Forecasting with Predictive Analytics

Objective

After completing this lesson, you will be able to verwenden Sie vorausschauende Analysen für die Planung.

Vorausschauende Analysen und Planung

Intelligente Planung

Beispiel für Diagramme, die mit Smart Planning erstellt wurden

Anwendungsfälle für die vorausschauende Planung

  • Aufwands- und Kostenplanung:
    • Wie hoch sind meine Ausgaben nach Standort und Kategorie?
    • Soll das Budget zwischen den Bereichen umgebucht werden?
  • Erlös- und Vertriebsplanung:
    • Wie hoch ist die Umsatzprognose pro Geschäftsbereich?
    • Wie wird sich der Vertrieb für bestimmte Produkte in Zukunft entwickeln?
  • Personalbestandsplanung:
    • Wie viele Mitarbeiter werden aufgrund von Austritt oder Pensionierung im nächsten Jahr ausscheiden?
    • Wie lauten die Profile der Mitarbeiter, die ausscheiden?

SAP Analytics Cloud Smart Predict – Übersicht

Damit Sie bessere Geschäftsentscheidungen treffen können, haben wir automatisierte Prognosefunktionen in SAP Analytics Cloud integriert.

Mit Smart Predict können Sie:

  • Erstellen Sie zuverlässige und umsetzbare Prognosen. Anstatt zu fragen, wie Sie Prognosen erhalten, können Sie sich auf das konzentrieren, was Sie vorhersagen möchten.
  • Transformieren Sie die Art und Weise, wie Sie Daten analysieren und Pläne mit auf maschinellem Lernen basierenden Prognosen erstellen, einer Story Ergebnisse hinzufügen und diese mit dem Unternehmen teilen.

Einfache visuelle Benutzererfahrung

Geschäftsanwender und Business-Analysten verfügen häufig über keine Kenntnisse in Data Science. Daher macht Smart Predict Algorithmen für maschinelles Lernen für alle zugänglich und prognostiziert potenzielle Ergebnisse und Prognosen auf Knopfdruck. Smart Predicts bietet:

  • Einfaches visuelles Erlebnis
  • Typischer geführter Workflow für Klassifikations- und Regressionsmodelle
  • Keine technische Terminologie
  • Kein Coding
  • Geschäftsorientierte Fragen

Prognoseszenarios

Ein Prognoseszenario ist ein vorkonfigurierter Arbeitsbereich. Sie können damit Prognosemodelle und Berichte erstellen, um eine Geschäftsfrage zu beantworten, die die Vorhersage zukünftiger Ereignisse oder Trends erfordert. Sie wählen diejenige aus, die für die Art der Prognoseeinblicke relevant ist, die Sie erstellen möchten.

Erstellen Sie sortierte Listen basierend auf der erwarteten Wahrscheinlichkeit (Klassifikationsmodelle), Schätzungen über zukünftige oder unbekannte Werte (Regressionsmodelle) oder Prognosen (Zeitreihenprognosemodelle). Mit diesen Prognosemodellen können Sie zukünftige, ausgeblendete oder unbekannte Daten generieren.

Das Bild Smart Predict zeigt die drei Optionen Klassifikation, Regression und Zeitreihe an. Diese Prognoseszenarios werden später im Kurs ausführlich behandelt.

Prognosen und Predictive Insights in SAP Analytics Cloud generieren

Smart Predict kann in verschiedenen importierten Quellen (und in SAP-HANA-Live-Quellen) verwendet werden, um Ihnen bei der Beantwortung präziser Fragen zu helfen. Es gibt drei Hauptvorschautechniken, die geschäftliche Anwendungsfälle abdecken und in diesem Kurs behandelt werden:

  1. Klassifizierungsmodelle werden verwendet, um das Verhalten eines Kunden, seine Kaufneigung und das Risiko der Abwanderung zu antizipieren. „Geben Sie mir die sortierte Liste der Interessenten, auf die ich mich für dieses Produkt konzentrieren kann."
  2. Regressionsmodelle werden verwendet, um numerische Werte vorherzusagen und ihre Einflussfaktoren zu identifizieren. „Geben Sie mir die geschätzten Umsätze für jeden Kunden in den nächsten sechs Monaten."
  3. Zeitreihen-Prognosemodelle werden verwendet, um Zeitreihenprognosen mit individuellen Prognosen zu generieren, die für jeden Wert einer Dimension generiert werden. "Prognostizieren Sie den Umsatz für jedes Produkt und jeden Point of Sales täglich für die nächsten 30 Tage."
Vier Schritte zum Anlegen von Prognoseszenarios mit Smart Predict. 1. Wählen Sie das Szenario aus. 2. Wählen Sie ein Eingabedatenset aus, und definieren Sie das Prognoseszenario. 3. Analysieren Sie das Modell. 4. Um Prognosen zu generieren, wenden Sie das Modell auf ein neues Datenset an.

