Guia do usuário do Expert Analytics

Transcrição

PUBLIC
SAP Predictive Analytics 2.0
2015-02-10
Conteúdo
1
Recursos da documentação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2
Novo no Expert Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7
3
Sobre este guia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1
Conteúdo do guia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2
Público alvo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4
Informações gerais de Expert Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5
Introdução ao Expert Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.1
Princípios básicos de Expert Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.2
Como iniciar Expert Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.3
Compreendendo Expert Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Visão de designer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Visão de resultados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.4
Utilizando Expert Analytics do início ao fim. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.5
Configuração de características avançadas de Expert Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
6
Adquirindo dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
6.1
Adquirir dados de uma fonte de dados para criar um conjunto de dados. . . . . . . . . . . . . . . . . . . . . . . . 17
Visualizando uma conexão de fonte de dados e seus documentos associados. . . . . . . . . . . . . . . . . 18
Adquirindo dados de uma pasta de trabalho do Excel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Aquisição de dados de um arquivo de texto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Adquirindo dados copiados para a área de transferência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Adquirindo dados das visões do SAP HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Aquisição de dados de universos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Adquirindo dados utilizando Consulta com SQL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Efetuando download de dados do banco de dados SAP BW. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Processamento de um conjunto de dados adquirido. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Objetos ocultos da lista de objetos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Como editar o arquivo de sugestões de enriquecimento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
7
Preparando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
7.1
Preparando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Sala Preparar – visualização, limpeza e manipulação de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Editando e filtrando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46
Criação de medidas e hierarquias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Criando uma medida ou dimensão calculada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .55
2
PUBLIC
© 2015 SAP SE ou empresa afiliada da SAP. Todos os direitos
reservados.
Conteúdo
Trabalhando com múltiplos conjuntos de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71
8
Criando análises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8.1
Como criar uma análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Aplicação de componentes de pré-processamento em dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . .74
Como aplicar os algoritmos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Opcional: Como armazenar os resultados da análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
8.2
Como executar a análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .77
8.3
Como salvar a análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
8.4
Como excluir uma análise do documento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
8.5
Como visualizar os resultados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
8.6
Exportação de uma análise como um procedimento armazenado. . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
9
Adicionando um componente personalizado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9.1
Personalizar componente R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Assistente de criação do componente R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Como criar um componente R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.2
Componente PAL personalizado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Assistente de criação do componente PAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Criando um componente da PAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
10
Analisando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
10.1
Como analisar os dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
10.2
Gráfico de matriz de dispersão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
10.3
Gráfico de resumo estatístico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
10.4
Coordenadas paralelas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
10.5
Árvore de decisão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
10.6
Gráfico de tendência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
10.7
Gráfico de cluster. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.8
Gráfico de nuvem de tags Apriori. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.9
Matriz de confusão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.10
Gráfico de componente R customizado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
11
Visualizando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
11.1
Visualizando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Criando gráficos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Classificando dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Filtragem de dados do gráfico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Aplicação de formatação condicional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Dados hierárquicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Localizando medidas, dimensões e valores de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Medidas associadas a dimensões. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Tipos de agregação suportados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
Conteúdo
PUBLIC
reservados.
3
12
Criando histórias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
12.1
Histórias e dados visualizados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
Elemento de página. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
Criando uma história. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Como salvar uma história. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
Modificando uma história. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .125
Como explorar uma visualização em uma história. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
Como atualizar dados em uma página de infográfico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
13
Compartilhando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
13.1
Como publicar no SAP Lumira Server. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .127
Como publicar histórias e conjuntos de dados no SAP Lumira Server. . . . . . . . . . . . . . . . . . . . . . .127
14
Trabalhando com modelos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
14.1
Como criar um modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
14.2
Como exportar um modelo como PMML. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
14.3
Como exportar um modelo em um arquivo .spar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .130
14.4
Exportando um modelo do SAP HANA como procedimento armazenado. . . . . . . . . . . . . . . . . . . . . . 130
Removendo o procedimento armazenado e exportado do SAP HANA. . . . . . . . . . . . . . . . . . . . . . .131
14.5
Como importar um modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
14.6
Como excluir um modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
15
Propriedades do componente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
15.1
Algoritmos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
Regressão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
Valores atípicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
Série de tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Árvores de decisão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
Rede neural. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
Clustering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
Associação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .188
Classificação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
15.2
Componentes de preparação de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
Fórmula. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
Amostra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
Definição de tipo de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
Filtro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
Normalização. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
Categorização HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .216
Normalização HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
Partição HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
15.3
4
Gravadores de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
PUBLIC
reservados.
Conteúdo
CSV Writer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
JDBC Writer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
HANA Writer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
15.4
Modelos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
Conteúdo
PUBLIC
reservados.
5
1
Recursos da documentação
A tabela a seguir fornece a lista de guias disponíveis para o SAP Predictive Analytics:
Tabela 1:
O que você quer fazer?
Então vá para...
Obter ajuda instantânea sobre como usar o Expert Analytics
ou encontrar informações sobre uma função ou fluxo de tra
balho.
A Ajuda online está disponível no Expert Analytics, da seguinte
forma:
Obter ajuda instantânea sobre como usar o Automated
Analytics ou encontrar informações sobre uma função ou
fluxo de trabalho.
●
Clique no ícone de Ajuda (?) em uma caixa de diálogo ou
janela.
●
Selecione o menu
Ajuda
Ajuda
A Ajuda online está disponível no Automated Analytics, da se
guinte forma:
●
Pressione a tecla F1.
●
Selecione o menu
Ajuda
Ajuda
Obtenha a documentação completa sobre como usar o SAP
Predictive Analytics (inglês).
SAP Predictive Analytics Página inicial
Obtenha a documentação sobre como usar o SAP Predictive
Analytics em outro idioma.
Página Todos os produtos SAP
Nota
.
.
Selecione um idioma, depois selecione SAP Predictive
Analytics e a versão necessária pelas listas de opções.
A documentação em idiomas, que não o inglês, só está dis
ponível para certos guias.
Obtenha as últimas informações sobre o suporte de software
e banco de dados do SAP Predictive Analytics.
6
PUBLIC
reservados.
Matriz de disponibilidade do produto SAP.
Recursos da documentação
2
Novo no Expert Analytics
Uma lista dos novos recursos disponibilizados com o Expert Analytics e uma descrição de cada recurso.
Os seguintes recursos novos do Expert Analytics estão disponíveis nessa versão do SAP Predictive Analytics:
Tabela 2:
Novo nesta versão
Descrição
Suporte offline do BW (Business Warehouse)
Você pode conectar-se com um sistema BW (executado no
SAP HANA ou qualquer outro banco de dados) e efetuar
download dos dados para análise offline. Ambas as consultas
InfoProviders e BEx com ou sem variáveis são suportadas.
Novos algoritmos APL (Automated Predictive Library) online
suportados
Os seguintes algoritmos APL online são suportados e podem
ser utilizados em análises:
●
Algoritmo HANA de classificação automática
Identifica o melhor modelo de classificação binária que
prevê dados inesperados na categoria. Isso é feito sele
cionando automaticamente um algoritmo de classifica
ção e variáveis de entrada principais para gerar o melhor
modelo.
●
Algoritmo HANA de clustering automático
Descobre segmentos nos dados com referência a uma
variável de destino. Isso é feito selecionando automati
camente um algoritmo de clustering e variáveis de en
trada principais para gerar o melhor modelo.
