Amazon AppFlow और Amazon SageMaker Canvas के साथ नो-कोड ML सॉल्यूशंस के साथ SAP ERP से अंतर्दृष्टि निकालें

उपभोक्ता पैकेज्ड सामान, विनिर्माण और खुदरा जैसे उद्योगों में ग्राहक हमेशा डेटा से उत्पन्न अंतर्दृष्टि और विश्लेषण के साथ उन्हें समृद्ध करके अपनी परिचालन प्रक्रियाओं को सशक्त बनाने के तरीकों की तलाश में रहते हैं। बिक्री पूर्वानुमान जैसे कार्य कच्चे माल की योजना, खरीद, निर्माण, वितरण, और इनबाउंड/आउटबाउंड लॉजिस्टिक्स जैसे कार्यों को सीधे प्रभावित करते हैं, और इसके प्रभाव के कई स्तर हो सकते हैं, एक ही गोदाम से लेकर बड़े पैमाने पर उत्पादन सुविधाओं तक।

बिक्री प्रतिनिधि और प्रबंधक भविष्य के बिक्री रुझानों के बारे में सूचित भविष्यवाणी करने के लिए ऐतिहासिक बिक्री डेटा का उपयोग करते हैं। ग्राहक माल के निर्माण, बिक्री और वितरण के लिए योजना का प्रबंधन करने के लिए एसएपी ईआरपी सेंट्रल कंपोनेंट (ईसीसी) का उपयोग करते हैं। एसएपी ईसीसी के भीतर बिक्री और वितरण (एसडी) मॉड्यूल बिक्री आदेशों को प्रबंधित करने में मदद करता है। SAP सिस्टम ऐतिहासिक बिक्री डेटा का प्राथमिक स्रोत हैं।

बिक्री प्रतिनिधियों और प्रबंधकों को डोमेन ज्ञान और उनके बिक्री डेटा की गहन समझ है। हालांकि, उनके पास मशीन लर्निंग (एमएल) मॉडल बनाने के लिए डेटा विज्ञान और प्रोग्रामिंग कौशल की कमी है जो बिक्री पूर्वानुमान उत्पन्न कर सकते हैं। वे कोड की एक भी पंक्ति लिखे बिना एमएल मॉडल बनाने के लिए सहज, उपयोग में आसान टूल की तलाश करते हैं।

संगठनों को उस चपलता और प्रभावशीलता को प्राप्त करने में मदद करने के लिए जो व्यापार विश्लेषक चाहते हैं, हम शुरू की अमेज़ॅन सेजमेकर कैनवास, एक नो-कोड एमएल समाधान जो आपको एमएल समाधानों के वितरण को घंटों या दिनों तक तेज करने में मदद करता है। कैनवास विश्लेषकों को डेटा लेक, डेटा वेयरहाउस और परिचालन डेटा स्टोर में उपलब्ध डेटा का आसानी से उपयोग करने में सक्षम बनाता है; एमएल मॉडल का निर्माण; और उनका उपयोग अंतःक्रियात्मक रूप से भविष्यवाणियां करने और बल्क डेटासेट पर बैच स्कोरिंग के लिए करें—सभी बिना कोड की एक पंक्ति लिखे।

इस पोस्ट में, हम दिखाते हैं कि कैनवास का उपयोग करके निर्मित एमएल मॉडल का उपयोग करके बिक्री पूर्वानुमान उत्पन्न करने के लिए एसएपी ईसीसी से बिक्री आदेश डेटा कैसे लाया जाए।

समाधान अवलोकन

SAP बिक्री डेटा का उपयोग करके बिक्री पूर्वानुमान उत्पन्न करने के लिए, हमें दो व्यक्तियों के सहयोग की आवश्यकता है: डेटा इंजीनियर और व्यवसाय विश्लेषक (बिक्री प्रतिनिधि और प्रबंधक)। SAP सिस्टम से डेटा निर्यात को कॉन्फ़िगर करने के लिए डेटा इंजीनियर जिम्मेदार हैं अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) का उपयोग कर अमेज़न ऐपफ्लो, जिसे व्यवसाय विश्लेषक S3 बकेट में SAP डेटा रीफ़्रेश करने के लिए या तो ऑन-डिमांड या स्वचालित रूप से (अनुसूची-आधारित) चला सकते हैं। व्यापार विश्लेषक तब कैनवास का उपयोग करके निर्यात किए गए डेटा के साथ पूर्वानुमान उत्पन्न करने के लिए जिम्मेदार होते हैं। निम्न आरेख इस वर्कफ़्लो को दिखाता है।

