Mit den Smart Assist Features der SAP Analytics Cloud (SAC) lassen sich Visualisierungen und Berichte automatisiert erweitern. Dazu sind in der SAC Verfahren aus den Bereichen Künstliche Intelligenz und Machine Learning eingebettet, die sich mit wenigen Klicks in BI- und Planungsanwendungen integrieren lassen.

Die Smart Assist Features umfassen folgende intelligente Funktionen:

• Smart Discovery
• Smart Insights
• Search to Insight
• Intelligente Gruppierung

Smart Discovery: Neue Zusammenhänge aus Bestandsdaten erschließen

Mit Smart Discovery (Intelligente Entdeckung) können Sie Ihre Daten mit wenigen Klicks analysieren und so die wichtigsten Treiber für Ihre KPIs identifizieren und neue oder unbekannte Beziehungen Ihrer Daten aufdecken.

Mittels maschineller Lernverfahren lässt sich eine definierte Datenmenge in wenigen Schritten automatisch analysieren. Dazu muss man zunächst ein Thema definieren, welches analysiert werden soll, beispielsweise eine bestimmte Kennzahl oder eine Dimension des Datenmodells. Über die Entität legen Sie die Bezugsdimension fest, die Sie in Bezug auf die Kennzahl analysieren möchten. Außerdem wird hiermit die Ebene bestimmt, bis zu der Ihre Daten für die Auswertung analysiert werden sollen. Durch den optionalen Filter kann die Analyse noch verfeinert werden.

Smart Discovery generiert dann automatisch eine Story, welche die gefundenen Zusammenhänge und Auffälligkeiten aufzeigt. Werte, die nicht zu den automatisch erfassten Zusammenhängen passen, werden zusätzlich dargestellt. Im letzten Teil der Story wird ein Simulationsmodell zur Verfügung gestellt, in dem einzelne Parameter angepasst und deren Auswirkungen analysiert werden können.

Smart Insights: Einflussfaktoren und Veränderungen von Kennzahlen im Blick behalten

Mit dem Feature Smart Insights analysiert man gezielt einzelne Datenpunkte einer Zielvariable. Hierbei werden die Dimensionen und Elemente mit dem größten Einfluss auf die definierte Kennzahl aufgezeigt. Somit erhält der Anwender über die in der Anwendung dargestellte Tabelle oder das Diagramm hinaus noch zusätzliche Erkenntnisse und es werden dadurch eine oder mehrere der folgenden Fragen beantwortet:

• Wie hat sich was verändert? (Zeitliche Entwicklung der Kennzahl)
• Was sind die wichtigsten Beitragenden? (Jeder Einflussfaktor wird anhand einer Beschreibung und eines Diagramms beschrieben)
• Wie wird dies berechnet? (Wird die Kennzahl berechnet, wird die verwendete Formel und der Aggregationstyp angezeigt)

Search to Insight: Informationen einfach erfragen

Mit dem Feature Search to Insight können einfache Fragen in natürlicher Sprache in einer Suchmaske eingegeben werden. Sind die Spaltennamen Ihres Datensets bekannt und wenn Sie genau wissen was ausgewertet werden soll, dann wird über die Suchmaske ein einfacher und schneller Zugriff auf Ihre Daten ermöglicht. So können mit der Anfrage: „Show Top 5 Margin by Country and ProductLine“ die fünf stärksten Produktlinien der einzelnen Länder dargestellt / analysiert werden. Anhand diverser maschineller Lernalgorithmen stellt das System fest, welche Datenmengen Sie durchsuchen möchten und welche Informationen Sie anfordern. Die Ergebnisse werden mittels Charts dargestellt und können direkt in Ihre Story integriert werden. Aktuell wird die Suche nach Informationen nur auf Englisch unterstützt. Lediglich Modell-, Dimensions- und Kennzahlennamen werden in der Ursprungssprache erkannt.

Intelligente Gruppierung: Ähnlichkeiten und Kategorien automatisch erkennen

Das Feature Intelligenten Gruppierung kann Datenpunkte in Blasen- oder Streudiagrammen automatisch anhand ähnlicher Eigenschaften gruppiert darstellen. Hierbei sucht der Algorithmus in Wertemengen nach Daten, die sich in ihrer Ausprägung stark ähneln und klassifiziert diese dann in Gruppen. Die Datenpunkte werden im Chart automatisch geclustert und farblich dargestellt. Somit können Zusammenhänge der Daten schnell erfasst werden.