●
Algoritmo HANA de regressão automática
Identifica o melhor modelo de regressão automatica
mente que melhor explica as relações entre as variáveis
de entrada independentes e variáveis de destino.
Novo no Expert Analytics
PUBLIC
reservados.
7
3
Sobre este guia
3.1
Conteúdo do guia
Este guia contém as seguintes informações:
●
Uma visão geral de Expert Analytics
●
Como adquirir dados de várias fontes de dados
●
Como executar operações de manipulação de dados, limpeza de dados e enriquecimento semântico na sala
Preparação
●
Informações sobre os vários algoritmos e componentes disponíveis no Expert Analytics
●
Informações sobre como criar análises e modelos
●
Informações sobre como analisar os dados usando técnicas de visualização preditiva
●
Como criar quadros de síntese
●
Como compartilhar gráficos e conjuntos de dados
Nota
Expert Analytics herda a funcionalidade de aquisição de dados e manipulação de dados do SAP Lumira.
Portanto, para informações sobre fluxos de trabalho não abordados nesse guia, consulte o Guia do usuário do
SAP Lumira disponível em: http://help.sap.com/lumira.
Nota
As informações sobre como instalar e configurar o aplicativo e como instalar R são cobertas no SAP Predictive
AnalyticsGuia de instalação do Desktop.
3.2
Público alvo
Este guia é destinado a profissionais especializados em análise de dados, usuários empresariais, estatísticos e
cientistas de dados que queiram usar Expert Analytics para analisar e visualizar os dados usando algoritmos
preditivos.
Nota
Para usar Expert Analytics, você precisa conhecer algoritmos de análise estatística e de mineração de dados e
saber usá-los.
8
PUBLIC
reservados.
Sobre este guia
4
Informações gerais de Expert Analytics
Expert Analytics é um conjunto de ferramentas de análise estatística e de mineração de dados que permite a
criação de modelos preditivos para identificar visões e relações ocultas nos dados, com base nos quais você pode
prever eventos futuros.
Expert Analytics é um conjunto de ferramentas do aplicativo SAP Predictive Analytics.
Com Expert Analytics, você realiza várias análises de dados, inclusive previsão de série de tempo, detecção de
valores atípicos, análise de tendência, análise de classificação, análise de segmentação e análise de afinidade.
Permite que você analise os dados usando diferentes técnicas de visualização, como gráficos de matriz de
dispersão, coordenadas paralelas, gráficos de cluster e árvores de decisão.
Expert Analytics oferece uma ampla gama de algoritmos preditivos, suporta o uso de linguagem de análise
estatística de fonte aberta R e oferece recursos de mineração de dados na memória (in-memory) para um
processamento eficiente de análise de dados volumosos.
Nota
Expert Analytics herda a funcionalidade de aquisição de dados e manipulação de dados do SAP Lumira. SAP
Lumira é uma ferramenta de manipulação e visualização de dados. Usando o SAP Lumira, você pode conectarse a várias fontes de dados, como arquivos planos, bancos de dados relacionais, bancos de dados na memória
e universos do SAP BusinessObjects, além de operar com diferentes volumes de dados, de uma matriz de
dados pequena em arquivo CSV até um conjunto bem volumoso de dados no SAP HANA.
Informações gerais de Expert Analytics
PUBLIC
reservados.
9
5
Introdução ao Expert Analytics
5.1
Princípios básicos de Expert Analytics
Conceitos importantes relevantes ao utilizar Expert Analytics.
Componente
Componente é a unidade básica de processamento de Expert Analytics. Cada componente tem um ponto de
conexão de entrada e/ou vários pontos de conexão de saída. Os pontos de conexão são utilizados para conectar
componentes por meio de conectores. Quando você conecta os componentes, os dados são transmitidos dos
componentes precedentes para seus componentes sucessores.
Expert Analytics consiste dos seguintes componentes:
●
Pré-processadores
●
Algoritmos
●
Gravadores de dados
Você pode acessar os componentes da visão de designer da sala Prever. Depois de adicionar componentes ao
editor de análise, o ícone de status de um componente permite identificar seu estado.
Estes são os estados de um componente:
●
Nenhum ícone de status: este estado é exibido quando você arrasta um componente até o editor de análise.
Indica a necessidade de configurar o componente antes da execução da análise.
●
(Configurado): este estado é exibido quando todas as propriedades necessárias do componente estão
configuradas.
●
(Sucesso): este estado é exibido após a execução bem sucedida da análise.
●
(Falha): este estado é exibido se o componente causar falha na execução da análise.
10
PUBLIC
reservados.
Análise
Análise consiste em uma série de componentes diferentes conectados em sequência específica por meio de
conectores que definem a direção do fluxo de dados.
Modelo
Modelo é um componente reutilizável, criado treinando um algoritmo com os dados históricos.
Modo de trabalho No banco de dados (In-DB)
No banco de dados (In-DB) é um modo de execução de análise em que os dados são processados dentro do
banco de dados SAP HANA usando recursos de mineração de dados. Neste modo, os dados jamais são
processados fora do banco de dados, portanto, a velocidade de processamento é bem alta. Este modo pode ser
usado para processar conjuntos de dados volumosos. O SAP HANA suporta mineração de dados no banco de
dados por meio de integração R e da biblioteca do Predictive Analysis (PAL). Este tipo de análise também é
referido como análise online.
Nota
Para informações sobre o dimensionamento do banco de dados SAP HANA para a execução da analise no
banco de dados, consulte o SAP Note 1514966.
Modo de trabalho No processo (In-Proc)
No processo (In-Proc) é um modo de execução de análise em que os dados são processados, retirando-os do
banco de dados e colocando-os em um espaço no processo preditivo. Nesse modo, você não pode utilizar os
algoritmos do SAP HANA PAL para análise. Entretanto, você pode trabalhar com os algoritmos R e da SAP. Este
tipo de análise também é denominado Out-DB ou análise offline.
Nota
Para informações sobre os requisitos de hardware necessários para a execução da análise no processo,
consulte a matriz da disponibilidade de produto em Matriz de disponibilidade do produto SAP
PUBLIC
reservados.
11
5.2
Como iniciar Expert Analytics
Para iniciar Expert Analytics, selecione
Analytics Desktop
5.3
Start
SAP Predictive Analytics
All Programs
SAP Business Intelligence
SAP Predictive
Expert Analytics .
Compreendendo Expert Analytics
Ao iniciar Expert Analytics, a página inicial é exibida. A página inicial contém informações para ajudá-lo a começar
a trabalhar.
Também exibe a opção Experimentar amostras . Essa opção permite experimentar as funções de Expert Analytics
utilizando os conjuntos de dados da amostra. Você também pode visualizar os documentos de amostra de Expert
Analytics no SAP Lumira utilizando a chave de licença de teste de SAP Predictive Analytics.
Para iniciar a análise de dados utilizando Expert Analytics, você precisa executar as tarefas a seguir:
●
Conecte-se à fonte de dados e adquira os dados para análise
●
Preparar os dados para análise, aplicando funções de manipulação e limpeza de dados
●
Analisar os dados, aplicando algoritmos de mineração de dados e de análise estatística
●
Compartilhar conjuntos de dados e gráficos com colaboradores externos
5.3.1
Visão de designer
A visão Designer na sala Previsão permite projetar e executar análises e criar modelos preditivos.
12
PUBLIC
reservados.
5.3.2
Visão de resultados
A visão Resultados na sala Previsão permite entender os dados e os resultados da análise usando várias técnicas
de visualização e gráficos intuitivos.
PUBLIC
reservados.
