Kooperativer Bibliotheksverbund

UID:

Format: 1 online resource (434 pages)

Edition: 1

ISBN: 9783836281652

Note: Intro -- Einleitung -- 1 Einführung in Predictive Analytics -- 1.1 Grundlagen des Data Minings -- 1.1.1 Der Begriff »Data Mining« und seine Historie -- 1.1.2 Typische Anwendungsfälle von Data Mining -- 1.2 Der Data-Mining-Prozess -- 1.2.1 Problemdefinition -- 1.2.2 Datenanalyse -- 1.2.3 Datenvorbereitung -- 1.2.4 Modellierung -- 1.2.5 Ergebnisvisualisierung und -bewertung -- 1.2.6 Deployment des Modells -- 1.3 Methoden der Datenvorbereitung -- 1.3.1 Variablen -- 1.3.2 Deskriptive Statistik -- 1.3.3 Integration und Transformation -- 1.3.4 Sampling -- 1.3.5 Ausreißerbehandlung -- 1.3.6 Binning -- 1.3.7 Missing Values -- 1.4 Algorithmen und Methoden des Data Minings -- 1.4.1 Regressionsanalyse -- 1.4.2 Zeitreihenanalyse -- 1.4.3 Klassifikations- und Clusterverfahren -- 1.4.4 Assoziationsanalyse -- 1.4.5 Entscheidungsstrukturen -- 1.4.6 Künstliche neuronale Netze -- 1.4.7 Weitere Algorithmen -- 1.5 Einordnung von Predictive Analytics in den Bereich Data Mining -- 1.5.1 Was ist Predictive Analytics? -- 1.5.2 Abgrenzung von Predictive Analytics -- 2 Mehrwert durch Predictive Analytics -- 2.1 Warum Predictive Analytics? -- 2.2 Warum Predictive Analytics mit SAP? -- 2.3 Anwendungsbeispiele -- 2.3.1 Anwendungsbeispiel 1: Preiselastizitäten im Einzelhandel -- 2.3.2 Anwendungsbeispiel 2: Absatzprognosen in der Musikindustrie -- 3 SAP Predictive Analytics -- 3.1 Einführung und Einordnung in das SAP-Produktportfolio -- 3.1.1 Einführung in SAP Predictive Analytics -- 3.1.2 Zielgruppen -- 3.1.3 Produktportfolio -- 3.2 Plattformintegration und Architektur -- 3.2.1 Plattformintegration -- 3.2.2 Architektur -- 3.3 Installation -- 3.3.1 SAP Download Center -- 3.3.2 Desktop-Installation -- 3.3.3 Serverinstallation -- 3.3.4 Predictive-Factory-Installation -- 3.3.5 Hardwarevoraussetzungen -- 3.4 Benutzeroberfläche und Navigation -- 3.5 Einstellungen , 4 Mit dem Modus »Automated Analytics« arbeiten -- 4.1 Grundlagen -- 4.1.1 Unterteilungsstrategie -- 4.1.2 Modellerstellung und Evaluierung -- 4.1.3 SRM-Grundlagen -- 4.2 Datencodierung -- 4.2.1 Codierung nominaler Variablen -- 4.2.2 Codierung ordinaler Variablen -- 4.2.3 Codierung stetiger Variablen -- 4.2.4 Manuelle Variablencodierung -- 4.2.5 Behandlung fehlender Werte in Automated Analytics -- 4.3 Datenzugriff und -vorbereitung mit dem Data Manager -- 4.3.1 Datenvorbereitung mit dem Data Manager -- 4.3.2 Datenmanipulation mit dem Data Manager -- 4.4 Klassifikations-/Regressionsanalyse -- 4.4.1 Datenquelle auswählen -- 4.4.2 Datenbeschreibung -- 4.4.3 Filter -- 4.4.4 Auswahl von Variablen -- 4.4.5 Zusammenfassung der Modellierungsparameter -- 4.4.6 Erweiterte Modellparameter -- 4.4.7 Trainieren des Modells und Modellübersicht -- 4.4.8 Modellverwendung: Anzeigen -- 4.4.9 Modellverwendung: Ausführen -- 4.4.10 Modellverwendung: Sichern/exportieren -- 4.5 Zeitreihen -- 4.6 Clustering -- 4.7 Analyse sozialer Netzwerke -- 4.8 Weitere Algorithmen und Toolkit -- 4.8.1 Kollokationsanalyse -- 4.8.2 Analyse der häufigen Pfade -- 4.8.3 Recommendation -- 4.8.4 Assoziationsanalyse -- 4.8.5 Sequenzanalyse -- 4.8.6 Textanalyse -- 4.8.7 Toolkit -- 5 Mit dem Modus »Expert Analytics« arbeiten -- 5.1 Funktionen von Expert Analytics -- 5.2 Navigation und Einstellungen in Expert Analytics -- 5.2.1 Einstellungen und Navigation im Tool -- 5.2.2 Ansichten in Expert Analytics -- 5.3 Datenvorbereitung -- 5.3.1 Vorbereitungssicht -- 5.3.2 Data Type Definition -- 5.3.3 Filter -- 5.3.4 Formula -- 5.3.5 Normalization -- 5.3.6 Partition -- 5.3.7 Sample -- 5.3.8 Model Statistics -- 5.3.9 Model Compare -- 5.3.10 