SAP HANA大数据营销方案

1、SAP HANA 大数据营销方案SAP HANA 整体系统平台更智能的业务创新在你的商业对手之前找到商机更快速的业务流程驱动你的业务领先市场更敏捷的业务交互在关键的时刻进行决策和采取行动* SAP Business Suite Powered by SAP HANA，完全运行于HANA之上，不再需要第三方数据库！Hybris MarketingPA大数据数据能力驱动链HANAPAHybris Marketing数据持久化数据标签化数据交互CRM等执行系统数据消费 产品为中心 流程驱动 + 客户为中心 数据驱动当今的计算机智能-可编程系统 + 认知系统大规模定制化运营系统搜索确定性（因果关系）企

2、业数据机器语言个性化交互型系统发现概率性（关联关系）自然语言大结果（预测推荐）信息技术发展趋势大数据广泛的数据= 全部的决策更多的数据= 更深的决策深度分析 快速分析+ 实时数据= 最具有价值的决策云计算降低 IT 成本 + 增加灵敏性社交媒体分析应用移动设备大数据云计算移动设备业务发生地，不能回到你的办公桌上社交媒体提高响应性，并且协作 + 更快的采纳下一代企业应用的硬件需求提高系统性能降低数据中心总成本并发用户多， 查询分析压力大磁盘IO访问瓶颈， 系统响应速度慢数据增长快，系统不堪重负高端服务器采购和运维成本较高异构服务器造成系统之间（共享）障碍存储空间不足，系统存储空间规划不均衡下一代

3、数据中心设计标准密集的+ 高效灵活的+边成长边投资自动化+量身的数据中心优秀的运维节约Capex和Opex、高效、高可用、更环保+ 标准化服务器架构的发展趋势磁盘存储CPU内存Log瓶颈数据磁盘存储Log数据备份 更高密度的CPU核心和内存计算提高吞吐量水平可扩展以满足高并发和不断增长的业务需求更经济的采购和运维成本NLS传统小型机x86 新型服务器CPU内存.分布式水平扩展数据中心的数据源范围全国业务支撑系统中的数据集合生产系统中的非结构化数据，例如合同、发票扫描件等网页内容；互联网视音频；博客、微博、论坛数据；邮件；广告数据；客户行为轨迹等位置信息；监控视音频数据；传感数据等传统类数据互联

4、网类数据物联网类数据9其他类数据IDC数据等数据中心的数据当量为PB级，在数据爆炸时代，很容易达到EB级1ZB=1,024EB=1,048,576PB=1,073,741,824TB云数据中心与传统数据中心的区别云计算数据中心是一种基于云计算架构的，计算、存储及网络资源松耦合，完全虚拟化各种IT设备、模块化程度较高、自动化程度较高、具备较高绿色节能程度的新型数据中心。云数据中心的特点：高度的虚拟化，包括服务器、存储、网络、应用等虚拟化，使用户可以按需调用各种资源；自动化管理程度，包括对物理服务器、虚拟服务器的管理，对相关业务的自动化流程管理、对客户服务的收费等自动化管理；绿色节能，云计算数据中

5、心在各方面符合绿色节能标准，一般PUE值不超过1.5云数据中心与传统数据中心在区别：云数据中心的基础设备更加规模化、标准化，由此带来了管理的复杂性。云数据中心为了节省成本、实现日益增多的业务，须采用各种虚拟化技术。管理差异，体现在自动化方面。在云数据中心，当业务需要迁移、设备需要统一配置、故障需要及时检查排除、流程需要跟踪时，如何高效管理这样海量的设备和应用？当然需要通过自动化的手段来实现。云数据中心的出现无疑是一新的进展，除了高度的虚拟化等特征，还包括新技术和新产品，如低功耗CPU，固态硬盘等。可以说云数据中心是传统数据中心的拯救者。10有什么特性？SAP HANASAP HANA的技术优势

6、及特点 真正的内存计算平台，并且保证高可用性和数据安全性 数据完全加载到内存，消除传统数据库的IO瓶颈，性能极大提升 强大的集群能力，保证大数据量下的数据分析需求内存计算 数据仓库设计的主要技术指标 节点间相互独立，在大数据应用中，消除数据同步开销无共享架构 X86架构，可扩展成为云数据库架构 可运行于VMWare之上，虚拟化计算资源，动态分配资源 企业云架构，已经实现基于HANA的公有云，企业也可部署私有云架构云计算 集群后的容量可支持PB级别的数据仓库应用 集成Hadoop应用，可实现内存计算与分布式文件系统的大数据分析 提供多种预测分析函数以及数据挖掘方法，可对海量数据进行深入分析大数据

