SAP企業機器學習--賦能業務創新

第1章 人工智慧與企業機器學習： 願景還是現實？
1.1人工智慧的第3春是永恆？
1.1.1AlphaGo早已不下圍棋了！
1.1.2人工智慧與機器學習
1.1.3機器學習的3種類型
1.2企業生存之道： 數位化轉型
1.2.1數字達爾文主義
1.2.2體驗經濟
1.2.3數位化轉型
1.2.4雙模IT
1.3擴展的摩爾定律： 驅動技術指數發展的法則
1.4數據為王
1.4.1德國國家隊之第十二人
1.4.2SAP HANA挽救病患
1.4.3一切皆數據： 從決定論到概率論
1.4.4IT向DT轉型
參考文獻

第2章 SAP企業機器學習
2.1SAP Leonardo機器學習概述
2.1.1財務自動化與現金應用
2.1.2SAP簡歷匹配
2.1.3SAP品牌影響
2.1.4SAP客戶留存
2.1.5SAP服務票
2.2業務問題轉化為機器學習問題的步驟
2.3機器學習與商業智慧
2.3.1SAP預測分析
2.3.2HANA預測分析庫
2.3.3應用函數建模器
2.3.4SAP分析雲服務
2.4基於機器學習的業務創新框架
2.5SAP創新組織與服務
參考文獻

第3章 資料科學： 第4範式
3.1資料科學概覽
3.2數據預處理
3.2.1資料清理
3.2.2資料集成
3.2.3數據歸約
3.2.4數據變換
3.3機器學習演算法
3.3.1機器學習概述
3.3.2回歸分析
3.3.3分類
3.3.4SAP預測分析之自動分析
3.3.5聚簇
3.3.6關聯規則學習
3.3.7時間序列
3.3.8推薦系統
3.3.9離群點偵測
3.3.10ABC分類法
3.3.11社交網路
3.3.12自然語言處理
3.4系統設計與自動分析
3.5深度學習
3.5.1聯結主義概述： 從感知器到深度學習
3.5.2CNN的生理學基礎——大腦視覺過程
3.5.3自動編碼器與玻爾茲曼機
3.5.4稀疏編碼
3.5.5卷積神經網路
3.5.6迴圈神經網路和長短時記憶
3.5.7深度強化學習
3.5.8生成對抗網路
3.6機器學習趨勢與影響
附錄3ASAP預測分析習題
參考文獻

第4章 基於機器學習的行業創新案例與應用
4.1行業創新案例
4.1.1零售、電商與互聯網
4.1.2消費品
4.1.3金融服務
4.1.4製造業
4.1.5旅行與運輸業
4.1.6石油與天然氣
4.1.7公用事業
4.1.8電信
4.1.9醫療與健康
4.1.10體育與娛樂
4.1.11教育與科研
4.1.12政府
4.2資料驅動的創新應用
4.2.1SAP Hybris Marketing
4.2.2SAP客戶活動庫
4.2.3SAP銷售洞見(零售業)
4.2.4SAP需求信號管理
4.2.5SAP反欺詐管理
4.3工業4.0與AI
4.3.1工業革命的共性： 資訊對物質的控制
4.3.2工業4.0與物聯網
4.3.3回顧與展望
參考文獻

第5章 機器學習： 數字經濟創新的原動力
5.1網路價值： 梅特卡夫定律
5.2創新者窘境： 維持性創新vs顛覆性創新
5.3企業機器學習創新的切入點
5.3.1超個性化的客戶體驗
5.3.2對員工的授權和互動
5.3.3即時計畫和資源優化
5.4業務與IT新核心： 資料分析
5.5SAP.iO創業孵化
5.5.1內部創業孵化項目
5.5.2SAP.iO內部創業項目的選擇標準
5.6結語
參考文獻

餘論
附錄A 設計思維簡介
附錄B 企業數位化轉型簡表
附錄C 更多資訊

前言

自文藝復興以降，啟蒙運動推動歷史的車輪向科學的方向滾動。工業革命以來的兩百餘年，科技發展的速度不斷提升，成就了昌盛的現代工業文明。隨著互聯網、物聯網和雲計算的發展演進，社交網路與數百億個感測器每秒都在產生持續的資料洪流，全球正在進入空前絕後的數位化轉型階段，物聯網演進到“數位孿生”的新階段，現實世界中的物理實體在虛擬的數位世界中存在一個與之對應的數位化模型，基於比特的虛擬世界擺脫了基於原子的現實世界的種種限制，衍生出無窮的創新，給人類帶來堪比於工業革命的空前變革，被稱為“數字文藝復興”。

