.5
293
297
298
303
304
Entscheidungsstrukturen: R-CNR Tree ....................................
SAP-HANA-Entscheidungsstrukturen ......................................
Neuronale Netze .............................................................................
Ausreißeranalyse .............................................................................
SAP-HANA-Ausreißeralgorithmen ............................................
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
7.2.1
Überblick der Darstellungsmöglichkeiten in
Expert Analytics ...............................................................................
Schlagwortwolke in Expert Analytics .......................................
Liniendiagramm in Expert Analytics .........................................
Säulendiagramm in Expert Analytics .......................................
Streudiagramm in Expert Analytics ..........................................
Geoblasendiagramm ....................................................................
326
329
330
330
331
332
Visualisierungserweiterung durch VizPacker ....................................
333
7.3.1
7.3.2
333
334
7.2.2
7.2.3
7.2.4
7.2.5
7.2.6
7.3
Überblick zum VizPacker ..............................................................
Externe Visualisierungen einsetzen .........................................
11
Inhalt
Inhalt
8
8.1
8.2
8.3
Model Management mit der
Predictive Factory
341
8.1.1
8.1.2
8.1.3
8.1.4
8.1.5
8.1.6
Einstellungen ...................................................................................
Benutzer ............................................................................................
Modellierungsserver ......................................................................
Externe Befehle ...............................................................................
Projekte ..............................................................................................
Variablenstatistik ...........................................................................
342
344
344
345
346
349
Deployment von Automated-Analytics-Modellen .........................
350
8.2.1
Zeitreihen ..........................................................................................
351
8.2.2
8.2.3
Klassifikation ...................................................................................
Clustering ..........................................................................................
354
355
Deployment von Expert-Analytics-Modellen ...................................
357
8.3.1
8.3.2
357
8.3.3
361
9.1
Einführung in SAP HANA Native .............................................................
362
Application Function Library (AFL) .........................................................
365
9.2.2
9.2.3
9.2.4
9.3
PAL-Algorithmen im Modus
Expert Analytics einsetzen ..........................................................
PAL-Komponenten im Modus
Expert Analytics erstellen ...........................................................
407
10.1.1
10.1.2
Serverarchitektur ............................................................................
RLANG-Prozedur ..............................................................................
408
409
10.2 Beispiel: Netzwerkoptimierung ..............................................................
409
10.2.1
10.2.2
10.2.3
10.2.4
10.2.5
Mathematische Modellierung ....................................................
Formulierung des Optimierungsproblems .............................
Optimierung des Modells .............................................................
Technische Implementierung .....................................................
Ergebnis ..............................................................................................
410
411
411
412
418
11 Zusammenfassung und Ausblick
419
11.1 Zusammenfassung ........................................................................................
419
11.2 Ausblick ..............................................................................................................
420
Die Autoren ......................................................................................................................
423
Index ...................................................................................................................................
427
366
370
Automated Predictive Library (APL) ..........................................
OFL und die SAP-HANA-Optimierungsfunktion ...................
372
383
Weitere integrierte Szenarien .................................................................
386
9.3.1
9.3.2
386
395
Modellexport im Modus Automated Analytics ....................
Modellexport im Modus Expert Analytics .............................
10.1 Eigene Algorithmen für SAP HANA entwickeln ................................
359
SAP-HANA-integriertes Data Mining
9.2.1
12
357
9
9.2
407
341
Einführung in die Predictive Factory .....................................................
Schritt 1: Model Chain in Expert Analytics erstellen ..........
Schritt 2: Model Chain aus
Expert Analytics exportieren ......................................................
Schritt 3: Model Chain in die
Predictive Factory importieren ..................................................