7、应用支持 按照MPP架构软件设计的基于内存的数据库 性能线性增长，部署架构和节点数据无上限MPP架构 真正原生的压缩方式，字典长度压缩算法，为查询类事务优化。数据压缩 数据仓库存储技术的关键标准，为查询操作优化性能。行列混合存储 多核技术的应用，使单一计算操作可分布到多个处理进程。 。得益于Share Nothing技术，用户并发访问可最大化分布于多个节点。并行处理 高并发SAP HANA不仅是内存数据库 还是 应用创新的平台支持任何设备任何应用任何应用服务器SAP 商务套件和 BW ABAP 应用服务器JSONR开放连接性MDXSQL其他应用位置实时HADOOP机器非结构化事务SAP HAN

8、A PlatformSQL, SQLScript, JavaScript集成服务空间业务功能库搜索文本挖掘预测分析库数据库服务存储过程 & 数据模型计划引擎规则引擎应用 & UI服务 SAP HANA的优势特性：内存计算实时处理预测分析库文本处理空间计算业务分析库开放的架构操作维护简单多种创新应用SAP HANA: 大数据 分析与实时分析SAP HANA 平台覆盖了数据库，数据处理，应用平台，预测功能，计划编制功能，文本分析和商务智能分析等功能，所以能为企业运营提供全面实时的支持。Platform as a Service (SAP)HANA CloudIoT ServicesEnd Cust

9、omer(On site)Business owner(SAP Customer)HANA Cloud IntegrationBusiness Suite Systems(ERP, CRM , etc.)SAP ConnectorDeviceHANA Big Data PlatformData Processing Extended StorageHadoopIn-Memory EnginesStreaming StorageHANA Cloud PlatformMachine IntegrationProcess IntegrationIoT Applications(SAP, Partne

10、r and Custom apps)速度提高 10,000 倍 以前所未有的速度处理海量数据，交付信息显著简化 IT 架构SAP HANA 可采用企业预置型或云部署两种部署模式，能够大大简化 IT 基础架构的复杂性，降低其成本事务应用 分析应用从洞察到行动基于环境、实时、融合SAP HANA 平台SAP合作伙伴/ISV定制所有应用针对同一组数据在相同时间实时运行所有的事务和分析应用所有数据SAP HANA 平台SAP HANA 是一个追求灵活性和简洁性的企业大数据平台SAP HANA 平台数据库和高级数据处理服务应用平台服务集成和数据虚拟化服务关键任务部署服务（企业预置型、混合型、云部署）处理

11、各类数据地理空间数据文本数据结构化数据社交网络机器数据无线射频识别（RFID）对移动设备，移动应用的支持SAP HANA 四大运用SAP BW其他数据源SAP HANA内存计算实时 创新 云平台SAP商务套件2高性能应用HPASAP BO其他报表工具341一：SAP Business Suite Powered by SAP HANA实时应用/实时分析平台更智能的业务创新在你的商业对手之前找到商机更快速的业务流程驱动你的业务领先市场更敏捷的业务交互在关键的时刻进行决策和采取行动* SAP Business Suite Powered by SAP HANA，完全运行于HANA之上，不再需要第三

12、方数据库！SAP HANA Live支撑起SAP商业套件上的运营分析需求提供贯穿企业核心业务流程的实时洞察力SAP HANASAPHANA Live客户服务风险管控团队财务和运营客户管理高管客户渠道供应商财务预测库存产品定价计划SAP HANA Live 提供了通用的数据模型：便于业务用户理解和使用响应运营查询请求（没有数据延迟）一份数据、无需额外复制可根据客制需求作进一步扩展例如：HANA Live内嵌：UDF统一需求预测模型方案范围UDF可以基于每个渠道进行预测的计算 UDF支持 what-if 测算场景 UDF 模型是基于因数模型预测，例如促销活动或者重要事件等影响因数。并且能够处理遗失

13、数据，对于源数据进行补全计算。通过最佳猜测贝耶斯算法) UDF 支持负责的混合加性乘积比率回归模型新的UDF 操控台提供了直观的视图界面，使得用户有能力来比较不同时间序列统一需求预测 (UDF) 是新一代的，专门用于零售行业的计划的预测体系。UDF同时集合了SAP 零售促销管理的预测能力以及SAP预测与捕获的预测能力，并却发挥了SAP HANA的高速科学计算的能力。 二. HANA数据仓库/数据集市 HANA为BI实时、多维、细粒度分析提供平台支撑过去传统数据分析技术CubeETL操作型数据存储（ODS）复制索引压缩分区查询结果计算引擎查询聚合分析界面决策者获取商务智能企业应用系统中的数据从生

14、成数据到用于分析之间存在延迟架构复杂导致建模成本高性能优化方式复杂多维Cube数据冗余抽取时间长现在基于内存计算的数据分析技术内存计算/逻辑建模分析界面决策者获取商务智能复制1000 x 性能提升无需手动优化超高数据压缩比实时的商务智能企业应用系统中的数据创新 商品 + 客户 + 经销商 + 第三方数据多维度（天气，人口，商圈) 分析业务部门不断的需要回答一个复杂的问题：什么样的客户在哪些门店喜欢买什么。客户基本信息维度产品维度门店维度正装鞋红色正装鞋蓝色休闲鞋蓝色年龄20-30男性温州地区年龄30-40女性温州地区年龄30-40男性上海地区店群一店群二店群三颜色：深 - 浅销售额：高 - 低