13
5.4
Utilizando Expert Analytics do início ao fim
Esta é uma visão geral do processo de construção de um gráfico baseado em um conjunto de dados. O processo
não é linear, portanto você pode retroceder uma etapa para ajustar o gráfico ou os dados.
Tabela 3:
Etapas para trabalhar com seus
dados
Descrição
Faça a conexão com a fonte de da
dos.
Se a fonte de dados for:
14
●
RDBMS: insira suas credenciais, conecte-se ao servidor do banco de dados e sele
cione uma fonte de dados; por exemplo, se você estiver se conectando ao SAP
HANA, selecione uma visualização e um cubo para construir um gráfico.
●
Arquivo simples: selecione as colunas que devem ser adquiridas, recortadas ou exi
bidas e ocultadas.
●
Universo: insira suas credenciais do universo, conecte-se ao repositório Central
Management Server e selecione um universo para construir seu gráfico.
PUBLIC
reservados.
Etapas para trabalhar com seus
dados
Descrição
Visualize e organize as colunas e as
dimensões.
Você pode visualizar os dados adquiridos como colunas ou facetas. Você pode organi
zar a exibição de dados para facilitar a construção do gráfico desta forma:
●
Analise os dados usando algoritmos
preditivos.
Crie filtros e oculte as colunas desnecessárias
●
Crie medidas, hierarquias de tempo e hierarquias geográficas
●
Limpe e organize os dados em colunas, usando várias ferramentas de manipulação
●
Crie colunas com fórmulas, usando a ampla seleção de funções disponíveis
Depois de adquiridos os dados relevantes na sala Preparar, alterne para a sala Previsão
e crie uma análise para encontrar padrões nos dados e prever resultados futuros.
Na sala Previsão, você pode fazer o seguinte:
Salve a análise
5.5
●
Criar uma análise
●
Construir modelos preditivos
●
Visualizar os resultados da análise
●
Exibir visualizações de modelo
●
Construir gráficos
Nomeie e salve a análise incluindo seus gráficos. As análises são salvas em um docu
mento com o formato de arquivo .lums na pasta do aplicativo, em Documentos, no ca
minho do seu perfil.
Configuração de características avançadas de Expert
Analytics
Você pode configurar as características avançadas de Expert Analytics, como otimização de desempenho e
habilitação de suporte de tipo de dados para algoritmos PAL utilizando o arquivo SAPPredictiveAnalysis.ini.
1.
Feche o aplicativo SAP Predictive Analytics.
2.
Navegue para <SAPPA_INST_DIR>\Desktop.
3.
Abra o arquivo SAPPredictiveAnalysis.ini.
4.
Defina os valores para os seguintes parâmetros como verdadeiros, para ativar a característica
correspondente. Defina o valor como falso para desabilitar a característica.
Tabela 4:
Parâmetro
Descrição
Valor padrão
-Dpa.batch.sql
Este parâmetro otimiza o desempenho
de Expert Analytics utilizando a execu
ção em lote de SQLs.
Verdadeiro
PUBLIC
reservados.
15
Parâmetro
Descrição
-Dpa.decimal.enabled
Este parâmetro ativa o suporte de tipo Falso
de dados decimal para algoritmos PAL.
O suporte de tipos de dados decimal
está disponível para SAP HANA 71 e
superior.
5.
Salve e feche o arquivo SAPPredictiveAnalysis.ini.
6.
Reinicie SAP Predictive Analytics.
16
PUBLIC
reservados.
Valor padrão
6
Adquirindo dados
6.1
Adquirir dados de uma fonte de dados para criar um
conjunto de dados
Você adquire dados ao copiá-los de uma fonte de dados para um conjunto de dados local.
Ao adquirir dados, o aplicativo exibe uma visualização destes e analisa os dados e as colunas para determinar seu
tipo. Os objetos que representam as colunas são propostos como dimensões ou medidas. Você pode
manualmente ocultar alguns tipos de colunas, com base no nome de coluna e nas propriedades dos dados.
Nota
O número máximo de células que podem ser adquiridas é determinado pela capacidade de sua máquina. Você
será avisado quando uma aquisição incluir 30 milhões de células para sistemas operacionais de 64 bits ou 15
milhões de células para sistemas operacionais de 32 bits.
Dependendo de sua fonte de dados, os dados podem ser adaptados antes da aquisição para incluir ou remover
colunas, dimensões, medidas ou variáveis e parâmetros de entrada. Algumas fontes de dados possuem opções
adicionais, como formatação de dados, nomeação e recorte de colunas ou a especificação de prefixos de nome
de colunas.
Tabela 5: Fontes de dados disponíveis
Fonte de dados
Descrição
Área de transferência
Cria um conjunto de dados a partir de dados copiados na área de transferência
Microsoft Excel
Carrega uma planilha do Excel como um conjunto de dados
Arquivo de texto
Carrega um arquivo de texto (.csv ou .txt) como conjunto de dados
SAP HANA
Baixa dados do modo SAP HANA (Offline)
Conecta com o modo SAP HANA (Online)
Universo SAP BusinessObjects
Baixa dados dos arquivos de universo SAP BusinessObjects (.unv e .unx)
Consulta com SQL
Executa Freehand SQL em um banco de dados para efetuar download de um conjunto de
dados
Após um conjunto de dados ser adquirido, você poderá adicionar e remover colunas, dimensões, medidas e
variáveis nele.
Adquirindo dados
PUBLIC
reservados.
17
Informações relacionadas
Aquisição de dados de um arquivo de texto [página 21]
Adquirindo dados das visões do SAP HANA [página 23]
Adquirindo dados de uma pasta de trabalho do Excel [página 18]
Adquirindo dados utilizando Consulta com SQL [página 30]
Conexão a uma fonte de dados de universo [página 28]
Processamento de um conjunto de dados adquirido [página 39]
Objetos ocultos da lista de objetos [página 39]
6.1.1
Visualizando uma conexão de fonte de dados e seus
documentos associados
Você pode visualizar todas as conexões definidas para o aplicativo e os documentos associados a cada conexão,
além de alterar a fonte de dados de destino para as conexões definidas localmente, na Página inicial.
1.
Na Página inicial, selecione Conexões.
Se houver um documento aberto na divisão Preparar ou Compartilhar, você precisará salvá-lo e fechá-lo
antes de ir para a Página inical.
O painel CONEXÕES é exibido à direita e lista todas as conexões de fonte de dados disponíveis. Selecione
uma conexão para exibir uma lista de documentos associados a ela. O painel DOCUMENTOS PARA é exibido à
direita do painel CONEXÕES e lista os documentos associados a cada conexão.
2.
Selecione uma conexão local da lista para exibir sua fonte de dados de destino.
Você pode selecionar outra fonte de dados caso necessário.
3.
(Opcional) Para alterar a conexão da fonte de dados para um documento, realize as ações seguintes:
a.
Selecione a conexão a ser alterada.
b.
Selecione o documento para alterar a fonte de dados no painel DOCUMENTO PARA.
c.
Selecione uma nova fonte de dados para o documento no painel CONEXÔES e selecione Aplicar.
6.1.2
Adquirindo dados de uma pasta de trabalho do Excel
1.
Na Página inicial, selecione Adquirir dados.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Microsoft Excel e depois Próximo.
3.
Selecione um ou mais arquivos do Excel e depois Abrir.
Os dados dos arquivos do Excel são visualizados na caixa de diálogo Novo conjunto de dados.
4.
(Opcional) Modifique as opções do Excel para adquirir dados.