10 Integration von R in SAP HANA
13
Index
Index
A
ABC-Analyse ................................................ 317
Abweichungen analysieren .................. 174
Adaptive Learning 씮 maschinelles Lernen
Advanced Analytics .................................... 58
Aggregat ........................................................ 126
Ähnlichkeitsfunktion ................................. 49
Aktivierungsfunktion ................................ 54
Algorithmus ................................................... 29
Alias-Koeffizient ........................................ 280
Analyse
multivariate .............................................. 33
univariate ................................................... 33
Analyse der häufigen Pfade .................. 210
Analyse sozialer Netzwerke .................. 200
Analyseverfahren ........................................ 29
Analytical Data Set 씮 analytischer
Datensatz
analytischer Datensatz .................. 103, 125
Ansicht 씮 Sicht
Antenne ........................................................... 38
Anwendungsfall ................................. 70, 341
APL 씮 Automated Predictive Library
Architektur .............................................. 84, 86
Architektur, Desktop-Version ................. 86
arithmetisches Mittel ................................. 34
Assoziationsanalyse ...... 50, 214, 251, 329
Assoziationsanalyse, Word Cloud ...... 255
Assoziationsregel ............................... 50, 251
Ausdruckseditor ........................................ 126
Ausreißer ......................................................... 38
Ausreißeranalyse ............................. 303, 312
Interquartilbereich .............................. 303
Nächste-Nachbarn-Ausreißer ......... 304
SAP-HANA-Ausreißeralgorithmen 304
Ausreißerindikator ................................... 183
Automated Analytics .......................... 79, 82
Automated Analytics, Visualisierung 325
Automated Predictive Library .... 285, 372
Forecast .................................................... 382
Key_Influencers .................................... 382
Predictive Business Services ............. 382
Predictive Model Services ................. 372
Profil_Data_and_get_
Associationrules .............................. 383
Profile_Data ........................................... 382
Automated Predictive Library (Forts.)
Recommend ............................................
Scoring_Equation .................................
automatische Auswahl ...........................
automatische Modellsicherung ..........
382
382
145
143
B
Balkendiagramm .......................................... 30
Bedingung ........................................... 127, 138
Befehlsparameter ...................................... 346
Beispiel .......................................................... 409
Beitrag nach Variablen ................... 152, 161
Beobachtet ................................................... 154
Bestimmtheitsmaß ..................................... 44
Betrugserkennung 씮 Fraud Detection
Big Data ............................................................ 59
Bin ...................................................................... 39
binäre Umkodierung .................................. 37
Binärvariable .................................................. 37
Binning ............................................................. 39
bipartiter Graph ......................................... 201
Black Box ...................................................... 113
Bogenelastizität ............................................ 71
Boxplot ............................................................. 38
Bucketing 씮 Binning
Business Analyst ........................................... 80
Business Analytics ....................................... 58
Business Case ................................................. 66
Business Intelligence .................................. 58
Business Understanding 씮 Problemdefinition
Business User ................................................. 80
C
CART .................................................................. 53
CHAID ............................................................... 53
Chancenverhältnis .......................... 147, 188
Classification
Auto Classification .............................. 265
HANA ABC-Analyse ............................. 271
HANA K-Nächste-Nachbarn ............. 271
HANA Naive Bayes ............................... 271
HANA Support Vector Machine ...... 272
HANA Weighted-Score-Analyse ...... 272
R-Bagging Classification ................... 266
427
Index
Index
Classification (Forts.)
