استخرج الرؤى من SAP ERP مع حلول ML بدون رمز باستخدام Amazon AppFlow و Amazon SageMaker Canvas

يبحث العملاء في صناعات مثل السلع الاستهلاكية المعبأة والتصنيع وتجارة التجزئة دائمًا عن طرق لتمكين عملياتهم التشغيلية من خلال إثرائهم بالرؤى والتحليلات الناتجة عن البيانات. تؤثر المهام مثل التنبؤ بالمبيعات بشكل مباشر على عمليات مثل تخطيط المواد الخام والمشتريات والتصنيع والتوزيع والخدمات اللوجستية الواردة / الصادرة ، ويمكن أن يكون لها العديد من مستويات التأثير ، من مستودع واحد وصولاً إلى مرافق الإنتاج واسعة النطاق.

يستخدم ممثلو ومديرو المبيعات بيانات المبيعات التاريخية لعمل تنبؤات مستنيرة حول اتجاهات المبيعات المستقبلية. يستخدم العملاء SAP ERP Central Component (ECC) لإدارة التخطيط لتصنيع البضائع وبيعها وتوزيعها. تساعد وحدة المبيعات والتوزيع (SD) داخل SAP ECC في إدارة أوامر المبيعات. أنظمة SAP هي المصدر الأساسي لبيانات المبيعات التاريخية.

يتمتع ممثلو ومديرو المبيعات بالمعرفة بالمجال والفهم المتعمق لبيانات المبيعات الخاصة بهم. ومع ذلك ، فإنهم يفتقرون إلى مهارات علوم البيانات والبرمجة لإنشاء نماذج التعلم الآلي (ML) التي يمكنها توليد توقعات المبيعات. إنهم يبحثون عن أدوات بديهية وسهلة الاستخدام لإنشاء نماذج ML دون كتابة سطر واحد من التعليمات البرمجية.

لمساعدة المؤسسات على تحقيق المرونة والفعالية التي يسعى إليها محللو الأعمال ، نحن أدخلت قماش أمازون سيج ميكر، حل ML بدون رمز يساعدك على تسريع تسليم حلول ML حتى ساعات أو أيام. يتيح Canvas للمحللين استخدام البيانات المتاحة بسهولة في بحيرات البيانات ومستودعات البيانات ومخازن البيانات التشغيلية ؛ بناء نماذج ML ؛ واستخدامها لعمل تنبؤات بشكل تفاعلي ولتسجيل الدفعة على مجموعات البيانات المجمعة — كل ذلك بدون كتابة سطر واحد من التعليمات البرمجية.

في هذا المنشور ، نعرض كيفية إحضار بيانات أوامر المبيعات من SAP ECC لإنشاء توقعات المبيعات باستخدام نموذج ML الذي تم إنشاؤه باستخدام Canvas.

حل نظرة عامة

لإنشاء توقعات المبيعات باستخدام بيانات مبيعات SAP ، نحتاج إلى تعاون شخصين: مهندسي البيانات ومحللي الأعمال (مندوبي المبيعات والمديرين). مهندسو البيانات مسؤولون عن تكوين تصدير البيانات من نظام SAP إلى خدمة تخزين أمازون البسيطة (Amazon S3) باستخدام الأمازون AppFlow، والتي يمكن لمحللي الأعمال تشغيلها إما عند الطلب أو تلقائيًا (حسب الجدول الزمني) لتحديث بيانات SAP في حاوية S3. بعد ذلك ، يكون محللو الأعمال مسؤولين عن إنشاء تنبؤات بالبيانات المصدرة باستخدام Canvas. يوضح الرسم التخطيطي التالي سير العمل هذا.

في هذا المنشور ، نستخدم SAP نموذج مشتريات NetWeaver Enterprise (EPM) لبيانات العينة. يستخدم EPM عمومًا لأغراض العرض والاختبار في SAP. يستخدم نموذج إجراءات العمل الشائع ويتبع نموذج كائن الأعمال (BO) لدعم منطق أعمال محدد جيدًا. استخدمنا معاملة SAP SEPM_DG (منشئ البيانات) لإنشاء حوالي 80,000 أمر مبيعات تاريخي وإنشاء طريقة عرض HANA CDS لتجميع البيانات حسب معرف المنتج وتاريخ المبيعات والمدينة ، كما هو موضح في الكود التالي:

@AbapCatalog.sqlViewName: 'ZCDS_EPM_VIEW'
@AbapCatalog.compiler.compareFilter: true
@AbapCatalog.preserveKey: true
@AccessControl.authorizationCheck: #CHECK
@EndUserText.label: 'Sagemaker canvas sales order'
@OData.publish: true define view ZCDS_EPM as select from epm_v_sales_data as sd
inner join epm_v_bp as bp on sd.bp_id = bp.bp_id { key sd.product_id as productid, bp.city, concat( cast( Concat( Concat( Concat(substring(cast (sd.created_at as abap.char( 30 )), 1, 4), '-'), Concat(substring(cast (sd.created_at as abap.char( 30 )), 5, 2), '-') ), Substring(cast (sd.created_at as abap.char( 30 )), 7, 2) ) as char10 preserving type),' 00:00:00') as saledate, cast(sum(sd.gross_amount) as abap.dec( 15, 3 )) as totalsales }
group by sd.product_id,sd.created_at, bp.city

في القسم التالي ، نعرض طريقة العرض هذه باستخدام خدمات SAP OData كهيكل ABAP ، والذي يسمح لنا باستخراج البيانات باستخدام Amazon AppFlow.

يوضح الجدول التالي بيانات المبيعات التاريخية التمثيلية من SAP ، والتي نستخدمها في هذا المنشور.

ملف البيانات عبارة عن بيانات تاريخية للتردد اليومي. لها أربعة أعمدة (productid, saledate, cityو totalsales). نستخدم Canvas لبناء نموذج ML يستخدم للتنبؤ totalsales For productid في مدينة معينة.

تم تنظيم هذا المنشور لإظهار الأنشطة والمسؤوليات لكل من مهندسي البيانات ومحللي الأعمال لإنشاء توقعات مبيعات المنتج.

مهندس البيانات: استخراج مجموعة البيانات وتحويلها وتحميلها من SAP إلى Amazon S3 باستخدام Amazon AppFlow

تتمثل المهمة الأولى التي تقوم بها كمهندس بيانات في تشغيل وظيفة استخراج وتحويل وتحميل (ETL) على بيانات المبيعات التاريخية من SAP ECC إلى حاوية S3 ، والتي يستخدمها محلل الأعمال كمجموعة بيانات مصدر لنموذج التنبؤ الخاص به. لهذا الغرض ، نستخدم Amazon AppFlow ، لأنه يوفر خيارًا خارج الصندوق موصل SAP OData لـ ETL (كما هو موضح في الرسم البياني التالي) ، مع واجهة مستخدم بسيطة لإعداد كل ما يلزم لتكوين الاتصال من SAP ECC إلى حاوية S3.

المتطلبات الأساسية المسبقة

فيما يلي متطلبات تكامل Amazon AppFlow مع SAP:

• إصدار SAP NetWeaver Stack 7.40 SP02 أو أعلى
• تم تمكين خدمة الكتالوج (OData v2.0 / v2.0) في بوابة SAP لاكتشاف الخدمة
• دعم خيارات ترقيم الصفحات من جانب العميل والاستعلام لخدمة SAP OData
• اتصال HTTPS ممكّن بـ SAP

التحقّق من المُستخدم

يدعم Amazon AppFlow آليتي مصادقة للاتصال بـ SAP:

• الباقة الأساسية - يصادق باستخدام اسم مستخدم وكلمة مرور SAP OData.
• بروتوكول OAuth 2.0 - يستخدم تكوين OAuth 2.0 مع موفر الهوية. يجب تمكين OAuth 2.0 لخدمات OData v2.0 / v2.0.

الاتصال

يمكن لـ Amazon AppFlow الاتصال بـ SAP ECC باستخدام واجهة SAP OData عامة أو اتصال خاص. يعمل الاتصال الخاص على تحسين خصوصية البيانات وأمانها عن طريق نقل البيانات عبر شبكة AWS الخاصة بدلاً من الإنترنت العام. يستخدم الاتصال الخاص خدمة نقطة نهاية VPC لمثيل SAP OData الذي يعمل في VPC. يجب أن تتضمن خدمة نقطة نهاية VPC مبدأ خدمة Amazon AppFlow appflow.amazonaws.com كمسؤول أساسي مسموح به ويجب أن يكون متاحًا في أكثر من 50٪ على الأقل من مناطق توافر الخدمات في منطقة AWS.

