SAP Analytics Cloud Compass 사용

SAP Analytics Cloud Compass란? Compass는 네이티브 SAP Analytics Cloud 기능으로, 운전자의 불확실성을 통해 발생할 수 있는 영향을 시뮬레이션할 수 있습니다. SAP Analytics Cloud 모델 내에서 드라이버와 대상 사이에 정의된 관계를 활용합니다. Compass를 사용하면 여러 가정에 대한 시나리오 모델링을 수행하고 가능한 결과를 비교할 수 있습니다.

SAP Analytics Cloud Compass는 AI를 사용하여 시뮬레이션을 실행하지 않습니다. 대신 몬테카를로 시뮬레이션 기능을 사용하여 드라이버 성능의 불확실성에 직면했을 때 가능한 결과를 시뮬레이션하고 분석할 수 있으며 불확실성에 대응하기 위한 전략을 시뮬레이션할 수 있습니다.

이 동영상에서는 Compass의 주요 기능 중 일부를 다룹니다. 스토리에서 시뮬레이션을 시작하고, 선택한 드라이버의 값 범위를 설정하고, 시뮬레이션 시나리오를 실행하고, 결과를 해석하는 방법을 다룹니다. 다차원 시뮬레이션을 위한 제한된 드라이버를 생성하고, 시나리오를 비교하고, 전용 시나리오를 게시하는 방법도 살펴봅니다.

Compass 시뮬레이션을 통해 어떤 종류의 주제를 조사할 수 있습니까? SAP Analytics Cloud Compass를 사용하면 동인 성능에 불확실성이 미칠 수 있는 영향과 불확실성을 완화하는 데 사용할 수 있는 전략을 알고 싶을 때 답변을 제공할 수 있습니다.

Compass 시뮬레이션은 예를 들어 다음과 같은 위험 상황을 이해하는 데 유용합니다.

• 대상 설정
• 예산 검토
• 전략적 계획 수립
• 인력 계획

몬테카를로 시뮬레이션이란 정확히 무엇입니까? 몬테카를로 시뮬레이션 방법은 AI를 활용하지 않지만 대신 불확실한 이벤트의 발생 가능성이 있는 결과를 계산하는 수학적 기법입니다. 무작위로 샘플링된 입력과 결합된 많은 수의 반복 계산을 사용하여 발생 가능한 영향의 범위를 시뮬레이션합니다.

몬테카를로 시뮬레이션은 드라이버 성능이 특정 범위 내에 있을 것으로 예상할 수 있지만 최종 값이 어떻게 될지 아직 알 수 없는 경우 영향을 추정하는 데 적합합니다. 예를 들어 예상 인플레이션이 변동하는 경우 가능성 있는 영업 이익에 대한 인사이트를 제공하거나, 서로 다른 투자 전략이 있을 때 가능한 현금 흐름에 대해 각각 가능한 비용의 스펙트럼을 제공할 수 있습니다. 생성된 인사이트를 통해 복합 요인의 확실성에 따른 리스크를 이해할 수 있습니다.

우리는 몬테 카를로 시뮬레이션이 어떻게 작동하는지 설명하기 위해 주사위를 던지는 행위를 사용할 것입니다.

달성 가능성이 가장 높은 합계를 탐색하기 위해 3 주사위를 100 번 토스하고 있다고 상상해 보십시오. 각 토스가 끝나면 각 다이에 대해 롤링된 값과 3 주사위 모두에 대한 집계를 기록합니다. 100개의 토시 끝에 특정 집계 결과가 표시되는 빈도를 보여주는 리스트가 있습니다. 이 리스트를 사용하여 그래프에 표시하여 상대적인 표시 빈도에 대한 값을 시각화합니다.

위에서 설명한 간소화된 프로세스를 보여주는 다음 다이어그램을 자세히 살펴보겠습니다.

1. 데이터 및 드라이버 정의: 세 개의 주사위가 있으므로 불확실성이 있는 세 가지 동인이 있습니다. 각 다이(D1, D2, D3)의 값 범위는 1 ~ 6입니다.
2. 무작위 샘플링과 계산: 주사위를 토싱하는 것은 실제로 각 다이에 대해 1에서 6 사이의 값을 무작위로 샘플링하는 것입니다. 모든 주사위에 대해 이 작업이 완료되면 D1 + D2 + D3 집계를 계산할 수 있습니다. 이 과정은 성취된 결과의 빈도를 관찰하기 위해 많은 수의 시련을 위해 반복될 수 있는데, 이 예제에서 이는 100배이다.
3. 리스트 생성: 달성된 결과는 주기 계산 및 그래프 표시를 위한 준비로 리스트에 정렬될 수 있습니다.
4. 플로팅: 달성된 집계 값은 생성된 인사이트를 더 잘 사용할 수 있도록 상대적인 표시 빈도(확률(%)로 이해할 수 있음)에 대해 표시됩니다. 집계 결과의 확률 분포를 쉽게 이해할 수 있습니다 - 3 주사위를 조준하면 10 또는 11의 합이 발생할 가능성이 가장 높으며, 3 또는 18의 합은 매우 가능성이 낮다. 여기, 우리는 3 주사위를 tossing 할 때 가장 가능성이 결과에 관한 초기 질문에 대한 해답을 가지고.