5.
Selecione Criar.
A divisão Visualizar é aberta para você começar a criar gráficos e analisar dados. Caso queira modificar o
conjunto de dados primeiro, vá para a divisão Preparar.
18
PUBLIC
reservados.
Adquirindo dados
6.1.2.1
Novas opções de diálogo de conjunto de dados para
Excel
Você pode adquirir dados de uma ou várias pastas de trabalho do Microsoft Excel. Você escolhe quais linhas e
colunas deseja adquirir. Você também pode adquirir dados a partir de tabelas cruzadas.
Tabela 6: Novas opções de diálogo de conjunto de dados para Excel
Opção
Descrição
Nome do conjunto de dados
Digite um nome para o novo conjunto de dados.
Arquivos
Selecione as pastas de trabalho do Excel que serão a fonte de da
dos para o novo conjunto de dados.
Planilha
Quando uma pasta de trabalho do Excel contém várias folhas de
trabalho, selecione a folha de trabalho que deseja adquirir para o
conjunto de dados.
Acrescentar todas as folhas de trabalho
Marque esta caixa de seleção para adicionar todas as folhas de tra
balho na pasta de trabalho para o conjunto de dados. As colunas
comuns são anexadas e as colunas diferentes são adicionadas
como colunas novas.
Configurar a primeira linha com os nomes das colunas
Selecione essa caixa de seleção para definir os primeiros valores de
coluna na folha de trabalho como nomes de coluna no conjunto de
dados.
Tipo de cabeçalho da tabela
Selecione Tabela padrão (sem transformações) ou Tabela cruzada.
Selecionar tudo
Marque esta caixa de seleção para adicionar todas as colunas na
folha de trabalho para o conjunto de dados.
Exibir contagem de registro
Selecione a caixa de seleção para exibir o número de colunas e o
número de linhas no conjunto de dados.
Opções avançadas
Mostar colunas ocultas
Marque essa caixa de seleção para exibir colunas de folha de traba
Opções avançadas
Mostar linhas ocultas
Marque essa caixa de seleção para exibir linhas de folhas de traba
Opções avançadas
Detectar células mescladas
Marque essa caixa de seleção para realçar células mescladas no
Opções avançadas
Seleção de intervalo
Se a planilha contém um ou mais intervalos nomeados, selecione o
lho ocultas como cabeçalho de coluna em conjunto de dados.
lho ocultas no conjunto de dados.
conjunto de dados.
intervalo para aplicar as colunas adquiridas para o conjunto de da
dos. Um conjunto de dados é limitado às colunas definidas no Inter
valo.
Adquirindo dados
PUBLIC
reservados.
19
Opção
Descrição
Opções avançadas
Coluna
Para tabelas de referência cruzada, especifique o número de colu
Opções avançadas
Linha
Especifique o número de linhas a ser utilizado para o cabeçalho su
6.1.2.2
nas a ser utilizado no cabeçalho à esquerda.
perior.
Adquirindo dados de várias pastas de trabalho do
Excel
Ao adquirir dados de várias pastas de trabalho do Excel, o formato e o tipo de dados devem ser os mesmos em
todas as pastas de trabalho.
1.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Microsoft Excel e depois Próximo.
3.
Selecione um ou mais arquivos do Excel e depois Abrir.
Os dados dos arquivos do Excel são visualizados na caixa de diálogo Novo conjunto de dados.
4.
(Opcional) Na caixa Nome do conjunto de dados, insira um nome para o conjunto de dados.
5.
Ao lado de Arquivos, selecione Adicionar arquivos e localize e selecione a planilha Excel para dela adquirir
dados.
Você pode utilizar curingas para pesqusar um nome de planillha. Por predefinição, o primeiro aquivo no
caminho é considerado o arquivo de referência ao qual os dados serão anexados de outras planilhas
adquiridas.
Por exemplo, insira C:\data\monthly updates\*.xls(x) para localizar todos os arquivos .xls(x) no
caminho.
6.
Na lista Folha de trabalho, selecione uma planilha.
Essa folha de trabalho é a referência à qual os dados de outras folhas de trabalho serão anexados. A
contagem de registros é atualizada para refletir o número de registros de todos os dados adquiridos. Uma
coluna "Arquivo fonte" é adicionada ao conjunto de dados, listando cada nome de fonte de dados. Se você
marcou o campo de seleção Anexar todas as folhas de trabalho, todas elas que estiverem na planilha Excel
serão adicionadas ao conjunto de dados.
Dados da folha de trabalho aparecerão no painel de pré-visualização da caixa de diálogo Novo conjunto de
dados.
7.
(Opcional) Para exibir linhas ou colunas ocultas da folha de trabalho no conjunto de dados, selecione Opções
avançadas.
8.
(Opcional) Para exibir colunas ocultas de folha de trabalho nos dados adquiridos, marque o campo de seleção
Mostrar colunas ocultas, e insira o intervalo de coluna para exibir na listagem Seleção de intervalo.
9.
(Opcional) Para exibir linhas ocultas de folha de trabalho nos dados adquiridos, marque o campo de seleção
Mostrar linhas ocultas, e insira o intervalo de linha para exibir na listagem Seleção de intervalo.
10. Selecione Criar.
Os dados são adquiridos e exibidos na divisão Preparar.
20
PUBLIC
reservados.
Adquirindo dados
6.1.3
Aquisição de dados de um arquivo de texto
É possível adquirir dados de um ou mais arquivos de texto quando os dados estão armazenados com
delimitadores ou em colunas de largura fixa. Um exemplo de um arquivo de texto que utiliza delimitadores é um
arquivo de valores separados por vírgula (.csv).
Um arquivo .csv armazena números e texto na forma de texto sem formatação. Cada registro consiste de
campos que costumam estar separados por uma vírgula ou tabulação e os registros são separados por quebras
de linha. Aqui temos um exemplo de um arquivo .csv, com dados separados por vírgulas:
"Product","Country","Year","Quantity","Margin"
"Skis","Italy","2013","1,297","1,929"
"Computers","China","2014","609","10,659"
Adquirir dados desse arquivo .csv resulta em cinco colunas no conjunto de dados: "Produto", "País", "Ano",
"Quantidade" e "Margem". A coluna 2, neste exemplo, teria os valores "País", "Itália" e "China".
Aqui está um exemplo de um arquivo de texto com os dados armazenados em colunas de largura fixa:
Product
Country
Skis
Italy
Computers China
Year
2013
2014
Quantity
1,297
609
Margin
1,929
10,659
Você pode adquirir dados de múltiplas fontes de dados. Os arquivos devem ter o mesmo formato e tipo de dados.
Tabela 7: Opções da caixa de diálogo Novo conjunto de dados para arquivos de texto
Opção
Descrição
O nome do conjunto de dados
Arquivos
O arquivo ou arquivos que contêm os dados para o novo conjunto de dados. Você pode
importar dados de um ou diversos arquivos. Para especificar vários arquivos, separe os
caminhos de arquivos no campo Arquivo(s) com pontos e vírgulas, ou selecione Adicionar
arquivos e escolha um ou mais arquivos para adicionar à seleção.
Separador
Escolha se os dados nos seus arquivos são separados por delimitadores ou se são inseri
dos em colunas de largura fixa. Os delimitadores são símbolos, como vírgulas, tabs ou es
paços, que separam campos na fonte de dados e que especificarão as colunas no conjunto
de dados no SAP Lumira.
Configurar a primeira linha com
Marque essa caixa de seleção para definir a primeira linha de dados como os nomes de
os nomes das colunas
coluna no conjunto de dados.
