{"id":15898,"date":"2017-09-05T08:00:31","date_gmt":"2017-09-05T06:00:31","guid":{"rendered":"http:\/\/192.168.20.3\/?p=15898"},"modified":"2024-12-12T14:41:24","modified_gmt":"2024-12-12T13:41:24","slug":"sap-predictive-analytics-2-2","status":"publish","type":"post","link":"https:\/\/orekait.com\/es\/sap-predictive-analytics-2-2\/","title":{"rendered":"SAP Predictive Analytics (2 \/ 2)
<\/span>"},"content":{"rendered":"

[et_pb_section fb_built=”1″ admin_label=”section” _builder_version=”4.25.2″ global_colors_info=”{}”][et_pb_row admin_label=”Imagen principal” _builder_version=”4.25.2″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_image alt=”cloud-public” title_text=”Reclamacio\u0301n-de-facturas-vencidas-en-SAP-FI-1″ admin_label=”Imagen principal” module_class=”post-img” _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][\/et_pb_image][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=”Cuerpo” _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_text content_last_edited=”off|desktop” admin_label=”Texto” _builder_version=”4.25.2″ header_2_font_size=”24px” header_3_font_size=”20px” header_4_font_size=”17px” background_size=”initial” background_position=”top_left” background_repeat=”repeat” width=”%22671%22″ height=”%22251%22″ global_colors_info=”{}” content__hover_enabled=”off|hover”]<\/p>\n

\n

Tal y como se explicaba en el art\u00edculo;\u00a0SAP Predictive Analytics (1\/2)<\/a>, vista la importancia que est\u00e1n tomando los an\u00e1lisis de datos avanzados y la gran cantidad de aplicaciones que proporcionan, SAP, desarrolla\u00a0SAP Predictive Analytics<\/strong>\u00a0como la soluci\u00f3n para realizar estudios completos de predicci\u00f3n.
<\/span><\/p>\n

SAP Predictive\u00a0Analytics<\/strong>, es\u00a0una aplicaci\u00f3n de escritorio y una serie de tecnolog\u00edas served-based que se pueden implementar tanto en\u00a0SAP HANA\u00a0<\/strong>como con configuraciones con otras plataformas. Est\u00e1 dirigida principalmente a los analistas de negocio y de datos, que necesitan encontrar respuestas innovadoras a preguntas de negocio.<\/p>\n

Funcionalidades de SAP Predictive Analytics<\/strong><\/h2>\n
    \n
  • Realizar an\u00e1lisis Estad\u00edsticos.\u00a0<\/strong>Mediante t\u00e9cnicas gr\u00e1ficas y num\u00e9ricas se trata de sumarizar y describir las caracter\u00edsticas de un conjunto de datos.<\/li>\n
  • Realizar an\u00e1lisis de Miner\u00eda de Datos.\u00a0<\/strong>\u00a0Consiste en extraer informaci\u00f3n de un conjunto de datos y transformarla en una estructura comprensible para su uso posterior.<\/li>\n
  • Realizar optimizaci\u00f3n matem\u00e1tica de procesos.\u00a0<\/strong>Se trata de maximizar o minimizar el valor que toma una funci\u00f3n teniendo en cuenta una serie de restricciones que se deben cumplir y afectan al valor de \u00e9sta.<\/li>\n
  • Gestionar el ciclo de vida completo de predicci\u00f3n<\/strong>. Permite realizar en la misma herramienta todo el proceso de obtenci\u00f3n de informaci\u00f3n a partir de los datos. Tanto el procesamiento de datos, como el an\u00e1lisis de datos, graficaci\u00f3n de resultados y creaci\u00f3n de informes de muestra al cliente.<\/li>\n<\/ul>\n

    Interfaces de SAP Predictive Analytics<\/strong><\/h2>\n
      \n
    • SAP Predictive Analytics \u2013\u00a0Automated Analytics.<\/strong>\u00a0Para una Miner\u00eda de datos exploratoria, masiva y autom\u00e1tica.<\/li>\n
    • SAP Predictive Analytics \u2013\u00a0Experts Analytics.<\/strong>\u00a0Para una Miner\u00eda de datos compleja, manual y extensible.<\/li>\n<\/ul>\n

      SAP Predictive Analytics \u2013 Automated Analytics<\/strong><\/h3>\n

      Aplicaci\u00f3n dirigida a\u00a0analistas de datos y negocio sin formaci\u00f3n extensa en ciencia de datos.<\/p>\n

