1 Einführung in Predictive Analytics

21

1.1 Grundlagen des Data Minings

21

1.1.1 Der Begriff »Data Mining« und seine Historie

21

1.1.2 Typische Anwendungsfälle von Data Mining

23

1.2 Der Data-Mining-Prozess

25

1.2.1 Problemdefinition

27

1.2.2 Datenanalyse

28

1.2.3 Datenvorbereitung

28

1.2.4 Modellierung

29

1.2.5 Ergebnisvisualisierung und -bewertung

30

1.2.6 Deployment des Modells

32

1.3 Methoden der Datenvorbereitung

32

1.3.1 Variablen

32

1.3.2 Deskriptive Statistik

33

1.3.3 Integration und Transformation

36

1.3.4 Sampling

37

1.3.5 Ausreißerbehandlung

38

1.3.6 Binning

39

1.3.7 Missing Values

41

1.4 Algorithmen und Methoden des Data Minings

42

1.4.1 Regressionsanalyse

43

1.4.2 Zeitreihenanalyse

45

1.4.3 Klassifikations- und Clusterverfahren

47

1.4.4 Assoziationsanalyse

50

1.4.5 Entscheidungsstrukturen

51

1.4.6 Künstliche neuronale Netze

53

1.4.7 Weitere Algorithmen

54

1.5 Einordnung von Predictive Analytics in den Bereich Data Mining

56

1.5.1 Was ist Predictive Analytics?

57

1.5.2 Abgrenzung von Predictive Analytics

57

2 Mehrwert durch Predictive Analytics

61

2.1 Warum Predictive Analytics?

61

2.2 Warum Predictive Analytics mit SAP?

68

2.3 Anwendungsbeispiele

70

2.3.1 Anwendungsbeispiel 1: Preiselastizitäten im Einzelhandel

71

2.3.2 Anwendungsbeispiel 2: Absatzprognosen in der Musikindustrie

73

3 SAP Predictive Analytics

77

3.1 Einführung und Einordnung in das SAP-Produktportfolio

77

3.1.1 Einführung in SAP Predictive Analytics

77

3.1.2 Zielgruppen

79

3.1.3 Produktportfolio

81

3.2 Plattformintegration und Architektur

84

3.2.1 Plattformintegration

84

3.2.2 Architektur

86

3.3 Installation

88

3.3.1 SAP Download Center

88

3.3.2 Desktop-Installation

90

3.3.3 Serverinstallation

94

3.3.4 Predictive-Factory-Installation

98

3.3.5 Hardwarevoraussetzungen

101

3.4 Benutzeroberfläche und Navigation

102

3.5 Einstellungen

104

4 Mit dem Modus »Automated Analytics« arbeiten

113

4.1 Grundlagen

113

4.1.1 Unterteilungsstrategie

113

4.1.2 Modellerstellung und Evaluierung

115

4.1.3 SRM-Grundlagen

117

4.2 Datencodierung

118

4.2.1 Codierung nominaler Variablen

118

4.2.2 Codierung ordinaler Variablen

120

4.2.3 Codierung stetiger Variablen

122

4.2.4 Manuelle Variablencodierung

124

4.2.5 Behandlung fehlender Werte in Automated Analytics

124

4.3 Datenzugriff und -vorbereitung mit dem Data Manager

124

4.3.1 Datenvorbereitung mit dem Data Manager

125

4.3.2 Datenmanipulation mit dem Data Manager

126

4.4 Klassifikations-/Regressionsanalyse

127

4.4.1 Datenquelle auswählen

128

4.4.2 Datenbeschreibung

133

4.4.3 Filter

138

4.4.4 Auswahl von Variablen

139

4.4.5 Zusammenfassung der Modellierungsparameter

142

4.4.6 Erweiterte Modellparameter

143

4.4.7 Trainieren des Modells und Modellübersicht

148

4.4.8 Modellverwendung: Anzeigen

151

4.4.9 Modellverwendung: Ausführen

174

4.4.10 Modellverwendung: Sichern/exportieren

187

4.5 Zeitreihen

191

4.6 Clustering

196

4.7 Analyse sozialer Netzwerke

200

4.8 Weitere Algorithmen und Toolkit

207

4.8.1 Kollokationsanalyse

207

4.8.2 Analyse der häufigen Pfade

210

4.8.3 Recommendation

212

4.8.4 Assoziationsanalyse

214

4.8.5 Sequenzanalyse

217

4.8.6 Textanalyse

218

4.8.7 Toolkit

223

5 Mit dem Modus »Expert Analytics« arbeiten

225

5.1 Funktionen von Expert Analytics

225

5.2 Navigation und Einstellungen in Expert Analytics

226

5.2.1 Einstellungen und Navigation im Tool

226

5.2.2 Ansichten in Expert Analytics

230

5.3 Datenvorbereitung

234

5.3.1 Vorbereitungssicht

234

5.3.2 Data Type Definition

239

5.3.3 Filter

239

5.3.4 Formula

241

5.3.5 Normalization

242

5.3.6 Partition

243

5.3.7 Sample

243

5.3.8 Model Statistics