15、SAP HANA带来IT体系架构的极大简化Operational Data Store数据仓库索引汇总表复制ETLOperational Data Store应用系统数据库计算引擎查询结果查询SAP HANA报表展现查询复制应用系统数据库OptionalSAP HANA数据建模计算数据流、虚拟数据立方体ColumnEngineRowEngineOlap EngineJoin EngineCalculation Engine计算视图(Calc. 引擎)客户端 / 应用程序行存储列存储属性视图 (Join引擎)分析视图 (OLAP引擎)SELECTTO_DATE(DATE_SQL), SUM(NE

16、TWR) FROM ANALYTICAL VIEW GROUP BY DATE_SQL三. 基于HANA的SAP高性能应用（HPA）已发布的产品大数据算法应用数据科学家与客户联合创新加速的商业促销管理ATPM流动性风险管理LRM需求信号管理DSiM客户商业智能CEI商业欺诈管理FRM社交联系人智能SCI2013年第四季度交付购买偏好分析(CEI的一部分)价格模拟(O2C)加速的商业促销管理受众发现和目标定位基于HANA的细分引擎受众发现和目标定位易用性直观的瀑布界面轻松找到目标组灵活性灵活地汇总数据，计算各种KPI性能高速处理大数据优化和数据挖掘与预测分析集成，用于活动优化集成可独立运行或与C

17、RM市场活动集成客户价值智能分析战略性地拓展收入和利润2013 SAP AG. All rights reserved.2013 SAP AG. All rights reserved.27定位正确的客户，发现正确的受众提出智能化建议，增长客户占有率、收入和利润等创建、执行并跟踪销售活动运用SAP的优势基于HANA的强大力量财务数据和CRM数据相结合 闭环执行客户价值智能分析受众发现和目标定位分级产品推荐空白区域分析（客户分层） 销量预测Probability to churn分级（参数化）RFM分析簇分析决策树分析客户描述（例如，接受促销活动的习惯方式）客户生命周期价值产品关联销售: 喜好评

18、分（例如，客户可能买某种产品 - 基于模型的预测）交叉销售（下一个最佳产品 例如，用簇或决策树来描绘客户，关联性分析） 已实现 开发中()()()()SAP预测分析服务于CEI应用HANA 预测分析的支撑平台R与HANA的集成及PAL综合R统计功能应用的广泛度以及基于HANA的PAL功能的深度与能力，可以覆盖寻找潜在的收入, 留住高价值的客户, 提供最准确与实时的报价, 提高交叉销售与追加销售的效率, 发现商业欺诈, 和改进与用户的互动R 与SAP HANA的集成可以在HANA内存计算数据库中使用 R 开源环境 ( 3,500个 functions)通过高性能的并行连接器实现R 的集成R脚本可

19、以嵌入 到SQL 脚本以及SAP HANA的计算视图当中增强的Predictive Algorithm Library附加的固有预测算法数据库层面对结果的强有力和快速的处理更快速的实施YXZ大数据科学实效 Real ResultsSAP HANA In-Memory Predictive Analytics Predictive Analysis Library (PAL) - Algorithms SupportedClassification AnalysisCARTC4.5 Decision Tree AnalysisCHAID Decision Tree AnalysisK Neare

20、st NeighbourLogistic Regression Elastic NetBack-Propagation (Neural Network)Nave BayesSupport Vector MachineRandom Forests *Confusion MatrixArea Under Curve (AUC)*Parameter Selection / Model EvaluationRegressionMultiple Linear Regression Elastic NetPolynomial RegressionExponential RegressionBi-Varia

21、te Geometric RegressionBi-Variate Logarithmic RegressionAssociation AnalysisAprioriApriori LiteFP-GrowthKORD Top K Rule DiscoveryProbability DistributionDistribution Fit/ Weibull analysis*Cumulative Distribution FunctionQuantile FunctionKaplan-Meier Survival Analysis*Outlier DetectionInter-Quartile

22、Range Test (Tukeys Test)Variance Test Anomaly DetectionGrubbs Outlier TestLink PredictionCommon NeighborsJaccards CoefficientAdamic/AdarKatz* New in SPS 11Statistic Functions Mean, Median, Variance, Standard Deviation, Kurtosis, SkewnessCovariance MatrixPearson Correlations MatrixChi-squared Tests:T

23、est of Quality of FitTest of IndependenceF-test (variance equal test)Data PreparationSamplingBinning Scaling PartitioningPrincipal Component Analysis (PCA) / PCA Projection*OtherWeighted Scores TableSubstitute Missing ValuesCluster AnalysisABC ClassificationDBSCAN K-MeansK-Medoid ClusteringK-Medians