통계 확률을 다루고 있으므로 다른 100번의 반복으로 새로운 시뮬레이션을 수행하는 경우 얻은 답변이 달라질 수 있습니다. 하지만 계산 반복의 수가 더 많은 경우(예: 1000, 10 000 이상) 두 시뮬레이션 사이의 확률 분포 결과는 크게 줄어듭니다.

불확실성에 직면했을 때 발생 가능한 결과를 계산할 수 있는 능력을 갖춘 몬테카를로 시뮬레이션은 비즈니스 시뮬레이션에 있어서 중요한 방법입니다.

SAP Analytics Cloud Compass는 모든 프로세스 단계에서 자동화를 활성화하여 몬테카를로 시뮬레이션을 한 단계 더 수행했습니다. 이 자동화를 통해 드라이버의 불확실성의 영향을 탐색하기 위해 Compass를 사용하는 사용자는 몬테카를로 시뮬레이션 방법에 대한 사전 지식이 필요하지 않습니다.

• 임의 샘플링 및 계산: 시스템에서 임의 샘플링을 처리합니다. 사용자가 필요로 하는 것은 모두 값 구성 및 분포 에 대한 입력입니다.

  임의 샘플링 분포의 분포 유형은 기본적으로 정규 분포 로 설정됩니다. 즉, 무작위 샘플링 중에 범위 경계 근처의 값보다 중간 값을 선택할 가능성이 더 높다는 것을 의미합니다(즉, 결과의 68%는 1개의 표준 편차, 95%는 2 표준 편차 이내, 99.7%는 3 표준 편차 내에 속함). 사용자는 모든 값이 동일한 샘플 가능성을 공유하도록 하려면 균일 분포 를 선택할 수 있습니다.

• 리스트 생성 및 플로팅: 리스트 생성과 플로팅은 시스템에 의해 완전히 자동화됩니다. 플롯형 그래프를 사용하면 다양한 소비 선호도에 맞게 낙관적이고 비관적이며 현실적인 케이스에 대한 백분위수 경계를 사용자 정의할 수 있습니다.

이제 SAP Analytics Cloud Compass 시뮬레이션을 자세히 살펴보겠습니다.

대상은 의 영향을 탐색하려는 계수 또는 계정입니다.

동인은 모두 대상 계산에 기여하는 리프 계정 멤버(수식 없음), 기준 계수 또는 이들의 조합입니다.

컴퍼스 시뮬레이션에서 사용 가능한 드라이버가 대상에서 자동으로 식별되고 추출됩니다. SAP Analytics Cloud 모델을 바로 시뮬레이션하면 시뮬레이션에 모델 정의가 활용되며 최종 사용자가 데이터와 계산 수식을 수동으로 복제할 필요가 없습니다.

예를 들어 대상에서 드라이버가 추출되는 방식을 자세히 살펴보겠습니다.

모델에는 다음과 같은 수학적 관계가 있습니다.

따라서 시뮬레이션의 대상으로 A를 선택하면 E, F, C1, C2가 드라이버로 식별됩니다.

대상과 드라이버 간의 수학적 관계는 다음 수식으로 요약할 수 있습니다. A = E * F + (C1 + C2)

분포 열에서 드라이버의 가능한 값을 정의하는 확률 분포 유형을 선택할 수 있습니다. 정규 분포 가 기본값으로 설정되어 있지만 필요한 경우 사용자는 균등 분포 를 선택할 수도 있습니다.

정규 분포:

정규 분포의 경우 데이터의 약 99.7%가 평균의 세 가지 표준 편차에 속합니다.

사용자가 값 구성에 삽입하는 값은 정규 분포의 두 매개변수인 평균 및 표준 편차로 변환됩니다.

• 평균: 사용자가 추가한 최소값과 최대값의 평균
• 표준 편차: 사용자가 지정한 범위를 근사하여 6개의 표준 편차를 포함할 수 있으므로, 추정된 표준 편차는 범위를 6으로 나누어 계산합니다.

