这个博客是正在进行的博客系列中的第二个——它将持续到2019年橄榄球世界杯！

我想带您了解2019年橄榄球世界杯预测项目的主要步骤，从项目开始到SAP Analytics云仪表板中最终预测的有效交付。

让我们开始吧！

出发点是预测2019年RWC每场比赛的结果，企业内部软件，从泳池到决赛。这是我的"业务"问题

（在项目上挠头）

许多直截了当的业务问题意味着使用预测或机器学习技术：

这个客户可能对我公司的产品感兴趣吗？我的员工目前的心情如何？他们可能离开还是继续支持？这批货有可能延期吗？这个产品是否符合规格和质量标准？这笔交易有欺诈行为吗？

（有那么多商业问题……

不管你的预测项目是与橄榄球有关还是与商业有关。

在开始时问自己完全相同的高层问题。

商业目标是什么？

我的首要目标非常简单，我想预测比赛结果。

作为次要目标，我希望我的预测模型能够被精通橄榄球的人理解。

预测模型必须避免成为黑匣子，它需要不言自明。

一般来说，你将要问自己的商业问题决定了下一步的行动（有时甚至可能无法实现），所以花点时间想想吧！

实现这些目标的最佳项目计划是什么？

我有一个不寻常的项目计划：一个人，一台电脑，物联网的应用有哪些，没有足够的时间来完成这一切……

从第一天开始我就知道我必须在第一场日本对俄罗斯的比赛前一天进行台球比赛的预测。

我的项目计划基本上是依靠……平常工作日之后的不眠之夜。

这可能不是处理现实世界商业案例的最佳方式；-）！

分配足够的时间和资源来实现您的业务目标。确定正确的工具和技术来支持您的项目。

我使用了SAP Analytics Cloud，更具体地说是智能预测和强大的可视化功能。

虽然我知道数据准备需要相当长的时间，我肯定会依靠自动智能预测技术来加速预测建模阶段。

成功的标准是什么？

这很有趣，因为我从第一天开始就没有定义我的成功标准（我应该有！）。不要忘记定义您的业务成功标准和预测成功标准！

事实上，我在一个准确而简单的预测模型之间寻找了一个最佳点，这个模型能够有效地提供可靠的预测。

我的"商业"成功标准是一天结束时游戏预测的准确性。它转化为预测成功的标准，在模型质量和，模型稳健性和模型简单性。

好消息是，Smart Predict使用的专利自动机器学习技术确实加快和简化了建模阶段。

不要将创建高效准确的预测模型视为您的终点。

思考您将如何向您的客户展示有见地的信息最终用户及其用途（提示：做出自信的决定）。

归根结底，最终用户并不总是关心预测模型，他们只需要可信的见解，他们可以用来采取行动。

（快乐的最终用户是唯一的成功标准）

现实并不总是像我们希望的那样明亮和闪亮很有可能。应该考虑多个项目限制（如果你问，是的，你需要一个好的项目经理）：

我是否有足够的数据来支持我的项目，在质量和数量上？

这不是我的天赋。

为了建立我的预测模型，我意识到我需要建立一个良好的橄榄球比赛历史，为此，我需要从专门的体育网站上获取基本信息。

我将在即将发布的博客文章中回到这一点，但数据准备阶段非常耗时，我不得不为此阶段投入大量精力和精力。

我的项目有哪些限制和风险？

我知道我可能需要做一些数据准备，因此保护SAP HANA实例是项目成功的关键。如果需要的话，我并不害怕编写一些基本的SQL，这被证明是创建最终数据模型的一项有用的技能。与匆忙的项目执行相反，花点时间考虑所有的限制、可能的缓解措施，数据技术与大数据技术，并尽早确保这一点。现实世界的例子包括：数据敏感性和安全性、法律规则（GDPR……）、数据大小、数据可用性……

我使用了在互联网上免费获得的公共数据，但即使在那里，一些网站也会要求你引用这些数据，我认为承认他们所做的伟大工作才是公平的。

法国诗人勒内·查尔总结道很好地解释了："（你需要）像一个原始人一样行动，像一个战略家一样计划"。

（花点时间和一个空白板——问你自己正确的问题）

在某个时候，我意识到：

我有一个很好的"业务"问题要解决。我有一个正在运行的saphana实例来存储和建模我的数据集。我对橄榄球有一些公平交易方面的知识（尽管我肯定不是一个专家）。互联网上充斥着我可以在数据模型中重用的橄榄球统计数据。我也许可以取悦橄榄球迷，大数据的内容，一般来说，大数据数据库，SAP社区成员

这是我的时间：