SAP Analytics Cloud通过提供商业智能（BI）产品中前所未有的见解，为商业用户提供了强大的力量。通过对增强功能的大量投资，我们可以利用整个企业的大量数据，北京大数据，提供深入的分析能力。结合SAP数据仓库云的灵活性和简单性，我们正在为BI打开一个新的可能性世界。

一个具有新潜力的既定空间

商业智能是一个成熟的行业。商业智能的核心是了解企业的发展状况。组织使用BI来监控问题，找出根本原因，并推动企业的数据驱动决策。

随着近十年自助服务的出现，BI专注于让用户自己搜索答案并将其呈现给他人的工具。增强商务智能通过自动挖掘模式并以一种可呈现的方式提供答案，极大地发展了自助服务的概念。有了这一点，用户可以专注于真正理解和行动的结果，而不是单调和偏见的数据探索或演示建设。

复杂的见解为每个人

商业智能产品是专为商业分析师，而预测分析工具是为数据科学家。在传统环境中，使用BI解决方案的业务分析师可能可以访问预测分析的输出，但仅以下游方式。他们不能控制或修改分析。他们了解业务，但不了解统计方法或机器学习技术。做分析的数据科学家是一流的，因为他们的技能高度专业化，人数有限。这使得企业决策者无法找到洞察和模式。

例如，如果你想专注于改进某个特定的业务指标，如员工流失，你可以典型地启动一个数据科学项目，这个数据科学项目可能需要几个月的时间，云购网，而且还需要额外的资源和技能。首先，通过业务部门和数据科学团队之间的访谈收集需求；然后准备数据，创建模型并进行培训，整个过程将在所有阶段不断改进，直到最后向决策者提交报告。宝贵的时间将被浪费。没有对您的员工问题采取任何措施，也没有其他项目能够被分析。

相反，为什么不让一个自动化系统仅仅通过查看历史数据来告诉您关键驱动因素是什么？业务用户可以帮助指导系统。例如，物联网开发，他们明白，即使当地的房价造成了人员流失，他们也不能影响，所以他们应该考虑其他事情。他们还可以进一步反复询问有关其他相关因素（如培训支出和管理者信任）的智能后续问题。

您不仅可以快速轻松地得到答案，而且还可以让您的数据科学家从事更高价值的问题。

自动化数据科学的信任

到目前为止，您已经认识到我们的扩充的BI方法自动化了数据科学技术。但是，为了将这一点付诸实践并从中真正获益，让我们探讨一下我们如何做到这一点，因为相信结果与发现结果同等重要。

在我们想要确定员工流失背后原因的示例中，我们的系统将使用行业最佳实践来确定在这种情况下应用的最佳预测技术通过建立回归模型。我们将需要历史员工数据，我们将自动建立和比较多种回归模型，以找到一种具有良好质量、稳健性和准确性的回归模型。在幕后，我们调整参数，淘客工具，并针对过度拟合等常见风险对其进行验证。当可以使用足够的质量，我们将用简化的指标向用户展示最终的见解。

因为我们披露了有关用户数据的关键事实，并允许他们通过验证他们在业务中已经了解到的事实来探索他们通常建立信任的模型所发现的关系。这增加了新发现的可信度。我们还提供了模型背后更复杂的指标，以获得数据科学界合作伙伴的信任。最终，通过自动化过程并在几分钟而不是几个月内提供答案，我们可以极大地影响员工离职的可能性。这是可能的，因为自动化建模恰好在工具内部发生，并将其提供给更广泛的用户集合。良好决策的关键在于对数据本身的信任，这就是为什么SAP数据仓库云成为业务的唯一真实来源。这种受信任的信息是增强商业智能的关键基础设施，它可以避免在垃圾输出结果中出现垃圾的常见陷阱。SAP Data Warehouse Cloud通过确保最终数据的可靠性和高质量来支持增强的BI。

SAP Data Warehouse Cloud的一个关键功能是将业务概念映射到底层数据架构的语义层。它有效地将数据概念转换为业务语言。这通常是分析的一个关键改进，但在增强的BI环境中尤其有用。随着我们将越来越多的日常事务自动化，并专注于向用户提供强大的信息，他们需要了解结果；必须对信息中的关系进行良好建模，以使我们能够提取真正可信的答案。随着增强型商业智能与SAP数据仓库云协同工作，您的环境能够理解您的业务，理解您的问题，并在您提问之前准备好回答这些问题。

一种现代的BI方法