尽管预测分析已经存在了相当长的一段时间，但在过去的几年里，人们对这个话题的兴趣有所增加。对于一家公司来说，准确记录所发生的事情已经不够了。如今，一个组织的成功取决于其可靠预测未来情况的能力——无论是预测客户下一步可能购买的产品、可能需要维护的资产，还是在业务流程中下一步采取的最佳行动。

预测分析使用（大）数据、统计算法，以及机器学习技术，根据历史数据确定未来结果的可能性，从而实现优化和创新。现有的流程可以得到改进，例如通过预测销售和需求高峰，并对生产计划进行必要的调整。此外，新的见解可以发现新的商业机会，甚至使新的产品和服务成为可能——只要想想交叉销售和追加销售或新的即服务模式即可。

一个很好的例子是Kaeser Kompressoren，凯撒是最大的空气系统供应商之一。该公司开始在这些系统上安装传感器并检查收集到的数据，从而找到了一种新的创收方式：凭借对机器的更好理解和对其进行连续分析的能力，凯撒现在以立方米为单位销售压缩空气，只向客户收取可以说，空气是一种服务，好评返现图片，可以说是由SAP HANA驱动的预测性维护。事实上，消费返利新模式，SAP有强大的预测分析和机器学习基础，SAP预测分析和SAP HANA。在本博客中，云服务器商，我想重点介绍SAP HANA的预测功能。它能够实现可对内存中的数据进行操作的执行引擎，使其能够提供多种预测功能并同时提供这些功能。

利用SAP HANA释放预测功能

不仅在Kaeser的上述示例中，而且在物联网（IoT）本身中，还具有接收、处理，而实时分析来自多个数据源的流式（结构化和非结构化）数据是关键。在凯瑟的例子中，根据实时性能预测的压缩机停机时间的即时反应可以节省时间和金钱。

实时处理和分析不同格式的数据，并具有所需的可扩展性和容错性，公司需要在线事务处理（OLTP）和在线分析处理（OLAP）的结合。除此之外，他们还需要集成和分析。SAP HANA包括数据库和机器学习工具，因此有助于从物联网计划中释放业务价值。

SAP HANA提高性能的一种方法是在数据库中而不是在应用服务器上执行复杂的计算（例如预测分析）。SAP HANA提供了多种将应用程序逻辑移动到数据库的可能性，其中最重要的是SAP HANA应用程序功能。

SAP HANA的"算法"预测功能–PAL

在SAP HANA中，特定功能区域的此类应用程序功能被分组到应用程序功能库（AFL）中。它包含预交付的使用业务、预测和其他类型的C++编写的算法，这些算法通常用于SAP HANA上运行的项目或解决方案中。SAP HANA的预测引擎是在AFL层上实现的，这使得几乎任何其他流程都可以使用或嵌入这些预测功能，而无需从头开始编写定制的复杂算法。

SAP HANA预测分析库（PAL）中的预测函数已组合在一起，该库是SAP HANA AFLs之一。PAL利用saphana承载执行引擎并在内存中并行执行本地计算的能力。用户可以在数据库中进行数据挖掘和统计计算，在大数据集上具有优异的性能。

PAL包含预构建、参数驱动的算法，主要与聚类、分类和回归等不同类别的预测分析和数据挖掘相关。从预测维护的角度来看，包括生存分析、概率分布、分类和回归、聚类分析和时间序列分析的具体算法。该库定义了90多个函数，可以在SAP HANA SQL脚本过程中调用这些函数来执行分析算法。在SAP HANA 2.0 SPS02中，用户可以使用SAP Web IDE for SAP HANA来使用PAL对SAP HANA预测工作流进行建模。

PAL还包括一些增量数据科学和机器学习算法，这些算法可以连续、即时地学习和更新，以实现动态预测。公司可以将当前数据合并到算法中，返利软件，而不是定期轮询外部数据源。这样，他们可以立即适应不断变化的条件和行为。

"随着SAP HANA的每个服务包，PAL中支持的算法数量一直在增长。在SAP HANA 2.0 SPS02中，我们为许多分类和回归算法提供启用状态的实时预测"，负责PAL开发团队的Shi Xingtian说，"而不是每次调用预测过程时都需要读取和解析模型的正常过程，虚拟主机，PAL中的功能允许用户导入首先将训练好的模型导入SAP-HANA，然后直接跟踪预测请求，这样就不需要重复读取和解析模型。这对于理想情况下实时进行反应/预测的物联网用例来说是一个非常有益的特性。此外，SAP HANA智能数据流引擎中开发的增量算法非常适合物联网用例。它们是为计算和内存资源有限的设备而设计和实施的，并且运行在实时数据上，例如来自传感器的数据。"

从物联网计划中释放业务价值