Bring Your Own ML: informazioni sull'importazione del modello di apprendimento automatico

Con Bring Your Own ML, gli amministratori EPM possono importare un modello di apprendimento automatico (ML, Machine Learning) completamente addestrato e distribuirlo in un'applicazione di Planning. I responsabili della pianificazione possono quindi avvalersi di una previsione affidabile basata sull'apprendimento automatico che utilizza tecniche avanzate di modellazione predittiva per generare previsioni più accurate.

I data scientist raccolgono e preparano dati cronologici relativi a un problema business, istruiscono l'algoritmo e generano un file PMML (Predictive Model Markup Language, un linguaggio standard per rappresentare modelli predittivi) utilizzando uno strumento di terze parti. Questi modelli analitici predittivi e modelli di apprendimento automatico utilizzano tecniche statistiche o algoritmi di apprendimento automatico per individuare pattern nascosti in grandi volumi di dati cronologici. I modelli analitici predittivi utilizzano le conoscenze acquisite durante la preparazione per prevedere l'esistenza di pattern noti nei nuovi dati.

Gli amministratori EPM possono quindi importare e configurare il modello di apprendimento automatico completamente addestrato che potrà generare due regole Groovy. Gli amministratori collegano la regola a un form o a un dashboard, oppure programmano un job per generare risultati di previsione a intervalli regolari. Questo mette i vantaggi dell'apprendimento automatico e la potenza della data science nelle mani degli utenti aziendali, ottimizzando la pianificazione e il processo di budgeting e indirizzando verso migliori decisioni aziendali.

È ad esempio possibile prevedere il volume di prodotti per un'entità, utilizzando fattori determinanti come il prezzo di vendita medio, la spesa pianificata su promozioni e pubblicità, volumi cronologici e volumi di settore stimati.

È possibile importare modelli di apprendimento automatico e utilizzarli per prevedere valori numerici in altri casi d'uso finanziari, ad esempio:

Impatti di promozioni commerciali su lift di vendite
Modellazione del mix di marketing per generare un ROMI migliore
Impatti di driver interni ed esterni sulle previsioni ricavi
Previsioni di cassa predittive per una migliore posizione di cassa

Panoramica dei passi

Prerequisito: i data scientist generano e addestrano il modello di apprendimento automatico in uno strumento di data science (qualsiasi strumento di terze parti od Oracle Data Science Cloud) e lo salvano come file PMML.

Gli amministratori EPM utilizzano quindi il modello per ottenere valore aziendale dal modello addestrato:

Gli amministratori importano il modello di apprendimento automatico in formato PMML in un'applicazione di Planning e definiscono il modo in cui le variabili di input e la variabile target vengono mappate su membri dimensione o valori cella nell'applicazione di Planning. Questo passo genera regole automatiche Groovy che connettono il modello di apprendimento automatico all'applicazione di Planning. Due regole Groovy vengono generate per ogni definizione di modello di apprendimento automatico: una regola da associare a un form o dashboard, che consente agli utenti di fare previsioni su richiesta, e un'altra per generare previsioni su larga scala in un job programmato per l'elaborazione in blocco. Fare riferimento a Importazione di un modello di apprendimento automatico.
Gli amministratori distribuiscono il modello di apprendimento automatico in un'applicazione di Planning associando la regola Groovy ai menu azioni, ai form o ai dashboard pertinenti. Fare riferimento a Distribuzione di un modello di apprendimento automatico ai responsabili della pianificazione. Gli amministratori possono inoltre creare un job per eseguire la regola Groovy in un processo batch.
I responsabili della pianificazione possono utilizzare regole business alimentate dall'apprendimento automatico nei form per generare valori predittivi, che vengono salvati nel form. I responsabili della pianificazione possono eseguire un'analisi What-If utilizzando le previsioni generate oppure modificare i valori previsti nel form. I responsabili della pianificazione aggiungono valore con la loro esperienza e con il loro giudizio e finalizzano quindi la previsione.
Si tratta di un processo iterativo. Mentre i responsabili della produzione fanno previsioni in base al modello di apprendimento automatico, gli amministratori possono misurare le prestazioni del modello e lavorare con i data scientist per aggiornare o sostituire il modello di apprendimento automatico se necessario. Gli amministratori importano quindi nuovamente e distribuiscono il modello di apprendimento automatico nuovamente addestrato.

Quando si reimporta il modello di apprendimento automatico nuovamente addestrato, vengono generate nuovamente le regole Groovy.

Video

Obiettivo	Video
Questa panoramica presenta Bring Your Own ML (Machine Learning), in cui gli amministratori EPM possono importare un modello di apprendimento automatico completamente addestrato e distribuirlo in un'applicazione di Planning. I responsabili della pianificazione possono quindi avvalersi di una previsione affidabile basata sull'apprendimento automatico che utilizza tecniche avanzate di modellazione predittiva per generare previsioni più accurate.	Panoramica: Bring Your Own ML
Ottenere informazioni su come configurare l'importazione di modelli di apprendimento automatico per Bring Your Own ML. In Planning viene importato un modello di apprendimento automatico completamente preconfigurato. Seguendo i passi di una procedura guidata, si esegue la mappa, l'analisi e il test del modello. Dopo il salvataggio del modello, vengono create due regole di Groovy. Per completare il processo di integrazione, visionare il video correlato per la distribuzione di un modello di apprendimento automatico in Planning.	Configurazione dell'importazione di un modello di apprendimento automatico
Imparare a distribuire un modello di apprendimento automatico in Planning. Dopo aver configurato l'importazione del modello di apprendimento automatico, si procede all'integrazione del file PMML nell'applicazione creando un menu Azioni con la regola Groovy generata a partire dal modello di apprendimento automatico configurato. Si procede quindi ad associare il menu Azioni a un form. Quando i responsabili della pianificazione eseguono la regola a partire dal form, la regola restituisce il set di valori previsti.	Distribuzione di un modello di apprendimento automatico in Planning