24、Kohonen Self Organized MapsAgglomerate HierarchicalAffinity PropagationLatent Dirichlet Allocation (LDA) Gaussian Mixture Model (GMM)Cluster Assignment *Time Series AnalysisSingle/Double/Triple Exponential SmoothingForecast SmoothingARIMA/ Seasonal ARIMABrown Exponential SmoothingCroston MethodForec

25、ast Accuracy MeasureLinear Regression with Damped Trend and Seasonal AdjustTest for White Noise, Trend, Seasonality社交联系人智能分析分析流程图数据收集分析理解联系人帖子交互活动文字分析+情感分析+产品关键字帖子Twitter论坛e-mail移动App联系人全面分析Sentiment Engagement个人态度互动ADT客户细分Contact Engagement联系人互动响应互动目标组新功能：社交媒体交互中心集成标准SAP流程导出新功能：CRM中的社交媒体市场营销交互活动点击流

26、事件机会.CRM中的客户和联系人Peter邮件地址CRM中的客户信息新浪用户信息HANADirect IntegrationDirect Integration客户IT架构四. 创新平台 SAP HANASQL, SQLScript, JavaScript集成服务空间地理信息业务功能库搜索文本挖掘预测分析库数据库服务存储的流程与数据模型计划引擎规则引擎应用与UI服务HANA 平台功能浏览器物联网 界面(SAP UI5)应用界面(SAP UI5)HCP 服务身份验证文件存储管理集成SAP Business Suite IoT 基础层条件监控与告警主要功能定制修改定制界面UI5, Generic

27、/ Excel 追踪与追溯读表分析与预测可视化服务规则与事件处理设备配置. +集成. +访问权限+ 管理开票与收费数据与流程的集成客户IoT应用SAP IoT 业务线/行业应用合作伙伴IoT应用RMSCL合作伙伴/第三方集成SAP IoT 连接器非直接基于标准通过SAP IoT连接器管理零售商的愿景一个统一，唯一，实时的行业化大数据应用平台 零售行业大数据应用平台 CARSAP客户互动与移动平台.门店系统.全渠道交互平台BACK OFFICESAP RETAILSAP Success factorSAP CRMSAP EWM 非结构化数据全渠道客户信息新渠道销售实体销售实时库存其他软件应用大数

28、据 示例快速预测 市场趋势和客户需求预测市场价格波动 对产品的影响在实时了解 整个供应链中需求和供给的变化生产流程中监控不合规的地方和分析产生质量问题的原因 为每一位客户提供独身定制的合适的服务持续反映未来销售状况的窗口, 实时反映变化了解你的客户和潜在客户现在对你的看法实时预测现金流 控制债务带来的风险大数据 的应用个性化需求高效率需求客户价值智能分析:-)客户精准营销客户转化率风险管控差异化竞争社交网络智能化客户行为分析全员支持业务创新大数据应用4个层级LEVERExplanation透视数据全员参与大数据消费数据细分基于全量全维度的数据细分业务（现在也包含实时分析与实时行动要求）预测与模

29、拟系统的分析数据，获得新的业务洞察以支持科学的管理新的商业模式，产品和服务使用大数据来创造全新的产品、服务,甚至商业模式12341 Lever “Transparency” 数据透视能及早预警流感传播的“谷歌流感趋势”系统。谷歌设计人员认为，人们输入的搜索关键词代表了他们的即时需要，反映出用户情况。为便于建立关联，设计人员编入“一揽子”流感关键词，包括温度计、流感症状、肌肉疼痛、胸闷等。只要用户输入这些关键词，系统就会展开跟踪分析，创建地区流感图表和流感地图。让每一个可以使用到数据的人让每一个从数据中可以获得价值的人无论这些人的IT能力只需要输入与他们有关的查询条件就可以从大数据分析中获得结果

30、这就是大数据消费的第一个层级： 全员参与 企业每一个人员都可以基 于各自的业务逻辑分析数据， 获得价值数据敏捷可视化工具2 Lever “Segmentation” - 例如：Customer 360360客户视图媒体数据（微信，微博，互动平台等）市场调查数据（问卷等）外部网站（天猫，京东等）设备数据（位置信息，呼叫来源等）电子商务 & 门户（点击流，访问请求，购物车，订单等ERP （客户数据，交易信息等）CRM（投诉，建议，客服，咨询，留言等）POSCustomer sources In focus with Big DataExternal sourcesText and voice in

31、formation360应用举例面向销售人员的会员360他是谁？老客户了白金卡刚到门店爱给老婆买衣服现在成交率不高他爱啥？买最贵的衣服仅1千块到购物活跃期了买女鞋时很可能会买女装刚买了双女鞋偏好皮制现会员之未显荐会员之乐见360 对销售人员提供one- to-one 的互动指导：消费者亲密度在过去，紧密集成的流程会导致供应链成本降低，利润率提高。而如今的消费者期望获得有关公司交付产品和服务的能力的即时信息。增长和利润率现在与企业的实时调整能力息息相关。这需要全新水平的信息集成。“使用大数据和分析功能的市场营销人员可有效展现比其同行高 5% 到 6% 的生产率和利润率。此外，将数据置于其战略决策

