Data Science mit SAP HANA

Mit SAP HANA und SAP HANA Cloud ist viel mehr möglich, als Sie denken! In diesem Buch erfahren Sie, wie Sie APL und PAL einsetzen können, um komplexe Auswertungen vorzunehmen und Vorhersagen zu treffen. Praktische Beispiele zu Klassifizierung, Regression u.v.m. zeigen Ihnen die vielfältigen Möglichkeiten auf und lassen sich direkt auf Ihre Anwendungsfälle übertragen. Aus dem Inhalt: - Was ist Data Science? - SAP HANA, SAP HANA Cloud und SAP Data Warehouse Cloud - Python, R und SQL - Univariate und Multivariate Analyse - Automated Predictive Library - Predictive Analytics Library - Geodaten-, Graph- und Textanalyse - Trainieren und Anwenden von Data-Science-Modellen - Integration in Geschäftsprozesse und Geschäftsanwendungen

Andreas Forster ist Principal Data Scientist im Global Center of Excellence der SAP Business Technology Platform (SAP BTP). Seit über 10 Jahren unterstützt er Unternehmen aus den verschiedensten Industrien und Regionen beim Einsatz von Data-Science-Methoden, von der Bedarfsanalyse bis zur Umsetzung. Zuvor hat er als technischer Experte an BI-Themen gearbeitet, was eine solide Grundlage für den praktischen Einsatz von Data-Science-Methoden geschaffen hat. Er wohnt in der Schweiz und hat einen M. Sc. in Statistics von der University of Sheffield, einen M. Sc. in Computing Science von der University of London und einen Diplom-Betriebswirt (FH) von der Fachhochschule Bielefeld.

Vorworte ... 11
Einleitung ... 15
1. Einführung ... 19
1.1 ... Themenabgrenzung ... 20
1.2 ... Data Science in der SAP-Welt ... 27
2. SAP HANA als Data-Science-Umgebung ... 37
2.1 ... SAP HANA ... 38
2.2 ... SAP HANA Client ... 64
2.3 ... Python-Entwicklungsumgebung ... 64
3. Erste Schritte ... 71
3.1 ... Python ... 71
3.2 ... Die R-Programmiersprache ... 84
3.3 ... Die SQL-Sprache für SAP HANA ... 89
4. Explorative Datenanalyse und Datenvorbereitung ... 99
4.1 ... Analyse einer Tabelle ... 100
4.2 ... Analyse einzelner Variablen ... 105
4.3 ... Analyse mehrerer Variablen ... 111
4.4 ... Datenvorbereitung ... 114
5. Automated Predictive Library ... 129
5.1 ... Einführung in die APL ... 131
5.2 ... Klassifizierung mit der APL ... 133
5.3 ... Regression mit der APL ... 173
5.4 ... Zeitreihen mit der APL ... 186
5.5 ... Weitere Informationen ... 211
6. Predictive Analysis Library ... 213
6.1 ... Einführung in die PAL ... 214
6.2 ... Klassifizierung mit der PAL ... 216
6.3 ... Regression mit der PAL ... 229
6.4 ... Zeitreihen mit der PAL ... 236
6.5 ... Cluster-Analyse ... 253
6.6 ... Survival Analysis ... 260
6.7 ... Ausreißeranalyse ... 282
6.8 ... Automated Machine Learning ... 289
6.9 ... State-enabled Deployment ... 299
7. Spezialisierte Analyse-Engines ... 301
7.1 ... Geodatenanalyse ... 302
7.2 ... Graphanalyse ... 317
7.3 ... Textanalyse ... 328
8. Deployment-Optionen ... 341
8.1 ... SAP Data Intelligence ... 342
8.2 ... Cloud Foundry ... 357
8.3 ... Kyma ... 363
9. Tipps und Tricks ... 377
Anhang ... 397
A. Checkliste ... 397
Die Autoren ... 401
Index ... 403