Desmarque essa caixa de seleção para utilizar o nome predefinido de colunas ("Coluna1,"
"Coluna2," e assim por diante).
Opções avançadas
Formato
O formato para as colunas numéricas no conjunto de dados
Formato
O formato para as colunas de data no conjunto de dados
de número
Opções avançadas
de data
Adquirindo dados
PUBLIC
reservados.
21
Opção
Descrição
Opções avançadas
Quebrar
coluna
Ao adquirir os dados armazenados como colunas de largura fixa, analise o arquivo de da
dos e sugira larguras de coluna (em caracteres) para separar os dados em colunas no con
junto de dados.
Se as larguras sugeridas não forem adequadas, você pode alterar essas larguras digitando
valores separados por vírgulas. Por exemplo, se os dados estiverem em três colunas e as
larguras da coluna forem de 5, 10 e 15 caracteres, você digita 5,10,15 na caixa Quebrar
coluna e seleciona Aplicar para visualizar o conjunto de dados resultante.
Opções avançadas
Recortar
espaços iniciais
Marque esse campo de seleção para remover valores iniciais e finais de números e texto
no conjunto de dados, de modo que os cabeçalhos de coluna não apareçam em branco.
Por exemplo, se uma entrada "Produto" tiver um espaço inicial (" Produto"), o espaço será
removido e "Produto" (sem o espaço) aparecerá como o cabeçalho da coluna.
1.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Texto e depois Próximo.
3.
Selecione um ou mais arquivos e depois Abrir.
Os dados dos arquivos são visualizados na caixa de diálogo Novo conjunto de dados.
4.
(Opcional) Ajuste as opções do conjunto de dados na caixa de diálogo conforme necessário.
5.
Selecione Criar.
A divisão Visualizar é aberta e você pode começar a criar gráficos e analisar dados. Caso queira modificar o
6.1.4
Adquirindo dados copiados para a área de
transferência
Dados baseados em texto podem ser copiados para a área de transferência a partir de um arquivo baseado em
texto (por exemplo, do Microsoft Excel) ou a partir de uma página da Web.
Tabela 8: Opções da caixa de diálogo Novo conjunto de dados para dados copiados da área de transferência
Opção
Descrição
O nome do conjunto de dados
Separador
Escolha se os dados na área de transferência são separados por delimitadores ou se são
inseridos em colunas de largura fixa. Os delimitadores são símbolos, como vírgulas, tabu
lações ou espaços, que separam os campos na fonte de dados e especificarão as colunas
no conjunto de dados no aplicativo.
Configurar a primeira linha com
Marque essa caixa de seleção para definir a primeira linha de dados como os nomes de
os nomes das colunas
coluna no conjunto de dados.
Desmarque essa caixa de seleção para utilizar o nome predefinido de colunas ("Coluna1,"
"Coluna2," e assim por diante).
22
PUBLIC
reservados.
Adquirindo dados
Opção
Descrição
Opções avançadas
Formato
O formato para as colunas numéricas no conjunto de dados
Formato
O formato para as colunas de data no conjunto de dados
Quebrar
Ao adquirir os dados armazenados como colunas de largura fixa, analise o arquivo de da
de número
Opções avançadas
de data
Opções avançadas
coluna
dos e sugira larguras de coluna (em caracteres) para separar os dados em colunas no con
junto de dados.
Se as larguras sugeridas não forem adequadas, você pode alterar essas larguras digitando
valores separados por vírgulas. Por exemplo, se os dados estiverem em três colunas e as
larguras da coluna forem de 5, 10 e 15 caracteres, você digita 5,10,15 na caixa Quebrar
coluna e seleciona Aplicar para visualizar o conjunto de dados resultante.
Opções avançadas
Recortar
espaços iniciais
Marque esse campo de seleção para remover valores iniciais e finais de números e texto
no conjunto de dados, de modo que os cabeçalhos de coluna não apareçam em branco.
Por exemplo, se uma entrada "Produto" tiver um espaço inicial (" Produto"), o espaço será
removido e "Produto" (sem o espaço) aparecerá como o cabeçalho da coluna.
Nota
O navegador Microsoft Internet Explorer (IE) apresenta um problema conhecido ao copiar texto para a área de
transferência. Se esse problema ocorrer, utilize então um navegador suportado diferente.
1.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Copiar da área de transferência e depois Próximo.
3.
Copie o texto para a área de transferência.
4.
No aplicativo, crie um documento.
5.
Na caixa de diálogo Novo conjunto de dados, selecione Copiar da área de transferência e depois Próximo.
6.
(Opcional) Selecione Recortar espaços para remover espaços iniciais e finais de números e textos no
conjunto de dados.
7.
(Opcional) Selecione Recortar linha para remover linhas vazias do conjunto de dados.
8.
Selecione Continuar.
Os dados dos arquivos são visualizados na caixa de diálogo Novo conjunto de dados.
9.
(Opcional) Ajuste as opções do conjunto de dados na caixa de diálogo conforme necessário.
10. Selecione Criar.
A divisão Visualizar é aberta e você pode começar a criar gráficos e analisar dados. Caso queira modificar o
6.1.5
Adquirindo dados das visões do SAP HANA
Você pode adquirir dados da análise SAP HANA ou de visões de cálculo.
Adquirindo dados
PUBLIC
reservados.
23
Dados no banco de dados SAP HANA são acessíveis em uma "visão" – um agrupamento virtual predefinido de
colunas de tabelas que habilita o acesso a dados para uma necessidade de negócios específica. Visões são
específicas de tipos de tabela incluídos e de tipos de cálculos que são aplicados a colunas. Por exemplo, a visão
do atributo é criada em tabelas de dimensões, a visão analítica é criada em uma tabela de fatos e visões de
atributos e a visão de cálculo executa uma função em colunas quando a visão for acessada.
Você pode se conectar a visões SAP HANA de duas formas:
●
Ao efetuar o download de dados do SAP HANA
Os dados são copiados localmente e podem ser manipulados e editados antes de serem visualizados como
gráficos.
●
Ao visualizar dados no SAP HANA
Dados são somente leitura (que você não consegue editar), mas você pode visualizar os gráficos.
Depois de conectar à uma visão, os dados são apresentados como colunas, facetas, medidas, dimensões e
hierarquias no aplicativo.
Feitura de download de dados do SAP HANA [página 26]
Como se conectar com o SAP HANA [página 25]
Acessando dados do SAP BW por meio de visualizações do SAP HANA [página 27]
Especificando valores para variáveis e parâmetros de entrada de string do SAP HANA [página 27]
6.1.5.1
Restrições para conexões com SAP HANA One
Tabela 9: Restrições na conexão com a fonte de dados do SAP HANA One
Restrição
Descrição
Apenas um nível está disponí
Somente um atributo único por vez pode ser utilizado ao criar uma hierarquia geográfica.
vel para hierarquias geográfi
cas.
Medidas com dimensões nu
Medidas são detetadas a partir da visão analítica do SAP HANA. Elas devem ser criadas na
méricas ou de string não po
visão SAP HANA , antes que o aplicativo possa automaticamente adquirí-las.
dem ser criadas.
É impossível publicar conjun
tos de dados no SAP HANA
24
PUBLIC
reservados.
Adquirindo dados
Restrição
Descrição
Algumas funções não são su
As seguintes funções do SAP HANA não recebem suporte:
portadas.
