近来，大数据收集，业务应用软件的机器学习应用越来越活跃。用统计方法挑战以往的程序设计无法解决的问题。机器学习的特征不是IF文等条件分支，而是根据数据进行学习判断。今后将不再重复工作，成为人们专注于附加价值更高的工作的不可或缺的工具。

这是一个优点，同时也会产生麻烦：

构建机器学习模型需要收集、管理高质量的数据与以往的程序生活周期管理不同：需要学习、设计、更新模式

但是世界上的企业数据环境正在复杂化。由于需要在多个云服务上分散数据，处理各种数据种类和数据源，所以数据的利用没有进展。因为是手工作业，所以花费了很大的成本。

进行了怎样的处理，何时谁访问了数据等也无法统一查看，自助免费建站，因此在治理方面存在风险。

另外，在AI的活用方面，真正的活用没有进展的主要原因之一是，AI不仅仅是实验，很多时候还没有正式运用的平台。

即使在分散的复杂数据环境中，在确保治理的同时，联网，也需要全公司规模实现AI的平台，好评返现卡，因此开发了SAP Data Intelligence。

本次想让大家从游行中了解SAP Data Intelligence的活用方法，所以准备了7个演示视频。在SAP Data Intelligence中如何实现机器学习的生命周期，将在各自的剧本中进行介绍。

马拉松行驶时间预测

证券交易分析

风力发电机的远程监视

电力系统的数字变革

卡车车辆的云管理

跑步鞋顾客分析

通过AutoML银行的顾客解约分析电力生产的管理卡车配送计划的最优化

为示威制作·剧本准备感谢协助我的Solution Experience的各位。谢谢您。

，淘客佣金