podpora predaja a logistiky pokročilými analytickými nástrojmi podpora predaja a...
TRANSCRIPT
SALES&MARKETING, LOGISTIKA
Podpora predaja a logistiky pokročilými analytickými nástrojmi
2© 2015 SAP SE or an SAP affiliate company. All rights reserved.
“Sense & respond” už nestačíPrediktívne analýzy sú ďalším článkom v evolúcii
Ko
nk
ure
nč
ná
vý
ho
da
Analytická vyspelosť
Sense & respond Predict & act
Rawdáta
“Čisté”dáta
Štandardnéreporty
Ad hoc reportya OLAP
Generic predictive analytics
Prediktívnemodelovanie
Optimalizácia
Čo sa stalo?
Prečo sa to stalo?
Čo sa stane?
Ktorá možnosť je najlepšia?
Kľúčom je využitie dát na predchod od “sense and respond” k “predict and act”
2
3© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Čo sú prediktívne analýzy? Aké otázky umožňujú zodpovedať prediktívne analýzy?
KlasifikáciaĽúbi / neľúbi budúci (týždeň | deň)?
PredikciaAká bude hodnota (KPI) budúci (týždeň | deň)?
ForecastingAké hodnoty nadobudne (KPI) počas budúcich X (dní | týždňov | mesiacov)
ClusteringIdentifikácia skupín (entít | udalostí| …) s podobným (profilom | správaním)?
Associačné pravidláAnalýza transakcií s cieľom identifikovať udalosti, ktoré pravdebodobne nastané súčasne
Link/Social Network analýzaAnalýza interakcií s cieľom identifikovať (komunity | clustre | geo-dlaždice)
4© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Vytváranie predikcií
Prediktívnemodelovanie
Správaprediktív.modelov
Aktuálne dáta Transakcie, DWH, senzory,...
Historické dátaTransakcie, DWH, senzory,...
5© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Predikcie&
Forecasting
Kľúčovéprediktory
Trendy
Anomálie
Vzťahy
Ako sa história predaja, nákladovalebo iných KPI premietne do budúcnosti? Aký je vzťah medzipredikovanými výsledkami a cieľmi?
Aké sú kľúčové faktoryovplyvňujúce spokojnosť zákazníka, výskyt poruchy/nekvality, prognózu dopytu/zásob a pod.? Aký to mý vplyv na celkovýúúspešnosť firmy?
Aké sú historické/budúcetrendy, náhle zmeny resp. nezvyčajné hodnotyparametrov/KPI, ktoréovplyvňujú biznis?
Aké sú korelácie v dátach?Aké sú interakcie medzimedzi
entitami resp. ich clustrami?
Aké anomálie môžu existovať, resp. naopak – aké clustre
existujú pre dané dáta?
Príklady využitia prediktívnych analýz
6© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Podpora predaja a logistiky prediktívnymi analýzamiPríklady scénarov
Prediktívna údržbaEffektívnosť výroby
Forecasting dopytu & zásob
Optimalizáciavýťažnosti
Analýza
reklamácií/záruk
Optimalizácianáhradných dielov
Optimalizácia úzkychmiest
Plánovanie objemuprepráv
Next-best action / Real-time offers Optimalizácia
mkt.kampaní
Churn / propensity modeling
Prediktívna segmentácia
Forecasting & pipeline analysis
Customer sentiment & social media analysis
Predikcia variantovkonfigurácie
Identifikácia anomálií
Big Data / IoT
7© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Podpora predaja prediktívnymi aplikáciamiSAP Cloud for Sales
Dynamic Playbook
Návrh produktov, ľudí a partnerov pre maximalizáciu pravdepodobnostizískania obchodnej príležitosti
Influence Map
Identifikácia interných/externýchkontaktov, ktoré môžu ovplyvniťobchodný prípad – kontakt a/alebozahrnutie do predajného tímu
Deal Finder
Identifikácia nových obchodnýchpríležitostí u existujúcich zákazníkov– OneSource a textové analýzy
8© 2015 SAP SE or an SAP affiliate company. All rights reserved.