●
AddMonthToDate
●
AddYearToDate
●
LastDayOfMonth
●
DayOfYear
●
Week
●
LastWord
●
ExceptLastWord
Algumas características não
Quando uma visão analítica utilizar uma visão de cálculo (por exemplo, quando uma visão de
estão disponíveis para visões
atributo dentro de uma visão analítica tiver uma medida calculada ou uma ou mais colunas
analíticas que utilizam uma vi calculadas):
são de cálculo.
6.1.5.2
●
A visão de grade não está disponível na sala Preparar.
●
As facetas não mostrarão valores quando uma medida for selecionada na sala Preparar.
●
Não será possível ordenar uma medida na sala Visualizar.
Como se conectar com o SAP HANA
Ao se conectar com o SAP HANA, você pode ver dados e criar visualizações a partir do cubo SAP HANA.
Você deve saber o nome do servidor, nome da porta, nome do usuário e senha do SAP HANA. Para obter mais
informações, entre em contato com o administrador SAP HANA.
1.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Conectar ao SAP HANA One e selecione Próximo.
3.
Selecione o servidor para efetuar logon na lista Servidor.
4.
Insira o número da porta para efetuar logon na caixa Instância/Porta.
5.
Conecte-se com o servidor do SAP HANA:
Opção
Descrição
Se conectar-se inserindo as credenciais
Insira o nome de usuário e a senha e selecione Conectar.
Se conectar-se pelo single sign-on (SSO) Marque o campo de seleção Autenticar por sistema operacional (SSO) e sele
cione Conectar.
6.
Selecione Seguinte.
Um Novo conjunto de dados: A janela Visões do SAP HANA aparece, exibindo as visões SAP HANA
disponíveis.
7.
Expanda a visão SAP HANA que contém os dados para visualizar e escolha o cubo que contém os dados.
8.
Escolha quais dados devem ser adquiridos:
○
Para adquirir dimensões e medidas específicos nos dados, selecione Próximo, selecione as dimensões e
medidas e selecione OK.
Adquirindo dados
PUBLIC
reservados.
25
○
Para adquirir todos os dados, selecione Criar.
A divisão Visualizar é aberta, e você pode começar a criar gráficos e analisar dados. Caso queira modificar o
Restrições para conexões com SAP HANA One [página 24]
6.1.5.3
Feitura de download de dados do SAP HANA
É possível manipular dados e criar visualizações a partir de um cubo SAP HANA.
Você deve saber o nome do servidor, nome da porta, nome do usuário e senha do SAP HANA. Para obter mais
informações, entre em contato com o administrador SAP HANA.
1.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Download from SAP HANA One e selecione Próximo.
3.
Selecione o servidor para efetuar logon na lista Servidor.
4.
Insira o número da porta para efetuar logon na caixa Instância/Porta.
5.
Conecte-se com o servidor do SAP HANA:
Opção
Descrição
Se conectar-se inserindo as credenciais
Insira o nome de usuário e a senha e selecione Conectar.
Se conectar-se pelo single sign-on (SSO) Marque o campo de seleção Autenticar por sistema operacional (SSO) e sele
cione Conectar.
6.
Selecione Seguinte.
Um Novo conjunto de dados: A janela Visões do SAP HANA aparece, exibindo as visões SAP HANA
disponíveis.
7.
Expanda a visão SAP HANA que contém os dados para visualizar e escolha o cubo que contém os dados.
8.
○
Para adquirir dimensões e medidas específicos nos dados, selecione Próximo, selecione as dimensões e
medidas e selecione OK.
○
Para adquirir todos os dados, selecione Criar.
A divisão Visualizar é aberta, e você pode começar a criar gráficos e analisar dados. Caso queira modificar o
26
PUBLIC
reservados.
Adquirindo dados
Adquirindo dados das visões do SAP HANA [página 23]
6.1.5.4
Acessando dados do SAP BW por meio de
visualizações do SAP HANA
Você pode acessar dados SAP Business Warehouse (BW) disponíveis na visão de análise ou cálculo do SAP
HANA.
Em um SAP BW conectado ao sistema SAP HANA, você pode usar o modelador SAP HANA para importar
modelos do SAP BW (por exemplo cubos otimizados SAP HANA, Data Store Objects (DSO) e instantâneos da
consulta BW) como visões analíticas e de cálculo. Quando os modelos forem ativados, o aplicativo poderá
consumi-los ao se conectar a um cubo SAP HANA.
Para informações sobre a implementação de um SAP BW no sistema SAP HANA e sobre tornar dados disponíveis
no SAP HANA, consulte as Perguntas mais frequentes: Documento BW em HANA emhttp://
www.experiencesaphana.com/community/solutions/net-weaver-bw/bwonhanafaq .
Feitura de download de dados do SAP HANA [página 26]
6.1.5.5
Especificando valores para variáveis e parâmetros de
entrada de string do SAP HANA
É solicitado a você a inserção de um valor para uma variável do SAP HANA ou um parâmetro de entrada de string
ao adquirir uma visão analítica no modo Download do SAP HANA e ao criar um documento em uma visão analítica
no modo Conectar ao SAP HANA.
Cada variável do SAP HANA define um filtro em uma dimensão de uma visão. Você insere um valor para cada
dimensão antes que os dados sejam adquiridos e o valor é exibido como uma linha de faceta depois da aquisição.
Você insere um valor para cada parâmetro de entrada do SAP HANA ao adquirir dados e o SAP Lumira transfere o
valor a um cálculo, como uma fórmula para uma medida calculada. Ao inserir um valor para um parâmetro de
entrada da string, você deve inserir uma declaração SQL, utilizando cotações únicas para indicar o início e
término da string de declaração. Por exemplo, insira BUKRS='CALP' para pesquisar CALP.
1.
Conecte com uma instância do SAP HANA no modo Download do SAP HANA ou no modo Conectar ao SAP
HANA.
2.
Adquirindo dados
PUBLIC
reservados.
27
○
Para adquirir dados específicos, selecione uma visão analítica, selecione Visualizar e selecionar dados,
selecione Selecionar, escolha os valores e medidas da dimensão e clique em Editar variáveis.
Quando não houver variáveis nem parâmetros de entrada definidos na visão, o botão Processar variáveis
não estará disponível.
○
Para adquirir todos os dados disponíveis na visão analítica, escolha a visão e selecione Criar.
Uma caixa Variáveis HANA é exibida, listando as variáveis e os parâmetros de entradas definidos para a visão
analítica. As variáveis recebem prefixo "VAR" e os parâmetros de entrada o prefixo "IP".
3.
Escolha uma variável ou parâmetro de entrada.
O valor da dimensão ou do parâmetro de entrada são exibidos no painel à direita.
4.
Escolha um ou mais valores e selecione Adicionar.
Para escolher vários valores individuais, pressione e segure Ctrl e selecione cada valor. Para escolher um
intervalo de valores, pressione e segure Shift e selecione primeiro e no último valor no intervalo.
Os valores selecionados são exibidos no painel inferior.
5.
Selecione OK.
6.
Se estiver adquirindo dados por meio de Visualizar e selecionar dados, selecione Criar para iniciar a aquisição
de dados.
Os dados são exibidos na divisão Preparar, e cada variável é exibida como uma faceta com os valores de
prompt selecionados.
O botão Variáveis aparece na parte superior da área de janela das facetas. Selecione botão para visualizar os
valores escolhidos para as variáveis do SAP HANA.
6.1.6
Aquisição de dados de universos
Você pode adquirir dados de arquivos de universo do SAP BusinessObjects.
