Hjertet banker ca. 2 standardafvigelser hurtigere i brystet på statistikeren, nu hvor SAP Predictive Analysis fungerer direkte oven på et SAP BW: mulighederne for at finde fakta i det store datalager, er med ét slag blevet meget lettere! Inden du kaster dig ud i et pilot projekt eller en regulær implementering, skal du vende nedenstående fire punkter, for at sikre, at det bliver en succes:
1. Ja, det er statistik!
Uanset hvordan man ser på det, så kommer man til at beskæftige sig med statistik – noget som for mange mennesker er usexet, svært at forholde sig til og abstrakt. På overfladen ser det nok tilforladeligt ud, idet man har et lækkert værktøj mellem hænderne, men så snart man kradser lidt i overfladen, er det nødvendigt at forstå den bagvedliggende statistik, hvis man vil have noget brugbart ud af øvelsen. Der er altså ingen vej udenom: du skal vide, hvordan du skal forstå, fortolke og forklare resultatet. Ellers går det galt. Du skal derfor have styr på din teori.
2. Big Data er ikke lig Predictive Analytics
Det er utroligt populært, at klistre mærkatet ”Big Data” på alt, hvad der har med statistisk analyse af data at gøre – fint nok, hvis det er det, der skal til for at du kan få din funding, men det er altså ikke nødvendigt med et helt vognlæs af data, for at kunne finde meningsfyldte sammenhænge og mønstre. Et par tusind observationer kan faktisk være helt fint.
Naturligvis er mere lig med bedre, så man kan teste modellens validitet og reliabilitet, men det er ikke et krav for at komme i gang.
3. Master Data Management
Ja. Det gælder også her: du skal have styr på dine stamdata. Nu hvor du kan trække på data i et BW, så er dette punkt særlig aktuelt. Du har selvfølgelig allerede styr på dine stamdata i dit BW, men det er jo set, at der findes flere forekomster af den samme forretningsstørrelse så som kunder, leverandører, forretningsområder, materialer etc. Så det skal der lige være styr på først og det kan fint klares med et eksternt hierarki i BW, for at gruppere fx flere kundenumre, idet hierarkiet bliver forvandlet til en flad liste i Predictive Analytics.
4. Business case
Den gyldne regel finder også sin anvendelse, når du skal til at spå med Predictive Analytics: ham, der har guldet, laver reglerne og i op til 43% af tilfældene, vil han ikke slippe slanterne. Så hvis du skal undgå, at det bliver en ren teknisk/statistisk øvelse, skal du som minimum kunne sandsynliggøre, at der på en eller anden måde kan skrabes flere penge hjem, ved at opnå den indsigt, som analysen giver. Det behøver ikke være mere forkromet, end at appelere til den sunde fornuft i at opnå indsigten, for at kunne agere på baggrund af fakta frem for formodninger.
God fornøjelse og kontakt os gerne, hvis du har spørgsmål! Innologic kan kontaktes på + 45 31 63 41 00 eller contact@innologic.dk.