इस पोस्ट के लिए, हम SAP . का उपयोग करते हैं नेटवीवर एंटरप्राइज प्रोक्योरमेंट मॉडल (ईपीएम) नमूना डेटा के लिए। ईपीएम आमतौर पर एसएपी में प्रदर्शन और परीक्षण उद्देश्यों के लिए प्रयोग किया जाता है। यह सामान्य व्यवसाय प्रक्रिया मॉडल का उपयोग करता है और एक अच्छी तरह से परिभाषित व्यावसायिक तर्क का समर्थन करने के लिए व्यावसायिक वस्तु (बीओ) प्रतिमान का अनुसरण करता है। हमने लगभग 80,000 ऐतिहासिक बिक्री ऑर्डर जेनरेट करने के लिए SAP ट्रांजैक्शन SEPM_DG (डेटा जेनरेटर) का उपयोग किया और उत्पाद आईडी, बिक्री तिथि और शहर द्वारा डेटा को एकत्रित करने के लिए एक HANA CDS व्यू बनाया, जैसा कि निम्नलिखित कोड में दिखाया गया है:

@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

अगले भाग में, हम ABAP संरचना के रूप में SAP OData सेवाओं का उपयोग करके इस दृश्य को उजागर करते हैं, जो हमें Amazon AppFlow के साथ डेटा निकालने की अनुमति देता है।

निम्न तालिका एसएपी से प्रतिनिधि ऐतिहासिक बिक्री डेटा दिखाती है, जिसका उपयोग हम इस पोस्ट में करते हैं।

डेटा फ़ाइल दैनिक आवृत्ति ऐतिहासिक डेटा है। इसमें चार स्तंभ हैं (productid, saledate, city, तथा totalsales) हम एक एमएल मॉडल बनाने के लिए कैनवास का उपयोग करते हैं जिसका उपयोग पूर्वानुमान करने के लिए किया जाता है totalsales एसटी productid किसी विशेष शहर में।

उत्पाद बिक्री पूर्वानुमान उत्पन्न करने के लिए डेटा इंजीनियरों और व्यापार विश्लेषकों दोनों के लिए गतिविधियों और जिम्मेदारियों को दिखाने के लिए इस पोस्ट का आयोजन किया गया है।

डेटा इंजीनियर: Amazon AppFlow के साथ डेटासेट को SAP से Amazon S3 में निकालें, रूपांतरित करें और लोड करें

डेटा इंजीनियर के रूप में आप जो पहला काम करते हैं, वह है एसएपी ईसीसी से एस3 बकेट में ऐतिहासिक बिक्री डेटा पर एक्सट्रैक्ट, ट्रांसफॉर्म और लोड (ईटीएल) जॉब चलाना, जिसे बिजनेस एनालिस्ट अपने फोरकास्टिंग मॉडल के लिए सोर्स डेटासेट के रूप में इस्तेमाल करता है। इसके लिए हम Amazon AppFlow का उपयोग करते हैं, क्योंकि यह एक आउट-ऑफ-द-बॉक्स प्रदान करता है एसएपी ओडाटा कनेक्टर ETL के लिए (जैसा कि निम्नलिखित आरेख में दिखाया गया है), SAP ECC से S3 बकेट में कनेक्शन को कॉन्फ़िगर करने के लिए आवश्यक सब कुछ सेट करने के लिए एक साधारण UI के साथ।

.. पूर्वापेक्षाएँ

Amazon AppFlow को SAP के साथ एकीकृत करने के लिए निम्नलिखित आवश्यकताएं हैं:

• SAP NetWeaver Stack संस्करण 7.40 SP02 या इसके बाद के संस्करण
• सेवा खोज के लिए SAP गेटवे में कैटलॉग सेवा (OData v2.0/v2.0) सक्षम की गई
• SAP OData सेवा के लिए क्लाइंट-साइड पेजिनेशन और क्वेरी विकल्पों के लिए समर्थन
• एसएपी से एचटीटीपीएस सक्षम कनेक्शन

प्रमाणीकरण

Amazon AppFlow SAP से जुड़ने के लिए दो प्रमाणीकरण तंत्रों का समर्थन करता है:

• बुनियादी - SAP OData उपयोगकर्ता नाम और पासवर्ड का उपयोग करके प्रमाणित करता है।
• ओएथ 2.0 - पहचान प्रदाता के साथ OAuth 2.0 कॉन्फ़िगरेशन का उपयोग करता है। OData 2.0/v2.0 सेवाओं के लिए OAuth 2.0 सक्षम होना चाहिए।

संबंध

Amazon AppFlow सार्वजनिक SAP OData इंटरफ़ेस या निजी कनेक्शन का उपयोग करके SAP ECC से जुड़ सकता है। एक निजी कनेक्शन सार्वजनिक इंटरनेट के बजाय निजी AWS नेटवर्क के माध्यम से डेटा स्थानांतरित करके डेटा गोपनीयता और सुरक्षा में सुधार करता है। एक निजी कनेक्शन वीपीसी में चल रहे एसएपी ओडाटा इंस्टेंस के लिए वीपीसी एंडपॉइंट सेवा का उपयोग करता है। VPC समापन बिंदु सेवा में Amazon AppFlow सेवा प्रिंसिपल होना चाहिए appflow.amazonaws.com एक अनुमत प्रिंसिपल के रूप में और एडब्ल्यूएस क्षेत्र में उपलब्धता क्षेत्रों के कम से कम 50% से अधिक में उपलब्ध होना चाहिए।

Amazon AppFlow में प्रवाह सेट करें

हम SAP से S3 बकेट में डेटा पर ETL जॉब चलाने के लिए Amazon AppFlow में एक नया प्रवाह कॉन्फ़िगर करते हैं। यह प्रवाह SAP OData कनेक्टर को स्रोत के रूप में, S3 बकेट को गंतव्य के रूप में, OData ऑब्जेक्ट चयन, डेटा मैपिंग, डेटा सत्यापन और डेटा फ़िल्टरिंग के कॉन्फ़िगरेशन की अनुमति देता है।

1. निम्न जानकारी प्रदान करके SAP OData कनेक्टर को डेटा स्रोत के रूप में कॉन्फ़िगर करें:
   1. एप्लिकेशन होस्ट URL
   2. अनुप्रयोग सेवा पथ (कैटलॉग पथ)
   3. पोर्ट संख्या
   4. ग्राहक संख्या
   5. लॉगऑन भाषा
   6. कनेक्शन प्रकार (निजी लिंक या सार्वजनिक)
   7. प्रमाणीकरण मोड
   8. कॉन्फ़िगरेशन के लिए कनेक्शन का नाम
      
2. स्रोत को कॉन्फ़िगर करने के बाद, बिक्री ऑर्डर के लिए OData ऑब्जेक्ट और सबऑब्जेक्ट चुनें।
   आम तौर पर, एसएपी से बिक्री डेटा एक निश्चित आवृत्ति पर निर्यात किया जाता है, जैसे मासिक या त्रैमासिक पूर्ण आकार के लिए। इस पोस्ट के लिए, पूर्ण आकार के निर्यात के लिए उप-वस्तु विकल्प चुनें।
   
3. गंतव्य के रूप में S3 बाल्टी चुनें।
   प्रवाह इस बकेट में डेटा निर्यात करता है।
   
4. के लिए डेटा प्रारूप वरीयता, चुनते हैं सीएसवी प्रारूप.
5. के लिए डेटा ट्रांसफर वरीयता, चुनते हैं सभी रिकॉर्ड एकत्र करें.
6. के लिए फ़ाइल नाम वरीयता, चुनते हैं फ़ाइल नाम में टाइमस्टैम्प जोड़ें.
7. के लिए फ़ोल्डर संरचना वरीयता, चुनते हैं कोई टाइमस्टैम्प्ड फ़ोल्डर नहीं.
   रिकॉर्ड एकत्रीकरण कॉन्फ़िगरेशन SAP से पूर्ण आकार के बिक्री डेटा को एक फ़ाइल में संयुक्त रूप से निर्यात करता है। फ़ाइल का नाम YYYY-MM-DDTHH:mm:ss प्रारूप में S3 बकेट के भीतर एक एकल फ़ोल्डर (प्रवाह नाम) में टाइमस्टैम्प के साथ समाप्त होता है। मॉडल प्रशिक्षण और पूर्वानुमान के लिए कैनवास इस एकल फ़ाइल से डेटा आयात करता है।
   
8. स्रोत डेटा फ़ील्ड को गंतव्य डेटा फ़ील्ड में मैप करने के लिए डेटा मैपिंग और सत्यापन कॉन्फ़िगर करें, और आवश्यकतानुसार डेटा सत्यापन नियमों को सक्षम करें।
   
