SAP企业机器学习 赋能业务创新

第1章 人工智能与企业机器学习：愿景还是现实？ 1

1.1 人工智能的第3春是永恒？ 1

1.1.1 AlphaGo早已不下围棋了！ 3

1.1.2 人工智能与机器学习 4

1.1.3 机器学习的3种类型 5

1.2 企业生存之道：数字化转型 9

1.2.1 数字达尔文主义 10

1.2.2 体验经济 12

1.2.3 数字化转型 14

1.2.4 双模IT 17

1.3 扩展的摩尔定律：驱动技术指数发展的法则 19

1.4 数据为王 24

1.4.1 德国国家队之第十二人 24

1.4.2 SAP HANA挽救病患 26

1.4.3 一切皆数据：从决定论到概率论 27

1.4.4 IT向DT转型 35

参考文献 39

第2章 SAP企业机器学习 41

2.1 SAP Leonardo机器学习概述 41

2.1.1 财务自动化与现金应用 45

2.1.2 SAP简历匹配 47

2.1.3 SAP品牌影响 48

2.1.4 SAP客户留存 50

2.1.5 SAP服务票 52

2.2 业务问题转化为机器学习问题的步骤 53

2.3 机器学习与商业智能 54

2.3.1 SAP预测分析 56

2.3.2 HANA预测分析库 57

2.3.3 应用函数建模器 58

2.3.4 SAP分析云服务 60

2.4 基于机器学习的业务创新框架 61

2.5 SAP创新组织与服务 63

参考文献 65

第3章 数据科学：第4范式 67

3.1 数据科学概览 69

3.2 数据预处理 74

3.2.1 数据清理 75

3.2.2 数据集成 77

3.2.3 数据归约 77

3.2.4 数据变换 79

3.3 机器学习算法 80

3.3.1 机器学习概述 81

3.3.2 回归分析 88

3.3.3 分类 96

3.3.4 SAP预测分析之自动分析 114

3.3.5 聚簇 117

3.3.6 关联规则学习 121

3.3.7 时间序列 124

3.3.8 推荐系统 131

3.3.9 离群点侦测 134

3.3.10 ABC分类法 137

3.3.11 社交网络 139

3.3.12 自然语言处理 147

3.4 系统设计与自动分析 150

3.5 深度学习 154

3.5.1 联结主义概述：从感知器到深度学习 158

3.5.2 CNN的生理学基础——大脑视觉过程 165

3.5.3 自动编码器与玻尔兹曼机 167

3.5.4 稀疏编码 174

3.5.5 卷积神经网络 176

3.5.6 循环神经网络和长短时记忆 191

3.5.7 深度强化学习 205

3.5.8 生成对抗网络 208

3.6 机器学习趋势与影响 216

附录3A SAP预测分析习题 222

参考文献 242

第4章 基于机器学习的行业创新案例与应用 245

4.1 行业创新案例 246

4.1.1 零售、电商与互联网 246

4.1.2 消费品 251

4.1.3 金融服务 254

4.1.4 制造业 258

4.1.5 旅行与运输业 263

4.1.6 石油与天然气 264

4.1.7 公用事业 266

4.1.8 电信 269

4.1.9 医疗与健康 271

4.1.10 体育与娱乐 274

4.1.11 教育与科研 278

4.1.12 政府 280

4.2 数据驱动的创新应用 281

4.2.1 SAP Hybris Marketing 282

4.2.2 SAP客户活动库 282

4.2.3 SAP销售洞见（零售业） 284

4.2.4 SAP需求信号管理 286

4.2.5 SAP反欺诈管理 286

4.3 工业4.0与AI 287

4.3.1 工业革命的共性：信息对物质的控制 288

4.3.2 工业4.0与物联网 291

4.3.3 回顾与展望 301

参考文献 304

第5章 机器学习：数字经济创新的原动力 305

5.1 网络价值：梅特卡夫定律 306

5.2 创新者窘境：维持性创新vs颠覆性创新 309

5.3 企业机器学习创新的切入点 311

5.3.1 超个性化的客户体验 312

5.3.2 对员工的授权和互动 313

5.3.3 实时计划和资源优化 314

5.4 业务与IT新核心：数据分析 315

5.5 SAP.iO创业孵化 317

5.5.1 内部创业孵化项目 318

5.5.2 SAP.iO内部创业项目的选择标准 319

5.6 结语 319

参考文献 320

余论 321

附录A 设计思维简介 326

附录B 企业数字化转型简表 329

附录C 更多信息 332