Mit R-Visualisierungen noch tiefer in die Datenanalyse einsteigen

Ist ein gewünschtes Chart in der Chart-Bibliothek nicht vorhanden, so lassen sich mit der integrierten Programmiersprache R in der SAC benutzerdefinierte Visualisierungen erstellen. Es steht eine Vielzahl von Paketen für erweiterte Visualisierungen, Statistiken und maschinelles Lernen zur Verfügung.  Da es sich um eine eigene Programmiersprache handelt, sind hierfür entsprechende Kenntnisse notwendig.

Mit dem R-Builder lässt sich die R-Visualisierungsstruktur direkt in der SAC Storry definieren. Im Skript Editor wird dann das R-Skript eingetragen, bei jedem Story Aufruf für das R-Skript wird es neu ausgeführt. R-Visualisierungen sind reine grafische Darstellungen, somit müssen interaktive Funktionen noch über das Skript programmiert werden.

Automatische Zeitreihenprognose: Zukünftige Entwicklungen vorhersehen

Zukünftige Entwicklungen lassen sich mit dem Feature Automatische Zeitreihenprognose schnell und einfach mit der SAC vorhersagen. Auf Grundlage der Daten, die in der Diagrammdefinition enthalten sind, können automatisch zukünftige Werte prognostiziert werden.

Hierbei kann zwischen der automatischen Prognose und den Erweiterten Optionen ausgewählt werden. Die automatischen Prognose wird auf der Grundlage der verfügbaren Daten ausgeführt.

Unter den erweiterten Optionen kann aus den folgenden drei Szenarien ausgewählt werden:

• Lineare Regression: Zukünftige Werte werden anhand der linearen Regression für historische Zeitreihendaten prognostiziert
• Dreifache exponentielle Glättung: Der Algorithmus berücksichtigt saisonale Veränderungen und Trends
• Zusätzliche Eingaben hinzufügen: Zusätzliche Kennzahlen können als potenzielle Einflussvariablen in die Prognose aufgenommen werden

Smart Predict: Ergebnisentwicklungen in die Zukunft schreiben

Das Feature Smart Predict der SAC bietet die Möglichkeit, Ergebnisse vorherzusagen. Basierend auf historischen Daten wird automatisch ein Modell für maschinelles Lernen erstellt. Das Eingabedatenset der historischen Daten wird dabei aufgeteilt: Smart Predict verwendet 75% der Daten, um ein Vorhersagemodell zu finden. Dieses Modell wird dann auf eine Validierungsuntermenge, die verbleibenden 25% der Daten, angewendet, um die Vorhersagegenauigkeit des Modells zu überprüfen.

Zur Beantwortung Ihrer Geschäftsfragen werden die folgenden drei Prognoseszenarien angeboten:

• Klassifikation (wird bei binärem Ereignis verwendet)

       Welcher Kunde ist ein Kandidat für eine Abwanderung, welcher nicht?

• Regression (Vorhersage eines numerischen Wertes und die wichtigen Treiber dahinter)

       Welche Umsatzgenerierung ist für diese Produktlinie auf der Grundlage der geplanten Transportkosten und Steuern zu erwarten?

• Zeitreihe (Vorhersage eines zukünftigen Wertes basierend auf historische Schwankungen über Zeit, Jahreszeiten und andere Faktoren

        Wie viel Eis verkaufe ich voraussichtlich in den nächsten zwölf Monaten jeden Tag?

Fazit: Mit der SAP Analytics Cloud lassen sich automatisierte Analysen schnell und einfach „out of the box“ erstellen

Die Smart Assist Funktionen bieten dem Anwender in der SAP Analytics Cloud automatisierte Analysefunktionen out of the box. Die Nutzung von maschinellen Lernalgorithmen hilft bei der Identifizierung von Mustern in Daten sowie bei der Ableitung unterschiedlich wirkender Einflussfaktoren. So lassen sich mit der SAC Vorhersagefunktionen in die tägliche, operative Entscheidungsfindung integrieren.

Weitere Informationen rund um die SAP Analytics Cloud finden Sie hier.