使用 SAP Analytics Cloud 指南针

什么是 SAP Analytics Cloud 指南针？Compass 是一项原生 SAP Analytics Cloud 功能，用于模拟动因不确定性带来的可能影响。它利用 SAP Analytics Cloud 模型中定义的动因和目标之间的关系。借助 Compass，你可以对不同的假设进行方案建模，并比较可能的结果。

SAP Analytics Cloud 指南针不使用 AI 运行模拟；相反，它使用蒙特卡罗模拟功能，支持你在面对动因性能不确定性时模拟和分析可能的结果，并模拟可能的策略以应对不确定性。

本视频介绍了指南针的一些关键功能。其中介绍了如何从故事中启动模拟、为选定动因设置值范围、运行模拟场景以及解释结果。我们还介绍了如何为多维模拟、比较方案和发布私有方案创建受限动因。

我们可以使用指南针模拟调查哪些类型的主题？如果你想要了解动因性能不确定性可能产生的影响，以及可用于降低不确定性的策略，可以使用 SAP Analytics Cloud 指南针提供答案。

指南针模拟有助于了解以下期间的风险上下文：

• 目标设置
• 预算审核
• 战略计划
• 劳动力计划

蒙特卡罗模拟到底是什么？蒙特卡罗模拟方法不利用 AI，而是数学技术来计算不确定事件的可能结果。它涉及使用大量重复计算与随机采样输入相结合，以模拟可能影响的范围。

蒙特卡洛模拟非常适合估算动因性能预期在一定范围内的影响，但是当尚不了解最终值将是什么时。例如，它可以提供对预期通货膨胀波动时可能的营业收入的分析，或在存在不同投资策略时可能的现金流，每个策略都有自己的可能成本范围。生成的洞察有助于了解复合驱动因素确定因素产生的风险。

我们将使用调切的动作来说明蒙特卡洛模拟的工作方式。

试想一下，你是把 3 丁分 100 次去探索最可能的可以达到的求和。每次翻转后，您都会记下为每种模具滚动的值，并为全部 3 个切块进行聚合。在 100 秒结束时，有一个列表，显示特定聚合结果的显示频率，可用于在图形中绘制，以根据相对外观频率可视化值。

让我们仔细看看下图，该图说明了上述简化流程。

1. 定义数据和动因：由于我们有三个维度，因此有 3 个动因存在不确定性；每个模组的值范围在 1 到 6 之间（D1、D2 和 D3）。
2. 随机取样和计算:切削的真正作用实际上是随机抽样 1 到 6 之间的每个死亡。为所有切块完成此操作后，可以计算聚合 D1 + D2 + D3。对于大量的试验可以重复这一过程，以观察所取得结果的频率，在本例中为 100 次。
3. 列表创建：实现的结果可以在列表中排序，作为计算频率和绘制图形的准备。
4. 绘图：将实现的聚合值根据其相对外观频率（可理解为以 % 表示的概率）绘制，以便更好地使用生成的洞察。汇总结果的概率分布很容易理解 - 拖动 3 丁很可能会产生 10 或 11 的和，而 3 或 18 的总和不太可能。在此，我们可以回答第一个问题，即 3 丁分音时最可能的结果。

如果使用另外 100 次迭代执行新模拟，则获取的答案可能会有所不同，因为我们正在处理统计概率。但是，如果使用较高数量的计算迭代（例如 1000、10,000 或更多）执行，则两个模拟之间的概率分布结果将显著减少。

由于能够在面临不确定性时计算可能结果，因此蒙特卡罗模拟是业务模拟的重要方法。

通过启用所有流程步骤的自动化，SAP Analytics Cloud 指南针已将蒙特卡洛模拟提升了一步。通过此自动化，使用指南针探索动因不确定性的影响的用户不需要事先了解蒙特卡洛模拟方法即可享受其优势。

• 随机抽样和计算：随机抽样由系统处理。用户所需的所有内容都是"值配置"和"分配"的输入。

  缺省情况下，随机抽样分布的分布类型设置为正态分布。也就是说，在随机抽样期间，与范围边界附近的值相比，中间值更有可能选择（即 68% 的结果将在 1 个标准偏差内，95% 在 2 个标准偏差内，99.7% 在 3 个标准偏差内）。如果用户希望所有值共享相同的采样可能性，则可以选择均匀分布。

