Utilisation de votre propre modèle d'apprentissage automatique : à propos de l'import de modèle

Grâce à l'utilisation de leur propre modèle d'apprentissage automatique, les administrateurs EPM peuvent importer un modèle entièrement entraîné et le déployer vers une application Planning. Les planificateurs peuvent ainsi s'appuyer sur de solides prévisions basées sur l'apprentissage automatique utilisant des techniques de modélisation prédictive avancées pour générer des prévisions plus précises.

Les scientifiques de données rassemblent et préparent des données historiques en lien avec un problème métier, exercent l'algorithme et génèrent un fichier PMML (Predictive Model Markup Language, langage standard utilisé pour représenter des modèles prédictifs) à l'aide d'un outil tiers. Ces modèles analytiques prédictifs et d'apprentissage automatique s'appuient sur des techniques statistiques ou sur des algorithmes d'apprentissage automatique pour apprendre les modèles cachés dans d'importants volumes de données historiques. Les modèles analytiques prédictifs utilisent les connaissances acquises lors de l'exercice pour prévoir l'existence de modèles connus dans les nouvelles données.

Les administrateurs EPM peuvent ensuite importer et configurer le modèle d'apprentissage automatique entièrement entraîné, ce qui génère deux règles Groovy. Les administrateurs lient la règle à un formulaire ou à un tableau de bord, ou planifient un job pour générer des résultats de prévision à intervalles réguliers. Les utilisateurs professionnels jouissent ainsi des avantages de l'apprentissage automatique et de la puissance de la science des données, ce qui améliore le processus de planification et de budgétisation pour une prise de décisions plus éclairée.

Par exemple, vous pouvez prévoir le volume de produits pour une entité, à l'aide d'inducteurs clés tels que le prix de vente moyen, les dépenses planifiées sur les promotions et la publicité, les volumes historiques et les volumes estimés du secteur.

Vous pouvez importer des modèles d'apprentissage automatique et les utiliser pour prévoir les valeurs numériques d'autres cas d'emploi financiers, tels que les suivants :

Impact des promotions commerciales sur la hausse des ventes
Modélisation du mix marketing pour améliorer le retour sur investissement marketing
Impact des inducteurs internes et externes sur les prévisions de revenus
Prévisions de liquidités prédictives pour une meilleure position de trésorerie

Présentation des étapes

Prérequis : les scientifiques de données créent et exercent le modèle d'apprentissage automatique dans un outil de science des données (outil tiers ou Oracle Data Science Cloud), et l'enregistrent en tant que fichier PMML.

Ensuite, les administrateurs EPM font travailler le modèle entraîné pour en retirer de la valeur métier :

Les administrateurs importent le modèle d'apprentissage automatique au format PMML dans une application Planning et définissent la méthode de mapping des variables d'entrée et des variables cible avec les membres de dimension ou les valeurs de cellule dans l'application Planning. Cette étape génère des règles Groovy automatiques qui connectent le modèle d'apprentissage automatique à l'application Planning. Deux règles Groovy sont générées pour chaque définition de modèle d'apprentissage automatique : une règle à associer à un formulaire ou à un tableau de bord, qui permet aux utilisateurs de réaliser des prévisions à la demande, et une seconde pour générer des prévisions à grande échelle dans un job planifié à des fins de traitement en bloc. Reportez-vous à la section Import d'un modèle d'apprentissage automatique.
Les administrateurs déploient le modèle d'apprentissage automatique dans une application Planning en associant la règle Groovy aux menus d'actions, formulaires ou tableaux de bord pertinents. Reportez-vous à Déploiement d'un modèle d'apprentissage automatique pour les planificateurs. Les administrateurs peuvent également créer un job pour exécuter la règle Groovy dans un processus par lots.
Les planificateurs exploitent les règles métier alimentées par l'apprentissage automatique dans les formulaires pour générer les valeurs prévues, qui sont enregistrées dans le formulaire. Les planificateurs peuvent effectuer une analyse de simulation à l'aide des prévisions générées ou modifier les valeurs prévues dans le formulaire. Les planificateurs apportent une valeur ajoutée grâce à leur expertise et à leur jugement, puis finalisent la prévision.
Il s'agit d'un processus itératif. Lorsque les planificateurs réalisent des prévisions basées sur le modèle d'apprentissage automatique, les administrateurs peuvent mesurer les performances du modèle, et travailler avec les scientifiques de données pour mettre à jour ou remplacer le modèle si nécessaire. Ensuite, les administrateurs réimportent et déploient le modèle d'apprentissage automatique réentraîné.

Lorsque vous réimportez le modèle d'apprentissage automatique réentraîné, les règles Groovy sont générées à nouveau.

Vidéos

Votre objectif	Regarder cette vidéo
Cette présentation vous fait découvrir l'utilisation de votre propre modèle d'apprentissage automatique, où les administrateurs EPM peuvent importer un modèle entièrement entraîné et le déployer vers une application Planning. Les planificateurs peuvent ainsi s'appuyer sur de solides prévisions basées sur l'apprentissage automatique utilisant des techniques de modélisation prédictive avancées pour générer des prévisions plus précises.	Présentation : Utilisation de votre propre modèle d'apprentissage automatique
Découvrez comment configurer l'import de modèle d'apprentissage automatique pour la fonctionnalité permettant d'utiliser votre propre modèle. Importez un modèle d'apprentissage automatique entièrement entraîné dans Planning. Suivez ensuite les étapes de l'assistant pour mapper, analyser et tester le modèle. Après l'enregistrement du modèle, deux règles Groovy sont créées. Pour mener à bien le processus d'intégration, reportez-vous à la vidéo portant sur le déploiement d'un modèle d'apprentissage automatique vers Planning.	Configuration de l'import de modèle d'apprentissage automatique
Découvrez comment déployer un modèle d'apprentissage automatique vers Planning. Une fois l'import de modèle d'apprentissage automatique configuré, intégrez le fichier PMML à votre application en créant un menu d'actions à l'aide de la règle Groovy générée à partir du modèle d'apprentissage automatique configuré. Associez ensuite le menu d'actions à un formulaire. Lorsque les planificateurs exécutent la règle à partir du formulaire, celle-ci renvoie l'ensemble de valeurs prévues.	Déploiement d'un modèle d'apprentissage automatique vers Planning