Data Mining in SAP NetWeaver BI (SAP PRESS) [Gebundene Ausgabe]

„Mit diesem Buch haben Sie bei SAP BI die Nase vorn. Business-Intelligence-Lösungen sind die Zukunft, also Gas geben.“ „Die Vorstellung relevanter Themen im einsatz von SAP BI gelingt beiden Authoren wunderbar. SAP ausgelieferte Verfahren werden erlüutert und potentielle Wege aufgezeigt wie sie für sich die beste Mischung schaffen können. Die aus dem Werkzeug "Analyseprozess-Designer" sich ergebenden Möglichkeiten zur optimierung von Prozessen, sollte man unbedingt nutzen. Warum erklärt das Buch in leicht verständlicher und übersichtlicher Form. Jeder IT Experte hat das Ziel seine eigene Umgebung so gut wie möglich in SAP abzubilden. Daher behandelt das Buch auch die Entwicklung und der Einsatz eigener Verfahren. Wie wir bereits aus Produkten wie Microsoft SQL Server 2000 erfahren haben, ist Data-Mining ein sehr interessantes Verfahren um Daten von diversen Plattform zu sammeln und in einem zentralen System abzubilden. Hier ist SAP der Erdmittelpunkt für das Unternehmen, dass mit SAP BI solche Ziele realistisch verfolgen will.“ (MCSE Magazine )

Anfangs bot SAP mit dem SAP Business Information Warehouse nur ein vergleichsweise einfaches Werkzeug für das Berichtswesen in SAP R/3. Doch dabei ist es nicht geblieben. Mit der Weiterentwicklung SAP NetWeaver Business Intelligence (SAP NetWeaver BI), einer Komponente von SAP NetWeaver, lassen sich nicht nur riesige Datenmengen verwalten und anzeigen. Dank mathematischer Analyse-Verfahren lassen sich etwa neue Erkenntnisse aus den Daten gewinnen: Supermarktketten kommen den Kaufgewohnheiten ihrer Kunden auf die Spur, Banken können voraussagen, welche Kunden kreditwürdig sind und welche nicht. Das Buch „Data Mining in SAP NetWeaver BI“ erklärt gut lesbar und praxisnah, wie SAP ein solches Datenschürfen unterstützt. Das Buch richtet sich an SAP-Berater, die weder die SAP-Werkzeuge noch die Data-Mining-Theorie kennen. Behutsam führen die Autoren in die mathematischen Grundlagen ein. Beide sind Spezialisten für das Data Mining und haben viele SAP-Einführungsprojekte betreut. Die Kapiel, die die SAP-Werkzeuge beschreiben, sind mit vielen Screenshots versehen, so dass Berater das Buch wie eine Schritt-für-Schritt-Anleitung lesen können. Praxisberichte lockern die Darstellung auf. Das Buch ist in fünf Hauptkapitel gegliedert. Im ersten Kapitel stellen die Autoren die Aufgaben und Ziele des Data Minings vor. Dazu nutzen sie gängige Prozessmodelle, etwa den Cross-Industry Standard Process for Data Mining (CRISP DM). Solche Modelle beschreiben das Data Mining von der Datenaufbereitung über die Modellierung und die Umsetzung der Analysen und eignen sich deshalb auch zur Planung von Einführungsprojekten. Zu beachten ist beispielsweise die Qualität der Ausgangsdaten. So kann es vorkommen, dass Kundendaten so unvollständig sind, dass sie sich für Auswertungen gar nicht eignen. Das zweite Kapitel geht auf die Werkzeuge ein, die SAP NetWeaver BI für die Analyse von Daten bereitstellt. Dies sind die Analyseprozessdesigner-Workbench (APD Workbench) und die Data Mining Workbench (DM Workbench). Die APD Workbench dient dazu, Daten für die Auswertung vorzubereiten, zum Beispiel zu sortieren oder in ein einheitliches Format zu bringen. Mit der Data Mining Workbench definiert der Benutzer die eigentlichen Analysen, zum Beispiel statistische Regressionsanalysen, Cluster- oder Assoziationsanalysen. Wie diese Data-Mining-Verfahren genau funktionieren ist Thema der nachfolgenden Kapitel. Insgesamt elf Verfahren werden vorgestellt. Die Autoren teilen sie in drei Gruppen, denen sie jeweils ein eigenes Kapitel widmen: das „unüberwachte Lernen“, das „überwachte Lernen“ und evolutionäre Verfahren. Zum unüberwachten Lernen gehören die so genannte Cluster- und ABC-Analyse sowie Scoring-Verfahren. Bei diesen Verfahren teilt SAP NetWeaver BI die Daten selbstständig in Gruppen, um beispielsweise neue Zielgruppen zu finden. In der Autoindustrie werden auf diese Weise Ausstattungslinien ermittelt, die den Geschmack der Kunden am besten treffen. Beim überwachten Lernen hingegen gibt der Anwender Vergleichswerte vor, mit denen SAP NetWeaver BI die Daten bewertet. Als Verfahren zählt hierzu etwa die Regressionsanalyse. Im letzten Kapitel stellen die Autoren schließlich evolutionäre Algorithmen und neuronale Netze vor. Beide Verfahren ahmen Naturphänomene nach und sind für die Mustererkennung besonders gut geeignet. Allerdings zählen sie nicht zu den Standardverfahren in SAP NetWeaver BI und müssen selbst programmiert werden. Dass die Autoren auch diese Arbeitsschritte erklären, ist ein großes Plus des Buchs. Wer dieses Kapitel durcharbeitet, wird auch komplexere Verfahren mit SAP umsetzen können. All dies macht das Buch zu einer anregenden und nützlichen Lektüre. Der Leser lernt, das meiste aus SAP NetWeaver BI herauszuholen. (SAP-Info )

