Forster / Maleschlijski Data Science mit SAP HANA

Das umfassende Handbuch
1. Auflage 2022
ISBN: 978-3-8362-9035-7
Verlag: Rheinwerk
Format: EPUB
Kopierschutz: 0 - No protection

E-Book, Deutsch, 407 Seiten

Reihe: SAP Press

Nutzen Sie das Potenzial der nativen SAP-HANA-Bibliotheken!

Mit SAP HANA und SAP HANA Cloud ist viel mehr möglich, als Sie denken! In diesem praktischen Handbuch erfahren Sie, wie Sie APL und PAL einsetzen können, um komplexe Auswertungen vorzunehmen und Vorhersagen zu treffen. Praktische Beispiele zu Klassifizierung, Regression und vielem mehr zeigen Ihnen die vielfältigen Möglichkeiten auf und lassen sich direkt auf Ihre Anwendungsfälle übertragen. Ideal für Data Scientists und Entwickler*innen.

Aus dem Inhalt:

• Was ist Data Science?
• SAP HANA, SAP HANA Cloud und SAP Data Warehouse Cloud
• Python, R und SQL
• Univariate und Multivariate Analyse
• Automated Predictive Library
• Predictive Analytics Library
• Geodaten-, Graph- und Textanalyse
• Trainieren und Anwenden von Data-Science-Modellen
• Integration in Geschäftsprozesse und Geschäftsanwendungen

Autoren/Hrsg.

Forster, Andreas

Maleschlijski, Stojan

Inhaltsverzeichnis

  Vorworte ... 11

  Einleitung ... 15

  1.  Einführung ... 19

       1.1 ... Themenabgrenzung ... 20

       1.2 ... Data Science in der SAP-Welt ... 27

  2.  SAP HANA als Data-Science-Umgebung ... 37

       2.1 ... SAP HANA ... 38

       2.2 ... SAP HANA Client ... 64

       2.3 ... Python-Entwicklungsumgebung ... 64

  3.  Erste Schritte ... 71

       3.1 ... Python ... 71

       3.2 ... Die R-Programmiersprache ... 84

       3.3 ... Die SQL-Sprache für SAP HANA ... 89

  4.  Explorative Datenanalyse und Datenvorbereitung ... 99

       4.1 ... Analyse einer Tabelle ... 100

       4.2 ... Analyse einzelner Variablen ... 105

       4.3 ... Analyse mehrerer Variablen ... 111

       4.4 ... Datenvorbereitung ... 114

  5.  Automated Predictive Library ... 129

       5.1 ... Einführung in die APL ... 131

       5.2 ... Klassifizierung mit der APL ... 133

       5.3 ... Regression mit der APL ... 173

       5.4 ... Zeitreihen mit der APL ... 186

       5.5 ... Weitere Informationen ... 211

  6.  Predictive Analysis Library ... 213

       6.1 ... Einführung in die PAL ... 214

       6.2 ... Klassifizierung mit der PAL ... 216

       6.3 ... Regression mit der PAL ... 229

       6.4 ... Zeitreihen mit der PAL ... 236

       6.5 ... Cluster-Analyse ... 253

       6.6 ... Survival Analysis ... 260

       6.7 ... Ausreißeranalyse ... 282

       6.8 ... Automated Machine Learning ... 289

       6.9 ... State-enabled Deployment ... 299

  7.  Spezialisierte Analyse-Engines ... 301

       7.1 ... Geodatenanalyse ... 302

       7.2 ... Graphanalyse ... 317

       7.3 ... Textanalyse ... 328

  8.  Deployment-Optionen ... 341

       8.1 ... SAP Data Intelligence ... 342

       8.2 ... Cloud Foundry ... 357

       8.3 ... Kyma ... 363

  9.  Tipps und Tricks ... 377

  Anhang ... 397

  A.  Checkliste ... 397

  Die Autoren ... 401

  Index ... 403

Leseproben

1.2    Data Science in der SAP-Welt

SAP setzt stark auf Data-Science-Komponenten, um seine Kunden auf dem Weg zum intelligenten Unternehmen zu unterstützen. Konkret kann dies bedeuten, dass Geschäftsprozesse optimiert oder gar neu definiert werden. Eben dieser Bezug zur Verbesserung von Geschäftsprozessen ist wichtig, um konkret und messbar Mehrwerte zu liefern, was je nach Anforderung über verschiedene Ansätze erreicht werden kann:

• Standardsoftware
  Data-Science-Komponenten sind direkt integriert in Standardsoftware, die von Anwender*innen direkt genutzt werden kann.

• Wiederverwendbare Dienste
  Es werden Data-Science-Dienste direkt von der IT eingesetzt und kommen quasi unsichtbar für die Anwender*innen zum Einsatz.

