基于SAP的企业级实用数据分析电子书

O'Reilly Media，Inc.介绍

业界评论

译者序

前言

如何阅读本书

致谢

排版约定

示例代码

O’Reilly在线学习平台（O’Reilly Online Learning）

如何联系我们

第1章 绪论

1.1 用数据讲述更好的故事

1.2 面向SAP专业人员的数据科学

1.3 面向数据科学家的SAP

1.4 角色与职责

1.5 小结

第2章 面向SAP专业人员的数据科学

2.1 机器学习

2.1.1 有监督机器学习

2.1.2 无监督机器学习

2.1.3 半监督机器学习

2.1.4 强化机器学习

2.2 神经网络

2.3 小结

第3章 面向数据科学家的SAP

3.1 SAP入门

3.2 ABAP数据字典

3.2.1 表

3.2.2 结构

3.2.3 数据元素和域

3.2.4 where-used

3.2.5 ABAP QuickViewer

3.2.6 SE16导出

3.3 OData服务

3.4 核心数据服务

3.5 小结

第4章 用R语言进行探索性数据分析

4.1 EDA的四个阶段

4.2 阶段1：数据收集

使用R语言导入

4.3 阶段2：数据清洗

4.3.1 清除NULL

4.3.2 二值表示

4.4 删除多余的列

4.4.1 空格

4.4.2 数字

4.5 阶段3：数据分析

4.5.1 DataExplorer

4.5.2 离散特征

4.5.3 连续特征

4.6 阶段4：数据建模

4.6.1 TensorFlow和Keras

4.6.2 训练集和测试集分离

4.6.3 塑形和独热编码

4.6.4 recipes库

4.6.5 为神经网络准备数据

4.6.6 结果

4.7 小结

第5章 使用R和Python进行异常检测

5.1 异常的类型

5.2 R中的工具

5.2.1 AnomalyDetection

5.2.2 anomalize

5.2.3 获取数据

5.2.4 SAP ECC系统

5.2.5 SAP NetWeaver Gateway

5.2.6 SQL Server

5.3 发现异常

5.3.1 PowerBI和R

5.3.2 PowerBI和Python

5.4 小结

第6章 使用R和Python进行预测分析

6.1 使用R预测销量

6.1.1 步骤1：识别数据

6.1.2 步骤2：收集数据

6.1.3 步骤3：探索数据

6.1.4 步骤4：数据建模

6.1.5 步骤5：评估模型

6.2 使用Python预测销量

6.2.1 步骤1：识别数据

6.2.2 步骤2：收集数据

6.2.3 步骤3：探索数据

6.2.4 步骤4：数据建模

6.2.5 步骤5：评估模型

6.3 小结

第7章 使用R进行聚类和细分

7.1 理解聚类和细分

7.1.1 RFM

7.1.2 帕累托法则

7.1.3 k-means

7.1.4 k-medoid

7.1.5 层次聚类

7.1.6 时间序列聚类

7.2 步骤1：数据收集

7.3 步骤2：数据清洗

7.4 步骤3：数据分析

7.4.1 重新审视帕累托法则

7.4.2 寻找最佳聚类数

7.4.3 k-means聚类

7.4.4 k-medoid聚类

7.4.5 层次聚类

7.4.6 手工RFM

7.5 步骤4：结果报告

7.5.1 R Markdown代码

7.5.2 R Markdown Knit

7.6 小结

第8章 关联规则挖掘

8.1 了解关联规则挖掘

8.1.1 支持度

8.1.2 置信度

8.1.3 提升度

8.1.4 apriori算法

8.2 操作化概述

8.3 收集数据

8.4 清洗数据

8.5 分析数据

8.6 小结

第9章 使用谷歌云自然语言API进行自然语言处理

9.1 理解自然语言处理

9.1.1 情感分析

9.1.2 翻译

9.2 准备云API

9.3 收集数据

9.4 分析数据

9.5 小结

第10章 结语

10.1 不忘初心

10.2 内容回顾

10.3 提示和建议

10.3.1 要有创意

10.3.2 要务实

10.3.3 要享受过程

10.4 保持联系