首先举一个示例：
通过与接口进行会话，可以订购设备，也可以在一个屏幕中查看来自不同应用程序的所有项目，例如来自 SAP SuccessFactors 的休假申请和 SAP S/4HANA 中的采购申请。
SAP S/4HANA 中这种自然语言 UI 的另一个示例涉及名为"监控物料覆盖范围 - 净值和单个细分"的 SAP Fiori 应用。该 UI 允许与同事就应用物料清单中的各种物料进行协作，以澄清未决问题。然后，这些同事可以直接从自然语言 UI 导航到此应用并显示物料清单。
SAP S/4HANA Sales 中的自然语言处理 (NLP) 和 SAP Fiori 应用
在 SAP S/4HANA Sales 中使用自然语言处理 (NLP) 功能的示例是用于创建后续销售订单的 SAP Fiori 应用：
该应用拥有以下特征：
- NLP 使内部销售代表可以利用自然语言处理 (NLP) 通过销售报价创建销售订单。
- NLP 允许用户从自然语言处理 (NLP) 获取见解和建议，以决定特定流程的正确后续步骤，并以最少的输入快速创建业务对象。
- NLP 允许用户使用自然语言显示一个或多个未清销售报价，从清单中选择一个未清报价，然后创建后续销售订单。
- 例如，NLP 提供到相关应用程序的导航以显示销售订单详细信息等。
- NLP 允许通过语音和文本使用自然语言进行通信。
"跟踪销售订单"应用允许内部销售代表使用自然语言处理功能获得即时见解和跟踪销售订单。它具有以下特征：
- 自然语言处理 (NLP) 可用作侧面板。
- 它与所有相关应用程序完全集成。
- 提供可转换为操作的见解：通过下钻立即解决问题。
- 将实时数据推送给内部销售代表。
机器学习：简介
机器学习算法的目标是确定数学模型，该模型用于通过经验自动改进算法的结果。机器学习算法基于样本数据（称为训练数据）构建数学模型。这样做是为了在未进行显式编程的情况下进行预测或制定决策。
SAP 提供由 SAP 及其合作伙伴开发的庞大的机器学习算法库，如 Google 的 TensorFlow。这些算法属于 SAP HANA 的一部分。SAP HANA 提供必要的数据治理引擎，用于准备、治理必要数据，确保数据质量并对其进行实时处理，以便训练其本身的预测分析引擎以及在 SAP Cloud Platform 上提供的其他机器学习算法。SAP HANA 数据库中的自动预测库 (APL) 可自动优化机器学习模型，无需数据科学家操作。
机器学习模型非常强大，因为它们可以模仿历史数据的行为。实际预测模型是针对从未离开 SAP S/4HANA 系统甚至未用于训练的实时客户数据进行训练的。模型创建和激活由分析专家完成。模型训练是一键式操作，并且对模型的评估也是高度简化的。分析专家可决定是否应激活预测模型。在应用中使用模型生成新的实际数据时，可根据需要轻松重新训练模型，以便将更新后的模型用于新的预测。
SAP S/4HANA Sales 中的机器学习示例
下面将讨论一些示例，其中机器学习可用于 SAP S/4HANA Sales（包括其开票功能）的特定 SAP Fiori 应用。
SAP Fiori 应用：预测交货延迟
此 SAP Fiori 应用允许公司识别其未清销售订单的潜在延迟风险。它提供了有关当前销售订单履行情况的重要见解：
目标是能够尽早采取行动，以避免预测延迟。此应用通过关注交货创建的预测延迟和预测交货处理延迟来完成该操作。系统可以根据从其预测模型的训练中学到的内容来预测交货延迟。
对于交货创建预测延迟的训练，系统使用交货的计划交货创建日期作为未清销售订单的后续凭证。为此，系统将销售订单项目（已交货）的确认计划行中的计划交货创建日期与相应交货的实际交货创建日期进行比较。
对于预测交货处理延迟的训练，系统使用过去的数据将已完成发货的所有交货的计划发货日期与后续交货的实际货物移动日期进行比较。针对相应销售订单项目的每个交货执行此计算。然后，系统会采用所分析交货的最大交货处理延迟。这意味着交货将采用最大延迟作为预测交货处理延迟。
SAP Fiori 应用：报价转换率 - 有效/未完成
可以使用报价转换率跟踪报价在过期前转换为销售订单的程度。利用机器学习功能，可以通过比较实际和预测结果来获得对报价转换的预测性分析。
