类似推荐
编辑推荐
经验丰富的SAP专家撰写，全方位阐释如何使用多种数据分析工具来解决有关SAP数据的问题。
内容简介
本书向SAP专业人员介绍了机器学习和神经网络等数据科学基本原理，也向数据科学家介绍了SAP系统的数据结构和数据服务等概念和过程。接着介绍了数据探索性分析和异常检测这两个非常基础又十分重要的数据准备阶段，然后通过模拟BigBonanzaWarehouse的业务场景，进行基于时间序列的销量预测分析、基于聚类的客户细分、基于关联规则的数据挖掘和基于自然语言处理的情感分析等实际分析过程。
章节目录
版权信息
O'Reilly Media, Inc.介绍
业界评论
译者序
前言
第1章 绪论
1.1 用数据讲述更好的故事
1.2 面向SAP专业人员的数据科学
1.3 面向数据科学家的SAP
1.4 角色与职责
1.5 小结
第2章 面向SAP专业人员的数据科学
2.1 机器学习
2.1.1 有监督机器学习
2.1.2 无监督机器学习
2.1.3 半监督机器学习
2.1.4 强化机器学习
2.2 神经网络
2.3 小结
第3章 面向数据科学家的SAP
3.1 SAP入门
3.2 ABAP数据字典
3.2.1 表
3.2.2 结构
3.2.3 数据元素和域
3.2.4 where-used
3.2.5 ABAP QuickViewer
3.2.6 SE16导出
3.3 OData服务
3.4 核心数据服务
3.5 小结
第4章 用R语言进行探索性数据分析
4.1 EDA的四个阶段
4.2 阶段1：数据收集
4.3 阶段2：数据清洗
4.3.1 清除NULL
4.3.2 二值表示
4.4 删除多余的列
4.4.1 空格
4.4.2 数字
4.5 阶段3：数据分析
4.5.1 DataExplorer
4.5.2 离散特征
4.5.3 连续特征
4.6 阶段4：数据建模
4.6.1 TensorFlow和Keras
4.6.2 训练集和测试集分离
4.6.3 塑形和独热编码
4.6.4 recipes库
4.6.5 为神经网络准备数据
4.6.6 结果
4.7 小结
第5章 使用R和Python进行异常检测
5.1 异常的类型
5.2 R中的工具
5.2.1 AnomalyDetection
5.2.2 anomalize
5.2.3 获取数据
5.2.4 SAP ECC系统
5.2.5 SAP NetWeaver Gateway
5.2.6 SQL Server
5.3 发现异常
5.3.1 PowerBI和R
5.3.2 PowerBI和Python
5.4 小结
第6章 使用R和Python进行预测分析
6.1 使用R预测销量
6.1.1 步骤1：识别数据
6.1.2 步骤2：收集数据
6.1.3 步骤3：探索数据
6.1.4 步骤4：数据建模
6.1.5 步骤5：评估模型
6.2 使用Python预测销量
6.2.1 步骤1：识别数据
6.2.2 步骤2：收集数据
6.2.3 步骤3：探索数据
6.2.4 步骤4：数据建模
6.2.5 步骤5：评估模型
6.3 小结
第7章 使用R进行聚类和细分
7.1 理解聚类和细分
7.1.1 RFM
7.1.2 帕累托法则
7.1.3 k-means
7.1.4 k-medoid
7.1.5 层次聚类
7.1.6 时间序列聚类
7.2 步骤1：数据收集
7.3 步骤2：数据清洗
7.4 步骤3：数据分析
7.4.1 重新审视帕累托法则
7.4.2 寻找最佳聚类数
7.4.3 k-means聚类
7.4.4 k-medoid聚类
7.4.5 层次聚类
7.4.6 手工RFM
7.5 步骤4：结果报告
7.5.1 R Markdown代码
7.5.2 R Markdown Knit
7.6 小结
第8章 关联规则挖掘
8.1 了解关联规则挖掘
8.1.1 支持度
8.1.2 置信度
8.1.3 提升度
8.1.4 apriori算法
8.2 操作化概述
8.3 收集数据
8.4 清洗数据
8.5 分析数据
8.6 小结
第9章 使用谷歌云自然语言API进行自然语言处理
9.1 理解自然语言处理
9.1.1 情感分析
9.1.2 翻译
9.2 准备云API
9.3 收集数据
9.4 分析数据
9.5 小结
第10章 结语
10.1 不忘初心
10.2 内容回顾
10.3 提示和建议
10.3.1 要有创意
10.3.2 要务实
10.3.3 要享受过程
10.4 保持联系
作者简介
封面简介
基于SAP的企业级实用数据分析是2021年由机械工业出版社华章分社出版,作者[美] 格雷格·福斯。
得书感谢您对《基于SAP的企业级实用数据分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
