28
1 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH Eine Live Demo mit SAP Predictive Analytics in Kombination mit R Predictive Analytics Use Cases Dr. Ramin Norousi und Juliane Würfel | MHPBoxenstopp: 29.09.2015

Predictive Analytics Use Cases

Embed Size (px)

Citation preview

Page 1: Predictive Analytics Use Cases

1 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Eine Live Demo mit SAP Predictive Analytics

in Kombination mit R

Predictive Analytics Use Cases

Dr. Ramin Norousi und Juliane Würfel | MHPBoxenstopp: 29.09.2015

Page 2: Predictive Analytics Use Cases

2 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

01.10 - 02.10.2015 Automobilwoche Kongress Hilton Berlin in Berlin

15.10.2015 MHP und SAP Business Intelligence Reithaus in Ludwigsburg

Innovation Day

Einleitung

www.youtube.de/MHPProzesslieferant

TelKo Einwahlnummer Einwahlnummer Schweiz: +41 44 583 1925

Einwahlnummer Deutschland: +49 711 96 59 96 13

Teilnehmer PIN- Code: 42538759 mit Raute- Taste bestätigen

Weitere MHPBoxenstopps

Agenda

Wo Sie uns in 2015 auch finden können… www.mhp.de/Events

www.mhp.com/de/events

Zu Anfang sind alle Teilnehmer auf stumm geschalten.

06.10.2015 BIG DATA heute und morgen BIG DATA als Treiber des digitalen Unternehmens

13.10.2015 Ganzheitliche Modellierung Requirement Engineering mit dem Enterprise Architect

20.10.2015 Self-Service BI mit SAP SAP Lumira - ready for implementation?

www.mhp.com/de/events

13.00 – 13.10 Uhr Begrüßung Juliane Würfel

13.10 – 13.45 Uhr Vortrag Dr. Ramin Norousi

13.45 – 14.00 Uhr Offene Fragerunde Sie können bereits während der Web Session über Chatfunktion

im rechten Fenster Fragen einreichen.

www.slideshare.net/MHPInsights

MHPBoxenstopp: Predictive Analytics Use Cases

Page 3: Predictive Analytics Use Cases

3 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

MHPBoxenstopp: Predictive Analytics Use Cases

Ihre Gesprächspartner

Dr. Ramin Norousi

Leiter Competence Center

Predictive Analytics

Business Intelligence

Page 4: Predictive Analytics Use Cases

4 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Prozesse verbessern kann nur, wer sich im Detail auskennt.

Genauso wie im Großen und Ganzen.

Wir wissen aus Erfahrung,

wie man Ziele erreicht und dabei vorneweg fährt.

MHPBoxenstopp: Instandhaltung mit HANA

Page 5: Predictive Analytics Use Cases

5 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Mieschke Hofmann und Partner (MHP)

A Porsche Company

Die Leistung

Management Consulting

System Integration

Application Management

Business Solutions

Business Solutions

Der Unterschied

Symbiose aus Prozess- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden

Die Kompetenz Ganzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette

Technology

Services

Application

Mgmt.

Services

Product

Lifecycle

Mgmt.

Supply

Chain

Mgmt.

Production

& Opera-

tions Mgmt.

Customer

Relations

Mgmt.

Finance &

Controlling

Business

Intelligence

After

Sales

Retail

Mgmt.

Human

Resources

MHPBoxenstopp: Predictive Analytics Use Cases

Page 6: Predictive Analytics Use Cases

6 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.

Unsere Kompetenzbereiche mit Themenfeldern.

MHPBoxenstopp: Predictive Analytics Use Cases

Technology

Services

Application

Mgmt.

Services

Product

Lifecycle

Mgmt.

Supply

Chain

Mgmt.

Production

& Opera-

tions Mgmt.

Customer

Relations

Mgmt.

Finance &

Controlling

Business

Intelligence

After

Sales

Retail

Mgmt.