32、中心地位的市场营销人员还可将其市场营销投资回报提高 15% 到 20%。”McKinsey & Co.，“大数据、分析功能和市场营销与销售的未来”，2013 年 7 月将业务运营与客户亲密度联系在一起通过集成多个来源的信息，推进 Customer 360 的使用 43零售行业营销活动设计常有：优惠打折、赠送礼品、多倍积分等，通过不同的细分客户群有针对性地开展不同的营销活动，并计算不同群体及不同活动的投入产出比，便于后期不断优化业务设计 客户客户洞察与细分营销分析与绩效管理社交媒体分析与互动营销活动管理与网络营销市场营销分析师/优化专家市场营销策划师/ 项目经理营销活动经理调整目标受众确定目标受

33、众策划营销活动分析客户行为监控并分析营销活动分析客户情感分析营销绩效监控营销支出制定社交互动计划发布目标受众名单扩展营销活动跟踪并分析销售线索执行营销活动执行营销活动跟踪并分析客户情感通过相关渠道接收活动反馈通过社交渠道参与互动响应营销活动建立高度定制化的促销计划大数据基础上的商业促销计划业务优势商业促销的计划工作提高支出分配的准确性填写促销后销售值，支持按天调整基准销售值并在高一层级查看按照产品、客户以及促销时段来监控“真实”促销支出数据根据天来存储，消除在不同时间段下的数据聚合造成的错误以高性能运行快速各种数量级的促销即刻测试新的促销场景以保证各项KPI和预算满足要求有了及时计算减少通宵批

34、量作业的数量以地区和门店为粒度的计划提高工作的效率和有效性提高客户服务级别，为零售商提供量身定制的促销方案从而与其加强关系按照SKU建立各自的促销计划，最大化贸易支出的ROI停车位与销售额成正比有限的停车位如何为无限的顾客服务无法增加的停车位如何增加销售额客户360视图停车分析客流分析案例：停车位优化方案停车时间对消费的门类影响较大，尤其是停车1小时内消费46停车-时间关系总结47停车1小时内会员消费目的性强停车消费与停车时长关系密切多次停车消费会员有周期性规律 多停1小时，消费多”50%”目标明确就有了规律性会员消费周期=合适的时间停车1小时以内消费排名前三的门类为：研究滋补（16.3%）、

35、超市（11.0%）以及电子电器（10.3%）；利用此部分会员消费规律可对会员进行定期定品精准营销停车时间超长的会员并非上班族，而会消费更多15%次停车仅在1小时以内，此部分会员提袋率、客单价及消费件数均为最低值75%的会员消费周期范围大致稳定；可对具有不同周期的会员打上对应周期标签，直接供营销人员使用对业务的帮助483 Lever “Prediction & Simulation” 预测模拟客户是一家通过电视、网络、电话、手机等多种方式进行家庭购物的公司，在欧洲有600万客户，约100万种商品退货产生的运费和处理费用由于选择性订单而产生的退货率增高 (例如，一次订购同一款衬衫的不同尺寸和颜色，

36、到货后挑选最合适的，再退掉其他的)催款流程成本和未付订单目标在一个平台上完成市场活动计划和协同合作为市场活动选取正确的目标群体，提升市场活动效果用预测分析优化市场活动实时的市场活动效果分析是否有具有类似消费习惯的客户群体？这样的群体是否有助于降低退货率和选择性订单的数量？怎样通过市场活动来影响这种消费习惯？业务困难需要解决的问题甄别消费习惯的属性创建客户簇描述簇配置簇关键要素Home Shopping EuropeCP/RETAIL 行业实时开展促销管理，实时提供个性化产品推荐借助实时产品信息、库存和销售数据，消费品企业正在重塑促销管理流程，以便大幅降低促销活动的成本并提高效率菜单组货计划，补

37、货计划，门店群类高级预测算法并参考订单历史记录实时提供与销售代表的客户有关的补货、交叉销售、向上销售以及目标相关的产品建议。通过收集管理需求信号，企业正在开展供应链优化，通过打造更适合的产品内容提升企业的核心竞争力如何在合适的时间和地点，向合适的人推送合适的营销方案精准营销-大数据时代的需求跨渠道的营销，个性化客户互动大数据分析能力支持快速分析海量客户数据信息并基于获取的洞察力即时采取行动。该方法有助于企业与客户开展更亲密的互动，并开展极具针对性的营销活动。链接）菜单精准营销的核心是两个精准：一是动态定位触发精准的营销策略;二是营销沟通内容的个性化精准会员招募会员分级消费者行为分析动态定位触发