IoT… Big Data …Úlohu mozogu majú… prediktívne algoritmy
SAP Predictive
Maintenance &
Service
SAP Connected
LogisticsSAP Connected
Manufacturing
(Industry 4.0)
IoT Big Data
9© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Príklad: SAP Connected ManufacturingAplikácie využívajúce (resp. s potenciálom využívať) prediktívne analýzy
Product Networks
Manufacturing Performance
Production Traceability
Process Optimization
Production Enforcement and Execution
Energy Monitoring & Analytics
Product Quality
Overall Equipment Effectiveness
10© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Maximalizácia strojnej kapacityCommon Rail Diesel Pump Generation 4 (CP4)
11© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Bottleneck
PoC – Pracovisko 140
Ciele:
Redukcia neplánovaných porúch
Status quo:
“Klasické” prístupy k zvyšovaniu produktivityboli (značne) vyčerpané
Hypotéza:
Ďalšie zvýšenie produktivity pomocou data miningu / prediktívnej údržbynapr. predikcia neplánovanej údržby a jej presun do časového okna pre plánovanú údržbu
12© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Prediktívna údržbaRiadenie dostupnosti a výkonnosti zdrojov/vybavenia a kvality procesov počas celého životného cyklu
PM dáta
Výroba
Nákup
Vývoj
Technické dáta
Environment / Sensor Data
Údržba
13© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Vstupné dáta
Parametre
pumpy
Zákazkyúdržby
Udalostizo
zariadenia
2012 - 2014
44tis. varovaní
192 PM01 záznamov28 PM02 záznamov
711 parameterov
2.3mld hodnôt
14© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Príklad: Rule mining
Prediktívne modelovanie – klasifikácia
Decision tree (rozhodovací strom)
Aternatívny výstup klasifikačnej/regresnej predikciek skóre resp. scoringovej funkcii
Interpretovateľnosť každej jednej vetvy –základ pre vyttváranie pravidiel
Príklad pravidla:
Čas od odvorenie ventilu po dosiahnutie min. predpísaného tlaku…
Potenciál pre Condition based maintenance
15© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Doporučenia z projektu
Optimalizácie:
Expertné pravidlá sú príliš jednoduché:– Kombinácia expertných znalostí a prediktívnych modelov
– Metodické vyhodnocovanie prediktívnych modelov: A/B testovanie, prototypová implementácia & monitoring
Ďalší potenciál pre prediktívne analýzy:– Root cause analýza výrobných časov
– Posúdenie prechodu od plánovanej externej údržby na Condition based maintenance
– Kontrolovaný expeeriment, či sa oplatí nedeľná výmena fitrov
Zlepšneie technickej pripravenosť na Prediktívnu údržbu Komplexný zber dát o výrobných agregátoch (techn.zmeny, servis, …)
Získanie ďalších senzorových dát napr. vibrácie
16© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Prediktívna údržbaRiadenie dostupnosti a výkonnosti zdrojov/vybavenia a kvality procesov počas celého životného cyklu
PM dáta
Výroba
Nákup
Vývoj
Technické dáta
Environment / Sensor Data
Údržba
17© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Prediktívne riadenie kvalityRiadenie kvality produktu a procesov počas celého životného cyklu
QM Data
Výroba
Nákup
Vývoj
Technical Data
Environmental Data
Predaj
Zákazník
18© 2015 SAP SE or an SAP affiliate company. All rights reserved.
PoC
Ciele:
Redukcia nekvality
Prístup:
Prediktívne modelovanie:
– (min.) 1 klasifikačý/regresný model na pracovisko
– Rastúca šírka datasetu – parametre/údaje predch. kroku môžu ovplyvňovať aj nasled.krok(y)
Trvanie PoC: 2 dni on-site (pripravené dáta)Ilustratívna schéma výr.procesu
19© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Využitie Predictive Maintenance & Service pre analýzu spoľahlivosti
Medzinárodný výrobca a predajcapetrochemickýcj výrobkov a energie.
• 15 rafinérií
• 11 závodov na výrobu etanolu
• Veterná farma
• 7,400+ predajných miest
20© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Analýza dát zo senzorovCieľ: Pumpy výrobnej jednotky hydrokrak
Hydrokraker bol zvolený, lebo mal dostatočnýpočet púmp, ktoré mali dostatočný počet porúch.
Zdrojové dáta – čistenie, normalizácia a obohatenie (agregácie, pivoting,….)