      \"\"<\/p>\n

      Dise\u00f1a autom\u00e1ticamente los\u00a0modelos predictivos<\/strong>\u00a0y admite implementarlos directamente en nuestros procesos. Posibilita incluso introducir los procedimientos de creaci\u00f3n de modelos predictivos en nuestras aplicaciones y desarrollos como un paso m\u00e1s.<\/p>\n\n\n\n\n
      Ventajas<\/strong><\/td>\nDesventajas<\/strong><\/td>\n<\/tr>\n
      \n
        \n
      • Automatiza los procesos\u00a0<\/strong>de selecci\u00f3n del algoritmo de predicci\u00f3n, creaci\u00f3n del modelo predictivo y validaci\u00f3n de la eficacia de \u00e9ste.<\/li>\n
      • Sencillo, intuitivo y r\u00e1pido\u00a0<\/strong>de ejecutar.<\/li>\n
      • Puede servir como un Modelo inicial de referencia desde el que se partir\u00e1 para un an\u00e1lisis m\u00e1s espec\u00edfico.<\/li>\n<\/ul>\n<\/td>\n
      		\n
        \n
      • No<\/strong>\u00a0son\u00a0tan precisos\u00a0<\/strong>como un modelo espec\u00edfico.<\/li>\n
      • No<\/strong>\u00a0permite cambiar par\u00e1metros\u00a0<\/strong>claves de los an\u00e1lisis.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

        M\u00f3dulos\u00a0de\u00a0Automated Analytics<\/strong><\/h4>\n
          \n
        • Data Manager:\u00a0<\/strong>Sirve para la preparaci\u00f3n de los datos para un posterior an\u00e1lisis.<\/li>\n
        • Modeler:\u00a0<\/strong>Permite la generaci\u00f3n de modelos de regresi\u00f3n, clasificaci\u00f3n, clustering, series temporales y reglas de asociaci\u00f3n.<\/li>\n
        • Social:\u00a0<\/strong>Mejora el modelo utilizando la informaci\u00f3n impl\u00edcita en las relaciones entre datos. Adem\u00e1s, incluye la posibilidad de representar distintos gr\u00e1ficos.<\/li>\n
        • Recommendation:\u00a0<\/strong>Genera recomendaciones para los clientes basadas en los datos obtenidos de las redes sociales.<\/li>\n
        • Model Manager:\u00a0<\/strong>M\u00f3dulo que hay que instalar aparte. Sirve para llevar a cabo tareas programando modelos de entrenamiento.<\/li>\n<\/ul>\n

          SAP Predictive Analytics \u2013 Experts Analytics<\/strong><\/h3>\n

          Aplicaci\u00f3n dirigida a personal con ciertos conocimientos de\u00a0Data Mining<\/strong>. Aunque, tambi\u00e9n proporciona algoritmos semi-autom\u00e1ticos que simplifican el proceso de predicci\u00f3n.<\/p>\n

