在阅读了文章"如何使用机器学习进行异常检测和状态监控"，完成了openSAP课程"SAP Data Intelligence for Enterprise AI"和"SAP Leonardo–Enabling the Intelligent Enterprise"，开源建站系统，参加了kaggle竞赛，并在持续增长的SAP环境中工作了多年之后，我想知道如何使用开源机器学习（ML）如果一个公司是扎根于SAP ERP中心组件甚至以前的版本。我大致描述了以下体系结构。

ML的目标是解决一个日益复杂的问题。在我的脑海中出现了一个问题，从sapr/3edition4.0到sapecc 6.0，我看到了一段时间，返利公众号，例如，在材料管理中，不时出现的问题，企业内部软件，严重的问题来自材料文档的错误过账。大多数用户为了数量或价格或其他严重错误而弄乱了零的数字。如果错误发现得越早，就越容易纠正所有关联的事务，以进行反向和更正。防止此类问题的标准方法是创建验证或广播基于所有情况的确定性规则的已开发报告。这是一个持续的过程，因为很难从一开始就预测所有病例。当内部审计发现并报告新的错误时，分析师和开发人员必须分析验证结果，家庭人工智能，大数据分析是什么专业，并将其作为附加规则纳入验证中。

即使您的公司没有完整的SAP S/4HANA Data Intelligence和SAP Leonardo解决方案，也可以使用开源ML开始概念验证，以使用异常检测来检测错误。当时机成熟时，将概念转移到本地SAP数据湖以将其扩展到实时管道模型。

概念验证的体系结构如下：

可以将此思想应用到其他领域；例如，支付订单，可以提供错误甚至欺诈的检测。

为了方便使用RFC，可以将它们配置为OData RESTful API。

https://blogs.sap.com/2016/02/08/odata-everything-that-you-need-to-know-part-4/

SAP Netweaver Gateway提供了设计时工具，以便于对OData服务进行建模。这些工具可改善用户体验，并提供到SAP后端的自动连接，从而减少开发工作并提高生产效率。

SAP Netweaver Gateway位于现有SAP后端基础设施之上。有一组附加组件需要安装在SAP后端系统上才能启用SAP Netweaver网关服务。正是这种体系结构允许通过各种接口（如BAPI和RFCs）使用SAP数据见解：

https://blogs.sap.com/2012/10/26/step-by-step-guide-to-build-an-odata-service-based-on-rfcs-part-1/

https://blogs.sap.com/2017/04/10/step-by-step-creation-of-sales-order-using-bapi-in-odata-services/

https://blogs.sap.com/2016/02/08/bex-queries-and-odata-in-bw-74/