博客系列的第2部分：

作为我上一篇博客的延续，利用S/4HANA的预测智能，现在让我们深入研究一下架构和这里涉及的不同方法。通常，在企业流程中，必须在适当的时间和地点将适当的信息提供给适当的人，预测算法必须集成到这些业务流程中。然而，也需要不可预见、异常和不规则地使用这些预测算法来发现数据中隐藏的见解和关系。

现在让我们关注不同的方法和这些方法背后的体系结构。

体系结构：

预测、关键影响因素识别、趋势分析等用例，淘客机器人，关系分析或异常可以用回归、聚类、分类或时间序列分析等算法来解决。通常这些算法在内存使用和CPU时间方面不是资源密集型的。这些可以在SAP S/4HANA堆栈中实现，也可以称为嵌入式ML（building into the core），用于模型培训和使用ML的业务流程的应用程序数据都位于此堆栈中。

嵌入式ML体系结构非常简单且功能强大，如下图所示，嵌入式ML体系结构位于此堆栈中基于HANA ML和PAi（预测分析集成器–现已升级为ISLM，请参阅博客）。而hanaml提供了PAL（预测分析库）和APL（自动预测库）所需的算法。PAi负责ML模型的生命周期管理、与ABAP的集成以及客户端模型的培训。嵌入式ML具有非常低的TCO和TCD。

图像识别、情感分析或语言识别等用例需要基于神经网络的深度学习算法。对于模型训练等，这些算法需要大量的数据和CPU时间。因此，针对这些场景的模型训练是从SAP S/4HANA堆栈外包到列奥纳多基金（现在升级到AI基金会）平台上的SCP（SAP云平台）或称为并排ML（围绕核心扩展）。不管怎样，这些场景所需的数据（如图像、音频文件、视频文件、文本文档、历史数据）不是存储在saps/4HANA中，而是存储在利用SCP的大数据解决方案中。Leonardo Foundation库补充了SAP S/4HANA堆栈上没有提供特定算法的整体解决方案体系结构，因为经典方法（如回归、分类）消耗了事务系统的太多资源，或者消耗了大量外部数据（如twitter、facebook等）。，)是模特训练的必备品。因此，SAP S/4HANA扩展使用Leonardo Foundation services（现在称为AI business services）和HANA ML功能，因为应用程序数据和业务流程建立在SCP之上，因此将算法的黄金法则应用到数据中。

构建到核心（嵌入式ML）：

现在让我们深入了解嵌入式ML方法在SAP S/4HANA中，如下图所示，解决方案基于两个主要架构决策：使用CDS视图和利用SAP HANA提供的ML技术。由于需要处理大量的应用程序数据，嵌入式ML的算法可能是性能密集型的。对于性能优化，算法的处理应更接近数据–SAP HANA提供预测分析库（PAL）和自动预测库（APL）应用程序功能库，提供统计和数据挖掘算法，可根据需要实施其他算法。这些算法需要应用程序数据作为模型训练的输入。经过训练的模型通过用CDS视图包装业务流程而暴露于业务流程中。这些cd视图可以与其他VDM cd视图组合，然后可以向消费者公开。通过CDS视图使用ML模型，可以重用现有的内容和概念，从而形成一个简单而强大的解决方案体系结构。Predictive Analytics Integrator（PAi现已升级为ISLM）的目的是为ML模型的使用提供一个公共接口，独立于底层的预测引擎。PAi包含有关已安装的SAP HANA库的信息。它为ML模型提供了一个存储库，淘客cms，其中包括，淘客软件，例如，关于模型类型（例如，回归、分类或时间序列）、模型数据源（例如，表或视图）、模型训练数据或模型质量图等的信息。PAi还应提供一个可插拔的基础设施和自动化（例如。，租用服务器，APL）和专家（如PAL、R或EML）库。使用SAP Predictive Analytics（自动或专家模式）创建的模型可以导入PAi存储库并执行。

当以下条件有效时，应应用嵌入式ML：

业务和ML逻辑驻留在SAP S/4HANA平台上用例很简单，比如预测或趋势分析，算法对数据、RAM和CPU时间的需求很低SAP S/4HANA中的数据足以进行模型培训，无需庞大的外部培训数据HANA ML（例如PAL、APL、文本分析）提供所需的算法，PAi/HEMI处理ML模型生命周期管理和ABAP集成

围绕核心扩展（并排ML）：

而嵌入式ML针对业务和ML逻辑驻留在SAP S/4HANA堆栈中的场景，术语并行ML用于以下用例：

基于SCP的SAP S/4HANA ML应用程序：SAP S/4HANA应用程序和相应的业务逻辑基于SAP云平台。这样的应用程序应该直接从Leonardo ML（现在AI基金会）分别消耗所需的ML服务，分别是将算法引入到数据中的规则HANA ML。基于ABAP AS的SAP S4HANA ML应用程序：SAP S/4HANA应用程序和相应的业务逻辑基于SAP S/4HANA堆栈。但是，所需的ML功能在S/4HANA堆栈上不可用，大数据分析学习，例如图像和语言识别或情感分析。这些特征从Leonardo ML（AI基金会）的基础上被远程地基于训练模型的交换而被消耗。因此，并列ML场景通常基于Leonardo ML（AI基金会或SAP云平台上运行的SAP数据智能）。莱昂纳多ML的架构如下图所示。Leonardo ML分为3个不同的开发计划–基础、功能服务和业务服务。