Smart Predict verwenden

Obwohl es viele intelligente Funktionen in SAP Analytics Cloud gibt, ist Smart Predict der Schwerpunkt dieses Kurses. Wir konzentrieren uns auf die Smart-Predict-Funktionen beim Erstellen, Trainieren und Anwenden von Prognoseszenarios.

Smart-Predict-Zeitreihen

Prognoseszenario konfigurieren

Die Konfiguration des Prognoseszenarios ist mit Smart Predict einfach. Sie müssen kein Experte für maschinelles Lernen oder Datenwissenschaftler sein. Der grundlegende Arbeitsablauf ist wie folgt:

  1. Wählen Sie das Planungsmodell aus, das erweitert werden soll.
  2. Wählen Sie die Version des Planungsmodells aus, aus der Sie lernen möchten. Smart Predict sollte aus Istdaten lernen.
  3. Wählen Sie die zu prognostizierende Kennzahl aus. In diesem Szenario möchten Sie die Kennzahl Bruttoerlös prognostizieren.
  4. Wählen Sie die Anzahl der Prognoseperioden aus, die vorhergesagt werden sollen. Die Granularität der Planung ist Monat. Wenn Sie Prognosen für 12 Monate erhalten möchten, fordern Sie 12 Prognosen an.
  5. Wählen Sie die Entitäten aus. Sie können beispielsweise die Prognosen und Erkenntnisse mit Stakeholdern teilen, die für verschiedene Produkte in verschiedenen Ländern/Regionen verantwortlich sind.
Smart Predict - Zeitreiheneinstellungen

Sie können Ihre Prognosen weiter verfeinern, indem Sie die Einstellung Einflussfaktoren verwenden, mit der Sie auswählen können, welche Einflussfaktorvariablen berücksichtigt werden sollen, bevor Sie Ihr Prognosemodell trainieren.

Mit Smart Predict können Sie einen Schritt weiter gehen und Prognosen pro Entität generieren, um genaue geschäftsorientierte Einblicke zu erhalten, nicht nur Rohprognosen. Sie können Ihr Planungsmodell direkt als Datenquelle für das Prognoseszenario verwenden, ohne Daten in ein Datenset extrahieren zu müssen.

Prognoseszenario anlegen und trainieren

Smart Predict verwendet die in Ihrem Planungsmodell verfügbaren Daten, um ein Prognoseszenario anzulegen und zu trainieren. Anschließend können Sie die Prognosegenauigkeit über die kombinierten Dimensionswerte hinweg analysieren und die Signalaufschlüsselung im Detail verstehen. Wenn Sie mit der Genauigkeit Ihres Prognoseszenarios zufrieden sind, können Sie die Prognosen generieren: Sie werden direkt in der privaten Version Ihres Planungsmodells gesichert. Sie können Ihre Story dann ganz einfach um Ist- und Prognosen erweitern.

Wenn Sie ein Prognoseszenario anlegen, geben Sie zunächst eine Trainingsdatenquelle, ein Ziel oder eine Signalvariable an und definieren dann zusätzliche Trainingseinstellungen. Training ist ein Prozess, der automatisierte Algorithmen für maschinelles Lernen von SAP verwendet, um Beziehungen oder Verhaltensmuster in der Datenquelle zu finden. Sie können das Ergebnis auf eine neue Datenquelle anwenden, um mit einer Wahrscheinlichkeit vorherzusagen, was der Wert des Ziels oder des Signals für jedes Element der Datenquelle sein könnte.

Wenn Sie ein Planungsmodell verwenden, muss die Eingabeversion eine öffentliche Version, nicht im Bearbeitungsmodus oder eine private Version sein. Sie haben mindestens Lesezugriff darauf.

Prognoseszenario analysieren

Ein Prognosemodell erzeugt Performance-Indikatoren und Berichte als Ergebnis eines erfolgreichen Trainings.

Analysereport für ein Prognoseszenario in einer SAP-Analytics-Cloud-Story.

Im Folgenden finden Sie eine kurze Zusammenfassung der verschiedenen Komponenten, mit denen Sie Ihre Ergebnisse auswerten können, um die Genauigkeit Ihres Prognosemodells zu überprüfen:

  • Horizontweiter MAPE Ist der Haupt-Performance-Indikator hoch genug, um mein Prognosemodell als robust und genau zu betrachten? Prüfen Sie die Qualität Ihrer Modell-Performance über den horizontweiten MAPE. Sie wertet den Fehler aus, der bei der Verwendung des Prognosemodells zur Schätzung zukünftiger Werte des Signals auftritt, wobei null für ein perfektes Modell steht. Je niedriger der horizontweite MAPE, desto besser ist die Performance Ihres Prognosemodells. Weitere Informationen finden Sie unter Horizontweiter MAPE.
  • Signalanalyse Welche Prognosen werden vom Prognosemodell bereitgestellt? Sehen Sie sich das Signal und die Prognosen genau an. Signale zeigen Trends, Zyklen und Schwankungen des Signals mit jeweils einer Beschreibung an. Prüfen Sie, ob die Prognosen Ausreißer enthalten, und erkennen Sie Anomalien im Signal. Weitere Informationen finden Sie unter Prognosen, Signalausreißer und Signalabweichungen.
  • Signal vs. Prognose Wie genau ist mein Prognosemodell? Verwenden Sie das Signal vs. Prognosediagramm zur Visualisierung der Prognosewerte (Prognose) und Istwerte (Signal) für die Datenquelle. Sie können dann schnell erkennen, wie genau Ihr Prognosemodell ist, welche Ausreißer es gibt und in welchem Bereich mögliche Fehler auftreten können. Weitere Informationen finden Sie unter Prognose vs. Istdiagramm und Signalausreißer

Wenn Sie mit dem Prognoseszenario nicht zufrieden sind, nachdem Sie die Ergebnisse analysiert haben, können Sie es verbessern, indem Sie die Einstellungen oder bei Bedarf die Datenquelle ändern.

Smart-Predict-Zeitreihenaufschlüsselung

Leistung

Prüfen Sie die Qualität Ihrer Prognosemodell-Performance über den horizontweiten MAPE. Der horizontweite MAPE ist die Auswertung des "Fehlers", der bei der Verwendung des Prognosemodells zur Schätzung der zukünftigen Werte des Signals vorgenommen wurde. Ein horizontweiter MAPE von null weist auf ein perfektes Prognosemodell hin. Je niedriger der horizontweite MAPE, desto besser ist die Performance Ihres Prognosemodells.

Analysieren Sie die Prognosewerte für das Prognosemodell über einen Satz bekannter Daten aus der Trainingsdatenquelle. Prüfen Sie, ob die Prognosen Ausreißer enthalten, und erkennen Sie Anomalien im Signal.

Verwenden Sie das Diagramm Signal versus Prognose, um die Prognosewerte (Prognose) und Istwerte (Signal) für die Trainingsdatenquelle zu visualisieren. Sie können dann schnell erkennen, wie genau Ihr Prognosemodell ist, welche Ausreißer es gibt und in welchem Bereich mögliche Fehler auftreten können.

Weitere Informationen zu Smart Predict finden Sie unter Ergebnisse Ihres Zeitreihen-Prognosemodells analysieren.

Ergebnisse im Planungsmodell sichern

Nachdem Sie Smart Predict ausgeführt und bestätigt haben, dass die Ergebnisse sinnvoll sind, können Sie die Ergebnisse im Planungsmodell in einer privaten Version sichern.

Sie können Smart-Predict-Ergebnisse nur in private Planungsversionen schreiben. Das Ziel besteht darin, einen Validierungs-Workflow zu erzwingen und zu vermeiden, dass nicht validierte Prognosen in öffentliche Versionen geschrieben werden.

Das Konfidenzintervall (gepunktete Linien) hilft dabei, den Konfidenzgrad zu verstehen, den wir in der Prognose haben. Wenn das Intervall schmal ist, haben wir eine hohe Konfidenz in die Prognosen.

Nachdem Sie Smart Predict ausgeführt und bestätigt haben, dass die Ergebnisse angemessen sind, können Sie die Daten im Planungsmodell in einer privaten Version sichern.

Vorhersagemodell-Statuskennzeichen

Nach der Analyse der Ergebnisse in einer Story können die Werte dann in einer öffentlichen Version veröffentlicht werden.

Beispiel für Smart-Predict-Ergebnisse im Eingabeformular für rollierende Prognosen

Zusatzinformationen

Weitere Informationen zur Prognosemodellierung finden Sie im Kurs Anwenden KI-gestützter Visualisierungen und Augmented Analytics auf Geschäftsdaten in SAP Analytics Cloud . Dort lernen wir erweiterte Analysen genauer kennen, einschließlich Zeitreihen-Prognosemodellen.

Smart Predict mit einem Planungsmodell verwenden

Geschäftsszenario: Sie entwickeln Ihre prognostizierte Gewinn- und Verlustrechnung und benötigen eine Möglichkeit, die monatliche Prognose vorherzusagen. Sie müssen ein statistisches Modell auf die historischen Trends anwenden und die Genauigkeit der Prognose bewerten. Dazu legen Sie ein Prognoseszenario an und veröffentlichen die Ergebnisse im Planungsmodell.

Aufgabenablauf: In dieser Übungsübung gehen Sie wie folgt vor:

  • Bearbeiten Sie das Layout der rollierenden Prognose.
  • Erstellen Sie ein Prognoseszenario, und wenden Sie es an.
  • Zeigen Sie die Smart-Predict-Ergebnisse in einer Story an.