          \"\"<\/p>\n

          Las principales caracter\u00edsticas son las siguientes,<\/p>\n

            \n
          1. Facilidad de uso<\/strong>:\u00a0Utiliza tecnolog\u00eda Drag & Drop<\/strong>\u00a0para seleccionar, preparar y pre procesar datos lo que hace que el uso sea sencillo, intuitivo y bastante guiado. Contiene tambi\u00e9n herramientas autom\u00e1ticas para facilitar el proceso.<\/li>\n<\/ol>\n
              \n
            1. Visualizaci\u00f3n avanzada:\u00a0<\/strong>Acceso a visualizaciones y gr\u00e1ficos complejos y avanzados gracias a las herramientas integradas en\u00a0SAP Lumira<\/strong>. Est\u00e1 preparado para visualizaciones con gran cantidad de datos.<\/li>\n
            2. Funcionalidades:\u00a0<\/strong>Tiene implementado gran cantidad de algoritmos que nos proporcionan todo tipo de funcionalidades con los datos.<\/li>\n<\/ol>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
              Funci\u00f3n<\/strong><\/td>\nCategor\u00eda de algoritmo<\/strong><\/td>\nAlgoritmos<\/strong><\/td>\n<\/tr>\n
              Resumen Estad\u00edstico<\/td>\nEstad\u00edstica Descriptiva<\/td>\nMedia, Mediana, Varianza\u2026<\/td>\n<\/tr>\n
              Detecci\u00f3n de Outliers<\/td>\nTest Estad\u00edsticos<\/td>\nTest de varianza, IQR test\u2026<\/td>\n<\/tr>\n
              Preparaci\u00f3n de datos<\/td>\nPreprocesadores<\/td>\nMuestreo, Escalado, Agrupaci\u00f3n\u2026<\/td>\n<\/tr>\n
              Inferencia estad\u00edstica<\/td>\nTeor\u00eda de muestreo<\/td>\nT tests, F tests, ANOVA\u2026<\/td>\n<\/tr>\n
              Relaciones, causa y efecto<\/td>\nCorrelaci\u00f3n y Regresi\u00f3n<\/td>\nRegresi\u00f3n lineal y no lineal m\u00faltiple\u2026<\/td>\n<\/tr>\n
              Agrupaci\u00f3n de datos<\/td>\nAn\u00e1lisis Cluster<\/td>\nK-Means, ABC An\u00e1lisis\u2026<\/td>\n<\/tr>\n
              Predicciones de series de tiempo<\/td>\nAn\u00e1lisis de series de tiempo<\/td>\nExponential Smoothing\u2026<\/td>\n<\/tr>\n
              Asociaci\u00f3n y afinidad<\/td>\nAn\u00e1lisis de Asociaci\u00f3n<\/td>\nA priori<\/td>\n<\/tr>\n
              Predicciones y clasificaciones<\/td>\nAn\u00e1lisis de Clasificaci\u00f3n<\/td>\n\u00c1rboles decisi\u00f3n, redes neuronales<\/td>\n<\/tr>\n
              An\u00e1lisis de redes sociales<\/td>\nAn\u00e1lisis de Redes<\/td>\nVecino m\u00e1s pr\u00f3ximo\u2026<\/td>\n<\/tr>\n
              Optimizaci\u00f3n<\/td>\nOptimizaci\u00f3n matem\u00e1tica<\/td>\nProgramaci\u00f3n lineal y no-lineal<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
                \n
              1. Flexibilidad<\/strong>:\u00a0<\/strong>Existe la posibilidad de crear nuestro propios componentes, algoritmos o procesos. En un momento dado para un an\u00e1lisis de una situaci\u00f3n especial, puede darse el caso de que los algoritmos est\u00e1ndar no se ajusten a nuestro problema en esos casos la herramienta\u00a0admite nuevos desarrollos en SQLScript y R<\/strong>.<\/li>\n<\/ol>\n

                Posibilidad de a\u00f1adir componentes de R:<\/strong><\/p>\n

                R\u00a0<\/strong>es un entorno\u00a0y\u00a0lenguaje de programaci\u00f3n\u00a0libre con un\u00a0enfoque al\u00a0an\u00e1lisis estad\u00edstico<\/strong>. Se trata de uno de los lenguajes m\u00e1s utilizados por la comunidad estad\u00edstica en el campo de la\u00a0miner\u00eda de datos, la investigaci\u00f3n, la\u00a0bioinform\u00e1tica\u00a0y las\u00a0matem\u00e1ticas financieras.<\/p>\n

                Ventajas de Experts Analytics<\/strong><\/h4>\n
                  \n
                • Crear propios componentes a medida en el\u00a0entorno de modelado R.<\/strong><\/li>\n
                • Beneficiarse de las\u00a0m\u00e1s de 3500 librer\u00edas dedicadas al Data Mining.<\/strong><\/li>\n
                • Utilizar los gr\u00e1ficos que nos proporciona R en los cuales se puede modificar cualquier par\u00e1metro, al contrario que en la mayor\u00eda de las herramientas de este tipo.<\/li>\n<\/ul>\n

                  Integraci\u00f3n de Experts Analytics<\/strong><\/h4>\n
                    \n
                  • Integraci\u00f3n nativa con SAP HANA<\/strong>\u00a0pudiendo trabajar IN-DATABASE, directamente en la base de datos HANA, lo que supone mayor velocidad y eficiencia debido a la tecnolog\u00eda in-memory.<\/li>\n
                  • Facilita la posibilidad de\u00a0adquirir datos que vengan de SAP BW<\/strong>, de universos u otras bases de datos, lo que se llama ejecuci\u00f3n IN-PROCESS.<\/li>\n
                  • Contiene tambi\u00e9n un apartado de publicaci\u00f3n de informes y resultados, pudi\u00e9ndolos exportar en distintos formatos.<\/li>\n<\/ul>\n

                    Con este art\u00edculo, terminamos con el resumen general sobre la\u00a0herramienta desarrollada por SAP para el an\u00e1lisis predictivo<\/strong>, SAP Predictive Analytics.<\/p>\n<\/div>\n

                    [\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=”M\u00e1s informaci\u00f3n” _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n