R-Boosting Classification .................. 268
R-Random Forest Classification ..... 269
Cloud ................................................................. 78
Cluster .............................................................. 49
Clustering ................. 49, 196, 257–258, 355
Auto Clustering ..................................... 258
dichtebasiertes ......................................... 50
HANA DBSCAN ...................................... 265
HANA Self-Organizing Maps ........... 265
hierarchisches ........................................... 50
partitionierendes ..................................... 50
R-K-Means ............................................... 261
SAP-HANA-ClusteringAlgorithmen ...................................... 264
Confusion Matrix ...................................... 169
CRISP-DM ........................................................ 26
Cutting Strategy ......................................... 113
D
D3 .................................................................... 334
Data as a Service .................................... 63, 69
Data Manager .................................... 103, 124
Data Mining .................................................... 21
Algorithmen .............................................. 42
Anwendungsfälle ..................................... 23
Methoden ................................................... 42
Prozess ......................................................... 25
Data Preprocessing 씮 Datenvorbereitung
Data Provisioning ..................................... 412
Data Science ................................................... 59
Data Scientist .......................................... 59, 80
Data Type Definition ............................... 239
Data Understanding 씮 Datenanalyse
Daten
Analyse ........................................................ 28
Aufbereitung .......................................... 413
Beschreibung .......................................... 133
heiße ............................................................. 65
kalte .............................................................. 65
Manipulation ................................ 103, 126
warme .......................................................... 65
Datenmodellierung 씮 Modellierung
Datenvorbereitung ...................................... 28
Datenvorbereitung, Methode ................. 32
Delegierung des Modelltrainings ....... 107
Deployment ......................................... 32, 357
Descriptive Analytics .................................. 58
deskriptive Statistik ................... 28, 33, 310
Desktop-Installation ................................... 90
428
Desktop-Version ..........................................
Diagnostic Analytics ..................................
dichtebasiertes Clustering .......................
Diskretisierung 씮 Binning
Divide-and-Conquer-Algorithmus .......
drei Vs ..............................................................
Dummy-Variable 씮 Binärvariable
dynamische Optimierung .......................
86
58
50
52
59
56
E
elastische Nachfrage .................................. 71
Entität ............................................................ 125
Entropie ......................................................... 294
Entscheidungsbaum .............. 51, 152, 172,
284, 296
Entscheidungsregel .................................... 51
Entscheidungsstruktur ............................. 51
HANA C4.5 ............................................... 297
HANA CHAID .......................................... 298
HANA R-CNR Tree ................................. 298
R-CNR-Struktur ...................................... 293
SAP-HANA-Entscheidungsstrukturen ........................................... 297
Erfolgsanalyse ............................................... 23
erklärende Variable .................................. 140
Esri AcrGis .................................................... 327
Esri-Landkarte ............................................. 229
Evaluation ...................................................... 30
Expert Analytics .................................... 79, 83
Deployment ............................................ 357
Diagramm ............................................... 327
Einstellungen .......................................... 228
JDBC Writer ............................................. 397
Modellkette ............................................. 402
Offlinemodus .......................................... 230
Onlinemodus .......................................... 230
PAL-Komponente erstellen ............... 370
R ................................................................... 307
R-Erweiterung ........................................ 400
SAP HANA Writer .................................. 396
Visualisierung ........................................ 326
exponentielle Glättungsverfahren ...... 46
externer Befehl ........................................... 345
Extremwert .................................................... 38
F
F1-Punktwert .............................................. 170
Fehler ersten Grades ................................ 169
Fehler zweiten Grades ............................. 169
Fehlerbalken ............................................... 177
Filter ............................................................... 138
Flowgraph .................................................... 364
Fraud Detection ............................................ 24
Freigabe (Sicht) .......................................... 233
G
Genauigkeit ................................................. 170
geografische Hierarchie ......................... 236
Geolokation ................................................. 109
geometrisches Mittel ................................. 34
Gewichtungsvariable .............................. 141
Glättung, exponentielle ............................ 46