قم بإعداد التدفق في Amazon AppFlow

نقوم بتكوين تدفق جديد في Amazon AppFlow لتشغيل مهمة ETL على البيانات من SAP إلى حاوية S3. يسمح هذا التدفق بتكوين موصل SAP OData كمصدر ، ودلو S3 كوجهة ، وتحديد كائن OData ، وتعيين البيانات ، والتحقق من صحة البيانات ، وتصفية البيانات.

1. قم بتكوين موصل SAP OData كمصدر بيانات من خلال توفير المعلومات التالية:
   1. عنوان URL لمضيف التطبيق
   2. مسار خدمة التطبيق (مسار الكتالوج)
   3. رقم المنفذ
   4. رقم الزبون
   5. لغة تسجيل الدخول
   6. نوع الاتصال (ارتباط خاص أو عام)
   7. وضع مصادقة
   8. اسم الاتصال للتكوين
      
2. بعد تكوين المصدر ، اختر كائن OData والكائن الفرعي لأوامر المبيعات.
   بشكل عام ، يتم تصدير بيانات المبيعات من SAP بتردد معين ، مثل شهريًا أو ربع سنويًا بالحجم الكامل. بالنسبة لهذا المنشور ، حدد خيار الكائن الفرعي للتصدير بالحجم الكامل.
   
3. اختر حاوية S3 كوجهة.
   يقوم التدفق بتصدير البيانات إلى هذه المجموعة.
   
4. في حالة تفضيل تنسيق البيانات، حدد تنسيق كسف.
5. في حالة تفضيل نقل البيانات، حدد اجمع كل السجلات.
6. في حالة تفضيل اسم الملف، حدد أضف طابعًا زمنيًا إلى اسم الملف.
7. في حالة تفضيل بنية المجلد، حدد لا يوجد مجلد ذو طابع زمني.
   يقوم تكوين تجميع السجلات بتصدير بيانات المبيعات بالحجم الكامل من SAP مجمعة في ملف واحد. ينتهي اسم الملف بطابع زمني بتنسيق YYYY-MM-DDTHH: mm: ss في مجلد واحد (اسم التدفق) داخل حاوية S3. تستورد Canvas البيانات من هذا الملف الفردي للتدريب على النموذج والتنبؤ.
   
8. قم بتكوين تعيين البيانات وعمليات التحقق من الصحة لتعيين حقول البيانات المصدر إلى حقول البيانات الوجهة ، وتمكين قواعد التحقق من صحة البيانات كما هو مطلوب.
   
9. يمكنك أيضًا تكوين شروط تصفية البيانات لتصفية سجلات محددة إذا كانت متطلباتك تتطلب ذلك.
   
10. قم بتكوين مشغل التدفق الخاص بك لتحديد ما إذا كان التدفق يعمل يدويًا عند الطلب أو تلقائيًا استنادًا إلى جدول.
    عند تكوينه لجدول ، يعتمد التكرار على مدى تكرار الحاجة إلى إنشاء التنبؤ (بشكل عام شهريًا أو ربع سنويًا أو نصف سنوي).
    بعد تكوين التدفق ، يمكن لمحللي الأعمال تشغيله عند الطلب أو بناءً على الجدول الزمني لأداء مهمة ETL في بيانات أمر المبيعات من SAP إلى حاوية S3.
11. بالإضافة إلى تكوين Amazon AppFlow ، يحتاج مهندسو البيانات أيضًا إلى تكوين ملف إدارة الهوية والوصول AWS (IAM) لـ Canvas حتى تتمكن من الوصول إلى خدمات AWS الأخرى. للحصول على تعليمات ، الرجوع إلى امنح المستخدمين أذونات لإجراء التنبؤ بالسلسلة الزمنية.

محلل الأعمال: استخدم بيانات المبيعات التاريخية لتدريب نموذج التنبؤ

دعنا نبدل التروس وننتقل إلى جانب محلل الأعمال. بصفتنا محلل أعمال ، فإننا نبحث عن خدمة مرئية ونقرية تجعل من السهل إنشاء نماذج تعلم الآلة وإنشاء تنبؤات دقيقة دون كتابة سطر واحد من التعليمات البرمجية أو امتلاك خبرة في تعلم الآلة. قماش يناسب المتطلبات كحل ML بدون رمز.

أولاً ، تأكد من تكوين دور IAM الخاص بك بطريقة تمكن Canvas من الوصول إلى خدمات AWS الأخرى. لمزيد من المعلومات ، يرجى الرجوع إلى امنح المستخدمين أذونات لإجراء التنبؤ بالسلسلة الزمنية، أو يمكنك طلب المساعدة من فريق الهندسة السحابية.

عندما ينتهي مهندس البيانات من إعداد تكوين ETL المستند إلى Amazon AppFlow ، تتوفر بيانات المبيعات التاريخية لك في حاوية S3.

أنت الآن جاهز لتدريب نموذج باستخدام Canvas! يتضمن هذا عادةً أربع خطوات: استيراد البيانات إلى الخدمة ، وتكوين تدريب النموذج عن طريق اختيار نوع النموذج المناسب ، وتدريب النموذج ، وأخيراً إنشاء تنبؤات باستخدام النموذج.

استيراد البيانات في Canvas

أولاً ، قم بتشغيل تطبيق Canvas من ملف الأمازون SageMaker وحدة التحكم أو من وصول تسجيل الدخول الفردي الخاص بك. إذا كنت لا تعرف كيفية القيام بذلك ، فاتصل بالمسؤول حتى يتمكن من إرشادك خلال عملية إعداد Canvas. تأكد من وصولك إلى الخدمة في نفس المنطقة مثل حاوية S3 التي تحتوي على مجموعة البيانات التاريخية من SAP. يجب أن تشاهد شاشة مثل التالية.

ثم أكمل الخطوات التالية:

1. في قماش ، اختر قواعد البيانات في جزء التنقل.
2. اختار استيراد لبدء استيراد البيانات من حاوية S3.
   
3. في شاشة الاستيراد ، اختر ملف البيانات أو العنصر من حاوية S3 لاستيراد بيانات التدريب.
   

يمكنك استيراد مجموعات بيانات متعددة في Canvas. كما أنه يدعم إنشاء صلات بين مجموعات البيانات عن طريق الاختيار ضم البيانات، وهو أمر مفيد بشكل خاص عندما تنتشر بيانات التدريب عبر ملفات متعددة.

تكوين النموذج وتدريبه

بعد استيراد البيانات ، أكمل الخطوات التالية:

1. اختار الموديلات في جزء التنقل.
2. اختار النموذج الجديد لبدء التكوين لتدريب نموذج التنبؤ.
   
3. بالنسبة للنموذج الجديد ، امنحه اسمًا مناسبًا ، مثل product_sales_forecast_model.
4. حدد مجموعة بيانات المبيعات واختر حدد مجموعة البيانات.
   
   بعد تحديد مجموعة البيانات ، يمكنك مشاهدة إحصائيات البيانات وتكوين نموذج التدريب في علامة التبويب إنشاء.
   
5. أختار إجمالي المبيعات كعمود الهدف للتنبؤ.
   يمكنك ان ترى التنبؤ بالسلاسل الزمنية يتم تحديده تلقائيًا كنوع النموذج.
6. اختار ضبط.
   
7. في مجلة تكوين توقع السلاسل الزمنية القسم، اختر معرف المنتج For عمود معرف العنصر.
8. اختار مدن For عمود المجموعة.
9. اختار سيداتي For عمود الطابع الزمني.
10. في حالة أيام، أدخل 120.
11. اختار حفظ.
    يؤدي هذا إلى تكوين النموذج لعمل تنبؤات لـ totalsales لمدة 120 يومًا باستخدام saledate استنادًا إلى البيانات التاريخية التي يمكن الاستعلام عنها productid و city.
    
12. عند اكتمال تكوين نموذج التدريب ، اختر بناء قياسي لبدء التدريب النموذجي.

• معاينة النموذج الخيار غير متاح لنوع نموذج التنبؤ بالسلاسل الزمنية. يمكنك مراجعة الوقت المقدر لتدريب النموذج على حلل علامة التبويب.

قد يستغرق تدريب النموذج من 1 إلى 4 ساعات حتى يكتمل ، اعتمادًا على حجم البيانات. عندما يكون النموذج جاهزًا ، يمكنك استخدامه لإنشاء التنبؤ.