• SAP Business Technology Platform
  Mit der Plattform erhalten Data Scientists und die IT eine breite Palette an Funktionen, um individuelle Data-Science-Komponenten zu erstellen und auch diese den Anwender*innen in adäquater Form anzubieten.

SAP-Lizenzen

Dieses Buch ist auf die technische Nutzung von Data-Science-Funktionalität in SAP HANA fokussiert und klammert bewusst die Lizenzsicht der Funktionalität aus. Bitte kontaktieren Sie Ihren Vertriebsverantwortlichen bei SAP, falls Sie Details zu Lizenzen besprechen möchten. Größte Sorgfalt wurde beim Schreiben des Buchs darauf gelegt, nur von SAP unterstützte Konstellationen zu beschreiben. Selbstverständlich sind jedoch ausschließlich die offiziellen Aussagen von SAP hierzu relevant.

1.2.1    Standardsoftware

In viele verschiedene Geschäftsapplikationen hat SAP Data-Science-Komponenten implementiert, die oftmals direkt im Rahmen der Standardsoftware genutzt werden können. Hier einige wenige Beispiele:

• SAP Cash Application
  Die Anwendung adressiert eingehende Zahlungen, die laut klassischem Regelwerk keiner offenen Rechnung zugewiesen werden konnten. Über das integrierte Machine Learning können weitere Zahlungen automatisiert zugeordnet werden. Mehr Informationen dazu finden Sie unter https://www.sap.com/germany/products/cash-application.html.

• SAP Integrated Business Planning for Supply Chain (SAP IBP)
  Die Anwendung unterstützt das Supply Chain Management z. B. durch eine Machine-Learning-getriebene Bedarfsplanung. Mehr Informationen dazu finden Sie unter https://www.sap.com/germany/products/integrated-business-planning.html.

• SAP SuccessFactors
  In dieser Anwendung erhalten Anwender*innen durch Machine Learning auf sie persönlich zugeschnittene Schulungsvorschläge. Mehr Informationen dazu finden Sie im SAP Help Portal unter http://s-prs.de/v903301.

Im SAP Road Map Explorer finden Sie viele weitere Beispiele für AI-Szenarien, die in den verschiedenen Applikationen bereits implementiert sind, und AI-Szenarien, die sich noch in der Roadmap befinden. Für SAP S/4HANA Cloud finden Sie diese wie folgt:

Öffnen Sie zunächst den SAP Road Map Explorer: https://roadmaps.sap.com/welcome. Geben Sie dort folgende Angaben an:

• Product: SAP S/4HANA Cloud

• Focus Topic: Artificial Intelligence

• Filter für die Zeit: Earliest bis Latest

Es ist leicht zu übersehen, dass Sie weitere bereits veröffentlichte Szenarien anzeigen können, indem Sie zur Seite scrollen (siehe Abbildung 1.3).

Um die Integration von Data-Science-Funktionalität in SAP-Applikationen zu skalieren, hat SAP mit der AI Foundation einen neuen standardisierten Unterbau geschaffen. Diese Umgebung besteht aus den Modulen SAP AI Core und SAP AI Launchpad und ist, zumindest initial, vor allem für SAP-interne Entwickler*innen und externe Entwicklungspartner zur Vereinheitlichung des Lifecycle Management von Machine-Learning-Modellen ausgelegt.

Abbildung 1.3     AI-Szenarien für SAP S/4HANA Cloud, Ausschnitt

SAP AI Foundation

Da der Fokus dieses Buchs auf SAP HANA liegt, wird die AI Foundation hier nicht weiter vertieft. Eine detailliertere Erläuterung zur AI Foundation finden Sie im folgenden Blogeintrag unter: https://blogs.sap.com/2021/10/11/the-journey-from-sap-leonardo-machine-learning-foundation-to-sap-ai-core-and-sap-ai-launchpad/

1.2.2    Wiederverwendbare Dienste

In Abschnitt 1.2.1, »Standardsoftware«, wurde beschrieben, wie Data Science als Teil einer Standardlösung genutzt werden kann. Für Anforderungen, die einen höheren Grad an Anpassung erfordern, stehen in SAP wiederverwendbare Dienste zur Verfügung. Diese können auch ohne tiefes Data-Science-Wissen von Entwicklerinnen oder IT-Experten über Programmierung oder Low-Code-Umgebungen eingebunden werden, sodass die Fachanwender*innen von den verbesserten oder gar neuen Abläufen profitieren. Einige prominente Optionen werden in diesem Unterkapitel kurz vorgestellt.