Human

Resources

Production

Planning

Strategic

Production

Consulting

Lean Production

Manufacturing

Execution

Maintenance

Retail Service

Management

Retail

Consulting

Fleet

Management

Sourcing

Planning

Affiliation

Performance

Development &

Talent

Management

Governance,

Risk and

Compliance

Template

Development

and Rollouts

Business

Process

Development &

Optimization

Legal and Fiscal

Requirements

Accounts,

Reporting and

Consolidation

System

Harmonization

CIO

Management

Consulting

Enterprise

Content

Management

Standard

Software

Individual

Software

Application &

Process Services

Application

Management

Consulting

Product

Structure

Management

Product

Development

Process (PDP)

Management

SAP PLM

Consulting &

Solution

Implementation

PTC Windchill

Solution

Integration

DS Enovia V6

Solution

Integration

PLM Strategy &

Management

Consulting

Production

Logistics

Procurement &

Quality

Sales Logistics

Service

Management

Spare Parts

Management

Supply Chain &

Demand

Planning

Service

Management

Spare Parts

Management

Warranty

Processes

(Pro-active)

Complaint

Management

Digital incl.

Connected CRM

& Social CRM

CRM Strategy &

Management

Consulting

Sales Force

Automation incl.

Mobile CRM

Analytics incl.

Segmentation &

Campaign

Management

Vertical Retail

Integration

(Pro-active)

Complaint

Management

BI Technology

BI Strategy

Integrated

Corporate

Planning

Analytical

Business

Processes

Next Generation

BI & BIG DATA

Mobile BI

Scenarios

CRM IT

Consulting &

Solution

Implementation

Transition &

Change

Management

Administrative

Core Processes

MHP Dealer

Performance

Management

Finance and

Controlling for

Automotive

Retailers

Dealer

Management

Systems

MHP Carbon

Innovations Connected

Vehicle

Sustainable

Mobility

Real-time

Business Industry 4.0

Page 7: Predictive Analytics Use Cases

7 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.

Unsere Kompetenzbereiche mit Themenfeldern.

MHPBoxenstopp: Predictive Analytics Use Cases

Technology

Services

Application

Mgmt.

Services

Product

Lifecycle

Mgmt.

Supply

Chain

Mgmt.

Production

& Opera-

tions Mgmt.

Customer

Relations

Mgmt.

Finance &

Controlling

Business

Intelligence

After

Sales

Retail

Mgmt.

Human

Resources

Production

Planning

Strategic

Production

Consulting

Lean Production

Manufacturing

Execution

Maintenance

Retail Service

Management

Retail

Consulting

Fleet

Management

Sourcing

Planning

Affiliation

Performance

Development &

Talent

Management

Governance,

Risk and

Compliance

Template

Development

and Rollouts

Business

Process

Development &

Optimization

Legal and Fiscal

Requirements

Accounts,

Reporting and

Consolidation

System

Harmonization

CIO

Management

Consulting

Enterprise

Content

Management

Standard

Software

Individual

Software

Application &

Process Services

Application

Management

Consulting

Product

Structure

Management

Product

Development

Process (PDP)

Management

SAP PLM

Consulting &

Solution

Implementation

PTC Windchill

Solution

Integration

DS Enovia V6

Solution

Integration

PLM Strategy &

Management

Consulting

Production

Logistics

Procurement &

Quality

Sales Logistics

Service

Management

Spare Parts

Management

Supply Chain &

Demand

Planning

Service

Management

Spare Parts

Management

Warranty

Processes

(Pro-active)

Complaint

Management

Digital incl.

Connected CRM

& Social CRM

CRM Strategy &

Management

Consulting

Sales Force

Automation incl.

Mobile CRM

Analytics incl.

