欢迎来到PAi和S/4HANA博客系列的第七期，在这个博客里，大数据与人工智能，我们将解释S/4HANA，PAi，SAP Analytics Cloud为智能企业提供了更好的数据科学生产力。

SAP Analytics Cloud提供了一系列增强的分析功能，帮助用户通过机器学习技术获得先进的见解。Smart Predict是该产品组合的一部分，它能对可能发生的事情产生见解未来。然后，这些信息可以与企业共享，以便决策者能够自信地采取正确的行动。

让企业专家坐在驾驶座上

数据科学有一个耻辱——它被视为一个高度复杂、昂贵的系统，数据科学家可能会花费数周或数月的时间在一个预测性的项目上，却无法提供企业将实际投入生产的东西。为什么会这样？

数据科学家是统计和算法方面的专家，不一定是你的企业。要建立正确的分析数据集，他们需要主题专家的帮助，以了解企业想要解决的问题、要包含的正确数据、数据存储的位置，以及数据的结构。这不是一项简单的任务，需要反复试验以适应组织的细微差别。然而，实现这种类型的协作并不总是那么容易，而且数据科学家往往以各自为政而告终。

即使数据科学家能够证明一个重要的模式并产生预测性的见解，返现是什么意思，我们也经常看到企业不信任输出。如果不知道使用了什么数据，如何操纵数据，以及数据科学过程中发生了什么，决策者厌倦了按照这些见解行事。可悲的是，所有的努力和努力都白费了。

如果业务专家和分析师能够自己推动预测性项目呢？如果对业务数据有很好的理解，并且与业务决策者有很强的关系，他们将非常有能力为业务流程优化提供建议，值得信赖的解决方案正是SAP Analytics Cloud的Smart Predict诞生的原因。Smart Predict通过预测自动化为分析业务用户提供了数据科学。我们的专有算法处理数据科学过程中的许多复杂步骤，确保业务专家和分析师能够在几分钟内从数据转移到有意义的预测见解。

关注业务问题，而不是算法

智能预测通过关注业务结果加速预测和建议创建过程，不是数据科学的专有技术，而是让用户负责对分析数据集进行统计平衡，去除异常值，淘客app，对数据进行编码，选择正确的算法，选择正确的模型，Smart Predict用户只需3个步骤就可以训练出一个预测模型：

Smart Predict通过分类、回归和时间序列3种预测场景解决大多数业务问题。

分类场景：如果您试图确定某件事情是否会发生的可能性，你在处理一个分类场景。

回归场景：如果你试图预测一个数值并探索其背后的关键驱动因素，你在处理一个回归场景。

时间序列场景：如果你试图预测一个未来数值随时间、季节的波动，以及其他内部和外部变量，您正在处理一个时间序列场景。

一旦创建了模型，Smart Predict提供了模型准确性、稳健性、关键影响因素的透明度，以及数据科学家在评估模型时通常会考虑的其他细节。这些细节以商业专家和分析师能够理解的方式突出显示，大数据精准获客，以确保他们能够自如地将模型应用于新数据。

智能预测帮助非数据科学家创造有意义的见解，以指导未来的决策一种真正的自助服务方式。现在，组织内更多的员工可以利用机器学习技术快速地从业务问题转变为可信的预测，为您的业务注入更先进的见解。

您需要的智能

数据科学项目很有价值，因为它们提供了新的见解，可用于决策，以最大限度地提高我们未来成功的机会。决策者需要在适当的时间访问和理解这些先进的见解，以便确保他们影响正确的行动。

许多组织利用报告或仪表盘向业务用户传达这些高级见解。虽然有些用户可能足够精明，可以搜索这些信息，许多用户将根据他们熟悉的日常应用程序中的可用信息做出决策。我们需要使预测性见解更接近流程本身，以确保它们被看到并付诸实施。

集成是SAP的一个主要焦点，因此我们简化了预测性见解的嵌入进入S/4HANA。业务专家可以与SAP开发人员合作，创建打开SAP Analytics云故事和可视化的Fiori tiles。或者，他们可以更进一步，通过predictive Analytics Integrator（PAi）将SAP Analytics Cloud创建的预测模型发布到S/4HANA。然后可以对这些模型进行近实时的培训和应用，预测性输出可以与事务性数据混合，物联网设备，并在定制的Fiori应用程序中突出显示。

将所有这些结合在一起

随着越来越多的组织采用数据科学和机器学习实践，记住基本原理非常重要。如果用户不理解或不信任这些模型，它们将不会被使用。如果决策者没有以正确的方式接触到预测性见解，您将看到对您的业务影响最小。采用机器生成的见解需要实质性的文化变革。