38、精准营销策略互动营销沟通数据采集汇总会员的定位是一个动态变化的过程：会员分类不仅仅是会员等级管理；通过消费者行为数据的分析，不断进行会员动态分类定位，落实价值区间；对不同定位的会员，实行有针对性的营销策略是关键；不但策略要精准、内容更要个性化精准；跟踪分析的频率越高营销沟通就越精准；营销活动策划营销活动内容个性化精准营销平台营销创意、营销活动大数据精准营销挖掘关键方法寻找相关性标签Sample批发分销行业提供智能补货、交叉销售和向上销售产品的建议Liquid DecisionsTM 利用基于 SAP HANA 的预测分析功能，实时提供与销售代表的客户有关的补货、交叉销售、向上销售以及目标相关的

39、产品建议。Liquid Decisions 提供 InsightPops功能，能够快速提醒销售代表哪些客户需要补货，帮助他们实现销售目标并发掘新的潜在客户。Liquid Decisions 的 RapidOrder 组件可利用高级预测算法并参考订单历史记录，自动填充客户需补货的产品及其数量菜单市场调研大数据对需求和市场数据的捕捉，分析和响应企业需要一个集成的方法去管理所有的需求数据，能够从不同的数据源来获取大容量数据，并进行实时分析，以对市场变化和偏差进行快速响应。 零售终端 POS需求分析需求响应需求信号捕捉 社交媒体MarketingBusiness Suite 数据供应链销售市场捕获需求

40、，准确判断趋势，并快速响应捕获实际的需求信号快速准确定位市场趋势和偏差更快响应需求波动访问企业联合的海量最新的POS机数据，并结合社交媒体的情感分析在大数据中钻取不同粒度的需求和市场数据，以形成市场洞察力并理解消费者确保与核心业务及供应链流程的集成，以加速端到端的下游进程针对不同业务部门有不同价值销售实时监察每天的销售业绩增加收入，利润以及市场份额等提高促销有效性，确保价格合理通过精准的库存管理减少销售丢单率市场营销避免新产品发布和推广的失败 维持现有的客户群对市场信息进行全面分析，增强对市场的了解和洞察供应链提高预测准确性 防止促销期间缺货降低运输成本和库存成本通过更精确的预测和计划，降低库

41、存水平需求建模和预测 - 连锁面包店快速消费品 - 基于SAP 大数据方案业务现状加拿大枫糖面包是行业领导地位，主要制造和营销面粉产品,包括新鲜的面包产品生产的面包是交付给零售商，通常有3 - 10天的保质期。当面包达到保质期就从零售商的货架上删除,返回给生产商。返回的过期产品需要销毁。目前生产商正在经历约12%的回收损失。竞争激烈的零售环境是粗糙和低利润率。因此,客户需要之间找到一个最佳的平衡冲销的过期产品和缺货,影响短期和长期的客户忠诚度和满意度。库存决策和不精确需求预测导致频繁缺货或冲销造成损失的收入,利润和销量。挑战需要减少零售商的退货,但同时要避免缺货使用POS数据找到最佳的每个产品

42、的需求，提前做库存与运输高复杂性的分析需求模式针对全部产品和门店组合数据问题进一步复杂化的情况,如不一致的POS数据和不可见性的基于各门店的库存数据大数据的业务价值优化订单减少总回报率从12日下跌7%到6.3% 增加收入减少缺货和更准确的需求预测在所有商店供应链的改进:优化库存计划在细粒度级别的实时报告顾客忠诚度和满意度提高大数据的IT收益由SAP HANA帮助创建更准确的需求预测,实时定制和使用更大的数据集,导致: 集中式数据仓库为实时报告和建模 传播在整个企业可行的见解 消除延迟之间的交易和可操作的洞察力大数据创新POS数据被用来创建一个需求模型和运行优化包括限制,如某些面包只能生产的某一

43、天,有些不能出售单位,但必须是一个完整的托盘的多个单位,等等。需求模型可以估算单位销售价格的敏感性,敏感性的销量提升,季节性的影响(夏季和冬季),假期影响, 周内效果，每种产品有一个独特的模型基于不同的位置。每周分析的最后6个月POS数据预测和优化供应链的需求能够加速对库存水平的决策ProcessStore & product level demand modeling and forecastingPreviewSAP Advanced non linear regression model 非线性回归模型对每个门店每种面包的销售建立模型模型范围：Sensitivity of unit sa

44、les to price 商品销售价格的敏感性Promotional lift and effectiveness 促销方案的有效性预测和提升度预测Seasonal effects (summer vs. winter; first week vs. last week in a month ) 季节性的影响（夏季，冬季，每个月的第一周与最后一周的差异性）Holiday effects & Weather factors 假期和天气影响Intra-week effect 周内效应Deliver unique model for each product/location 为每个产品提供基于地理