Segmentation &

Campaign

Management

Vertical Retail

Integration

(Pro-active)

Complaint

Management

BI Technology

BI Strategy

Integrated

Corporate

Planning

Analytical

Business

Processes

Next Generation

BI & BIG DATA

Mobile BI

Scenarios

CRM IT

Consulting &

Solution

Implementation

Transition &

Change

Management

Administrative

Core Processes

MHP Dealer

Performance

Management

Finance and

Controlling for

Automotive

Retailers

Dealer

Management

Systems

MHP Carbon

Innovations Connected

Vehicle

Sustainable

Mobility

Real-time

Business Industry 4.0

Predictive

Analytics

Page 8: Predictive Analytics Use Cases

Agenda

8 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

1 Einführung

2 SAP Predictive Analytics Architektur

3 Einführung in Predictive Analytics 2.3

4 Predictive Analytics Use Cases

5 Fazit

Page 9: Predictive Analytics Use Cases

Agenda

9 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

1 Einführung

2 SAP Predictive Analytics Architektur

3 Einführung in Predictive Analytics 2.3

4 Predictive Analytics Use Cases

5 Fazit

Page 10: Predictive Analytics Use Cases

10 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

1 Einführung

Entdecken von Indikatoren für eine Entscheidung und Messung ihrer Auswirkungen

Erstellung von Entscheidungsregeln

Bsp.: Betrugs- oder Abwanderungserkennung, Kaufentscheidung

Klassifikation

Bildung von homogenen Gruppen

Bsp.: Clustern von Kunden oder Produkten, Anomaliedetektion

Segmentierung

(Clusteranalyse)

Auftreten häufiger Merkmale oder Merkmalskombinationen

Bsp.: Recommendation Engine, Car Configurator

Assoziations-analyse

Erkennen von Trends, saisonalen Effekten und Fortschreibung in die Zukunft

Bsp.: Bedarfsprognose der nächsten sechs Monate

Forecasting (Zeitreihenanalyse)

Predictive Analytics – Die Techniken

Page 11: Predictive Analytics Use Cases

11 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Predictive Analytics – Der Prozess

1 Einführung

ID Gender Age Income-

Cat. Amount … Fraud

1 M 22 1 2000 1

2 F 34 3 500 1

3 M 65 4 214 1

4 M 36 2 660 1

5 F 25 3 1450 1

6 F 29 3 100 0

7 M 31 2 980 0

8 F 45 5 2580 0

9 F 52 2 6500 0

10 F 49 1 2840 0

Gegeben: Lerndatenbestand

TRAINING

Amount 52%

Age 34%

Income 9%

Wichtigkeit der Faktoren:

Modellgüte:

Accurracy = 78%

DEPLOYMENT

ID Gender Age Income-

Cat. Amount … Fraud

1 M 22 4 5100 ?

2 F 34 2 2470 ?

3 F 25 3 180 ?

4 M 36 2 2100 ?

5 F 33 1 7800 ?

6 F 18 2 3250 ?

7 F 31 4 8400 ?

8 F 20 5 690 ?

9 M 29 5 280 ?

10 F 68 1 870 ?

68%

83%

Fraud

44%

68%

72%

84%

50%

81%

12%

93%

33%

80%

74%

Amount

Ja Age

Income Ja

Entscheidungsbaum:

>2500 < 2500

< 31 > 31

Page 12: Predictive Analytics Use Cases

Agenda

12 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

1 Einführung

2 SAP Predictive Analytics Architektur

3 Einführung in Predictive Analytics 2.3

4 Predictive Analytics Use Cases

5 Fazit

Page 13: Predictive Analytics Use Cases

13 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Architektur mit SAP HANA

2 SAP Predictive Analytics Architektur

SAP HANA Application Function Library (AFL):

• PAL

• APL

Page 14: Predictive Analytics Use Cases

Agenda

14 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

1 Einführung

2 SAP Predictive Analytics Architektur

3 Einführung in Predictive Analytics 2.3

4 Predictive Analytics Use Cases

5 Fazit

Page 15: Predictive Analytics Use Cases

15 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Entwicklungsgeschichte von SAP Predictive Analytics