244

5.3.9 Model Compare

246

5.3.10 SAP-HANA-Datenvorbereitungskomponenten

248

5.4 Assoziationsanalyse

251

5.4.1 Grundlegende Begriffe

251

5.4.2 R-Apriori

252

5.4.3 Anwendungsbeispiele

257

5.5 Clustering und Klassifikation

257

5.5.1 Auto Clustering

258

5.5.2 R-K-Means

261

5.5.3 SAP-HANA-Clustering-Algorithmen

264

5.5.4 Auto Classification

265

5.5.5 R-Bagging Classification

266

5.5.6 R-Boosting Classification

268

5.5.7 R-Random Forest Classification

269

5.5.8 SAP-HANA-Klassifikationsalgorithmen

270

5.6 Regressionsalgorithmen

273

5.6.1 Auto Regression

273

5.6.2 Exponentielle Regression

275

5.6.3 Geometrische Regression

276

5.6.4 Lineare Regression

277

5.6.5 Logarithmische Regression

278

5.6.6 R-exponentielle Regression

279

5.6.7 R-geometrische Regression

281

5.6.8 R-lineare Regression

281

5.6.9 R-logarithmische Regression

282

5.6.10 R-multilineare Regression

282

5.6.11 R-Random Forest Regression

284

5.6.12 SAP-HANA-Regressionsalgorithmen

285

5.7 Zeitreihen

287

5.7.1 R-Single Exponential Smoothing

287

5.7.2 R-Double Exponential Smoothing

289

5.7.3 R-Triple Exponential Smoothing

291

5.7.4 Triple Exponential Smoothing

292

5.7.5 SAP-HANA-Zeitreihenalgorithmen

292

5.8 Weitere Algorithmen

292

5.8.1 Entscheidungsstrukturen: R-CNR Tree

293

5.8.2 SAP-HANA-Entscheidungsstrukturen

297

5.8.3 Neuronale Netze

298

5.8.4 Ausreißeranalyse

303

5.8.5 SAP-HANA-Ausreißeralgorithmen

304

6 Integration von R im Modus »Expert Analytics«

307

6.1 Grundlagen von R

308

6.2 R-Integration

315

6.3 Beispiel: ABC-Analyse

317

7 Visualisierungen

325

7.1 Visualisierungen in Automated Analytics

325

7.2 Visualisierungen in Expert Analytics

326

7.2.1 Überblick der Darstellungsmöglichkeiten in Expert Analytics

326

7.2.2 Schlagwortwolke in Expert Analytics

329

7.2.3 Liniendiagramm in Expert Analytics

330

7.2.4 Säulendiagramm in Expert Analytics

330

7.2.5 Streudiagramm in Expert Analytics

331

7.2.6 Geoblasendiagramm

332

7.3 Visualisierungserweiterung durch VizPacker

333

7.3.1 Überblick zum VizPacker

333

7.3.2 Externe Visualisierungen einsetzen

334

8 Model Management mit der Predictive Factory

341

8.1 Einführung in die Predictive Factory

341

8.1.1 Einstellungen

342

8.1.2 Benutzer

344

8.1.3 Modellierungsserver

344

8.1.4 Externe Befehle

345

8.1.5 Projekte

346

8.1.6 Variablenstatistik

349

8.2 Deployment von Automated-Analytics-Modellen

350

8.2.1 Zeitreihen

351

8.2.2 Klassifikation

354

8.2.3 Clustering

355

8.3 Deployment von Expert-Analytics-Modellen

357

8.3.1 Schritt 1: Model Chain in Expert Analytics erstellen

357

8.3.2 Schritt 2: Model Chain aus Expert Analytics exportieren

357

8.3.3 Schritt 3: Model Chain in die Predictive Factory importieren

359

9 SAP-HANA-integriertes Data Mining

361

9.1 Einführung in SAP HANA Native

362

9.2 Application Function Library (AFL)

365

9.2.1 PAL-Algorithmen im Modus Expert Analytics einsetzen

366

9.2.2 PAL-Komponenten im Modus Expert Analytics erstellen

370

9.2.3 Automated Predictive Library (APL)

372

9.2.4 OFL und die SAP-HANA-Optimierungsfunktion

383

9.3 Weitere integrierte Szenarien

386

9.3.1 Modellexport im Modus Automated Analytics

386

9.3.2 Modellexport im Modus Expert Analytics

395

10 Integration von R in SAP HANA

407

10.1 Eigene Algorithmen für SAP HANA entwickeln

407

10.1.1 Serverarchitektur

408

10.1.2 RLANG-Prozedur

409

10.2 Beispiel: Netzwerkoptimierung

409

10.2.1 Mathematische Modellierung

410

10.2.2 Formulierung des Optimierungsproblems

411

10.2.3 Optimierung des Modells

411

10.2.4 Technische Implementierung

412

10.2.5 Ergebnis

418

11 Zusammenfassung und Ausblick

419

11.1 Zusammenfassung

419

11.2 Ausblick

420