以下演示将向您展示 SAP Fiori 应用"报价转换率 - 有效/未完成"的一些功能：
分析 SAP Fiori 应用"报价转换率 - 有效/未完成"具有以下特征：
- 该应用可用于预测报价转换率。
- 该应用可针对可实现的新接销售订单为销售经理提供洞察并提供可靠的预测。
- 此应用提高了销售计划的准确性。
报价转换率根据报价项目的总净值衡量已从报价项目转换的订单项目净值的百分比。
仅包含满足以下条件的报价：
净值 > 0
在当前日期有效
未完全参考（报价抬头）
总体状态为未完成（报价抬头）
该应用允许查看报价转换率：
该磁贴显示报价的总体转换率。在应用中，可以按不同维度（例如销售组织、客户、产品和负责员工）下钻到报价转换率。
按净值查看前 10 个报价：
可以分析净值最高的 10 个报价在有效期内转换为销售订单的程度。
按转换率查看后 10 个报价：
可以快速识别转换最少的 10 个报价，尤其是即将过期的报价。
该应用还允许预测报价转换率：
注意
使用名为"智能场景"和"智能场景管理"的 SAP Fiori 应用，在名为"报价转换率 - 有效/未完成"的分析应用（以及名为"预测交货延迟"的分析应用中）中启用预测功能。
训练预测模型时，请考虑以下几点：
使用仍准确且相关的数据。
使用与当前业务情况不再相关的数据训练预测模型可能会影响模型的质量。例如，数据过旧或异常情况中的数据。要改进结果，可以设置过滤器以从训练数据集中排除无关数据。如果销售报价的转换率通常不超过 100%，则可以将转换率高于 100% 的报价数据从训练数据集中排除，因为这些是异常情况。此操作通过将报价转换率 (SLSQTANCONVERSIONRATE) 的训练过滤器的高值设置为 1 来执行。
使用足够的数据量训练模型。
成功的模型训练需要足够量的数据，这些数据可合理分布在客户和产品等关键业务维度中。这有助于模型了解公司业务的关键方面，从而对模型的预测能力产生积极影响。数据不足可能导致训练失败。因此，建议仅在公司系统（尤其是新安装的系统）包含足够量的业务数据后训练模型。
至少每月训练并激活预测模型一次。
每次训练所需的时间量取决于训练数据量。建议在非工作时间（例如，夜间）训练模型。
面向 SAP S/4HANA Cloud 的 SAP Fiori 应用：销售绩效 - 预测
使用名为"销售绩效 - 预测"的应用，可以将当前实现的销售（例如，销售量）与基于建模的预测进行比较：
通过选择现有销售计划，可以分析特定销售目标的实现程度。使用此应用，可以获取对当前销售绩效的预测性分析。
目前，此应用仅适用于 SAP S/4HANA Cloud（例如，2108、2111 及后续版本）。
销售订单中的智能产品建议
智能产品建议功能是对动态产品建议功能的增强，已在 SAP S/4HANA 的多个版本中提供。智能产品建议功能本身在 SAP S/4HANA 2020 版中引入。
动态产品建议结合来自多个数据源的数据来创建产品建议：订单历史记录、列出的物料（即产品）、排除的物料、项目建议、客户物料信息记录、客户特定的数据源。然后，系统在线或在后台访问数据源。
智能产品建议功能允许用户接收产品和数量建议作为输入帮助，以便更快地在 SAP S/4HANA 系统中输入销售订单。借助基于二阶指数平滑的算法，可以预测所订购产品的数量。该算法能够预测趋势，但无法考虑季节性影响。这可能需要三阶指数平滑法，该算法是针对 SAP S/4HANA 的未来版本计划的。
由于智能产品建议基于动态产品建议，因此必须为动态产品建议执行所有配置活动。
除动态产品建议外，智能产品建议还允许您预测所订购产品的数量将增加还是减少。可在"销售与分销"的定制（路径为基本功能→动态产品建议）中找到必要设置。
用于销售订单创建的智能产品建议功能具有以下功能：
- 根据历史数据接收产品和数量建议，同时考虑所建议产品的产品清单和排除
- 根据客户或销售凭证类型（例如标准订单）等附加条件，对提供的建议进行微调
- 支持外部使用者使用提供的 API 来调用智能产品建议功能
使用智能产品建议功能具有多个优势。并且它可以为公司的各个领域提供业务价值：
- 使用产品和数量建议，更快速地创建销售订单，从而提高销售团队效率
- 通过改进的销售订单创建流程，提高盈利能力并避免错误
- 通过学习历史客户数据，支持面向客户的活动