• Časový interval: 2011-2014
• 50 púmp
• ca.280M záznamov
• 55M záznamov z HCU942
21© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Analýza dát údržby
ETL SAP HANA Text Analysis
Data mash-upv SAP HANA
Data Discovery& Analsysis
14
SAP ERP dáta (17 rokov)
SAP HANA Rules Framework
Zákazkyúdržby
2.9 mil.
Hlásenia Rafinérie
1.2 mil.3.8 mil. 33tis.
PumpyTechn.miestaa vybavenia
22© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Prediktívne modelovanie:
• Analýza časových radov (forecasting) a predikcia anomálií
• Klasifikácia
Ktorá pumpa bude opravovaná na budúci deň?
resp.
Aká je pravdepodobnosť, že pri aktuálnych hodnotách senzorových dát, bude v čase T
agregát X v oprave?
Prediktívne modelovanie
23© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Opravy vs. hodnota tagu (dát zo senzora)
Dve za sebou nasledujúce opravy nastali, keďhodnota tagu (dát zo senzora) bola v intervale XY. Je to a problém alebo normálna situácia?
Analýza časových radov a anomálií
Forecast hodnoty tagu a anomálií
Extra prediktory: hodnoty ďalších tagov/dát zosenzorov hydrokrakera
Analýza/modelovanie anomálií
Legenda
Skutočnosť
Predikcia
Anomália
24© 2015 SAP SE or an SAP affiliate company. All rights reserved.
KlasifikáciaDôležitosť kľúčových prediktorov (tagy a odvodené hodnoty) a ich hodnôt 1 deň pred opravou
• Prediktívna funkcia: Klasifikácia
• Otázka:
Ktorá pumpa bude opravovaná na budúcideň?
• Dataset:
- História dát zo senzorov
- Odvodené atribúty
• Príklady výstupov:
• Predikcia opravy (vrátane pravdepodobnosti a chyby predikcie)
• Indentifikácia kľúčových prediktorov budúcejporuchy a ich vplyvu
25© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Decision tree & pravidlá
Decision tree (rozhodovací strom)
• Alternatívny výstup klasifikácie/regresievoči targetu (oprava na ďalší deň)
… k skóre resp. scoringovej funkcii
• Interpretovateľnosť
… každej jednej vetvy
• Použiteľnosť pre definovanie pravidiel (rules)
• Organizačné pokyny, procesné inštrukcie…
• Rules engine, event stream processing, …
26© 2015 SAP SE or an SAP affiliate company. All rights reserved.
SAP Predictive Maintenance and Service
Predict Act (príklady)
Senzorové dáta
Biznis dáta(ne)štruktúrované
OLTP/OLAP/noSQL
Externé dáta(prostredie, sentiment, …)
Data mining
Relationships Patterns
RulesOutliers
SPC Root Causes Predictions
Vytvorenie hlásenia
Zmena plánu údržby
Forecasting náhradných dielov
Identifikácia“zlých”dodávateľov
Zmena špecifikácie výrobku
Plánovanie servisu
Odporúčané služby
…
Sense
IoT M2M
IT/OT
27© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Rekapitulácia: IoT… Big Data …Úlohu mozogu majú… (aj) prediktívne algoritmy
SAP Predictive
Maintenance &
Service
SAP Connected
LogisticsSAP Connected
Manufacturing
(Industry 4.0)
IoT Big Data
28© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Predictive Analytics Solutions from SAP
SAP Predictive Analytics 2.x
Data Preparation
Expert Analysis
Automated AnalysisVisualization
RecommendationScoring Social
SDK/API Model Management
Connectors
Cloud / On-Premise
Predictive Analysis Library
Automated Predictive
LibraryR-Scripts
In-Memory Processing Engine
Manufacturing/Logistics
O&G & Utilities
Public Sector & Healthcare
Financial & Insurance Services
TelecommunicationsRetail & Consumer Products
Predictive Applications (Industry/LoB)
SAP HANA
Relational Databases
Big Data Sources Cloud Services
Applications
Any Data Source
R
29© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Záver
• Prediktívne analýzy = efektívna podpora pre zlepšovania výrobkov, služieb a procesov aj v svete logistiky (predaj, výroba, údržba, kvalita, …)
• Je to “digitální zvíře”
• potrebuje (ne)štruktúrované dáta
Viac dát, lepšie a robustnejšie modely…
• IoT/M2M nie je nutné, môže mať zmysel
• Je to iteratívny proces (aj napriek automatizácii v SAP Predictive Analytics Automated mode)
• Ingrediencie sú k dispozícií
• Základ je začať.
© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Ďakujem za pozornosť!
Peter MravčákPresales Solution Architect
31© 2015 SAP SE or an SAP affiliate company. All rights reserved.
Predictive Use Cases By Industry and LoB
• Customer Churn/ Retention
• Cross-Sell/Upsell
• CampaignManagement
• Lifetime Value• Pricing Optimization• Product Launch
Success• Brand Sentiment and
Sales Analytics• Cross/Up Sell
• Product Launch Success
• Brand Sentiment and Sales Analytics
• Regional Forecasting
• Brand Sentiment and Sales Analytics
• Next Best Activity• Cross Sell/Upsell• Churn Reduction• Customer
Segmentation• Brand Sentiment
and Sales Analytics
• Brand Sentiment and Sales Analytics
• Credit Risk• Fraud
Management and Prevention
• Credit Scoring• Fraud Management
and Prevention• Optimizing Product
Quality
• Credit Scoring• Compliance• Retail Outlier• Fraud Management
and Prevention• Optimizing Product
Quality
• Credit Scoring• Compliance• Fraud
Management and Prevention
• OptimizingProduct Quality
• Credit Scoring• Underwriting• Default/bankruptc
y Risk• Tax Fraud• Credit Card Fraud• Insurance Fraud
• Predictive Asset Maintenance
• Fraud Management and Prevention
• Optimizing Product Quality
• Anomaly Detection
• Usage Forecasting
• KPI Forecasting• Anomaly Detection• Usage Forecasting• Store Segmentation• In-Store Workforce
Optimization• Size and Zone
Optimization• Market Share
Prediction
• KPI Forecasting• Anomaly Detection• Usage Forecasting
• KPIForecasting
• Anomaly Detection
• Usage Forecasting
• KPI Forecasting• Anomaly
Detection• Usage Forecasting
• KPI Forecasting• Anomaly Detection• Usage Forecasting• Variable Margin Analysis• Yield Management• Equipment Effectiveness• Labor Utilization
• Out of Stock Prediction• Demand Forecasting• Inventory and
Logistics Planning
• Out of Stock Prediction
• Inventory and Logistics Planning
• Out of Stock Prediction
• Inventory and Logistics Planning
• Predictive Commodity Management
• Improving Demand Planning and Inventory Management
Retail CPG Financial Services ManufacturingTelecom E-Business
Customer/ Marketing
Fraud/ Risk
Operations
SupplyChain
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 32
© 2015 SAP SE or an SAP affiliate company. All rights reserved.
No part of this publication may be reproduced or transmitted in any form or for any purpose without the express permission of SAP SE or an SAP affiliate company.
SAP and other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE (or an SAP affiliate
company) in Germany and other countries. Please see http://global12.sap.com/corporate-en/legal/copyright/index.epx for additional trademark information and notices.
Some software products marketed by SAP SE and its distributors contain proprietary software components of other software vendors.
National product specifications may vary.
These materials are provided by SAP SE or an SAP affiliate company for informational purposes only, without representation or warranty of any kind, and SAP SE or its
affiliated companies shall not be liable for errors or omissions with respect to the materials. The only warranties for SAP SE or SAP affiliate company products and
services are those that are set forth in the express warranty statements accompanying such products and services, if any. Nothing herein should be construed as
constituting an additional warranty.
In particular, SAP SE or its affiliated companies have no obligation to pursue any course of business outlined in this document or any related presentation, or to develop
or release any functionality mentioned therein. This document, or any related presentation, and SAP SE’s or its affiliated companies’ strategy and possible future
developments, products, and/or platform directions and functionality are all subject to change and may be changed by SAP SE or its affiliated companies at any time
for any reason without notice. The information in this document is not a commitment, promise, or legal obligation to deliver any material, code, or functionality. All forward-
looking statements are subject to various risks and uncertainties that could cause actual results to differ materially from expectations. Readers are cautioned not to place
undue reliance on these forward-looking statements, which speak only as of their dates, and they should not be relied upon in making purchasing decisions.