SAP S/4HANA不断增强机器学习功能。调整现有的应用程序，宁波大数据，重建它们，甚至从头开始设计新的应用程序，一整套智能用例已经被创建。它们中的每一个都旨在通过支持用户对未来结果的预测，通过增强他们的决策，甚至通过自动化流程步骤来改进业务流程的一个专用部分。

此类机器学习应用程序的实际业务影响取决于各种不同的因素（技术、公司、社会），使其在应用程序级别上的确定非常具体和个性化。如果你从整体上看待一个业务流程，就会发现一个更为普遍的业务影响：机器学习在一个业务流程中的精心安排的应用及其所有潜在的协同作用推动了一个可见的业务影响，并导致接受和采用。

一个例子是企业采购流程。这一过程是出于特别的兴趣，因为它直接涉及到公司的员工，当涉及到公司范围内的接受和采纳问题时，可能是最关键的目标群体。对于这一目标群体，软件企业管理，自助服务订购必须尽可能简单，反映员工习惯于从他们的私人消费者环境中获得的用户体验。

但是，如果其他流程步骤也得到改进，那么您只能进行整体流程改进。因为无论一个流程在哪里发生低效，它总是会对整个流程产生负面影响。对于下一个流程步骤，即对订购项的批准，经理将面临审查批准请求的日常工作。因此，管理者决定了这个过程步骤的速度和准确性。以最大的效率执行它不仅符合经理自身的利益，而且对整个流程以及员工体验都有积极的影响。

此外，最后的流程步骤，即订单执行，物联网专用卡，对于提供整体流程改进至关重要。密切监控秩序，并能够在出现潜在瓶颈或效率低下时作出反应，这一点至关重要。SAP S/4HANA 1909（作为SAP Procurement Intelligence许可证的一部分）在采购领域提供的三种机器学习功能，是借助机器学习全面改进业务流程的一个很好的例子学习能力，员工可以根据他用移动设备（2）拍摄的照片创建采购申请（1）。用于图像识别的机器学习算法将其与存储在采购目录中的图像相匹配。结果，他得到一个匹配目录项的列表（3），云服务器设备，他可以从中选择所需的项来订购它（4）。员工既不需要知道要订购的商品的详细信息（品牌、ID等），也不需要知道如何搜索。除此之外，还可以从任何提出要求或拍照的地方下订单。

采购申请项目的智能审批

通过机器学习，可以提高采购申请的准确性和效率。基于历史决策，机器学习计算项目批准的置信水平（1）。评估先前决策的一组参数与未决决策的相同参数之间的相似性，它表明了正确作出批准决策的确定性。利用这种决策支持，管理者能够在保持决策准确性甚至提高决策一致性的同时加快决策速度（3）。最重要的影响参数如下（2）所示，另外还有一种方法可以快速理解计算出的置信水平从何而来（可解释的AI），并理解决策的"原因"。

采购订单项目交货日期的预测

密切监视采购订单有助于这个机器学习应用程序。在SAP Fiori分析列表页面中嵌入了各种选项，以图形方式（2）和灵活的粒度（1）分析即将到来的采购订单，淘客网，机器学习利用历史数据预测采购订单的到达日期（3）。这不仅仅意味着增强了运营采购商的灵活性。它使他具备采取主动行动的能力，因为它使他能够在延迟发生之前发现延迟，从而开启一整套新的反应选项。通知员工订单将延迟只是这些选项之一。保持员工积极体验的方法。其他反应，如与供应商重复检查或从其他来源重新订购也是可能的。

这个例子表明，机器学习的每一次应用都肯定会对工作或流程步骤产生积极的影响，这是由一个特定的角色执行的：

员工的效率更高，灵活和先进的订购方式经理能更有效地做出准确一致的决策运营采购员可以主动监控采购订单

但更重要的是，它表明所有步骤的总和导致优化的采购流程，提供更高的效率、更高的准确性和增强的员工体验。观看视频以获得第一印象。

引入的解决方案只是SAP S/4HANA实现的多项创新之一。要了解更多信息，请继续关注我们即将发布的视频和博客，并在此处随意查看：

SAP S/4HANA功能范围说明：

SAP Fiori应用程序库：

SAP S/4HANA试验：