3 Einführung in Predictive Analytics 2.3

SAP Predictive Analysis 1.x

SAP Eigenentwicklung für Predictive Analysen

mit einer benutzerfreundlichen Oberfläche

• Zielgruppe: Data Scientists

• Hohe Flexibilität und Erweiterbarkeit

• Unterstützt R und PAL-Algorithmen (HANA)

SAP InfiniteInight 7.x

Aus Übernahme des Predictive Analytics

Spezialisten KXEN entstanden

• Zielgruppe: Fachanwender

• Hohe Automatisierung der Daten-

aufbereitung und Modellierung

SAP Predictive Analytics 2.0

Zusammenführung beider Produkte

• Single Installer

• Bedient beide Zielgruppen

• Zwei Personas in einer UI –

Automated und Expert Analytics

2012 2013 … 2015

SAP

Predictive

Analysis

1.21

SAP

Infinite-

Insight

7.0.1

SAP

Predictive

Analytics

2.0

Page 16: Predictive Analytics Use Cases

16 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

3 Einführung in Predictive Analytics 2.3

Quelle: SAP

SAP Predictive Analytics 2.3 - Startfenster

Zwei Personas in einer UI – Automated und Expert Analytics

Page 17: Predictive Analytics Use Cases

17 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Gegenüberstellung der zwei Module

3 Einführung in Predictive Analytics 2.3

Automated Analytics Expert Analytics

Zielgruppe Fachanwender Data Scientists

Datenaufbereitung Vollautomautomatisch

Geringer Funktionalität

Parametereinstellungen möglich

Mehr Funktionalitäten

Modellierung Automatisierter Prozess

(„Black Box“)

- Viele Data Mining Kategorien

- Social Network Analyse

- Recommendation

Umfassende und fortgeschrittene

Analysen mit Parametereinstellungen

- Alle Data Mining Kategorien

- SAP HANA PAL und APL

- R-Algorithmen (Packages)

Integration mit

SAP Lumira

Keine

Funktionalitäten aus SAP Lumira zur

Aufbereitung und Visualisierung

Page 18: Predictive Analytics Use Cases

18 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Unterstützte Datenquellen

3 Einführung in Predictive Analytics 2.3

Alle ODBC-kompatiblen Datenbanken:

• IBM DB2

• Oracle

• Microsoft SQL, MySQL, Teradata etc.

Open Source:

• Hadoop, Hive

• Apache Spark etc.

SAP HANA Offline:

• Datenverarbeitung außerhalb der DB

• Nutzung von R oder SAP-Algorithmen

• Keine Nutzung von PAL möglich

SAP BusinessObjects Universum:

• SAP BusinessObjects (.unv / .unx)

SAP HANA Online:

• Datenverarbeitung innerhalb von SAP HANA

• SAP BW Modelle über HANA Views

• Schnelle Verarbeitung großer Datenmengen

• Analyse mit PAL, APL oder R

Page 19: Predictive Analytics Use Cases

Agenda

19 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

1 Einführung

2 SAP Predictive Analytics Architektur

3 Einführung in Predictive Analytics 2.3

4 Predictive Analytics Use Cases

5 Fazit

Page 20: Predictive Analytics Use Cases

20 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Mit wenigen Klicks zum Prognosemodell

Zusätzliche Methoden für Social Networks und Recommendations

Automated Analytics - Besonderheiten

4 Predictive Analytics Use Cases

Nutzung sozialer Netze für

bessere Vorhersagen

Assoziationsregeln

Personalisierte

Empfehlungen für jeden

einzelnen User

(Recommendation)

Einsatz von Scoring mit

einem Klick

In-Database Scoring (SQL)

Schnittstelle zu Business

Apps durch Scoring-

Modelle in Java, SAP

HANA, etc.