Infoweek-Empfehlung: Mit diesem Buch lernen SAP-Berater die Möglichkeiten und den konkreten Einsatz der SAP-Data-Mining-Komponente NetWeaver BI kennen. Martin Kiesswetter und Dirk Vahlkamp schaffen es, auf gerade mal 375 Seiten die umfangreichen Data-Mining-Möglichkeiten des aktuellen Release SAP NetWeaver 2004s BI in adäquater und spannender Form abzubilden. Nach einer kurzen Einführung beginnen die Autoren mit einer grundsätzlichen Klärung des Begriffs Data Mining und hierbei insbesondere dessen Aufgaben und Ziele im SAP-Umfeld. Im dritten Kapitel werden die in SAP NetWeaver BI zur Verfügung stehenden Werkzeuge, die APD Workbench und die DM Workbench vorgestellt. In den darauf folgenden Kapiteln werden konkrete Analysemethoden beschrieben, die ihrem Ansatz entsprechend in drei Gruppen unterteilt werden: unüberwachtes Lernen, überwachtes Lernen sowie neue Algorithmen und neuronale Netze. Die vorgestellten Beispiele sind dabei mit vielen Screenshots illustriert, und die grundlegenden statistischen Methoden werden in einer auch für Statistik-Laien verständlichen Sprache erklärt. (InfoWeek.ch )

Anfangs bot SAP mit dem SAP Business Information Warehouse nur ein vergleichsweise einfaches Werkzeug für das Berichtswesen in SAP R/3. Doch dabei ist es nicht geblieben. Mit der Weiterentwicklung SAP NetWeaver Business Intelligence (SAP NetWeaver BI), einer Komponente von SAP NetWeaver, lassen sich nicht nur riesige Datenmengen verwalten und anzeigen. Dank mathematischer Analyse-Verfahren lassen sich etwa neue Erkenntnisse aus den Daten gewinnen: Supermarktketten kommen den Kaufgewohnheiten ihrer Kunden auf die Spur, Banken können voraussagen, welche Kunden kreditwürdig sind und welche nicht.

Das Buch "Data Mining in SAP NetWeaver BI" erklärt gut lesbar und praxisnah, wie SAP ein solches Datenschürfen unterstützt. Das Buch richtet sich an SAP-Berater, die weder die SAP-Werkzeuge noch die Data-Mining-Theorie kennen. Behutsam führen die Autoren in die mathematischen Grundlagen ein. Beide sind Spezialisten für das Data Mining und haben viele SAP-Einführungsprojekte betreut. Die Kapiel, die die SAP-Werkzeuge beschreiben, sind mit vielen Screenshots versehen, so dass Berater das Buch wie eine Schritt-für-Schritt-Anleitung lesen können. Praxisberichte lockern die Darstellung auf.

Das Buch ist in fünf Hauptkapitel gegliedert. Im ersten Kapitel stellen die Autoren die Aufgaben und Ziele des Data Minings vor. Dazu nutzen sie gängige Prozessmodelle, etwa den Cross-Industry Standard Process for Data Mining (CRISP DM). Solche Modelle beschreiben das Data Mining von der Datenaufbereitung über die Modellierung und die Umsetzung der Analysen und eignen sich deshalb auch zur Planung von Einführungsprojekten. Zu beachten ist beispielsweise die Qualität der Ausgangsdaten. So kann es vorkommen, dass Kundendaten so unvollständig sind, dass sie sich für Auswertungen gar nicht eignen.

Das zweite Kapitel geht auf die Werkzeuge ein, die SAP NetWeaver BI für die Analyse von Daten bereitstellt. Dies sind die Analyseprozessdesigner-Workbench (APD Workbench) und die Data Mining Workbench (DM Workbench). Die APD Workbench dient dazu, Daten für die Auswertung vorzubereiten, zum Beispiel zu sortieren oder in ein einheitliches Format zu bringen. Mit der Data Mining Workbench definiert der Benutzer die eigentlichen Analysen, zum Beispiel statistische Regressionsanalysen, Cluster- oder Assoziationsanalysen.

Wie diese Data-Mining-Verfahren genau funktionieren ist Thema der nachfolgenden Kapitel. Insgesamt elf Verfahren werden vorgestellt. Die Autoren teilen sie in drei Gruppen, denen sie jeweils ein eigenes Kapitel widmen: das "unüberwachte Lernen", das "überwachte Lernen" und evolutionäre Verfahren. Zum unüberwachten Lernen gehören die so genannte Cluster- und ABC-Analyse sowie Scoring-Verfahren. Bei diesen Verfahren teilt SAP NetWeaver BI die Daten selbstständig in Gruppen, um beispielsweise neue Zielgruppen zu finden. In der Autoindustrie werden auf diese Weise Ausstattungslinien ermittelt, die den Geschmack der Kunden am besten treffen. Beim überwachten Lernen hingegen gibt der Anwender Vergleichswerte vor, mit denen SAP NetWeaver BI die Daten bewertet. Als Verfahren zählt hierzu etwa die Regressionsanalyse.

Im letzten Kapitel stellen die Autoren schließlich evolutionäre Algorithmen und neuronale Netze vor. Beide Verfahren ahmen Naturphänomene nach und sind für die Mustererkennung besonders gut geeignet. Allerdings zählen sie nicht zu den Standardverfahren in SAP NetWeaver BI und müssen selbst programmiert werden. Dass die Autoren auch diese Arbeitsschritte erklären, ist ein großes Plus des Buchs. Wer dieses Kapitel durcharbeitet, wird auch komplexere Verfahren mit SAP umsetzen können.

All dies macht das Buch zu einer anregenden und nützlichen Lektüre. Der Leser lernt, das meiste aus SAP NetWeaver BI herauszuholen.