SAP Predictive Analysis maakt het mogelijk om op basis van historische data toekomstige waarden te voorspellen. Hierbij wordt gebruik gemaakt van statische algoritmen. Naast standaard statistische algoritmen heeft SAP Predictive Analysis ook de mogelijk om de R Program language te gebruiken. Dit geeft de mogelijkheid om meer dan 3500 statistische open source packages te gebruiken.
Wanneer SAP Predictive Analysis opgestart wordt valt gelijk de gelijkenis met SAP Visual Intelligence op. SAP Predictive Analysis is dan ook een uitgebreidere versie van SAP Visual Intelligence (Sinds kort SAPLumira genaamd).
Om een toekomstige voorspelling te doen dient eerst historische data opgehaald te worden. Dit kan in SAP Predictive Analysis door een connectie te maken met het SAP BI platform en te kiezen voor een universe of SAP HANA als een bron. Een andere connectie mogelijkheid is om een lokale bron te kiezen (CSV of Excel) of een SQL Query via JDBC te schrijven.
Als de data eenmaal in SAP Predictive Analysis zit kunnen statistische algoritmen los gelaten worden op de data. In onderstaand screenshot waar in de omzet van 2004 t/m 2012 verdeeld per maand wordt weergegeven kan een statistische voorspelling worden gemaakt voor 2013.
We kiezen hier voor het algoritme “Triple Exponential Smoothing” dat rekening houdt met seizoen invloeden. In de dataset van dit voorbeeld kan de omzet nogal fluctueren afhankelijk of het wel of geen vakantie maand is. We configureren hier dat de predictive value 12 perioden vooruit mag lopen, zodat we in 2013 voor elke maand een voorspellende waarde krijgen.
Na het uitvoeren van het algoritme krijgen we de volgende grafiek te zien, waarbij de predictive values voor 2013 zijn toegevoegd.
Een ander veel gebruikt algoritme om voorspellingen te doen en ook beschikbaar is in SAP Predictive Analysis is clustering. Hiermee wordt de data in groepen verdeeld op basis van de relatieve afhankelijkheid van bepaalde variabelen (dimensies). Bijvoorbeeld een indeling van klantgroepen die in meer en mindere mate afhankelijk zijn van prijsafhankelijkheid, zodat een voorspelling gedaan kan worden over hun gedrag bij bijvoorbeeld prijsstijgingen.
Wanneer je de bevindingen wil delen met collega’s dan zijn er verschillende mogelijkheden. Een mogelijk is bijvoorbeeld om de dataset inclusief de voorspellende waarden te exporteren naar SAP Explorer. Hiermee is het ook gelijk benaderbaar via een mobile device.