Goodness of Fit .......................................... 276
Graphentheorie ............................................ 55
Grenzwert .................................................... 160
H
Hadoop .................................................. 85, 361
HANA 씮 SAP HANA
HDFS .............................................................. 362
heiße Daten .................................................... 65
hierarchisches Clustering ......................... 50
High Frequency Data .................................. 15
Histogramm ................................................... 41
Hive ................................................................ 362
I
If-else-Statement ....................................... 314
Implikation ..................................................... 50
In-Memory-Technologie ........................... 69
Input-Variable ............................................... 32
Installation .............................................. 88, 90
Integration ...................................................... 36
intelligenter Variablenbeitrag ............. 162
intelligenter Variablenhöchstbeitrag 163
Interquartilsabstand ................................... 35
K
Kachel ............................................................ 152
kalte Daten ..................................................... 65
Kanten .............................................................. 55
Kategorie übersetzen .............................. 137
KDD 씮 Knowledge Discovery in
Databases
KI .................................................................. 31, 74
Klassifikation .................... 47, 128, 257, 354
Analyse ..................................................... 257
Kreuzvalidierung ..................................... 49
Overfitting .................................................. 48
Rate ............................................................ 170
Regel ............................................................. 48
SAP-HANAKlassifikationsalgorithmen ......... 270
Klassifikator .................................................... 48
Knoten .............................................................. 55
Knowledge Discovery in Databases ...... 23
Kollokationsanalyse ................................. 207
Konfidenz .............................................. 51, 251
Konfidenzgrad ............................................ 282
Konzentrationsparameter ........................ 36
Korrelation ................................................... 327
Einstellung .............................................. 145
Koeffizient .................................................. 36
Kostenmatrix .............................................. 171
KPI ................................................................... 354
KR ................................................................ 31, 74
Kreditwürdigkeitsprüfung ....................... 24
Kreuzvalidierung ......................................... 49
künstliches neuronales Netz ................... 53
KxAdmin ...................................................... 191
KxCommunities ........................................ 207
KXEN .......................................................... 68, 78
KxInfos .......................................................... 191
KxLinks .......................................................... 206
KxMissing .................................................... 121
KxNode .......................................................... 207
KxOlapCube ................................................ 191
KxOther ......................................................... 121
KxShell-Skript ............................................. 190
KxTimeStamp ............................................. 125
L
Lageparameter .............................................. 34
Leaker ............................................................. 166
Lernen
maschinelles .............................................. 59
überwachtes .............................................. 29
unüberwachtes ......................................... 29
Lernregel .......................................................... 54
Lift .......................................................... 156, 251
lineare Optimierung ................................... 55
lineare Regression ....................................... 43
Lookup-Tabelle ........................................... 127
429
Index
430
Index
M
N
Machine Learning .......................... 16, 22, 59
manuelle Variablencodierung ............. 124
MAPE .............................................................. 353
MapReduce .................................................. 362
maschinelles Lernen
씮 Machine Learning
mathematische Modellierung ............. 410
Matrix ............................................................ 309
Maximum ....................................................... 34
Mean Absolute Percentage Error
씮 MAPE
Median ............................................................. 34
Metadaten-Repository ............................ 107
Methode der kleinsten Quadrate 43, 275
Minimum ........................................................ 34
Missing Value ................................................ 41
Mittel
arithmetisches .......................................... 34
geometrisches ........................................... 34
Model Chain ................................................ 357
exportieren ............................................. 357
importieren ............................................. 359
Modeler ......................................................... 104
Modell
bewerten ..................................................... 30
definieren ................................................. 347
Deployment ..................................... 32, 350
importieren .................................... 350, 357