• 列表创建和绘制：系统完全自动化列表创建和绘制。绘制的图形允许定制乐观、悲观和现实案例的百分位边界以及着色，以适应不同的消耗偏好。

现在，我们来详细了解一下 SAP Analytics Cloud 指南针模拟。

目标是你想发掘影响的度量或账户。

动因是有助于目标计算的叶账户成员（不含公式）、基本度量或其组合。

在指南针模拟中，将自动识别可用动因并从目标中提取可用动因。直接模拟 SAP Analytics Cloud 模型，模型定义用于模拟，最终用户无需手动复制数据和计算公式。

举个例子，让我们仔细看看如何从目标中提取动因。

模型具有以下数学关系：

因此，如果选择 A 作为模拟的目标，则 E、F、C1 和 C2 将被标识为动因。

目标和动因之间的数学关系可以在以下公式中求和：A = E * F + (C1 + C2)

在"分布"列中，用户可以选择用于定义动因可能值的概率分布类型。"正态分布"设置为默认值；但是，用户也可以根据需要选择"均匀分布"。

正态分布：

对于正态分布，大约 99.7% 的数据在平均值的三个标准偏差范围内。

用户插入到值配置中的值将转换为平均和标准偏差，即正态分布的两个参数。

• 平均值：用户添加的最小值和最大值的平均值。
• 标准偏差：用户指定的范围可以近似覆盖六个标准偏差，因此估计标准偏差的计算方法是将范围除以 6。

我们以 10 到 70 的动因值配置范围为例。平均值为 40，标准偏差为 10。因此，对于每个动因生成的随机动因值：

• 大约 68% 将落在 30 和 50 之间，或者平均值的一个标准偏差（+/- 1 标准偏差）。
• 大约 95% 将介于 20 和 60 之间，或者属于平均值的两个标准偏差（+/- 2 标准偏差）。
• 大约 99.7% 将介于 10 和 70 之间，或者处于平均值的三个标准偏差（+/- 3 标准偏差）内。

如果用户选择"均匀分布"，则动因值范围内的所有值（如其"值配置"中所定义）都可能同样出现。

每次进行随机抽样或模拟迭代时，都会根据随机性设置生成动因的特定随机值，这些值将用于计算每个模拟迭代的目标。通过这种方式，将生成一组目标值或模拟结果。

用户可以在三种精度模式之间进行选择，每个模式都有预配置的蒙特卡罗模拟迭代次数。

1. 预览：蒙特卡罗模拟的随机采样将进行 1,000 次。这是最快的模式，但精确度最低。
2. 中等精度：蒙特卡罗模拟的随机采样将进行 10,000 次。这是一种在速度和精度之间寻求平衡的模式。
3. 高精度：蒙特卡罗模拟的随机抽样将进行 10 万次。这是最慢的模式，但精确度最高。

生成目标的模拟结果图形时，它会显示在动因右侧的输出面板中。

在模拟结果图中，所有箱都绘制在 x 轴上，概率绘制在 Y 轴上。这构成了图形的基础，显示模拟结果概率分布的近似值。然后，在直方图上覆盖一条线以生成图形中的概率分布曲线。

在模拟结果图中，两个边界值通过穿过概率分布曲线的两条垂直线显示。模拟结果分为三种情况，每种情况都有百分比值，指示目标值在该情况中的概率。此百分比还表示案例中模拟结果的份额。

1. 悲观情况：最小值与第一个边界目标值之间的曲线下的面积。缺省情况下，此选项设置为 5%，表示模拟结果的最低百分比 5%。
2. 现实情况：两个边界值之间的曲线下面积。默认情况下，此选项设置为 90%，表示最低 90% 的模拟结果。
3. 乐观情况：第二个边界值与最大值之间的曲线下方的区域。缺省情况下，此选项设置为 5%，表示模拟结果的最低百分比 5%。

在案例设置中，您可以将百分比值更改为每种情况。如果更改三种情况的百分比值，则会相应地计算和设置两个划分目标值范围的边界值。

我们建议你完成"利用 SAP Analytics Cloud 中的高级功能进行计划"课程中的"使用 SAP Analytics Compass 模拟数据"课程，其中详细介绍了创建 SAP Analytics Cloud 指南针模拟的流程。

可在 SAP Help Portal 上找到附加信息。

使用 SAP Analytics Cloud 指南针时，用户可能会遇到一些问题。例如：

1. 模型中不受支持的聚合、异常聚合和分解类型。
2. 聚合类型设置为层次结构节点的文本标签，导致私有方案中动因列表为空。
3. 模拟计算中的复合年度增长率 (CAGR) 函数出现问题。
4. 迭代函数和类似函数的问题。
5. 系统资源不足。

要查看说明、原因和故障排除步骤，请转到 SAP Help Portal"指南针中的问题故障排除"部分