Arquivos do universo (.unx) para acessoSAP NetWeaver são criados com o SAP Information Design Tool que é
instalado com a plataforma SAP BusinessObjects Business Intelligence. Para obter informações sobre a
Ferramenta de design de informações, consulte http://help.sap.com/businessobject/product_guides/
sbo41/en/sbo41sp1_info_design_tool_en.pdf.
Para informações sobre federação de dados, consultehttp://help.sap.com/businessobject/product_guides/
sbo41/en/sbo41_dfat_guide_en.pdf.
Para uma lista completa de opções de acesso de universos e bancos de dados, consulte Product Availability
Matrix disponível no SAP Service Marketplace emSAP Product Availability Matrix .
6.1.6.1
Conexão a uma fonte de dados de universo
1.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Universo e depois Próximo.
3.
No painel Credenciais do universo:
a.
28
Nome ou endereço IP do servidor que hospeda o servidor central de gerenciamento (CMS).
PUBLIC
reservados.
Adquirindo dados
Se você estiver se conectando a um CMS pertencente a outro domínio de rede, certifique-se de que o
arquivo hosts localizado em C:\Windows\System32\drivers\etc contém a entrada de nome do host
correspondente (por exemplo, x.x.x.x<NameOfMachineHostingCMS>).
b.
Insira o nome do usuário, senha e tipo de autenticação do CMS.
c.
Para usar o modo de autenticação do Windows AD a fim de se conectar ao CMS, anexe as entradas a
seguir no arquivo SAPLumira.ini localizado em: <LumiraInstallDir>\SAPLumira\Desktop:
-Djava.security.auth.login.config=<Path_to_bscLogin>\bscLogin.conf
-Djava.security.krb5.conf=<Path_to_kbr5>\krb5.ini
-Djava.security.auth.login.config=C:\Windows\bscLogin.conf
-Djava.security.krb5.conf=C:\Windows\krb5.ini
a.
Selecione Conectar.
Uma lista de universos disponíveis no CMS é exibida.
4.
Escolha um universo e clique em Selecionar.
5.
Escolha os objetos necessários na árvore do universo e selecione Adquirir.
Antes de adquirir dados, você pode visualizá-los e aplicar filtros, por meio da opção Visualizar e selecionar
dados. Se uma consulta contém contextos ou confirmações, você deve respondê-las antes de adquirir os
dados. Ao criar uma consulta, você pode definir as seguintes propriedades de consulta:
○
Máximo de linhas recuperadas: A quantidade máxima de linhas que a consulta deve recuperar.
○
Tempo máximo de recuperação: O período máximo de tempo durante o qual uma consulta pode ser
executada (em segundos).
○
Recuperar linhas duplicadas: Selecione para recuperar linhas duplicadas.
A divisão Visualizar é aberta, e você pode começar a criar gráficos e analisar dados. Caso queira modificar um
6.1.6.2
Dicas para solução de problemas para conexões de
dados de universo
Você pode encontrar essas mensagens e possíveis causas ao trabalhar com a fonte de dados do universo.
Tabela 10: Etapas para solução de problemas para conexões de dados de universo
Mensagem
Causa
Não é possível estabelecer conexão com
●
O CMS não responde.
Servidor central de gerenciamento (CMS)
●
Seu nome de usuário ou senha estão incorretos.
●
O tipo de autenticação está incorreto.
●
Ocorreu um problema de rede.
Não é possível carregar o universo
●
O universo está corrompido.
selecionado.
●
O CMS não responde.
●
A conexão com o universo não foi configurada correta
mente.
Adquirindo dados
PUBLIC
reservados.
29
Mensagem
Causa
Não é possível validar a consulta.
●
Há um problema com a conexão do banco de dados.
●
Os tipos de dados não correspondem ao objeto.
●
O resultado fornecido pelo servidor alcança o limite de
terminado para o parâmetro de configuração Tamanho
máximo do fluxo de caracteres (MB) do Web Intelligence
Report Server.
●
Um ou mais objetos do universo não estão configurados
corretamente.
A consulta não retorna nenhum conjunto de
Uma consulta para o objeto não retornou dados.
linha
6.1.7
Adquirindo dados utilizando Consulta com SQL
Você pode criar seu próprio provedor de dados digitando manualmente o SQL para a fonte de dados de destino.
Você pode especificar tabelas, colunas e funções usadas para adquirir dados.
Para uma lista completa de middleware de banco de dados que a Consulta com SQL pode acessar, consulte oSAP
Product Availability Matrix .
Tabela 11: Drivers de middleware do banco de dados disponíveis
Opção de middleware do
Como obter o driver
banco de dados
Apache
Drivers Amazon EMR e Apache Hive Simba estão incluídos com o SAP Lumira.
Cloudera
O driver Cloudera Impala Simba está incluído com o SAP Lumira.
IBM DB2
Acesse a página de download de conectividade do IBM DB2 em https://www.ibm.com/
account/profile/us?page=reghelpdesk
. Selecione o driver apropriado para o seu banco de
dados, salve o arquivo de instalação comprimido em seu computador, extraia o arquivo com
primido (db2jcc.jar) em um diretório local e execute o instalador em seu computador.
Para versões anteriores a 9.5, você deve extrair db2cc.jar e db2jcc_license_cu.jar
ao invés.
Antes de poder efetuar o download de um driver, você deve registrar um endereço de e-mail de
usuário reconhecido pela IBM como o nome do usuário. Se você não sabe qual versão do driver
utilizar, ambos os drivers para a versão do DB2 10.1 [DB2 versão 10.1 FP0 (GA) e versão 10]
são adequados para todas as versões do DB2 posteriores à 9.5. Para obter mais informações,
entre em contato com o administrador do banco de dados.
IBM Netezza
30
Consulte seu administrador Netezza.
PUBLIC
reservados.
Adquirindo dados
Opção de middleware do
Como obter o driver
banco de dados
Microsoft SQL Server
Acesse a página da central de downloads de drivers da Microsoft SQL Server 2005, 2008 e
2012 em http://www.microsoft.com/en-us/download/driver.aspx?q=driver
. Selecione o
driver apropriado para o seu banco de dados, salve o arquivo de instalação em seu computador
e execute o instalador nele.
Se não souber qual versão do driver deve ser usada, use o driver Microsoft JDBC 4.0 para SQL
Server, que é adequado para todas as versões compatíveis do SQL Server. Se estiver insta
lando o Microsoft JDBC 4.0 para SQL Server, o driver para um sistema operacional Windows é
sqljdbc_4.0.2206.100_enu.exe. O arquivo de driver sqljdbc4.jar é extraído em
\sqljdbc_4.0\enu\, dentro da pasta de extração especificada.
Oracle
Acesse a página de downloads de driver Oracle JDBC em http://www.oracle.com/technet
work/database/features/jdbc/index-091264.html
Antes de poder efetuar o download de um driver, você deve criar uma conta de usuário gra
tuita. Se não souber qual versão do driver deve ser usada, use o driver ojdbc14.jar, que é
adequado para qualquer versão do Oracle 10 e 11.
Sybase
O driver Sybase (jconn4.jar) está instalado por predefinição e você não precisa instalá-lo.
Ele está localizado em \\<InstallDir>\Program Files\SAP Lumira\Desktop
\plugins
\com.businessobjects.connectionserver.standalone_3.1.3.v20120603
-0404\ConnectionServer\jdbc\drivers\IQ15.