SAP-HANA-Datenvorbereitungskomponenten -- 5.4 Assoziationsanalyse -- 5.4.1 Grundlegende Begriffe -- 5.4.2 R-Apriori -- 5.4.3 Anwendungsbeispiele , 5.5 Clustering und Klassifikation -- 5.5.1 Auto Clustering -- 5.5.2 R-K-Means -- 5.5.3 SAP-HANA-Clustering-Algorithmen -- 5.5.4 Auto Classification -- 5.5.5 R-Bagging Classification -- 5.5.6 R-Boosting Classification -- 5.5.7 R-Random Forest Classification -- 5.5.8 SAP-HANA-Klassifikationsalgorithmen -- 5.6 Regressionsalgorithmen -- 5.6.1 Auto Regression -- 5.6.2 Exponentielle Regression -- 5.6.3 Geometrische Regression -- 5.6.4 Lineare Regression -- 5.6.5 Logarithmische Regression -- 5.6.6 R-exponentielle Regression -- 5.6.7 R-geometrische Regression -- 5.6.8 R-lineare Regression -- 5.6.9 R-logarithmische Regression -- 5.6.10 R-multilineare Regression -- 5.6.11 R-Random Forest Regression -- 5.6.12 SAP-HANA-Regressionsalgorithmen -- 5.7 Zeitreihen -- 5.7.1 R-Single Exponential Smoothing -- 5.7.2 R-Double Exponential Smoothing -- 5.7.3 R-Triple Exponential Smoothing -- 5.7.4 Triple Exponential Smoothing -- 5.7.5 SAP-HANA-Zeitreihenalgorithmen -- 5.8 Weitere Algorithmen -- 5.8.1 Entscheidungsstrukturen: R-CNR Tree -- 5.8.2 SAP-HANA-Entscheidungsstrukturen -- 5.8.3 Neuronale Netze -- 5.8.4 Ausreißeranalyse -- 5.8.5 SAP-HANA-Ausreißeralgorithmen -- 6 Integration von R im Modus »Expert Analytics« -- 6.1 Grundlagen von R -- 6.2 R-Integration -- 6.3 Beispiel: ABC-Analyse -- 7 Visualisierungen -- 7.1 Visualisierungen in Automated Analytics -- 7.2 Visualisierungen in Expert Analytics -- 7.2.1 Überblick der Darstellungsmöglichkeiten in Expert Analytics -- 7.2.2 Schlagwortwolke in Expert Analytics -- 7.2.3 Liniendiagramm in Expert Analytics -- 7.2.4 Säulendiagramm in Expert Analytics -- 7.2.5 Streudiagramm in Expert Analytics -- 7.2.6 Geoblasendiagramm -- 7.3 Visualisierungserweiterung durch VizPacker -- 7.3.1 Überblick zum VizPacker -- 7.3.2 Externe Visualisierungen einsetzen -- 8 Model Management mit der Predictive Factory , 8.1 Einführung in die Predictive Factory -- 8.1.1 Einstellungen -- 8.1.2 Benutzer -- 8.1.3 Modellierungsserver -- 8.1.4 Externe Befehle -- 8.1.5 Projekte -- 8.1.6 Variablenstatistik -- 8.2 Deployment von Automated-Analytics-Modellen -- 8.2.1 Zeitreihen -- 8.2.2 Klassifikation -- 8.2.3 Clustering -- 8.3 Deployment von Expert-Analytics-Modellen -- 8.3.1 Schritt 1: Model Chain in Expert Analytics erstellen -- 8.3.2 Schritt 2: Model Chain aus Expert Analytics exportieren -- 8.3.3 Schritt 3: Model Chain in die Predictive Factory importieren -- 9 SAP-HANA-integriertes Data Mining -- 9.1 Einführung in SAP HANA Native -- 9.2 Application Function Library (AFL) -- 9.2.1 PAL-Algorithmen im Modus Expert Analytics einsetzen -- 9.2.2 PAL-Komponenten im Modus Expert Analytics erstellen -- 9.2.3 Automated Predictive Library (APL) -- 9.2.4 OFL und die SAP-HANA-Optimierungsfunktion -- 9.3 Weitere integrierte Szenarien -- 9.3.1 Modellexport im Modus Automated Analytics -- 9.3.2 Modellexport im Modus Expert Analytics -- 10 Integration von R in SAP HANA -- 10.1 Eigene Algorithmen für SAP HANA entwickeln -- 10.1.1 Serverarchitektur -- 10.1.2 RLANG-Prozedur -- 10.2 Beispiel: Netzwerkoptimierung -- 10.2.1 Mathematische Modellierung -- 10.2.2 Formulierung des Optimierungsproblems -- 10.2.3 Optimierung des Modells -- 10.2.4 Technische Implementierung -- 10.2.5 Ergebnis -- 11 Zusammenfassung und Ausblick -- 11.1 Zusammenfassung -- 11.2 Ausblick -- Die Autoren -- Index

Additional Edition: Print version: Bakhshaliyeva, Nargiz SAP Predictive Analytics Bonn : Rheinwerk Verlag,c2017 ISBN 9783836244152

Keywords: Electronic books.

URL: https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=6406046