Komplexität ............................................ 116
Management .......................................... 344
verwalten ................................................. 346
Modellgenauigkeit ...................................... 31
Modellierung ................................................. 29
Modellierungsparameter ....................... 142
Modellierungsserver ............................... 344
Modellperformance
Gain ........................................................... 245
Lift .............................................................. 246
Modellgenauigkeit ............................... 246
ROC ............................................................ 246
standardisiert (KS) ............................... 246
Modellrobustheit ......................................... 31
Modus ............................................................... 34
Monte-Carlo-Simulation ........................... 55
Multikollinearität ........................................ 44
multivariate Analyse .................................. 33
Nachfrage, elastische ................................. 71
Native Spark Modeling .............................. 85
Netzeingabe ................................................... 54
Netzwerkanalyse ......................................... 55
Netzwerkoptimierung ............................. 409
neuronales Netz .................................. 54, 298
künstliches ................................................. 53
R NNet neuronales Netz ..................... 300
R-MONMLP Neural Network ............ 298
nicht robuste Variable ............................. 119
nominal ......................................................... 136
nominale Variable .................................... 118
Normalgewinn ........................................... 165
Normalisierung ................................ 127, 242
O
On premise .................................................... 78
Operations Research .................................. 22
Optimierung ................................................ 411
dynamische ............................................... 56
lineare ......................................................... 55
Optimierungsproblem formulieren 411
Optimization Function Library ........... 383
ordinal ............................................................ 136
ordinale Variable ....................................... 120
Ordinary Least Square ............................... 43
Outlier 씮 Ausreißer
Output-Variable .................................. 32, 139
Overfitting ...................................................... 48
Predictive Factory .............................. 88, 341
Anmeldung ............................................. 342
Benutzer ................................................... 344
Clustering ................................................ 355
Deployment ............................................ 350
Einstellungen ......................................... 342
Installation ................................................ 98
Modell importieren ............................. 344
Modell verwalten ................................. 346
Rolle ........................................................... 341
Skript ......................................................... 345
Variablenstatistik ................................ 349
Predictive Maintenance ............................ 66
Predictive Model Services ..................... 372
Predictive Power 씮 Modellgenauigkeit
Preiselastizität ............................................... 71
Prescriptive Analytics ................................ 58
Problemdefinition ....................................... 27
Product Recommendation Machine 257
Produktportfolio .......................................... 81
Prognose (Sicht) ......................................... 230
Prognosekonfidenz .................... 31, 74, 183
Prognosewahrscheinlichkeit ............... 183
prognostische Trennschärfe ............ 31, 74
Protokoll .............................................. 109, 148
Prozedur ....................................................... 364
prozentuale Verteilung .......................... 327
Punktwertschwelle ................................... 170
Punktwert-Selektionsgrad .................... 144
Q
Quantil ................................................. 180, 183
P
PAL
(Predictive Analysis Library) 285, 292
partitionierendes Clustering .................. 50
Partitionierung von Daten .................... 243
Plattformintegration ................................. 84
PMML ............................................................. 321
Polynomgrad .............................................. 144
Prädiktor ......................................................... 57
Prediction Confidence
씮 Modellrobustheit
Predictive Analytics ............................. 57–58
Anwendungsfälle .................................... 66
Historie ....................................................... 61
R
R (Programmiersprache) ................. 81, 307
Funktionsaufruf .................................... 308
Installation ............................................. 315
Integration .............................................. 407
Konfiguration ........................................ 315
Objekt ........................................................ 308
R-Apriori ....................................................... 252
R-Bibliothek ................................................ 227
R-Client ......................................................... 408
Realtime Data ................................................ 15
Recommendation ............................ 104, 212
Regression ................................................... 127
Auto Regression .................................... 273
exponentielle ......................................... 275
Regression (Forts.)