2017年，AlphaZero、人臉識別、機器翻譯、醫療影像診斷、無人超市和無人駕駛等不同領域的人工智慧應用紛紛落地，人工智慧驅動的“黑天鵝”事件頻發。未來十年，人工智慧將成為新的“電力”，大部分行業都將被人工智慧改變。李開複博士認為，一半的工作將被人工智慧所取代，在這個無人能置身事外的時代巨變中，機器學習特別是深度學習成為推動本輪人工智慧繁榮的最強動力。

SAP的願景是使世界運轉得更卓越，讓人們生活得更美好。四十餘年來，SAP系統產生了大量極富價值的交易資料，全球74%的GDP都會至少接觸一次SAP系統。2017年5月，SAP隆重推出了SAP Leonardo數位創新系統，內置的機器學習平臺為新一代商業應用提供了智慧引擎，説明企業從數位化轉型所產生的海量資料中實現與創造價值。企業不僅需要將大資料轉化為商業洞見，更需要重新思考資料時代對於未來業務和工作關係的影響，以及如何進行業務模式與流程的破壞式創新，保護和創造競爭優勢。機器學習已成為企業開拓新市場、打造卓越用戶體驗、重構業務模式與流程的利器。

企業進行業務創新，首先要定義業務場景。……

機器學習涉及十幾種常用演算法，各有其特點，常令使用者在演算法選擇時困擾不已，更不用說演算法背後的數學與統計學原理了。即使高級分析工具遮罩了複雜的細節，演算法的輸出結果也難以理解，讓大部分用戶望而生畏。有鑑於此，本書堅持兩個宗旨： 第一，以平實的語言通俗易懂地解釋演算法的思想和工作原理，不出現複雜的數學公式； 第二，通過例子和練習將重要的演算法落地。另外，本書強調對術語的名稱、歷史淵源與應用場合的厘清，很多時候理解了術語名稱和背景，也幫助厘清了概念，再結合理論與實踐，就能掌握得更牢固。

本書包括業務創新與機器學習演算法這兩條時常交叉的主線，試圖幫助讀者推開企業機器學習的一扇扇門，把“已知的未知”變為“已知”，把 “未知的未知”變成“已知的未知”，為進一步深入機器學習演算法鋪平道路，為利用機器學習進行業務創新提供案例、框架與工具。……

本書由鄔學甯擔任主編，陳澤平和曹曉華分別負責第5章與第2章部分內容的編寫，王洪剛負責3.2節和3.3節的編寫。本書在從最初構思到付梓經歷了近三年的時間，其間多次進行結構與內容的調整，筆者力圖以最精簡的文字將最有價值的內容呈現給讀者。在本書寫作過程中，筆者得到了許多SAP同事與朋友的大力支持，特向楊焜、袁虹、米凱、關錚、沈劍蕾、於德生、倪寅淩、Howard Dai、秦斌、高淩燕、洪蓓、徐妮、餘佩玟、Dahlmeier Daniel、Noga Markus、Katrin Schneider、Farooq Azam、Judith Li、Eric Du、Marc Chan、張琪偉、崔成哲、黃英、濮立新、金江、連平、葛海洋、 張平偉、王勝男、劉詠、陳繼麟、范晶、臧青青、丁曉峰、米智偉、郭潤平、談盛濤、張浩明和楊林表示由衷的感謝。MIT的 Lex Fridman博士和谷歌大腦的Christopher Olah也給予了內容上的無私支援，一併表示感謝。

關於讀取順序說明如下。每章內容自成體系，可以跳躍式閱讀。如果您只希望瞭解機器學習演算法的工作原理，在看完第1章的1.1節後可直接閱讀第3章； 如果您只對業務創新的應用與案例感興趣，可將第4章和第5章作為閱讀重點； 如果您希望瞭解企業機器學習的背景與發展趨勢，可重點看第1章和第5章； 如果希望瞭解SAP Leonardo機器學習平臺與應用，請參考第2章。

由於作者水準與時間有限，雖然盡力對內容進行了精簡與優化，但不當之處在所難免，懇請廣大讀者批評指正。

鄔學寧
2018年4月於上海