Konzeptkarte

SAC Smart Insights

Stand 2026-07-24T14:00:00Z

Redaktion: Cédric-Olivier Mâry, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist SAC Smart Insights?

Mit Smart Insights kann ein Business-Analyst 70–80 % der typischen analytischen Fragen noch am selben Tag selbst beantworten, statt 4–6 Wochen auf das Data-Science-Team zu warten – die wirklich schwierigen 20–30 % gehören weiterhin nach Databricks.

SAC Smart Insights ist der Sammelname, den SAP für die predictive- und KI-gestützten Analysefunktionen verwendet, die direkt in SAP Analytics Cloud eingebaut sind: Smart Predict für Zeitreihenprognosen, Klassifikation und Regression; Smart Insights für automatisierte Diagrammkommentierung und Treiberanalyse; Search-to-Insight für natürlichsprachige Abfragen gegen eine Story; und Smart Discovery für automatisierte Korrelations- und Segmentierungsentdeckung. Zusammen bilden sie das Werkzeugset des Business-Analysten für angewandte Statistik und maschinelles Lernen, angesiedelt in demselben Tool, das ein Analyst bereits zum Bauen eines Dashboards nutzt, im Gegensatz zu einer Data-Science-Plattform wie Databricks, dem Werkzeugset des Data Scientists zum Bauen und Betreiben kundenspezifischer Modelle.

Warum es wichtig ist

Die meisten analytischen Fragen, die eine Organisation stellt, sind nicht exotisch. Wie hoch wird der Umsatz im nächsten Quartal sein, gemessen an den letzten zwei Jahren Historie? Welche Kunden werden voraussichtlich abwandern, basierend auf dem bereits beobachteten Muster abgewanderter Kunden? Warum hat sich dieser KPI bewegt, und welche Dimension erklärt den größten Teil der Bewegung? Das sind häufige, wiederkehrende Fragen mittlerer Komplexität, die historisch alle in derselben Warteschlange beim zentralen Data-Science-Team landen mussten, das auch für den Bau echter, komplexer kundenspezifischer Modelle zuständig ist. Smart Insights existiert, damit ein Business-Analyst die häufigen Fragen direkt im BI-Tool beantworten kann, ohne ein Ticket zu eröffnen und Wochen auf die Aufmerksamkeit eines Data Scientists zu warten.

Warum es zählt

Prognose, Segmentierung und Klassifikation an Citizen-Data-Scientist-Werkzeuge auszulagern, entlastet das zentrale Data-Science-Team vom Rückstau an Aufgaben mittlerer Komplexität.
Die Kompromisslinie ist kommerziell relevant — Smart Insights wird in 70 % der Mid-Market-/Tier-2-Gespräche angeboten, in denen ML in Databricks-Qualität überdimensioniert wäre.
Die natürlichsprachige Abfrageschicht von Search-to-Insight innerhalb von SAC Stories verringert für den Analysten die Notwendigkeit, für häufige Fragen die Dashboard-Mechanik zu erlernen.

Kernpunkte

Vier Komponenten: Smart Predict · Smart Insights · Search-to-Insight · Smart Discovery.
Citizen-Data-Scientist-Abdeckung: 70-80 % der typischen analytischen Fragen.
Fünf kanonische Anwendungsfälle: Forecast · Abwanderung · Pipeline-Regression · Abweichung · natürlichsprachiges Self-Service.
Mindeststichprobengröße Smart Predict: ≥ 24 monatliche · ≥ 100 tägliche Datenpunkte.
Die Qualität von Search-to-Insight hängt von der Design-Disziplin des AM ab (Begleitfiche C001/C018).
Bei Multi-Feature-, Echtzeit- oder kundenspezifischen Architekturen an Databricks ML eskalieren.
Für Joule plus Smart Insights ist ein Design der Oberflächen-Zuständigkeit nötig (Begleitfiche C024).
EWR-ansässige SAC-Verarbeitung für CNIL-konformes Training mit personenbezogenen Daten.
SAC Smart Insights ist erst beherrscht, wenn es eine konkret benannte Käuferentscheidung verändert.
Beginnen Sie mit dem semantischen Vertrag und dem Kontrollmodell, bevor Sie das Tool demonstrieren.

Begriffe auf dieser Seite

SAC Smart Insights: Die predictive- und KI-gestützte Analyseschicht von SAC, die Forecasting, Kommentierung, natürlichsprachige Abfragen und Discovery abdeckt.
Smart Predict: Zeitreihenprognose · Klassifikation · Regression auf Kundendatensätzen. Citizen-Data-Scientist-Niveau.
Smart Insights commentary: Automatisierte Erklärung von Diagrammauffälligkeiten — Treiberanalyse, die zeigt, warum sich ein Wert bewegt hat.
Search-to-Insight: Natürlichsprachige Abfrageoberfläche innerhalb von SAC Stories. Liefert Antwort und Diagramm inline.
Smart Discovery: Automatisierte Korrelation und Segmentierung, die Muster ohne explizite Hypothese aufdeckt.
Citizen-data-scientist: Business-Analyst, der durch Werkzeuge befähigt wird, typische analytische Fragen ohne die zentrale Data-Science-Warteschlange zu beantworten.
Sample-size minimum: Zuverlässigkeitsschwelle von Smart Predict: ≥ 24 monatliche oder ≥ 100 tägliche Datenpunkte.
Databricks escalation: Fälle mit mehreren Merkmalen, Echtzeit oder kundenspezifischer Architektur werden an Databricks-in-BDC plus MLflow weitergeleitet.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →