Darüber hinaus müssen Sie in der Lage sein, verschiedene Vorhersagen zu simulieren: Was passiert, wenn Sie Verkäufe online verschieben oder Bürokosten senken, tragen IT-Investitionen zur Steigerung des Umsatzes bei, indem sie die Effizienz der Mitarbeiter steigern. Darüber hinaus gibt es Branchen, in denen der Anteil der direkten Kosten an den Gesamtkosten gering ist, sodass allgemein akzeptierte Ansätze zur Aufteilung der indirekten Kosten zu schlechten Managemententscheidungen führen können.
In der Regel ist es aufgrund der Implementierung fortschrittlicher Kostenzuordnungstechniken möglich, 30-40% der Gesamtkosten zu identifizieren, die vermieden werden können. Dies ermöglicht es Ihnen, zusätzlichen Gewinn zu erzielen. Gleichzeitig sollten die IT-Kosten für Allokationssysteme einen schnellen Return on Investment bieten, was bedeutet, dass die Projektdurchführungszeit kurz sein wird. Bei der Analyse und Implementierung derart komplexer Modelle hilft SAP Profitability and Performance Management (ehemals SAP FS-PER), das längst keine Lösung mehr nur für das Kostenmanagement darstellt. Es ist jetzt eine umfangreiche Sammlung von Datenmanipulations- und erweiterten Modellierungswerkzeugen. Dies wird durch eine Vielzahl von Szenarien bestätigt, die unsere Kunden jetzt in verschiedenen Branchen implementieren: Fertigung, Medien, Einzelhandel, Banken, Bergbau usw.
Werfen wir einen Blick auf die wichtigsten neuen Funktionen, die in den neuesten Aktualisierungen der Lösung enthalten sind, und darauf, wie Sie ML in SAP PAPM zum Erstellen von Prognosen verwenden können.
1. Neue Schnittstelle für Modellierung und Berichterstellung
Die neue Berichtsschnittstelle bietet die Möglichkeit, Analysen nicht nur anhand quantitativer Werte und Berechnungsergebnisse, sondern auch anhand deskriptiver Analysen zu erstellen. Dies ist nützlich für viele Produktanwendungsfälle, in denen umfangreiche Dokumentationen erforderlich sind, z. B. Finanzmodellierung, Verrechnungspreise, Nachhaltigkeit und Steuerberichterstattung.
In dieser Benutzeroberfläche ist ein WYSIWYG- Dokumenteditor (was-Sie-sehen-ist-was-Sie-erhalten) enthalten , der die Textbearbeitung zur Aufnahme von Tabellen, Links, Bildern und Videos sowie zur Visualisierung von Eingabe- und Ergebnisdaten ermöglicht.
Was-wäre-wenn-Modellierung (serverseitig)
Zuvor war es bereits möglich, die Ergebnisse zu modellieren, indem die Eingabeparameter geändert wurden, z. B. der Preis für eingehendes Material in der Produktion oder der Tarif für die Betreuung einer Kundengruppe für das B2C-Segment, wodurch die IT- oder Kraftstoffkosten erhöht / gesenkt wurden. Die neue Schnittstelle umfasst die Modellierung der Parameter des Berechnungsprozesses: Zeitraum, Prozess, Kostenstelle, Region, Fahrzeugtyp, Installationstyp usw. Nach Abschluss der Berechnung auf dem Server werden die Ergebnisse im Bericht angezeigt.
Client-seitige Modellierung
Alles ist das gleiche wie in der Serverversion. Nur die clientseitige Modellierung kann Skripts basierend auf den im Bericht angezeigten Daten ausführen.
Visualisierung der Ausgangsdaten und Berechnungsergebnisse
Eingabedaten und Ergebnisse können mithilfe verschiedener Arten von Diagrammen und Grafiken wie Balken, Zeitreihen, Heatmaps, Wertschöpfungsketten und anderen visualisiert werden. Diese Visualisierungen sind in den Bericht eingebettet und interaktiv. Dies bedeutet, dass sie von Filtern und Konfigurationen abhängen, die Datengranularität ermöglichen.
2. Maschinelles Lernen
Neue Modelltypen "Clustering" und "Classification" wurden zusätzlich zu den bereits vorhandenen "Regression" und "Forecast" (Zeitreihen) in der Funktion für maschinelles Lernen unter Verwendung der HANA Automated Predictive Library (APL) veröffentlicht.
Voraussetzung für die Verwendung ist die installierte SAP HANA Automated Predictive Library (APL) 1904 (Minimum).
Betrachten wir ein Beispiel für die Verwendung der Prognoseregel.