10~70의 동인에 대한 값 구성 범위의 예를 살펴보겠습니다. 평균은 40이고 표준 편차는 10입니다. 따라서 각 드라이버에 대해 생성된 임의 지정된 드라이버 값 중:

• 약 68%는 평균의 30과 50 또는 하나의 표준 편차(+/- 1 표준 편차)에 속합니다.
• 약 95%는 평균의 20과 60 또는 두 개의 표준 편차(+/- 2 표준 편차)에 속합니다.
• 약 99.7%는 평균의 10과 70 이내 또는 세 가지 표준 편차(+/- 3 표준 편차) 내에 속합니다.

사용자가 균등 분포 를 선택하면 값 범위의 모든 값(해당 값 구성 에 정의됨)이 동등하게 드라이버에 대해 발생할 가능성이 높습니다.

임의 샘플링 또는 시뮬레이션 반복 시간마다, 임의 지정 설정에 따라 드라이버의 특정 임의 지정 값이 생성되며 각 시뮬레이션 반복의 대상 계산에 이 값이 사용됩니다. 이런 식으로 대상 값 세트 또는 시뮬레이션 결과가 생성됩니다.

사용자는 세 가지 정밀도 모드 중에서 선택할 수 있으며, 각 모드에는 몬테카를로 시뮬레이션 반복 횟수가 사전 구성되어 있습니다.

1. 미리보기: 몬테카를로 시뮬레이션의 임의 샘플링이 1,000번 수행됩니다. 가장 빠른 모드이지만 정확도가 가장 낮습니다.
2. 중간 정밀도: 몬테카를로 시뮬레이션의 임의 샘플링이 10,000번 수행됩니다. 속도와 정확성 사이의 균형을 유지하는 모드입니다.
3. 높은 정밀도: 몬테카를로 시뮬레이션의 임의 샘플링은 100,000번 수행됩니다. 가장 느린 모드이지만 정확도가 가장 높습니다.

대상에 대한 시뮬레이션 결과 그래프가 생성되면 동인 오른쪽에 있는 출력 패널에 표시됩니다.

시뮬레이션 결과 그래프에서 모든 빈은 x축에, 확률은 y축에 플로팅됩니다. 그래프의 기준을 형성하며, 시뮬레이션 결과의 확률 분포에 대한 근사치를 보여줍니다. 그런 다음 히스토그램에 선을 겹쳐서 그래프에서 확률 분포 곡선을 생성합니다.

시뮬레이션 결과 그래프에서 두 개의 경계 값은 확률 분포 곡선을 통해 두 개의 수직선으로 시각화됩니다. 시뮬레이션 결과는 각각 백분율 값이 있는 세 가지 케이스로 나뉘며, 이는 목표 값이 해당 케이스 내에 속할 확률을 나타냅니다. 이 백분율은 케이스의 시뮬레이션 결과 비율도 나타냅니다.

1. 비관적 케이스: 최소값과 첫 번째 경계 목표 값 사이의 곡선 아래 영역입니다. 기본적으로 시뮬레이션 결과의 최저 5%를 나타내는 5%로 설정됩니다.
2. 현실적인 경우: 두 경계 값 사이의 곡선 아래 영역입니다. 기본적으로 시뮬레이션 결과의 가장 낮은 90%를 나타내는 90%로 설정됩니다.
3. 낙관적 케이스: 두 번째 경계 값과 최대값 사이의 곡선 아래 영역입니다. 기본적으로 시뮬레이션 결과의 최저 5%를 나타내는 5%로 설정됩니다.

케이스 설정 에서 백분율 값을 각 케이스에 맞게 변경할 수 있습니다. 세 가지 경우의 백분율 값을 변경하면 목표 값 범위를 나누는 두 개의 경계 값이 계산되어 그에 따라 설정됩니다.

SAP Analytics Cloud Compass 시뮬레이션 생성 프로세스에 대해 자세히 다루는 '계획을 위한 SAP Analytics Cloud의 고급 기능 활용' 과정의 'SAP Analytics Compass를 사용한 데이터 시뮬레이션' 소단원을 완료하는 것이 좋습니다.

자세한 내용은 SAP Help Portal 을 참조하십시오.

사용자가 SAP Analytics Cloud Compass를 사용할 때 직면할 수 있는 몇 가지 문제가 있습니다. 예를 들면 다음과 같습니다.

1. 모델에서 지원되지 않는 집계, 예외 집계 및 분할 유형입니다.
2. 전용 시나리오에서 빈 드라이버 리스트를 발생시키는 계층구조 노드에 대해 집계 유형이 텍스트 레이블로 설정되었습니다.
3. 시뮬레이션 계산에서 연 복리 성장률(CAGR, Compound Annual Growth Rate) 함수와 관련된 문제
4. 반복 기능 및 유사 기능에 대한 이슈
5. 시스템 리소스가 부족합니다.

설명, 원인 및 문제 해결 단계를 보려면 SAP Help Portal Compass의 문제 해결 섹션으로 이동하십시오.