geometrische .......................................... 276
lineare ................................................ 43, 277
logarithmische ...................................... 278
R-exponentielle ..................................... 279
R-geometrische ...................................... 281
Ridge ............................................................. 45
R-lineare ................................................... 281
R-logarithmische .................................. 282
R-multilineare ........................................ 282
R-Random Forest .................................. 284
SAP-HANA-Regressionsalgorithmen ....................................... 285
Regressionsanalyse ..................................... 43
Residuum ........................................................ 46
Restkomponente .......................................... 46
Ridge Regression ................................ 45, 127
Risikoanpassungsdomäne .................... 146
Risikomodus ............................................... 146
RLANG-Prozedur .............................. 407, 409
RLANG-Prozedur erstellen .................... 413
R-Server ......................................................... 408
R-Serverprozess ......................................... 408
R-Studio ......................................................... 307
S
Saisonkomponente ..................................... 46
Sample, Explore, Modify, Model und
Assess 씮 SEMMA
Sampling .......................................................... 37
Sampling-Strategie ...................................... 37
SAP Cloud Platform ..................................... 78
SAP Download Center ................................ 88
SAP Fiori ........................................................ 341
SAP HANA ...................................... 69, 83, 362
Application Function Library .......... 365
Automated Predictive Library ......... 372
CCL-Code .................................................. 386
Data Mining ........................................... 361
Datenvorbereitungskomponente 248
Optimization Function Library ....... 383
Predictive Analysis Library ............... 366
SQL-Code für SAP HANA .................... 394
UDF-SQLScript-Code für
SAP HANA ........................................... 391
SAP HANA Studio ...................................... 363
SAP InfiniteInsight ............................... 68, 78
SAP Lumira ..................................................... 81
SAP Predictive Analysis ............................. 78
431
Index
Index
SAP Predictive Analytics ........................... 77
SAP Predictive Analytics,
Anwendungsfall ....................................... 70
SAP Supplier Relationship
Management .......................................... 117
SAP Vora .......................................................... 85
Scatter Plot ................................................... 312
Schätzungsdaten ....................................... 113
Schnittstelle ................................................... 84
Schrumpfungsverfahren 씮 Ridge
Regression
Scorecard ............................................. 152, 168
selbstdefinierte Hierarchie ................... 236
Self-Service ..................................................... 81
SEMMA ............................................................. 25
Sensitivität ................................................... 170
Sequenzanalyse ......................................... 217
Serverinstallation ........................................ 94
Serverlastbeschränkung ......................... 345
Shrinkage Method 씮 Ridge Regression
Sicht ................................................................ 230
Freigabe .................................................... 233
Prognose .................................................. 230
Storyboard .............................................. 232
Visualisierung ........................................ 231
Vorbereitung .......................................... 230
Signaturtabelle ........................................... 375
Simplex-Verfahren ...................................... 55
Simulation ................................................... 185
Smart Data Streaming ............................. 387
Social .............................................................. 104
Social-Network-Analyse ......................... 200
Spannweite ..................................................... 35
Spark ............................................................... 362
Speicher ........................................................ 135
Spezifizität ................................................... 170
Split-Criterion 씮 Teilungskriterium
Standardabweichung .................................. 35
standardmäßige Codierung .................. 122
Statistik, deskriptive ............................ 28, 33
statistische Berichte ........................ 152, 165
Steigerungsdiagramm ................... 148, 183
stetige Variable .......................................... 122
Stichprobe ................................................ 34, 37
Stored Procedure ....................................... 364
Storyboard (Sicht) ..................................... 232
Streuungsparameter ................................... 35
Structural Risk Minimization ............... 117
stückweise Codierung ............................. 122
Supervised Learning
씮 Lernen, überwachtes
432
Support ................................................... 51, 251
Support Vector Machine ........................ 367
T
TargetMean .................................................. 178
technische Implementierung .............. 412
Teile und herrsche 씮 Divide-andConquer-Algorithmus
Teilungskriterium ....................................... 53
