Selain itu, Anda harus dapat mensimulasikan berbagai perkiraan: apa yang akan terjadi jika Anda memindahkan penjualan secara online atau mengurangi biaya kantor, apakah investasi TI akan membantu meningkatkan penjualan dengan meningkatkan efisiensi staf. Selain itu, terdapat industri di mana bagian biaya langsung dalam biaya total kecil, sehingga pendekatan yang diterima secara umum untuk alokasi biaya tidak langsung dapat menyebabkan keputusan manajemen yang salah.
Biasanya, sebagai hasil dari penerapan metode alokasi biaya lanjutan, dimungkinkan untuk mengidentifikasi 30-40% dari total biaya yang dapat dihindari. Ini memungkinkan Anda mendapatkan keuntungan tambahan. Pada saat yang sama, biaya TI untuk sistem alokasi harus memberikan pengembalian investasi yang cepat, yang berarti bahwa proyek akan diselesaikan dengan cepat. Dalam analisis dan implementasi model kompleks seperti itulah SAP Profitability and Performance Management (sebelumnya SAP FS-PER) membantu, yang telah lama tidak lagi menjadi solusi hanya untuk manajemen biaya. Sekarang ini adalah kumpulan manipulasi data dan alat pemodelan tingkat lanjut yang kaya. Hal ini dikonfirmasi oleh berbagai skenario yang kini diterapkan pelanggan kami di berbagai industri: manufaktur, media, ritel, bank, pertambangan, dll.
Mari kita lihat fitur-fitur baru utama yang telah muncul di pembaruan terbaru untuk solusi tersebut, dan bagaimana Anda dapat menggunakan ML di SAP PAPM untuk membuat perkiraan.
1. Antarmuka baru untuk pemodelan dan pelaporan
Antarmuka pelaporan baru berisi kemampuan untuk membangun analitik tidak hanya dengan nilai kuantitatif dan hasil perhitungan, tetapi juga analitik deskriptif. Ini berguna untuk banyak kasus penggunaan produk yang memerlukan dokumentasi ekstensif, seperti pemodelan keuangan, harga transfer, keberlanjutan, dan pelaporan pajak.
Termasuk dalam interface ini adalah WYSIWYG (apa-kau-lihat-ini-apa-kau-get) editor dokumen yang menyediakan teks mengedit untuk menyertakan tabel, link, gambar dan video, dan untuk memvisualisasikan input dan output data.
Pemodelan bagaimana-jika (sisi server)
Sebelumnya, sudah tersedia model hasil dengan mengubah parameter input, misalnya mengubah harga material yang masuk dalam produksi atau tarif untuk melayani sekelompok pelanggan segmen B2C, menaikkan / menurunkan IT atau biaya bahan bakar. Antarmuka baru mencakup pemodelan parameter proses perhitungan: periode, proses, pusat biaya, wilayah, jenis kendaraan, jenis pemasangan, dll. Setelah selesai penghitungan di server, hasilnya akan tercermin dalam laporan.
Pemodelan sisi klien
Semuanya sama seperti di versi server, hanya pemodelan sisi klien yang dapat menjalankan skrip berdasarkan data yang ditampilkan di laporan.
Visualisasi data awal dan hasil perhitungan
Input data dan hasil dapat divisualisasikan menggunakan berbagai jenis diagram dan grafik seperti bar, time series, heat map, value chain, dan lain-lain. Visualisasi ini disematkan dalam laporan dan bersifat interaktif. Artinya, mereka bergantung pada filter dan konfigurasi yang memungkinkan perincian data.
2. Pembelajaran mesin
Jenis model baru "Pengelompokan" dan "Klasifikasi", selain "Regresi" dan "Perkiraan" (deret waktu) yang sudah ada, telah muncul di fungsi pembelajaran mesin menggunakan pustaka prediksi otomatis (APL) HANA.
Prasyarat untuk digunakan adalah SAP HANA Automated Predictive Library (APL) 1904 (minimum) yang terinstal.
Mari pertimbangkan contoh penggunaan aturan Forecast.
Misalkan kita mempunyai tugas untuk memprediksi data awal biaya departemen untuk tahun depan berdasarkan data yang diuraikan berdasarkan tanggal, akun, pusat biaya, dll.