45、位置的独特的模型Demand ModelsDemand Model Analysis Seasonal BehaviorDemand Model Analysis Seasonal BehaviorScope of quick win study 预测分析的数据范围:基于200种产品的不同保质期的回收率300家门店的POS数据样本过往1.5年的门店订单数据，门店POS数据， 门店回收数据按照实际消费的数据对最后6个月生成最优的订单数据投入全生产数据：10M+的POS数据Overall results:Optimized Orders reduced total returns from 12%

46、 down to 6*% 优化的模型可以使回收率下降Results Overview定价优化方案Retail - Powered by SAP Big Data Solutions/ServicesBusiness Situation客户是一个主要的北美家装零售商提供12个大类的产品，从设备和家装工具,到油漆,木材。企业实现差异化其他家装公司的一个方法是使用自有品牌。定价策略是实现整体业务目标的一个关键因素,如差异化竞争,商店增长计划和减少库存持有成本理解需求和价格弹性定价决策时考虑到利润空间缩小，竞争愈加激烈的零售环境尤为重要消费者期望企业找到合适的平衡能够以有竞争力的价格提供高质量的产品。

47、这就是为什么企业要求基于客户需求分析,产品营销和促销决策来指导定价策略。挑战定价策略需要满足一系列的变量, such as:产品生命周期最大化收入的促销活动计划定价优化需要足够精确产品的需求预测对应产品和区域的随时间推移的价格弹性曲线Trade-off 评估 和 what if 分析执行这些复杂的数据集的大型的详细分析导致非常高的复杂性Value Driver减少存储和配送中心库存销售收入和利润总额增加了2% 流线型的定价和销售业务流程增加收入和利润增加利润,利润和销售获得更多的流量通过在商店设计促销方案Benefits based on SAP Big Data找到最佳的价格在1830家门店

48、与成千上万的产品在北美规模和能力支持门店扩张和产品的强劲增长证明能力的积极影响总利润和销售量他们不断地评估和升级他们的信息系统,以支持经济增长,增加新的销售计划,控制成本,使更好的决策。Process Innovation复杂定价策略和业务规则与高精度使零售商通过定价提高盈利能力最小颗粒度的对产品关系精确评估替代品,补充等,分流影响价格走廊的结果解决方案是能评估和平衡不同的kpi,如收入增长,库存的大小或市场份额在不同的门店位置这个系统提供可权衡的优化引擎，所以企业可以选择一组优化的价格变量,提供多个kpi显著改善。ProcessPrice Optimization, Pricing Stra

49、tegyPreviewSAP 定价优化Lowes使用价格优化解决方案，使他们能够实现财务目标，同时满足客户的需求行业/使用案例挑战价格优化解决方案需要大量的历史数据，复杂的业务规则和特殊的模型和优化引擎：对尖端业务目标有正面的影响深入的客户需求洞察提升客户忠诚度简化业务流程解决方案详情使用POS机历史客户数据和价格变化数据，SAP价格优化建立客户需求模型并预测价格变化对客户需求的影响。通过使用一系列丰富的客户导向的业务规则，生成满足客户业务目标的价格建议受益细节 建立对产品如何交互的理解，在利润、销售和图象见的权衡，并且确定实现财务目标的最优价格组合提高财务业绩，并满足客户需求降价优化Lowe

50、s使用降价优化解决方案，在实现财务目标的同时满足客户需求行业/使用案例挑战降价优化解决方案需要大量的历史数据，复杂的业务规则和特殊的模型和优化引擎：产品/店铺水平模型推荐价格，时间段，时间点根据利润率或库存业务目标设立目标重新优化调整降价时间表以实现目标简化业务流程解决方案详情使用POS机历史客户数据和库存数据，SAP降价优化建立客户需求模型，预测价格变化对客户需求的影响。通过使用一系列丰富的客户导向的业务规则，生成满足客户业务目标的价格建议受益细节 使用现有降价业务规则和流程最好地管理降价销售流通和利润理解财务影响执行假设分析改善财务表现的同时满足库存管理需求SAP HANA: 数字化转型平

51、台的能力SAP HANA 平台ON-PREMISE | CLOUD | HYBRIDWeb 服务XSJS/HTML5Fiori UX图形化建模数据可视化ELT & 复制应用服务集成和质量服务列式 事务型+分析型多核超线程 &并行化压缩多租户多级存储地理图预测搜索文本分析数据质量序列数据业务功能库ALM处理服务数据库服务Hadoop & Spark 集成流计算应用生命周期管理高可用 & 容灾开放数据建模远程数据同步管理 & 安全平台服务数据和存储SAP HANA平台SAP HANA 是最新一代的实时分析和应用平台。它使企业或组织能够业务发生时实时基于大量的、各种各样的详细设计关键能力SAP HA

52、NA 支持虚拟化、云部署基于开放的硬件平台， MPP并行计算支持如空间地理、时间序列等各种各样的数据的分析处理内置业务分析引擎、PAL，集成R支持数据集成和质量管理收益海量数据实时处理突破性分析简化创新应用Read more: Persistence Service (SAP HANA)平台服务数据和存储SAP HANA: 多租户数据库容器SAP HANA 多租户数据库容器简化并降低SAP HANA云部署的总体拥有成本关键能力在单一SID上运行多租户数据库和应用/解决方案数据、用户和资源分离和隔离通过将所有数据集中管理，简化运营管理工作集成的数据中心收益替代大多数 MCOS 场景通过更好地利用

