SAP HANA Automated Predictive Library (APL) — la bibliothèque prédictive automatisée de HANA

Ce qu'APL automatise, et comment le code de SAP lui-même le prouve

L'Automated Predictive Library (APL) est le pendant en machine learning automatisé de PAL (C343) dans SAP HANA : les deux sont des composants AFL — Application Function Library —, les deux calculent à l'intérieur de HANA, mais APL réduit la surface que l'appelant doit configurer. Là où un appel de classification PAL passe une table de paramètres explicite nommant un algorithme et ses hyperparamètres (C343), le propre code d'exemple APL de SAP pour un modèle de classification fixe trois entrées de configuration et laisse APL faire le reste : APL/ModelType (« binary classification »), APL/CuttingStrategy (« random with no test »), et — celle qui compte le plus — APL/VariableAutoSelection réglée sur true. Ce seul indicateur est le mécanisme concret et documenté derrière le mot « automatisé » dans le nom d'APL : la bibliothèque décide laquelle des variables d'entrée appartient réellement au modèle, plutôt qu'un data scientist ne le décide en amont.

APL s'exécute dans son propre schéma, SAP_PA_APL, avec des types de tables dédiés pour les modèles, les journaux, les résumés et les métriques de débriefing (MODEL_BIN_OID, OPERATION_LOG, SUMMARY, DEBRIEF_METRIC_OID, DEBRIEF_PROPERTY_OID) — le nom du schéma à lui seul vaut la peine d'être reconnu dans le système d'un client comme preuve qu'APL est installé et utilisé.

Pourquoi c'est important

• APL/VariableAutoSelection est le mécanisme concret et documenté derrière « automatisé » dans le nom d'APL — un consultant peut pointer ce drapeau spécifique plutôt que de décrire l'automatisation vaguement.
• L'ensemble de fonctions d'APL est sensiblement plus large que les trois scénarios que Smart Predict expose dans l'interface SAC (C341) : recommandation, modélisation de réseaux sociaux et surveillance de dérive de données sont des capacités APL sans équivalent direct dans l'interface Smart Predict.
• SAP nomme directement APL comme ce à quoi Smart Predict délègue pour les connexions HANA on-premise live — le seul endroit de la documentation qui relie concrètement C341, C343 et C344.

Points clés

• APL est le composant AFL de ML automatisé de HANA ; le propre code d'exemple de SAP fixe APL/ModelType, APL/CuttingStrategy et APL/VariableAutoSelection=true plutôt que de nommer un algorithme et de régler des paramètres.
• APL s'exécute dans son propre schéma SAP_PA_APL avec des types de tables dédiés pour les modèles, journaux, résumés et métriques de débriefing.
• Fonctions de modèle prédictif (cycle de vie) : CREATE_MODEL(_AND_TRAIN), TRAIN_MODEL, RETRAIN_MODEL, UPDATE_MODEL, APPLY_MODEL(_AND_TEST), TEST_MODEL, PUBLISH_MODEL, EXPORT_APPLY_CODE, GET_MODEL_INFO/DEBRIEF, GET_VARIABLE_INDICATORS.
• Fonctions métier prédictives (couverture de scénarios) : FORECAST/FORECAST_AND_DEBRIEF (séries temporelles), KEY_INFLUENCERS, famille RECOMMEND (recommandation), CREATE_SOCIAL_MODEL_AND_TRAIN/APPLY_SOCIAL_MODEL (réseaux sociaux), famille PROFILE_DATA, SCORING_EQUATION.
• La détection de dérive de données est une capacité APL distincte et documentée, avec des exemples d'apprentissage/rapport et de détection/rapport, y compris la segmentation par une dimension comme le pays.
• EXPORT_APPLY_CODE permet à APL de générer du code de scoring déployable en dehors de HANA — mais les décisions automatisées de sélection de variables qui le sous-tendent restent celles d'APL.
• Appelé via SQL direct contre les procédures AFL, ou via le module hana_ml.algorithms.apl de hana-ml en Python — les deux chemins exécutent la même logique automatisée.
• La propre documentation de connectivité live de Smart Predict indique que l'exécution est déléguée à APL pour les connexions live on-premise — le seul endroit où cette dépendance est nommée directement.

Termes employés sur cette page

APL/VariableAutoSelection

L'indicateur de configuration APL documenté dans le propre code d'exemple de SAP qui active la sélection automatisée des variables/caractéristiques.

SAP_PA_APL

Le schéma HANA dédié dans lequel APL s'exécute, avec ses propres types de tables de modèle, journal, résumé et débriefing.

EXPORT_APPLY_CODE

Fonction APL qui génère du code de scoring déployable en dehors de SAP HANA, basé sur un modèle APL entraîné.

Dérive de données (APL)

La capacité dédiée d'APL à apprendre une distribution de référence et à détecter et rapporter un écart par rapport à celle-ci, éventuellement segmenté par une dimension.

SCORING_EQUATION

Fonction APL qui exporte un modèle entraîné sous forme de formule de scoring portable.

Sources

1. SAP HANA Automated Predictive Library — What is SAP HANA Automated Predictive Library? (accessed 2026-09-25)
2. SAP HANA Automated Predictive Library — crawler-rendered doc index (What's New, Installation, Developer Guide), version 2219, fetched 2026-09-25
3. SAP HANA Automated Predictive Library Developer Guide — full function reference table of contents (fetched 2026-09-25)
4. SAP-samples/hana-ml-samples — APL-SQL sample directory (Monthly/Daily Forecast, Classification, Regression, Data Drift) — GitHub (SAP), fetched 2026-09-25
5. SAP-samples/hana-ml-samples — 31_Classification-Learn_and_Report.sql (APL/ModelType, APL/VariableAutoSelection) — GitHub (SAP), fetched 2026-09-25
6. SAP Analytics Cloud Help — Q&A: Smart Predict with Live SAP HANA Data (APL dependency for live connectivity) — accessed 2026-09-25