توليد توقعات

عند اكتمال تدريب النموذج ، فإنه يُظهر دقة التنبؤ للنموذج الموجود على حلل التبويب. على سبيل المثال ، في هذا المثال ، تظهر دقة التنبؤ بنسبة 92.87٪.

يتم إنشاء التوقعات في تنبؤ التبويب. يمكنك إنشاء تنبؤات لجميع العناصر أو عنصر واحد محدد. كما تعرض أيضًا نطاق التاريخ الذي يمكن إنشاء التنبؤ فيه.

كمثال ، اختر ملف عنصر واحد اختيار. تحديد P-2 For العناصر و كيتو For تجمع لإنشاء تنبؤ للمنتج P-2 لمدينة كيتو للنطاق الزمني 2017-08-15 00:00:00 خلال 2017-12-13 00:00:00.

يُظهر التنبؤ الذي تم إنشاؤه متوسط ​​التوقعات بالإضافة إلى الحد العلوي والسفلي للتنبؤ. تساعد حدود التنبؤ في تكوين نهج قوي أو متوازن للتعامل مع التوقعات.

يمكنك أيضًا تنزيل التوقعات التي تم إنشاؤها كملف CSV أو صورة. يتم استخدام ملف CSV الذي تم إنشاؤه للتنبؤ بشكل عام للعمل دون اتصال مع بيانات التنبؤ.

يتم الآن إنشاء التنبؤ لبيانات السلاسل الزمنية. عندما يصبح خط أساسي جديد للبيانات متاحًا للتنبؤ ، يمكنك تغيير مجموعة البيانات في Canvas لإعادة تدريب نموذج التنبؤ باستخدام الخط الأساسي الجديد.

يمكنك إعادة تدريب النموذج عدة مرات عندما تتغير بيانات التدريب.

وفي الختام

في هذا المنشور ، تعرفت على كيفية قيام Amazon AppFlow SAP OData Connector بتصدير بيانات أوامر المبيعات من نظام SAP إلى حاوية S3 ثم كيفية استخدام Canvas لإنشاء نموذج للتنبؤ.

يمكنك استخدام Canvas لأي سيناريوهات لبيانات السلاسل الزمنية لـ SAP ، مثل توقع المصاريف أو الإيرادات. عملية توليد التنبؤ بأكملها مدفوعة بالتكوين. يمكن لمديري وممثلي المبيعات إنشاء توقعات المبيعات بشكل متكرر شهريًا أو كل ربع سنة باستخدام مجموعة محدثة من البيانات بطريقة سريعة ومباشرة وبديهية دون كتابة سطر واحد من التعليمات البرمجية. يساعد هذا في تحسين الإنتاجية ويمكّن من التخطيط السريع واتخاذ القرارات.

للبدء ، تعرف على المزيد حول Canvas و Amazon AppFlow باستخدام الموارد التالية:

• دليل مطور Amazon SageMaker Canvas
• الإعلان عن Amazon SageMaker Canvas - قدرة التعلم الآلي المرئية بدون تعليمات برمجية لمحللي الأعمال
• استخرج البيانات من SAP ERP وBW باستخدام Amazon AppFlow
• تكوين موصل SAP OData

حول المؤلف

براجيندرا سينغ مهندس حلول في Amazon Web Services يعمل مع عملاء المؤسسات. يتمتع بخلفية مطورة قوية وهو متحمس جدًا لحلول البيانات والتعلم الآلي.

دافيد جاليتيلي مهندس حلول متخصص للذكاء الاصطناعي / تعلم الآلة في منطقة أوروبا والشرق الأوسط وإفريقيا. يقيم في بروكسل ويعمل بشكل وثيق مع العملاء في جميع أنحاء البنلوكس. لقد كان مطورًا منذ أن كان صغيرًا جدًا ، حيث بدأ البرمجة في سن السابعة. بدأ تعلم الذكاء الاصطناعي / تعلم الآلة في الجامعة ، ووقع في حبها منذ ذلك الحين.

• كوينسمارت. أفضل بورصة للبيتكوين والعملات المشفرة في أوروبا.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. دخول مجاني.
• كريبتوهوك. الرادار. تجربة مجانية.
• المصدر: https://aws.amazon.com/blogs/machine-learning/extract-insights-from-sap-erp-with-no-code-ml-solutions-with-amazon-appflow-and-amazon-sagemaker- اللوحة القماشية/