Wer mit Daten arbeitet, muss diese zwangsläufig organisieren. Besonders bei fortgeschrittenen Analysen mit Künstlicher Intelligenz (KI) bestimmen die Zusammenführung, Vorbereitung und Reinigung der Daten einen großen Teil des Projektes. Um das klar definierte Analyseziel zu erreichen, müssen unterschiedliche Datenformate wie Streaming-Daten, relationale Daten und Excel-Dateien vereint werden. Die Zusammenführung und Datenvorbereitung erfolgt ad-hoc und muss immer größer werdenden Datenmengen standhalten.
Während die Datenintegration und Bereitstellung auch in herkömmlichen Systemen möglich ist, sind diese meistens auf Experten-Nutzer spezialisiert. Moderne Datenmanagement-Plattformen für KI-Projekte sind jedoch ein Ort der Kollaboration und bringen unterschiedlichste Anwender in Datennähe. Durch visuelle Repräsentationen der Prozesse, einer ablaufunterstützenden User-Experience und der Low-Code-Mentalität werden die Einstiegshürden niedrig gehalten und der Weg zu Self-Service-Analysen ist bereitet.
In der Datenmanagement-Lösung SAP Data Intelligence treffen die Bedienbarkeit für Einsteiger, der Funktionsumfang für Experten und die Skalierbarkeit der Datenverarbeitung in einem System zusammen. Der Nachfolger von SAP Data Hub mit der Integration von SAP Leonardo Machine Learning steht seit 2019 für Endkunden bereit und wird kontinuierlich weiterentwickelt.
Vereinen Sie unterschiedlichste Arten von Daten mit ETL oder alternativen ELT-Prozessen. Funktionsfähige Anbindungen zu SAP-Systemen sowie Non-SAP-Systemen stehen bereit. So lassen sich Daten aus einer Excel-Tabelle genauso nutzen, wie aus einem IoT-Stream.
In der Datenmanagement-Lösung werden die Daten zentral gebündelt. Für heterogene Dateiformate steht ein integrierter Data Lake bereit. Ein umfassendes Metadaten-Management und übertragbare Regeln zur Sicherstellung der Datenqualität helfen bei der Organisation.
In der Komponente 'Modeler', lassen sich per Drag-and-Drop beliebig komplexe Workflows für Ihre Datenprozesse erstellen. Die visuelle Repräsentation sorgt für Transparenz und einen Wiedererkennungswert.
Der Data Science Prozess wird durch ein Zusammenspiel aus verschiedenen Komponenten bestens unterstützt. Mit dem ML Scenario Manager werden die explorative Datenanalyse, der Workflow und die Modelle samt zugehöriger Zielmetriken versioniert bereitgestellt.
Durch eine eingebaute JupyterLab-Instanz lassen sich Skripte in den Programmiersprachen R und Python einbinden. SAP öffnet sich damit dem schnellen Wandel der Open-Source-Technologien und stellt fortgeschrittenen Anwendern aktuelle Algorithmen bereit.
In SAP Data Intelligence wird auf Wiederverwendbarkeit gesetzt. So sind automatische Regeln zur Sicherstellung der Datenqualität und Workflowteile sowie benutzerdefinierte Operatoren leicht übertragbar. Die Entwicklungszeit profitiert von Beginn an durch zahlreiche Templates für diverse Anwendungsszenarien.
Durch ein starkes Backend aus bewährter SAP-Technologie in Kombination mit Open-Source-Systemen wie Kubernetes und Docker ist die technische Realisierung der Datenverarbeitung nicht mehr Sorgentreiber. Gearbeitet wird auf einem Datenauszug und die Prozessierung wird per Knopfdruck gestartet.
Die Komponenten von Data Intelligence stehen in dem modern und modular gehaltenen Webinterface in Kachelansicht bereit. Im jeweiligen Unterbereich finden sich die vielfältigen Funktionen benutzerfreundlich in den Kontext eingeordnet.
Data Intelligence Launchpad
Modeler
Meta Data Explorer
Metrics Explorer
Data Preparation
Folgende Drittsysteme und externe Verbindungen sind problemlos anbindbar:
Durch das einfache zugängliche Webinterface und die visuelle Darstellung des Workflow-Entwurfs finden sich Business-Anwender von Anfang an gut zurecht und realisieren Ihre Datenprojekte ohne tiefgreifende Programmierkenntnisse.
In SAP Data Intelligence lassen sich sämtliche Phasen eines Data Science Projektes bündeln. Daten, Modelle und das Deployment finden hier ihren Platz und werden grafisch aufbereitet dargestellt.
SAP Data Intelligence Cloud ist als Abonnement oder als Pay-as-you-go-Modell erhältlich und wird On-Premise im eigenen Datencenter, der privaten Cloud oder über alle gängigen Cloud-Service-Anbieter bereitgestellt.
Durch den zentralen Zugriff auf unterschiedlichste Datenquellen, Ratingsysteme und ausgeprägte Kommentarfunktionen kann Data Intelligence dafür genutzt werden, um als kreativer Spielraum für individuelle Datenprojekte mit KI-Anteil zu dienen. Durch die niedrige Einstiegsschwelle, lassen sich Business-Anwender inspirieren ihre eigenen Ideen umzusetzen. Die Data Science Journey ist dabei durch den Aufbau des ML Scenario Managers im flexiblen Maße geleitet.
Ihre Machine Learning Projekte werden am stärksten von Data Intelligence profitieren. Die Bündelung der Projekt-Informationen im ML Scenario Manager, die Realisierung komplexer Workflows im Modeler und die Ausführung samt extrahierter Zielmetriken sind nur einige nennenswerte Vorteile. Die Versionierung und Transparenz überzeugt auch Experten-Anwender.
Hier werden die Vorzüge von lizenzpflichtigen Systemen und einer Open-Source-Architektur aufgezeigt und am Beispiel von SAP Data Intelligence verglichen.
Was kann SAP Data Intelligence? Was kann es nicht? Das erfahren Sie in unserem neuen Whitepaper!
Werfen Sie mit uns einen Blick auf wichtige Merkmale von SAP DI, seine Entwicklungsgeschichte und auf die mögliche Zukunft der SAP Business Datenplattform.