Periode forecast diatur ke 12. Artinya kita akan mendapatkan 12 nilai forecast. Fungsi menghitung nilai di kolom Jumlah Perkiraan berdasarkan algoritma yang diterapkan oleh APL. Fungsi pustaka otomatis menjalankan beberapa model (seperti regresi linier atau pemulusan eksponensial) pada data historis. Ini untuk menentukan model terbaik yang dilatih pada set data masukan. Selanjutnya, prakiraan dibuat. Nilai prediksi nanti dapat digunakan di fungsi lain.
Jadi, hasil ramalan dalam kasus kami akan terlihat seperti ini.
Pembelajaran mesin juga menunjukkan input yang ditujukan untuk akun akuntansi BEN dan COM. Perkiraan menunjukkan tren kenaikan untuk akun BEN dan tren positif untuk akun COM. Karena periode tersebut ditentukan sebagai 12 bulan, pembelajaran mesin memperkirakan jumlah tersebut selama 12 bulan ke depan untuk setiap jenis akun yang ditentukan.
Tetapi sering terjadi bahwa ramalan yang lebih rinci atau penulisan fungsi Anda sendiri diperlukan. Untuk ini, pembuatan kode dalam skrip R dapat digunakan; untuk menyebutnya, Server SAP HANA R harus diaktifkan. Selanjutnya, melalui fungsi memanggil prosedur eksternal Adaptor Fungsi Jarak Jauh, pengguna dapat memilih jenis Skrip SAP HANA R, yang memungkinkan Anda untuk memanggil skrip R eksternal. Pada saat yang sama, PaPM akan menampilkan kode itu sendiri, ditulis secara eksternal, atau menyediakan antarmuka untuk menulis dan mengeditnya.
Pendekatan ini dapat digunakan untuk skenario di mana diperlukan model prediksi yang kompleks, seperti dalam pemodelan keuangan atau untuk menghitung risiko di industri perbankan.
3. Paralelisasi dan skala keluar
Solusi tersebut harus dapat bekerja dengan sejumlah besar data dan pada saat yang sama memberikan kinerja penghitungan yang tinggi, apa pun skenarionya. Untuk memastikan hal ini, ada lebih banyak peluang untuk paralelisasi penghitungan dan fungsionalitas skala. Ini membuatnya lebih mudah untuk bekerja dengan kumpulan data 2 miliar atau lebih catatan dan memungkinkan Anda untuk secara aktif mengelola beban CPU dan RAM.
Dalam aplikasi simulasi, dengan memilih Environment -> Partitioning, untuk setiap rentang partisi, Anda sekarang dapat menentukan di mana paket kerja ini harus dijalankan. Ini dapat berguna untuk mencapai keseimbangan beban yang merata di seluruh lanskap sistem skala-out. Dalam kasus ini, jumlah record dalam paket kerja sangat tidak merata, dan distribusi otomatis SAP HANA kurang optimal.
Rincian lebih lanjut tentang pengaturan dan peluncuran selanjutnya dapat ditemukan di sini .
Sebagai kesimpulan, saya ingin mengingatkan Anda bahwa SAP PaPM hadir dengan konten standar untuk memudahkan memulai solusi. Sekarang mencakup lebih dari 40 model untuk berbagai industri dan skenario dari alokasi biaya hingga analisis keberlanjutan perusahaan. Konten tersebut terus-menerus diperkaya dan diisi ulang, salah satu hal baru dari PCM ke Biaya berbasis Aktivitas PaPM. Ini menyediakan editor aturan yang mirip dengan SAP Profitabilitas dan Manajemen Biaya. Dan karena solusi telah kedaluwarsa dalam periode dukungannya, konten baru akan secara signifikan menyederhanakan impor aturan dari SAP PCM, mengurangi waktu migrasi.
Solusi ini terus dikembangkan secara aktif, menyediakan pengguna dengan seluruh platform untuk mengotomatiskan berbagai skenario melalui antarmuka yang nyaman yang tidak memerlukan pemrograman. Dalam artikel berikut, kita akan membahas tentang skenario tersemat lainnya yang paling diminati di antara pelanggan global dan Rusia, misalnya, "Manajemen Keberlanjutan" dan "Alokasi Biaya TI" menurut metodologi manajemen bisnis Teknologi.
Penulis - Irina Sheftelevich, Arsitek Senior Solusi Bisnis SAP CIS