                    M\u00e1s informaci\u00f3n:<\/p>\n

                    [\/et_pb_text][et_pb_button button_url=”https:\/\/orekait.com\/es\/area-analitica-negocio” button_text=”M\u00e1s informaci\u00f3n” module_class=”entrada-btn” _builder_version=”4.25.2″ _module_preset=”default” custom_button=”on” button_text_color=”#8156EA” button_bg_color=”RGBA(255,255,255,0)” button_border_color=”#8156EA” button_border_radius=”30px” button_font=”Plus Jakarta Sans|600|||||||” button_icon=”$||divi||400″ button_icon_color=”#8156EA” button_on_hover=”off” hover_enabled=”0″ global_colors_info=”{}” button_text_color__hover_enabled=”on|desktop” button_text_color__hover=”#8156EA” button_bg_color__hover_enabled=”on|hover” button_bg_color__hover=”#8156EA” button_bg_enable_color__hover=”on” button_icon_color__hover_enabled=”on|hover” button_icon_color__hover=”#ffffff” url_new_window=”on” sticky_enabled=”0″][\/et_pb_button][et_pb_divider show_divider=”off” _builder_version=”4.25.2″ _module_preset=”default” custom_margin=”||40px||false|false” global_colors_info=”{}”][\/et_pb_divider][\/et_pb_column][\/et_pb_row][et_pb_row use_custom_gutter=”on” admin_label=”Noticias relacionadas titulo” module_id=”fondo-articulos” _builder_version=”4.25.2″ _module_preset=”default” background_color=”#f7f7f7″ width=”100%” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_divider show_divider=”off” _builder_version=”4.25.2″ _module_preset=”default” background_color=”RGBA(255,255,255,0)” custom_margin=”||40px||false|false” global_colors_info=”{}”][\/et_pb_divider][et_pb_heading title=”Quizas te pueda interesar” _builder_version=”4.25.2″ _module_preset=”default” title_level=”h2″ title_text_align=”center” global_colors_info=”{}”][\/et_pb_heading][et_pb_divider show_divider=”off” _builder_version=”4.25.2″ _module_preset=”default” custom_margin=”||30px||false|false” global_colors_info=”{}”][\/et_pb_divider][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=”Noticias relacionadas” _builder_version=”4.25.2″ _module_preset=”default” width=”100%” custom_margin=”-150px||||false|false” custom_margin_tablet=”0px||||false|false” custom_margin_phone=”0px||||false|false” custom_margin_last_edited=”on|desktop” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_blog fullwidth=”off” posts_number=”3″ include_categories=”current” show_author=”off” show_date=”off” show_pagination=”off” _builder_version=”4.25.2″ _module_preset=”default” global_colors_info=”{}”][\/et_pb_blog][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"

                    Tal y como se explicaba en el art\u00edculo;\u00a0SAP Predictive Analytics (1\/2), vista la importancia que est\u00e1n tomando los an\u00e1lisis de datos avanzados y la gran cantidad de aplicaciones que proporcionan, SAP, desarrolla\u00a0SAP Predictive Analytics\u00a0como la soluci\u00f3n para realizar estudios completos de predicci\u00f3n. SAP Predictive\u00a0Analytics, es\u00a0una aplicaci\u00f3n de escritorio y una serie de tecnolog\u00edas served-based que […]<\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"Lorem ipsum dolor sit amet consectetur adipiscing elit congue montes, imperdiet taciti erat elementum fermentum sem ante ultrices ridiculus, sagittis sociis egestas quisque ac semper quis odio. Aenean hendrerit ac metus dis nascetur aliquet mollis integer, rutrum vel laoreet posuere proin sagittis luctus est, tempus duis nisl ultrices parturient tempor praesent. Dignissim curabitur nascetur pellentesque augue fringilla pulvinar eros, tempus fames vehicula maecenas cubilia id, rutrum euismod integer ut scelerisque mus.\r\n\r\nVivamus auctor odio aenean rhoncus natoque dictum purus, volutpat pellentesque laoreet ridiculus consequat nisi varius euismod, augue platea convallis curae magnis taciti. Imperdiet nibh curabitur quisque orci consequat aenean pellentesque, cubilia duis senectus felis sed posuere tortor, magnis enim diam a odio sociis. Enim tellus nisl nec molestie augue luctus tempor habitant, nunc dictumst phasellus volutpat sem facilisis taciti, habitasse laoreet at turpis vel fermentum vulputate.","_et_gb_content_width":"","footnotes":""},"categories":[43],"tags":[],"class_list":["post-15898","post","type-post","status-publish","format-standard","hentry","category-analytics"],"_links":{"self":[{"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/posts\/15898","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/comments?post=15898"}],"version-history":[{"count":4,"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/posts\/15898\/revisions"}],"predecessor-version":[{"id":22376,"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/posts\/15898\/revisions\/22376"}],"wp:attachment":[{"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/media?parent=15898"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/categories?post=15898"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/orekait.com\/es\/wp-json\/wp\/v2\/tags?post=15898"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}