Page 21: Predictive Analytics Use Cases

21 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Beschreibung der Demo-Beispiele

4 Predictive Analytics Use Cases

Nr. Anwendungsbeispiel SAP Predictive

Analytics Mode

Erweiterung

1

Betrugserkennung

Automated Mode Klassifikationsmodell

2

Expert Mode

Auto Classification

3 R-Entscheidungsbaum

(Standard)

4 R-Random Forest

(Selbst geschriebener Code)

Page 22: Predictive Analytics Use Cases

22 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Automated Analytics

4 Predictive Analytics Use Cases

Page 23: Predictive Analytics Use Cases

23 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

SAP Predictive Analytics 2.3:

23 bereits verfügbare Algorithmen

Große Auswahl an Algorithmen aus dem Open Source Statistiktool „R“

SAP HANA PAL und APL

SAP Lumira Integration zur Datenaufbereitung und -visualisierung

Statistiktool R:

R ist eine Programmiersprache und freie Software (GNU)

Große Bandbreite an statistischen Funktionen und Datenvisualisierungen

Open Source und somit erweiterbar

Große Anzahl an freien Erweiterungen (Stand Sept. 2015: 7234 Packages)

Expert Analytics in Kombination mit R

4 Predictive Analytics Use Cases

Page 24: Predictive Analytics Use Cases

24 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Expert Analytics in Kombination mit R

4 Predictive Analytics Use Cases

Page 25: Predictive Analytics Use Cases

Agenda

25 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

1 Einführung

2 SAP Predictive Analytics Architektur

3 Einführung in Predictive Analytics 2.3

4 Predictive Analytics Use Cases

5 Fazit

Page 26: Predictive Analytics Use Cases

26 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Große und erfolgreiche Schritte in Richtung Benutzerfreundlichkeit,

Erweiterbarkeit und Flexibilität

5 Fazit

SAP HANA Unterstützung

Verarbeitung großer

Datenmengen durch In-Memory

HANA APL-Funktionen

Benutzerdefinierte HANA PAL-

Komponenten

Big Data

Hadoop, Hive und Spark

Unterstützung

SAP Lumira Integration

Zeitreihenanalyse

Outlier Detection

Key Influencer

SAP HANA Unterstützung

Zurückschreiben in HANA

Scoring-Modelle als „stored

procedure“ auf HANA ausführen

View-Unterstützung

SAP BW on HANA

Big Data

Verbesserte Hadoop und Spark

Unterstützung

Hochdimensionale Daten mit mehr

als 50.000 Spalten möglich

Expert Analytics

Verbesserte R-Programmierung

RHadoop Unterstützung

Python für Entwickler

Zentrale Verbesserungen und

Erweiterungen

Big Data

Automatisierung in Hadoop

Über 500k-Spalten

Non-SQL Datenbanken

Cloud

Predictive Services in HCP

z. B. Recommendation, Scoring

Version 2.0 Version 2.3 Geplante Innovationen

Page 27: Predictive Analytics Use Cases

27 © 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Ihr Ansprechpartner

MHPBoxenstopp: Predictive Analytics Use Cases mit SAP Predictive Analytics 2.3

Dr. Ramin Norousi

Leiter Competence Center Predictive Analytics

Service Unit Business Intelligence

Mobil: +49 (0)151 40667664

E-Mail: [email protected]

Page 28: Predictive Analytics Use Cases

28 © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

MHPTimetable Monat 2015

weitere Infos

www.mhp.com/

events

MHPBoxenstopp

BIG DATA heute und

morgen

13-14 Uhr | 06.10.15

Mit nur einem “Klick” zur MHPBoxenstopp Anmeldung

Haben Sie einen MHPBoxenstopp verpasst? Kein Problem - in unserem MHP YouTube-Channel

und auf unserem SlideShare Profil finden Sie alle vergangenen Websessions:

Mitschnitte und Videos im Channel: Präsentationsunterlagen:

http://www.youtube.com/MHPProzesslieferant http://de.slideshare.net/MHPInsights

MHPBoxenstopp

Self-Service BI mit

SAP

13-14 Uhr | 20.10.15

MHPBoxenstopp

Ganzheitliche

Modellierung

13-14 Uhr | 13.10.15

Automobilwoche

Kongress 2015

01.10.15

MHP und SAP

Business

Intelligence

Innovation Day

15.10.15