9. यदि आपकी आवश्यकता की मांग है, तो विशिष्ट रिकॉर्ड को फ़िल्टर करने के लिए आप डेटा फ़िल्टरिंग शर्तों को भी कॉन्फ़िगर करते हैं।
   
10. अपने प्रवाह ट्रिगर को यह तय करने के लिए कॉन्फ़िगर करें कि प्रवाह मैन्युअल रूप से ऑन-डिमांड या शेड्यूल के आधार पर स्वचालित रूप से चलता है या नहीं।
    शेड्यूल के लिए कॉन्फ़िगर किए जाने पर, आवृत्ति इस बात पर आधारित होती है कि पूर्वानुमान को कितनी बार जेनरेट करने की आवश्यकता होती है (आमतौर पर मासिक, त्रैमासिक या अर्ध-वार्षिक)।
    प्रवाह को कॉन्फ़िगर करने के बाद, व्यापार विश्लेषक इसे SAP से S3 बकेट तक बिक्री आदेश डेटा पर ETL कार्य करने के लिए मांग पर या शेड्यूल के आधार पर चला सकते हैं।
11. Amazon AppFlow कॉन्फ़िगरेशन के अलावा, डेटा इंजीनियरों को भी कॉन्फ़िगर करने की आवश्यकता है AWS पहचान और अभिगम प्रबंधन (IAM) कैनवास के लिए भूमिका ताकि यह अन्य AWS सेवाओं तक पहुँच सके। निर्देशों के लिए, देखें अपने उपयोगकर्ताओं को समय श्रृंखला पूर्वानुमान करने की अनुमति दें.

व्यापार विश्लेषक: पूर्वानुमान मॉडल को प्रशिक्षित करने के लिए ऐतिहासिक बिक्री डेटा का उपयोग करें

चलिए गियर बदलते हैं और व्यापार विश्लेषक की ओर बढ़ते हैं। एक व्यापार विश्लेषक के रूप में, हम एक दृश्य, बिंदु-और-क्लिक सेवा की तलाश कर रहे हैं जो एमएल मॉडल बनाना आसान बनाता है और कोड की एक पंक्ति लिखे बिना या एमएल विशेषज्ञता के बिना सटीक भविष्यवाणियां उत्पन्न करता है। कैनवास आवश्यकता को नो-कोड एमएल समाधान के रूप में फिट करता है।

सबसे पहले, सुनिश्चित करें कि आपकी IAM भूमिका इस तरह से कॉन्फ़िगर की गई है कि कैनवास अन्य AWS सेवाओं तक पहुंच बना सके। अधिक जानकारी के लिए देखें अपने उपयोगकर्ताओं को समय श्रृंखला पूर्वानुमान करने की अनुमति दें, या आप अपनी क्लाउड इंजीनियरिंग टीम से मदद मांग सकते हैं।

जब डेटा इंजीनियर Amazon AppFlow-आधारित ETL कॉन्फ़िगरेशन की स्थापना पूरी कर लेता है, तो ऐतिहासिक बिक्री डेटा आपके लिए S3 बकेट में उपलब्ध होता है।

अब आप कैनवास के साथ एक मॉडल को प्रशिक्षित करने के लिए तैयार हैं! इसमें आम तौर पर चार चरण शामिल होते हैं: सेवा में डेटा आयात करना, उपयुक्त मॉडल प्रकार का चयन करके मॉडल प्रशिक्षण को कॉन्फ़िगर करना, मॉडल को प्रशिक्षण देना और अंत में मॉडल का उपयोग करके पूर्वानुमान उत्पन्न करना।

कैनवास में डेटा आयात करें

सबसे पहले, से कैनवास ऐप लॉन्च करें अमेज़न SageMaker कंसोल या आपके एकल साइन-ऑन एक्सेस से। यदि आप नहीं जानते कि यह कैसे करना है, तो अपने व्यवस्थापक से संपर्क करें ताकि वे कैनवास सेट करने की प्रक्रिया में आपका मार्गदर्शन कर सकें। सुनिश्चित करें कि आप उसी क्षेत्र में सेवा का उपयोग करते हैं जिसमें S3 बकेट SAP से ऐतिहासिक डेटासेट युक्त है। आपको निम्न की तरह एक स्क्रीन देखनी चाहिए।

फिर निम्नलिखित चरणों को पूरा करें:

1. कैनवास में, चुनें डेटासेट नेविगेशन फलक में
2. चुनें आयात S3 बकेट से डेटा आयात करना शुरू करने के लिए।
   
3. आयात स्क्रीन पर, प्रशिक्षण डेटा आयात करने के लिए S3 बकेट से डेटा फ़ाइल या ऑब्जेक्ट चुनें।
   

आप कैनवास में एकाधिक डेटासेट आयात कर सकते हैं। यह चुनकर डेटासेट के बीच जुड़ने का भी समर्थन करता है डेटा में शामिल हों, जो विशेष रूप से तब उपयोगी होता है जब प्रशिक्षण डेटा कई फाइलों में फैला होता है।

मॉडल को कॉन्फ़िगर और प्रशिक्षित करें

डेटा आयात करने के बाद, निम्न चरणों को पूरा करें:

1. चुनें मॉडल नेविगेशन फलक में
2. चुनें नए मॉडल पूर्वानुमान मॉडल के प्रशिक्षण के लिए कॉन्फ़िगरेशन शुरू करने के लिए।
   
3. नए मॉडल के लिए, इसे उपयुक्त नाम दें, जैसे product_sales_forecast_model.
4. बिक्री डेटासेट चुनें और चुनें डेटासेट चुनें.
   
   डेटासेट चुने जाने के बाद, आप डेटा आंकड़े देख सकते हैं और बिल्ड टैब पर मॉडल प्रशिक्षण को कॉन्फ़िगर कर सकते हैं।
   
5. चुनते हैं संपूर्ण बिक्री भविष्यवाणी के लिए लक्ष्य स्तंभ के रूप में।
   आप देख सकते हैं समय श्रृंखला पूर्वानुमान मॉडल प्रकार के रूप में स्वचालित रूप से चुना जाता है।
6. चुनें कॉन्फ़िगर.
   
7. में समय श्रृंखला पूर्वानुमान विन्यास अनुभाग चुनते हैं, उत्पाद आयडी एसटी आइटम आईडी कॉलम.
8. चुनें शहर एसटी समूह स्तंभ.
9. चुनें बिक्री की तिथी एसटी टाइम स्टैम्प कॉलम.
10. के लिए दिन, दर्ज 120.
11. चुनें सहेजें.
    यह पूर्वानुमान लगाने के लिए मॉडल को कॉन्फ़िगर करता है totalsales 120 दिनों के लिए उपयोग कर saledate ऐतिहासिक डेटा के आधार पर, जिसके लिए पूछताछ की जा सकती है productid और city.
    
12. जब मॉडल प्रशिक्षण कॉन्फ़िगरेशन पूरा हो जाए, तो चुनें मानक निर्माण मॉडल प्रशिक्षण शुरू करने के लिए।

RSI पूर्वावलोकन मॉडल समय श्रृंखला पूर्वानुमान मॉडल प्रकार के लिए विकल्प उपलब्ध नहीं है। आप मॉडल प्रशिक्षण के लिए अनुमानित समय की समीक्षा कर सकते हैं विश्लेषण करें टैब.

डेटा आकार के आधार पर मॉडल प्रशिक्षण को पूरा होने में 1-4 घंटे लग सकते हैं। जब मॉडल तैयार हो जाता है, तो आप इसका उपयोग पूर्वानुमान उत्पन्न करने के लिए कर सकते हैं।

एक पूर्वानुमान उत्पन्न करें

जब मॉडल प्रशिक्षण पूरा हो जाता है, तो यह मॉडल की भविष्यवाणी सटीकता को दिखाता है विश्लेषण करें टैब। उदाहरण के लिए, इस उदाहरण में, यह भविष्यवाणी सटीकता को 92.87% दिखाता है।

पूर्वानुमान पर उत्पन्न होता है भविष्यवाणी करना टैब। आप सभी आइटम या किसी चयनित एकल आइटम के लिए पूर्वानुमान उत्पन्न कर सकते हैं। यह उस तिथि सीमा को भी दर्शाता है जिसके लिए पूर्वानुमान तैयार किया जा सकता है।

एक उदाहरण के रूप में, चुनें एक चीज विकल्प। चुनते हैं पी 2 एसटी मद और क्यूटो एसटी समूह दिनांक सीमा 2-2017-08 15:00:00 से 00-2017-12 13:00:00 तक सिटी क्विटो के लिए उत्पाद P-00 के लिए एक भविष्यवाणी उत्पन्न करने के लिए।

