Post on 15-Nov-2014
description
Business Intelligence & Analy1csorganizzazione, processi, tecnologie
SAP BusinessObjects Solu2ons
BI Evolu1on&
Harmoniza1on
innova1onand
g a m e -‐ c h a n g i n g solu1ons
SAP® HANAON STAGE
venerdì 31 maggio 13
SAP HANA POC -‐ Real 1me DataDiscovery Results
2
Query più veloci ...Compression Rate Modalità Data Discovery (no array fetch)
5 / 112 milioni di record
tempo aGesa: 1/3 secfino a 100 volte
5 / 180 milioni di record
tempo aGesa: 1/3 secfino a 100 volte
10 / 150 milioni di record
tempo aGesa: 1/3 secfino a 100 volte
10 / 190 milioni di record
tempo aGesa: 1/3 secfino a 200 volte
SAP®HANA
veloce
potente
game-changing solutions
SAP®HANA
veloce
potente
game-changing solutions
game-‐changing solu/on
5 / 1 fino a 200 volte400 milioni di record
tempo aGesa: 1/3 sec
case I
case II
case III
case IV
case V
venerdì 31 maggio 13
sistema gestionale
altri sistemi transazionali
SAP HANA ENGINE
SAP LT (SLT REPLICATOR)
REAL TIME
SAPDATA INTEGRATOR
SAP HANA -‐ ETL a portata del Business
3
2
3
1
ANALYZE
MODEL
LOAD
SAP HANA STUDIO
Admin Console
Information Modeler
venerdì 31 maggio 13
CASE I -‐ ArchiteGura di Partenza
4
DWH REDBRICK
BW COPA, SD
SAP ERP
BO 3.1
02 / 2013
• Estrema lentezza in estrazione da alcuni universi (SD).• Mancanza di un adeguato strumento di ETL per trasferire e controllare i da1 tra i vari sistemi. Caricamen1 ges11 in modo disomogeneo passando spesso per file di testo
• Mancanza di da1 di deGaglio, gli uten1 dispongono solo di aggrega1 OLAP o RELAZIONALI
• Obsolescenza del DWH DMBS
Cri2cità
venerdì 31 maggio 13
5
SAP ERP BI 4.xSAP HANA ENGINE
SAPDATA INTEGRATOR
(RAPID MART)
05 / 2013
• DeGaglio massimo dei da1 presen1 su ERP• Tempi di go live molto rido^ (4 se^mane per RM SD)• DWH Aperto e standardizzato• Accesso ai da1 istantaneo• Possibilità di a^vare il real 1me su da1 ERP (SAP SLT)
WIN points
CASE I -‐ ArchiteGura Proposta
venerdì 31 maggio 13
JSTORE(daB scontrino)
BO 3.1
FORNITORE ESTERNO
Microstrategy
• I da1 degli scontrini non possono essere analizza1 sugli aGuali sistemi interni e devono essere spedi1 esternamente all’azienda.
• Il fornitore esterno fornisce solo un set di analisi predefinite non personalizzabili e con uno strumento di repor1ng differente da quello interno. Gli incroci devono essere risol1 poi in excel
• I da1 che escono dall’azienda diventano disponibili con 3 se^mane di ritardo
Cri2cità
CASE II -‐ ArchiteGura di Partenza
6
venerdì 31 maggio 13
CASE II -‐ ArchiteGura Proposta
7
JSTORE BI 4.xSAP HANA ENGINE
SAPDATA INTEGRATOR
• Unica infrastruGura di repor1ng da ges1re• DeGaglio massimo dei da1 presen1 presen1 su JSTORE• Da1 disponibili day by day e non con 3 se^mane di ritardo• Possibilità di incrociare i da1 con le altre fon1 aziendali (ex: da1 di paniere e fidelity card)
• Apertura allo studio di nuove analisi scoprendo paGern par1colari nei da1 (analisi predi^va)
WIN points
venerdì 31 maggio 13
CASE II Predic1ve Analy1cs -‐ Analisi associa1va
Mi s s i o n
Costruire un paniere di prodo/ per il volan2no promozionale se/manale in modo da influenzare le vendite di
determina2 prodo/ senza per forza doverne diminuire il prezzo . Sì può ad esempio :
Diminuire una scorta eccessiva di un determinato prodo6o
Aumentare le vendite di un ar/colo per o6enere un importante sconto quan/tà
Spingere le vendite di un ar/colo in scandenza
8
venerdì 31 maggio 13
Partendo dai da2 di vendita si recuperano le regole associa2ve che perme@ono di incen2vare la vendita di determina2 prodo/ senza però alternarne il prezzo non volendoli inserire dire@amente nel volan2no.
Predic1ve Analy1cs -‐ Predic1ve Analysis Tool (1/2)
Id Scontrino Item Qta Prezzo
1000000 tonno 1 2,5
1000001 caffè moka 2 5,5
.... .... .... ....
PREDICTIVE
TRANSAZIONI
ASSOCIAZIONI
9
venerdì 31 maggio 13
Un tool dire@amente interconnesso al mondo SAP HANA e agli universi SAP BusinessObjects dotato di un’interfaccia totalmente grafica per la creazione dei modelli anali2ci dalla preparazione del dato alla visualizzazione dei risulta2
Configurazione delle tabelle sui cui si vogliono salvare i risulta: dell'algoritmo
HANA APRIORI: configurazione dei parametri per l'algoritmo
Le transazioni di partenza : collegamento direFo con una Analy:c View su HANA
Predic1ve Analy1cs -‐ Predic1ve Analysis Tool (2/2)
10
venerdì 31 maggio 13
CHALLENGES
ANOMALIES
RELATIONSHIP
MARKETING
FORECASTING
Market Basket AnalysisEvidenza delle regole associa1ve tra i prodo^ al fine di consen1re delle poli1che di vendita mirate
Previsione Insolu4Classificare in an1cipo un nuovo cliente in base al suo profilo in modo da poter alzare degli alert preven1viFraud Detec4on Previsioni delle frodi interne ed esterne, riducendo le perdite derivan1 da comportamen1 scorre^ del consumatore o del dipendente.
Demand forecastLe a^vità di previsione sono complesse, poiché i faGori da tenere in considerazione sono numerosi: il mercato, i compe1tors, la propria offerta di prodoGo, le promozioni sono solo alcuni tra ques1.
Targe4ngDefinisce liste di clien1 o potenziali clien1 da contaGare per azioni commerciali.Churn RiskEvidenzia i clien1 che rischiano di abbandonare o di ridurre la propria spesa a vantaggio della concorrenza.Best Next Individua la miglior offerta da proporre a ciascun cliente.
Predic1ve Analy1cs -‐ gli ambi1 di interesse
11
venerdì 31 maggio 13
Business Intelligence & Analy1csorganizzazione, processi, tecnologie
SAP BusinessObjects Solu2ons
BI Evolu1on&
Harmoniza1on
innova1onand
g a m e -‐ c h a n g i n g solu1ons
SAP® HANAON STAGE
venerdì 31 maggio 13