本书向SAP专业人员介绍了机器学习和神经网络等数据科学基本原理，也向数据科学家介绍了SAP系统的数据结构和数据服务等概念和过程。接着介绍了数据探索性分析和异常检测这两个非常基础又十分重要的数据准备阶段，然后通过模拟Big Bonanza Warehouse的业务场景，进行基于时间序列的销量预测分析、基于聚类的客户细分、基于关联规则的数据挖掘和基于自然语言处理的情感分析等实际分析过程。
适读人群 ：SAP业务分析师、数据分析师，数据科学家
本书向SAP专业人员介绍了机器学习和神经网络等数据科学基本原理，也向数据科学家介绍了SAP系统的数据结构和数据服务等概念和过程。接着介绍了数据探索性分析和异常检测这两个非常基础又十分重要的数据准备阶段，后通过模拟Big Bonanza Warehouse的业务场景，进行基于时间序列的销量预测分析、基于聚类的客户细分、基于关联规则的数据挖掘和基于自然语言处理的情感分析等实际分析过程。
数据科学和人工智能的未来从未像现在这样光明。现在，人工智能（AI）在多种游戏中都能击败人类，从紧张的游戏Pong到需要深入思考的围棋游戏等。深度学习模型识别物体的能力几乎和人类不相上下。甚至有人说，自动驾驶汽车的表现比那些注意力不集中的人还要好。过去十年来，数据量、存储容量和计算能力的大幅提升，使数据科学得以快速发展。.当然，现在技术已经渗透到业务的各个方面，从财务、销售到生产和物流。然而，业务的每一部分都是由数据科学和人工智能驱动的吗？很可能不是。尽管这些技术非常好，但如果你的工作不是设计自动驾驶汽车或预测客户行为，你可能就不会用到它们。.许多组织可能会从SAP之类的企业资源计划（ERP）系统访问业务数据，你所在的组织可能也不例外。来自SAP这样的业务系统的数据在很大程度上是完美的，因为在允许将其保存到数据库之前，通常会进行验证和检查（数据科学家最重要、回报率最少的一个任务就是数据清洗）。这意味着SAP中的ERP数据已经“成熟”，而数据科学就是来收获果实的！.让我们来看一个假设的场景。Big Bonanza Warehouse公司的SAP团队一直在不断地进行流程改进。他们知道如何配置SAP系统以完成用户想要的任务，像拉小提琴一样操作着这个系统，尽职尽责地接受请求并提供解决方案。然而，在报告和分析方面存在一些问题。他们有一个数据仓库和商业智能系统，但开发报告是一个耗时几个月的过程。该团队经常使用标准的ALV（ABAP列表查看器）报告，因为需要开发人员来编写代码，所以功能相当有限。此外，利用可与SAP结合使用的公共数据也很困难。与许多其他企业一样，Big Bonanza Warehouse公司的SAP数据就像一座孤岛，孤立在自己的系统中。不使用SAP系统的团队不了解这些数据，而那些使用SAP的团队要花费大量的时间维护系统，以至于没有机会查看系统外部的数据。.可是，SAP数据不应该是一个孤岛。团队人员了解他们的数据，知道如何找到这些数据，也知道用这些数据能做些什么。然而，要分析这些数据时，每个人都被长达数月的报告开发过程所束缚。.故事听起来是不是很熟悉？几乎所有我们工作过的SAP现场都是如此。在我们30多年的工作经历中，这样的事例比比皆是。.我们希望为SAP团队（当然包括你的团队）提供一些现代工具和技术，让团队人员无须定义数据立方、数据仓库对象或学习复杂的前沿报告就能使用这些技术。在本书中，我们将介绍一些简单的场景，比如直接将数据从SAP转储到平面文件，并导入报表工具中。这对于特别的报告和调查非常有用。我们也会考虑更复杂的场景，包括使用云中的数据抽取工具和神经网络模型，以SAP或当前数据仓库中不可能的方式来分析数据。.如何阅读本书.你需要从概念的角度来理解本书。我们提出了分析业务数据的替代技术，要求读者以全新的、有趣的方式来思考业务数据（尤其是SAP数据）。本书旨在缩小你所拥有的特定业务数据分析技术和先进数据科学技术之间的差距，既不需要你是精于计算神经网络中梯度下降这样的复杂算法的专家，也不需要你是业务数据方面的专家。但是，你需要有跨越这两个阵营的强烈愿望，并想在这个过程中获得乐趣注。.从数据科学家的角度来看，本书中的数据科学原理只是一个入门介绍。如果你很熟悉sigmoid、tanh、relu等激活函数，就可以跳过这些部分。我们将重点关注SAP，展示如何从系统中提取数据，并演示如何使用真实的业务数据。.从SAP专业人员的角度来看，你将突破传统的报表和分析模式，学会思考业务应用，并用机器学习和深度学习的术语来生成报告。这听起来可能很神秘，但到本书结束时，你将拥有迈出这一步所需的工具。在此过程中，你将自动检测销售数据中的异常，根据历史数据预测未来，将文本处理为自然语言，将客户细分为智能群组，将所有这些东西出色地可视化，并教会机器使用业务数据。.在人工智能和数据科学的世界里，对数据提出同样的老问题是陈腐和幼稚的，更坦率地说是无聊的。我们希望你对自己的数据提出这样的问题，即连你自己都不知道能够问出的问题。也许中国的茶叶价格真的会对你的销售产生巨大的影响。.从开发者的角度来看，你会深受启发，去学习Python和R等美妙的编程语言。我们不教你这些语言，但鼓励你学习这些语言。如果你已经是一个有经验的R或Python开发人员，则可以很好地完成代码部分的学习。如果你是R或Python语言的新手，我们将为你提供资源，帮助你入门。如果你倾向于使用Java等其他语言，也不要觉得自己被排除在外了，本书的根本目标是让你以不同的方式来思考业务数据，如果你想使用Java，请尽情使用吧。.数据科学的实施本身就可以写成一本书。我们会经常涉及如何实现我们提出的想法，但是深入探讨创建鲁棒的数据科学流程超出了本书的讨论范围。.数据科学家可以跳过本书第2章，SAP专业人员可以跳过本书第3章。本书后面的内容融合了这两个门类，所以，我们希望来自两方的读者都能够有效地学习本书。.致谢.感谢本书的技术审校者Hau Ngo、Jesse Stiff、Franco Rizzo、Brad Barker和Christoph Wertz，他们宝贵的反馈意
书单推荐