temporaler analytischer Datensatz ... 126
Testdaten ...................................................... 114
Text Mining ................................................... 56
Textanalyse .................................................. 218
Threshold ...................................................... 170
Time Lag .......................................................... 37
Toolkit .................................................. 104, 223
Transformation ..................................... 28, 36
Trend ................................................................ 46
Trendanalyse ............................................... 327
Typ-1-Fehler ................................................ 169
Typ-2-Fehler ................................................ 169
U
Umkodierung, binäre ................................ 37
Umsatzprognose ......................................... 24
univariate Analyse ............................... 33, 65
unstabile Variable ..................................... 166
Unsupervised Learning
씮 Lernen, unüberwachtes
Unterteilungsstrategie ............................ 113
Use Case 씮 Anwendungsfall
Visualisierung ............................ 30, 325, 418
geografische Analyse .......................... 332
Liniendiagramm ................................... 330
Population Pyramid ............................ 335
Säulendiagramm ................................. 330
Schlagwortwolke .................................. 329
Streudiagramm ..................................... 331
VizPacker ........................................ 333–334
Visualisierung (Sicht) .............................. 231
VizPacker ...................................................... 333
Vorbereitung (Sicht) ................................ 230
W
Wahrheitsmatrix ...................................... 267
Warenkorbanalyse ..................... 24, 50, 257
warme Daten ................................................. 65
Web-Assistent ............................................ 343
Wenn-dann-Regel ........................................ 52
Wert ......................................................... 41, 135
Whisker 씮 Antenne
Wichtigkeit der Kategorie ............. 152, 164
Winkelformat ............................................. 132
Z
zeitliche Hierarchie .................................. 236
Zeitreihe ................................................. 45, 351
exponentielle Glättung der
dritten Ordnung ............................... 292
R-exponentielle Glättung der
dritten Ordnung ............................... 291
R-exponentielle Glättung der
ersten Ordnung ................................ 287
R-exponentielle Glättung der
zweiten Ordnung ............................. 289
Saisonparameter .................................. 291
SAP-HANA-Zeitreihen ......................... 292
Trend-Parameter .................................. 290
Zeitreihenanalyse .............................. 45, 192
Zeitreihenkomponente ............................. 45
Zeitreihenprognose .................................. 351
Zeitstempel .................................................. 125
Zielgruppe ....................................................... 79
Zielschlüsseleinstellung ......................... 145
Zielvariable 씮 Output-Variable
Zufallszahl .................................................... 311
zusammengesetzte Variable ................ 137
Y
YARN .............................................................. 362
V
Validierungsdaten .................................... 114
Value-at-Risk-Betrachtung ...................... 55
Variable
abhängige .................................................. 32
Beitrag ....................................................... 161
erklärende .................................................. 32
Gewichtung ............................................. 162
Korrelation .............................................. 167
Statistik ........................................... 348–349
unabhängige ............................................ 32
Varianz ............................................................. 35
Vektor ............................................................. 308
Verwechslungsmatrix .......... 152, 169, 295
Verzögerungseffekt 씮 Time Lag
View 씮 Sicht
433
Wissen aus erster Hand.
Nargiz Bakhshaliyeva arbeitet seit 2015 als Expertin im Bereich Data
Science bei der CONOGY GmbH.
Jian Liang Chen ist studierter Wirtschaftsmathematiker und seit 2014 für die CONOGY GmbH als SAP-Berater für Business Intelligence tätig.
Ulrich Dommer beschäftigt sich seit 2001 mit Business-IntelligenceLösungen von SAP und verwandten Produkten.
Ekaterina Samlenski arbeitet seit 2013 als Senior-Beraterin bei der
CONOGY GmbH in dem Bereich Business Intelligence.
Helge Schmedt arbeitet seit 2009 als Unternehmensberater bei der
CONOGY GmbH in den Bereichen Business Intelligence, Planung und
Data Mining.
Nico Schulze arbeitete als Consultant bei der CONOGY GmbH und ist auf deskriptive Statistik und Finanzmathematik spezialisiert.
Robert Wilczek ist mit über 8 Jahren Erfahrungen als Unternehmensberater für Business Intelligence und Data Science Experte auf dem Gebiet Predictive Analytics.
Vorausschauende Analysen mit SAP
Wir hoffen sehr, dass Ihnen diese Leseprobe gefallen hat. Gerne dürfen Sie diese Leseprobe empfehlen und weitergeben, allerdings nur
vollständig mit allen Seiten. Die vorliegende Leseprobe ist in all ihren
Teilen urheberrechtlich geschützt. Alle Nutzungs- und Verwertungsrechte liegen beim Autor und beim Verlag.
433 Seiten, gebunden, Juli 2017
79,90 Euro, ISBN 978-3-8362-4415-2
Teilen Sie Ihre Leseerfahrung mit uns!
Nargiz Bakhshaliyeva, Jian Liang Chen, Ulrich Dommer,
Ekaterina Samlenski, Helge Schmedt, Nico Schulze, Robert Wilczek
SAP Predictive Analytics
www.sap-press.de/4276