SAC Smart Predict in der Praxis — Klassifikation und Regression
Stand 2026-09-25
Ein Praxismodul zu Klassifikations- und Regressionsszenarien in SAP Analytics Cloud Smart Predict, direkt aus der SAP-Hilfedokumentation belegt. Behandelt die Regel binär vs. numerisch für das Ziel, die Datasetvorbereitung (erworben vs. live, Einschränkungen gleicher Quelltyp und dasselbe HANA-System), das dreiteilige Einstellungen-Panel (Allgemein, Prädiktives Ziel, Einflussgrößen) sowie den Apply-Predictive-Model-Workflow: Replizierte Spalte, Anwendungs-/Trainingsdatum, die zehn festen Zugewiesenen Bins, den Ausreißer-Indikator (3-facher durchschnittlicher Vorhersagefehler) sowie die Ausgaben Vorhergesagte Kategorie / Vorhersagewahrscheinlichkeit / Vorhergesagter Wert / Vorhersageerklärungen. Zentriert auf die folgenreichste Einstellung — Vorhersagewahrscheinlichkeit mit eigenem Entscheidungsschwellenwert statt einer festen Vorhergesagten Kategorie zu wählen — und schließt mit der zweistufigen Neutrainingsdisziplin für Live-Modelle und dem, was vor der Auslieferung zu prüfen ist.
Was Sie lernen
- Die genaue Zieltyp-Regel nennen, die Klassifikation (binär) von Regression (numerisch) bei Predictive Scenarios in Smart Predict trennt
- Die Abschnitte Allgemein, Prädiktives Ziel und Einflussgrößen des Einstellungen-Panels für einen realen Klassifikations- oder Regressions-Anwendungsfall konfigurieren
- Die Einschränkungen des gleichen Quelltyps und desselben HANA-Systems für Trainings- und Anwendungsdatasets erklären und eine Verletzung diagnostizieren
- Angesichts einer geschäftlich definierten Kontaktrate korrekt zwischen Vorhergesagter Kategorie und Vorhersagewahrscheinlichkeit wählen und erklären, warum der Konfusionsmatrix-Schwellenwert eine bereits angewendete Ausgabe nicht rückwirkend aktualisiert
- Ausgaben von Zugewiesenem Bin und Ausreißer-Indikator interpretieren und nutzen, um zu entscheiden, ob ein Modell auslieferbereit ist oder neu trainiert werden muss
Modulüberblick
Für wen dieses Modul gedacht ist. Sie kennen SAC-Stories und Datasets, und ein Kunde hat gerade gefragt: „Kann SAC vorhersagen, welche Kunden abwandern?“ oder „kann es vorhersagen, wie viele Reklamationen wir nächste Woche bekommen?“ — Fragen nach einer Kategorie oder einer Zahl, nicht nach einer Zeitachse. Dieses Modul behandelt Klassifikations- und Regressions-Predictive-Scenarios in Smart Predict, direkt aus der SAP-Hilfedokumentation belegt; Zeitreihenprognose und ihre Integration in Planungsmodelle werden separat in M335 behandelt. Es setzt M333 (KI- und LLM-Grundlagen) und Vertrautheit mit Datasets in SAC voraus.
Voraussetzungen
- Praktische Erfahrung mit SAC-Stories und -Datasets (erworben und live)
- Modul M333 (KI- und LLM-Grundlagen) oder gleichwertiges praktisches Wissen
- Zugang zu einem SAC-Mandanten mit einem Dataset mit binärer oder numerischer Zielspalte und mehreren Kandidaten-Einflussgrößenspalten für die Übungen
Lernergebnisse
- Ein Klassifikations- oder Regressionsmodell vollständig bauen und trainieren, von den Einstellungen bis zum trainierten Bericht.
- Einen Apply-Predictive-Model-Lauf konfigurieren, der einer angegebenen geschäftlichen Einschränkung entspricht, mit korrekter Wahl zwischen Vorhergesagter Kategorie und Vorhersagewahrscheinlichkeit.
- Eine Verletzung des gleichen Quelltyps oder desselben HANA-Systems zwischen Trainings- und Anwendungsdatasets diagnostizieren.
- Die Drift des Zugewiesenen Bins und die Rate des Ausreißer-Indikators interpretieren, um zu entscheiden, ob ein Modell neu trainiert werden muss.
Vollständiges Modul für Mitglieder. Das vollständige Modul ergänzt: den Entscheidungsrahmen · das durchgehende Szenario · die KPI-Scorecard · die Anti-Muster · die Codeblöcke · die Wissenskontrolle · die Schemata.