一级-简单；20分钟阅读

受众：项目经理、业务分析师、主题专家

作者：Mark Muir l SAP BTS，S/4HANA RIG Americas

在讨论建模的概念之前，了解建模在数据挖掘（DM）周期中的位置，以及我们在实施DM项目时如何衡量成功。无论是在SAP ERP中创建自定义报表，还是设计复杂模型来解决业务成功和接受方面的独特挑战最终结果对不同的人或组织意味着不同的事情。

企业从商业的角度寻求项目的成功或有用的结果。e、 g.模型符合业务目标，建立对数据的信任等

数据科学希望项目在技术方面取得成功。e、 g.对业务问题的理解，选择正确的算法，模型选择，准确性和健壮性，可视化，易于维护等…

我们将在下一篇博客中介绍如何管理您的项目，在一个高层次上，多个CRISP-DM阶段共存于一个框架中，帮助定义为什么，什么和如何。

业务理解数据理解数据准备建模评价部署、监控和持续改进

与SAP ACTIVATE不同，在SAP ACTIVATE中，互联网大数据，云和内部部署方法是按阶段详细定义的，在探索数据挖掘项目时仍然建议采用项目管理，因为启动、规划、执行、监控和关闭仍然是相关的。敏捷方法和SCRUM是可选的，但还有其他框架和工具。

建模简介

正如我们上面所读到的，我们需要三个连续的阶段（业务和数据理解、数据准备）作为建模阶段的输入。

建模基础建模良好实践的建议改进您的模型SAP即用即培训服务数据分析工具

选择建模技术

预测建模使用统计数据来预测结果。这需要使用历史数据和需求模拟原始流程，以满足业务的一致结果。

在现实场景中，可以使用一种或多种统计技术来确定预测新数据点以满足问题需要的最佳算法。

例如，预测建模中使用的算法"技术"。开源编程语言的核心技能和技术：

Python（数据科学的一般方法）R（统计分析）

生成测试设计

业务问题是客户独有的，这同样适用于确定如何测试模型的质量和有效性，返利购，即垃圾输入、垃圾输出。

选择正确的技术会影响测试设计的输出，该测试设计描述了培训、测试、，

计划的主要组成部分是如何决定：

选择合适的训练数据集进行分析，即质量（目标变量和值）、数据量。数据类型可能不同，例如源（如S/4HANA）、结构化和非结构化（如图像、文本、视频等）…在应用预测方法之前，确定数据转换是否适用。将可用的训练数据集划分为1。估计数据，2。验证数据，和3。测试数据集。不要忽略业务需求

构建模型

确定将使用哪个分析工具将数据转换为有用的结果。示例：使用R建立预测模型在准备好的数据集上运行分析工具，例如R，这将创建一个或多个模型。输出将包括有关参数设置、模型本身和模型描述的信息。记录参数值和调整以及选择参数设置的理由。

模型类型

即用服务：通过简单的Web API利用预先培训的ML服务，允许立即使用带上您自己的模型：部署、发布和运行您自己的ML模型作为服务定制模型：根据您自己的数据重新培训和定制图像分类服务

评估模型

根据专业领域、定义的成功标准和期望的测试设计解释模型。可能需要各种技能来执行成功的评估。

例如，数据科学家、数据分析师、业务线、，应用领域的主题专家，如财务和成本等…模型评估的结果可能需要修改模型参数设置，并为构建模型任务的下一次运行进一步"调整"它们。过程是迭代的。

接下来，根据评估成功标准对模型进行排序，大数据人工智能，记住考虑业务目标和业务成功标准。

模型评估总结：

此任务的结果列出所有生成模型的质量（例如，在精确度方面）把他们的素质相互联系起来。与企业达成共识，已找到最佳模式影响结果文档，包括所有修订和评估。

模型输出

模型的输出，即应用模型时创建的概率/分数。

质量指标：预测能力

模型的预测能力是使用应用程序生成的模型的质量指标。e、 g.预测能力为：

79的模型能够利用所分析数据集中包含的解释变量解释目标变量中包含的79%的信息。"1"是一个假设的完美模型，能够解释100%的目标变量"0"是一个纯粹的随机模型。

有关SAP Predictive Analytics的更多信息，请阅读《Automated Analytics User Guide and Scenarios》（自动分析用户指南和方案）（2018年6月）。

关于建模良好实践的建议

了解模型的用途这将影响模型类型、复杂性、数据和输出。为一个模型辩护你试图达到什么，即信息的替代来源，弱点的证明等…使模型尽可能简单，以帮助决策者理解，至少在使用模型的试验和采用阶段。结果的呈现应该是视觉上令人愉悦的，并且对所有评审人员（如业务人员、相关分析师）都是透明的。模型中使用的所有数据的质量应明确说明，返利购物，并详细说明，即没有混淆或怀疑。应对照其他模型的结果和/或干预研究的结果对模型进行验证

改进模型

通过以下方式获得更好的模型：

提高模型的预测置信度，发发淘客神器，或提高模型的预测能力，或提高模型的预测能力和预测可信度。

SAP即用服务和可再培训服务：路线图