SAP AI Business Services

Mit den SAP AI Business Services können häufig auftretende Anforderungen durch wiederverwendbare Cloud-Dienste adressiert werden. Diese Dienste, die auch von SAP-Standardapplikationen eingesetzt werden, können direkt von Endkunden für eigene Anforderungen genutzt werden. Technisch erfolgt dies über Aufrufe von REST-API-Diensten, die die jeweiligen Funktionalitäten verkapseln und dadurch einfach zu nutzende Schnittstellen bereitstellen. Für das Nutzen dieser REST-APIs sind keine tiefen Data-Science-Kenntnisse erforderlich.

Die einzelnen Dienste sind jeweils auf wiederkehrende Geschäftsanforderungen fokussiert und beinhalten die entsprechenden Best Practices der Data Scientists von SAP. Zu den Diensten gehören:

• Document Classification
  Dieser Dienst klassifiziert Dateien (PDF, JPEG, PNG, TIFF) nach der Art des Dokuments. Der Dienst ist bereits für Bestellungen, Rechnungen und Zahlungsanweisungen vortrainiert. Weitere Dokumentenarten können antrainiert werden.

• Document Information Extraction
  Der Dienst extrahiert ausgewählte Informationen aus Dateien wie PDF, JPEG oder PNG. Der Dienst ist bereits vortrainiert auf Bestellungen, Rechnungen, Zahlungsanweisungen und Visitenkarten. Weitere Objekte können über Templates ergänzt werden.

• Business Entity Recognition
  Der Dienst extrahiert ausgewählte Entitäten/Informationen wie Rechnungsnummern, Rechnungsbeträge oder Zahlungsbedingungen aus Fließtexten. Weitere Entitäten können antrainiert werden.

• Data Attribute Recommendation
  Dieser Dienst schätzt fehlende Informationen von tabellarischen/strukturierten Daten, z. B. um lückenhafte Stammdaten zu füllen. Er kann automatisiert auf Massendaten oder in Echtzeit auf einzelne Datensätze angewendet werden, z. B. zur Unterstützung einer Anwenderin oder eines Anwenders bei der Dateneingabe in einem bestehenden System. Er bietet verschiedene Klassifizierungen und eine Regression zur Erstellung von ML-Modellen.

• Service Ticket Intelligence
  Der Dienst kategorisiert eingehende Service Tickets oder Nachrichten in vordefinierte Klassen, wie z. B. Rechnung, Werbung oder Beschwerde. Ebenso können den Mitarbeitenden, die die Anfragen bearbeiten, durch Machine Learning Lösungsvorschläge unterbreitet werden, um die Bearbeitung des Tickets zu verbessern und zu beschleunigen.

• Personalized Recommendation
  Der Dienst erstellt individuelle Produktempfehlungen für Besucher*innen einer Webseite, anhand des Klick-Verhaltens der Person und der Eigenschaften der angesehenen Produkte. Ebenso kann die Anzeige von Produkten, die dem momentan angesehenen Produkt ähneln, individualisiert werden, wie auch das Ergebnis einer Produktsuche.

Der Dienst Invoice Object Recommendation, der z. B. die relevanten Hauptbuchkonten für eingehende Rechnungen ohne Bestellnummer schätzen kann, ist im Service Data Attribute...

Über Autor(innen)

Forster, Andreas
Andreas Forster ist Principal Data Scientist im Global Center of Excellence der SAP Business Technology Platform (SAP BTP). Seit über 10 Jahren unterstützt er Unternehmen aus den verschiedensten Industrien und Regionen beim Einsatz von Data-Science-Methoden, von der Bedarfsanalyse bis zur Umsetzung. Zuvor hat er als technischer Experte an BI-Themen gearbeitet, was eine solide Grundlage für den praktischen Einsatz von Data-Science-Methoden geschaffen hat. Er wohnt in der Schweiz und hat einen M. Sc. in Statistics von der University of Sheffield, einen M. Sc. in Computing Science von der University of London und einen Diplom-Betriebswirt (FH) von der Fachhochschule Bielefeld.

Maleschlijski, Stojan
Dr. Stojan Maleschlijski ist Principal Machine Learning Expert im Global Center of Excellence der SAP Business Technology Platform (SAP BTP). In seiner Rolle konzentriert er sich seit sechs Jahren auf Unternehmen aus der Auto-, Maschinenbau-, Manufacturing-, Öl- und Gasindustrie. Er unterstützt die Kunden dabei, Mehrwerte aus Ihren Geschäfts- und/oder IoT-Daten zu extrahieren und hilft bei der Optimierung ihrer Geschäftsprozesse durch KI- und ML-Technologien. Er promovierte an der Universität Heidelberg im Bereich der Naturwissenschaften mit einem Data-Science-Bezug und vertiefte seine Expertise anschließend als Postdoc an der University of California, San Francisco.