उत्पन्न पूर्वानुमान औसत पूर्वानुमान के साथ-साथ पूर्वानुमान की ऊपरी और निचली सीमा को दर्शाता है। पूर्वानुमान सीमा पूर्वानुमान प्रबंधन के लिए एक आक्रामक या संतुलित दृष्टिकोण को कॉन्फ़िगर करने में मदद करती है।

आप जनरेट किए गए पूर्वानुमान को CSV फ़ाइल या छवि के रूप में भी डाउनलोड कर सकते हैं। उत्पन्न पूर्वानुमान सीएसवी फ़ाइल आमतौर पर पूर्वानुमान डेटा के साथ ऑफ़लाइन काम करने के लिए उपयोग की जाती है।

पूर्वानुमान अब समय श्रृंखला डेटा के लिए तैयार किया गया है। जब पूर्वानुमान के लिए डेटा की एक नई आधार रेखा उपलब्ध हो जाती है, तो आप नई आधार रेखा का उपयोग करके पूर्वानुमान मॉडल को फिर से प्रशिक्षित करने के लिए कैनवास में डेटासेट बदल सकते हैं।

प्रशिक्षण डेटा में परिवर्तन होने पर आप मॉडल को कई बार फिर से प्रशिक्षित कर सकते हैं।

निष्कर्ष

इस पोस्ट में, आपने सीखा कि कैसे Amazon AppFlow SAP OData Connector SAP सिस्टम से बिक्री ऑर्डर डेटा को S3 बकेट में निर्यात करता है और फिर पूर्वानुमान के लिए एक मॉडल बनाने के लिए कैनवास का उपयोग कैसे करें।

आप कैनवास का उपयोग किसी भी SAP समय श्रृंखला डेटा परिदृश्य, जैसे व्यय या राजस्व पूर्वानुमान के लिए कर सकते हैं। संपूर्ण पूर्वानुमान निर्माण प्रक्रिया कॉन्फ़िगरेशन संचालित है। बिक्री प्रबंधक और प्रतिनिधि कोड की एक भी पंक्ति लिखे बिना तेज़, सीधे और सहज तरीके से डेटा के ताज़ा सेट के साथ प्रति माह या प्रति तिमाही बार-बार बिक्री पूर्वानुमान उत्पन्न कर सकते हैं। यह उत्पादकता में सुधार करने में मदद करता है और त्वरित योजना और निर्णय लेने में सक्षम बनाता है।

आरंभ करने के लिए, निम्न संसाधनों का उपयोग करके कैनवास और अमेज़ॅन ऐपफ़्लो के बारे में और जानें:

• अमेज़ॅन सेजमेकर कैनवास डेवलपर गाइड
• अमेज़ॅन सेजमेकर कैनवास की घोषणा - व्यापार विश्लेषकों के लिए एक दृश्य, बिना कोड मशीन सीखने की क्षमता
• Amazon AppFlow के साथ SAP ERP और BW से डेटा निकालें
• SAP OData कनेक्टर कॉन्फ़िगरेशन

लेखक के बारे में

ब्रजेंद्र सिंह अमेज़ॅन वेब सेवाओं में समाधान वास्तुकार है जो उद्यम ग्राहकों के साथ काम कर रहा है। उसके पास मजबूत डेवलपर पृष्ठभूमि है और वह डेटा और मशीन लर्निंग सॉल्यूशंस के लिए उत्सुक है।

डेविड गैलीटेली ईएमईए क्षेत्र में एआई/एमएल के लिए विशेषज्ञ समाधान आर्किटेक्ट हैं। वह ब्रुसेल्स में स्थित है और पूरे बेनेलक्स में ग्राहकों के साथ मिलकर काम करता है। वह बहुत छोटा था, जब से वह 7 साल की उम्र में कोड करना शुरू कर दिया था, तब से वह एक डेवलपर रहा है, उसने विश्वविद्यालय में एआई/एमएल सीखना शुरू कर दिया था, और तब से इसके साथ प्यार हो गया है।

• कॉइनस्मार्ट। यूरोप का सर्वश्रेष्ठ बिटकॉइन और क्रिप्टो एक्सचेंज।
• प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। नि: शुल्क प्रवेश।
• क्रिप्टोहॉक। Altcoin रडार। मुफ्त परीक्षण।
• स्रोत: https://aws.amazon.com/blogs/machine-learning/extract-insights-from-sap-erp-with-no-code-ml-solutions-with-amazon-appflow-and-amazon-sagemaker- कैनवास/