53、硬件资源，降低开销支持单一平台中的异构场景（Suite, BW, Data Marts, Sandbox/Dev/QA/Prod）多租户数据库容器单一HANA 实例中的多租户数据库SAP HANA动态分层选项通过在单一系统中采用可扩展、集成的高性能解决方案，提供经济高效的海量数据管理能力关键能力指定是在内存中（热）还是在磁盘上（温）采用磁盘备份列存储技术支持 PB 级部署提供集成的安全性和备份与恢复收益经济高效的性价比单一 SAP HANA 实例，没有数据重复扩展 SAP HANA 容量大数据平台服务数据和存储SAP HANA: 动态分层(Dynamic Tiering)通过SAP HANA

54、DW Foundation功能选项进行自动地多版本、混合表、数据迁移和数据生命周期规则平台服务数据访问SAP HANA: Smart Data AccessSAP HANA SDA提供数据虚拟化和联邦访问功能，构架企业下一代内存数据逻辑结构关键能力数据源支持：IBM DB2 UDB ，IBM Netezza，MS SQLSERVER，Oracle，SAP MaxDB，SAP ASE/IQ/SQLA/ESP，Teradata，Hadoop/HDFS支持IoT连接：MII、OSIsoft支持分析和属性视图通过SAP HANA Cockpit管理监控收益实时虚拟化访问外部数据源数据利用先进的本地SA

55、P HANA能力构建应用程序优化性能、降低内存计算的门槛直接在源系统中使用数据，降低开发成本SAP HANA VoraCompiled QueriesSpark AdapterDrill DownsSAP HANA-Spark 适配器内存计算SAP HANA 平台YARNHDFSFilesFilesFilesVoraSparkVoraSparkVoraSpark文本分析计算引擎预测分析数据模型其他应用SAP Predictive AnalyticsSAP HANA Vora是SAP 最新推出的一个大数据组件，用来连接HANA和Hadoop，通过Vora实现了Hadoop本地计算功能，避免了原始

56、数据在HANA和Hadoop之间的迁移，更好的发挥双方的特长，并且使HANA + Hadoop 成为密切的大数据整体解决方案。将企业业务网络的的商业数据与来自非业务网络的外部数据源（Big Data）有机结合在一起可以提供全新的商业视角，挖掘深层次的商业模型，提供更丰富、深入的商业价值为大数据打造的 SAP HANA 数据平台释放实时数据 为企业带来价值利用存储 与 处理获取Vora平台服务分析SAP HANA: 空间地理数据SAP HANA 空间/地理信息选项提供在SAP内存计算平台中高性能分析和处理地理信息数据。关键能力直接在数据库中存储、处理、操作、共享和检索地理数据海量数据内存中分析通

57、过地图允许地理信息在HANA中可视化、探索、和交互在内存中，空间数据基于列的高性能分析处理和可视化支持浏览器和移动终端的HTML5部署支持建模和XS引擎空间连接性能优化收益支持业务操作(运营、财务、市场、销售.)和空间地理数据的高性能平台提供基于位置/商业智能(分析)和事务处理 (OLTP)平台服务分析SAP HANA: 预测分析SAP HANA Predictive Analysis Library是原生内置的SAP HANA类库，实现在数据库内数据挖掘和统计计算关键能力支持超过100种统计学算法，包括：AssociationClassificationClustering Preproce

58、ssingRegression Social Network AnalysisStatisticsTime series收益内置的预测算法库内分析，高效快速实施以及嵌入式预测到应用、解决方案、和BI环境平台服务分析SAP HANA: 文本分析SAP HANA 提供先进的文本搜索和分析功能，应用于非结构化数据的处理（如情感分析）关键能力内置的全文、模糊检索数据库内文本分析搜索模式的图形化建模信息访问 HTML5 UI 工具包和 JavaScript API收益减少数据复制和移动 在同一基础结构中完成分析和搜索任务从非结构化数据中提取重要信息易于使用的HANA Studio建模工具快速构建搜索应用平台服务分析SAP HANA: 序列数据SAP HANA 序列数据能够处理那些随着(通常是等距离、周期性)时间推移的度量数据，从数据中发现和预测趋势关键能力多分序列数据表的比较使用高效的数据压缩技术支持海量序列数据支持等距离和非等距离数据序列直接使用SQL快速高效完成时间序列的处理、清洗、和分析操作收益为物联网场景奠定坚实基础更全面的SQL功能内置函数功能生成序列平台服务IoTInternet of Things服务基于SAP HANA 云平台物联网(IoT)服务可为HANA云平台连接各种设备，并在应用中使用从这些设备收集的数据关键能力