Angenommen, wir haben die Aufgabe, die anfänglichen Daten zu den Kosten der Abteilungen für das nächste Jahr auf der Grundlage von Daten vorherzusagen, die nach Datum, Konto, Kostenstelle usw. aufgeschlüsselt sind.
Der Prognosezeitraum ist auf 12 festgelegt. Dies bedeutet, dass wir 12 Prognosewerte erhalten. Die Funktion berechnet die Werte in der Spalte Prognosebetrag basierend auf dem von APL angewendeten Algorithmus. Die automatisierte Bibliotheksfunktion führt mehrere Modelle (z. B. lineare Regression oder exponentielle Glättung) für historische Daten aus. Hiermit wird das beste Modell ermittelt, das für den Eingabedatensatz trainiert wurde. Als nächstes wird eine Prognose erstellt. Vorhersagewerte können später in anderen Funktionen verwendet werden.
Daher wird das Prognoseergebnis in unserem Fall so aussehen.
Beim maschinellen Lernen werden auch Eingaben für die BEN- und COM-Buchhaltungskonten angezeigt. Die Prognose zeigt einen Aufwärtstrend für das BEN-Konto und einen positiven Trend für das COM-Konto. Da der Zeitraum als 12 Monate angegeben wurde, prognostizierte maschinelles Lernen den Betrag für die nächsten 12 Monate für jeden der angegebenen Kontotypen.
Es kommt jedoch häufig vor, dass eine detailliertere Prognose oder das Schreiben eigener Funktionen erforderlich ist. Hierzu kann die Erstellung von Code in einem R-Skript verwendet werden, zum Aufrufen muss der SAP HANA R Server aktiviert sein. Darüber hinaus kann der Benutzer über die Funktion zum Aufrufen externer Prozeduren Remote Function Adapter den Typ SAP HANA R Script auswählen, mit dem Sie ein externes R-Skript aufrufen können. Gleichzeitig zeigt PaPM den Code selbst an, der extern geschrieben wurde, oder bietet eine Schnittstelle zum Schreiben und Bearbeiten.
Dieser Ansatz kann für Szenarien verwendet werden, in denen komplexe Vorhersagemodelle erforderlich sind, z. B. bei der Finanzmodellierung oder zur Berechnung von Risiken im Bankensektor.
3. Parallelisierung und Scale-Out
Die Lösung sollte in der Lage sein, mit einer großen Datenmenge zu arbeiten und gleichzeitig unabhängig vom Szenario eine hohe Rechenleistung zu erzielen. Um dies zu gewährleisten, gibt es immer mehr Möglichkeiten zur Parallelisierung von Berechnungen und Scale-Out-Funktionen. Dies erleichtert die Arbeit mit Datensätzen von 2 Milliarden oder mehr Datensätzen und ermöglicht Ihnen die aktive Verwaltung der CPU- und RAM-Last.
In der Simulationsanwendung können Sie durch Auswahl von Umgebung -> Partitionierung für jeden Partitionierungsbereich jetzt definieren, wo dieses Arbeitspaket ausgeführt werden soll. Dies kann nützlich sein, um einen gleichmäßigen Lastausgleich in der Scale-Out-Systemlandschaft zu erreichen. In diesem Fall ist die Anzahl der Datensätze in Arbeitspaketen sehr ungleichmäßig und die automatische Verteilung von SAP HANA ist nicht optimal.
Weitere Details zu den Einstellungen und dem anschließenden Start finden Sie hier .
Abschließend möchte ich Sie daran erinnern, dass SAP PaPM mit Standardinhalten geliefert wird, um den Einstieg in die Lösung zu erleichtern. Es enthält jetzt über 40 Modelle für verschiedene Branchen und Szenarien, von der Kostenzuordnung bis zur Nachhaltigkeitsanalyse von Unternehmen. Der Inhalt wird ständig angereichert und ergänzt, eine der Neuheiten von PCM to PaPM Activity Based Costing. Es bietet einen Regeleditor ähnlich dem von SAP Profitability and Cost Management. Und da die Support-Frist für die Lösung abgelaufen ist, wird der Import von Regeln aus SAP PCM durch den neuen Inhalt erheblich vereinfacht und die Migrationszeit verkürzt.
Die Lösung wird aktiv weiterentwickelt und bietet Benutzern eine vollständige Plattform für die Automatisierung verschiedener Szenarien über eine praktische Oberfläche, für die keine Programmierung erforderlich ist. In den folgenden Artikeln werden wir über andere eingebettete Szenarien sprechen, die bei unseren globalen und russischen Kunden am gefragtesten sind, z. B. "Nachhaltigkeitsmanagement" und "IT-Kostenzuordnung" gemäß der Methodik des Geschäftsmanagements für Technologie.
Autorin - Irina Sheftelevich, Senior Architect von SAP CIS Business Solutions