Teradata
Acesse a página de download de conectividade da Teradata em http://downloads.tera
data.com/download/connectivity/jdbc-driver
. Selecione o driver apropriado para o seu
banco de dados, salve o arquivo de instalação comprimido em seu computador, extraia o ar
quivo comprimido em um diretório local e execute o instalador em seu computador.
Antes de poder efetuar o download de um driver, você deve criar uma conta de usuário gra
tuita. Se não souber qual versão do driver deve ser usada, use o driver Teradata JDBC Driver
14, que é adequado para todas as versões suportadas do Teradata. Para Windows, utilize
TeraJDBC__indep_indep.14.00.00.14.zip. Assim que extraídos, os arquivos de
driver são tdgssconfig.jar e terajdbc4.jar.
Tabela 12: Drivers JDBC disponíveis para middleware do banco de dados típico
Middleware do banco de dados
Nome do arquivo do driver JDBC
Oracle
ojdbc14.jar
Microsoft SQL Server
sqljdbc4.jar
Teradata
terajdbc4.jar e tdgssconfig.jar
Sybase
jconn4.jar
Adquirindo dados
PUBLIC
reservados.
31
Middleware do banco de dados
Nome do arquivo do driver JDBC
IBM DB2
db2jcc.jar ou db2cc.jar e
db2jcc_license_cu.jar para versões anteriores a 9.5
IBM Netezza
nzjdbc.jar
Instalando drivers de acesso a dados [página 32]
Conectando-se a uma fonte de dados Consulta com SQL [página 35]
Propriedades de conexão de Consulta com SQL [página 34]
6.1.7.1
Instalando drivers de acesso a dados
O driver de acesso a dados Sybase IQ 15 é instalado automaticamente com o aplicativo. Para outros bancos de
dados, pode ser necessário instalar um driver de acesso a dados JDBC para o middleware do banco de dados,
antes e utilizar a Consulta com SQL.
●
Você precisa ter conhecimento sobre banco de dados e a linguagem SQL
●
O servidor de acesso a dados correto precisa ser instalado para seu banco de dados middleware. O driver de
acesso a dados é o software de um fornecedor de banco de dados que permite que um aplicativo cliente se
conecte ao middleware e acesse os dados do banco de dados. Você copia o driver de acesso aos dados do
site da Web de suporte do fornecedor de middleware para uma pasta local e então poderá selecionar o driver
no aplicativo e se conectar ao banco de dados.
Nota
A instalação dos drivers de acesso a dados a partir dos sites dos fornecedores pode apresentar problemas
devido à disponibilidade de diferentes versões do driver e diferentes formatos de arquivo. Se você não tiver
conhecimento sobre sua versão de banco de dados ou seu site de fornecedor, entre em contato com o
administrador do banco de dados.
Siga essas etapas gerais para obter um driver de acesso de dados:
1.
Efetue download do driver de acesso de dados (um arquivo .jar) pelo site do fornecedor do banco de dados
e copie o arquivo e cole em uma pasta local.
2.
Registre o caminho do driver selecionando o driver na aplicação.
3.
Selecione a Consulta com fonte de dados SQL pela guia Drivers da SQL nas preferências da aplicação.
Você pode selecionar um driver de SQL instalado ou instalar o driver necessário.
1.
Selecione Arquivo Preferências Drivers da SQL Drivers .
A página Instalação do driver lista os nomes de middlewares de banco de dados e o status dos drivers:
○
32
Quando a marca de verificação estiver verde, o driver está instalado corretamente e você pode iniciar a
utilização da Consulta com SQL.
PUBLIC
reservados.
Adquirindo dados
2.
○
Quando a marca de verificação estiver vermelha, o driver não estará instalado para esse middleware e
você deverá instalá-lo.
○
Quando a marca de seleção de status estiver amarela, o driver compatível estará disponível para
middleware, mas o aplicativo precisará ser reiniciado antes de ser disponibilizado. Quando o software for
reiniciado, você poderá utilizar a Consulta com SQL.
Escolha uma fonte de dados e execute umas das seguintes ações:
Opção
Descrição
Se o middleware da fonte de dados tem uma
marca de verificação verde
Selecione Próximo, insira as informações de conexão de middle
ware e selecione Criar.
O driver de acesso a dados está instalado. Você não precisa exe
cutar as etapas restantes desta tarefa.
marca de verificação amarela
Reinicie a aplicação, e repita a etapa 1.
marca de verificação vermelha
Vá para a etapa 3.
3.
Se o driver do middleware não estiver configurado, selecione o botão Instalar, selecione o driver do banco de
dados e selecione Instalar drivers na parte superior da lista de bancos de dados.
4.
Na caixa de seleção que é exibida, com base na disponibilidade local do middleware, execute uma das
seguintes ações:
Opção
Descrição
Se o arquivo .jar correto está dispo
nível
Vá para a etapa 6.
Se o arquivo .jar correto não está dis Efetue o driver do site de suporte do fornecedor, instale o driver, selecione
Cancelar para fechar a caixa de seleção do driver e então efetue download e
ponível
instale o arquivo .jar correto.
Você deve acessar a página da web que lista os drivers de acesso de dados JDBC para o fornecedor do
middleware. De acordo com o banco de dados, diferentes tipos de arquivos de driver estão disponíveis;
geralmente, trata-se de um arquivo comprimido contendo drivers ou de um arquivo executável que instala os
drivers automaticamente. Para o aplicativo, baixe apenas o arquivo comprimido.
5.
Na página da Web de suporte do seu fornecedor, efetue o download do arquivo do driver JDBC (por exemplo,
um arquivo .tar, .gz ou .zip) para a versão de seu middleware do banco de dados.
6.
No seu computador, selecione a pasta que contém os arquivos extraídos do driver JDBC para o middleware
de seu banco de dados.
Há uma lista completa dos drivers JDBC suportados em Product Availability Matrix, disponível no site do SAP
Service Marketplace em https://support.sap.com/pam .
7.
Reinicie o aplicativo.
A lista de drivers disponíveis de middleware do banco de dados é atualizada.
Quando você usa Consulta com SQL para criar um documento no aplicativo, o middleware do banco de dados de
destino é listado com uma marca de seleção verde, indicando que o driver está disponível para acessar o banco
de dados.
Adquirindo dados
PUBLIC
reservados.
33
6.1.7.2
Propriedades de conexão de Consulta com SQL
É possível criar seu próprio provedor de dados, por meio da digitação manual dos comandos SQL relativos a uma
fonte de dados de destino, para aquisição dos dados da tabela. Ao usar a consulta com SQL, você deve inserir as
informações de conexão com o banco de dados de destino e pode especificar os parâmetros de conexão para
otimizar a busca de dados.
Tabela 13: Parâmetros de logon
Parâmetros de logon
Descrição
Nome de usuário
Senha
Server (<host>:<port>)
Nome e porta do servidor que hospeda o banco de dados
Banco de dados
Nome do banco de dados
Tabela 14: Parâmetros de otimização
Parâmetro avançado
Descrição
Modo de pool de conexões
Se estiver usando um pool de conexões, empregue-o para manter ativa a conexão do
modo pool de conexões.
Tempo limite do pool
Se o modo de pool de conexões estiver definido como Manter a conexão ativa por, trata-se
da duração em minutos durante a qual a conexão permanecerá aberta.
Tamanho da matriz de busca
O número máximo de linhas permitidas em cada busca no banco de dados. Por exemplo,
se você digitar 20 e a consulta retornar 100 linhas, a conexão tratará os dados em cinco
buscas, cada uma com 20 linhas. Para desativar a matriz de busca, insira 1 como o tama
nho da matriz de busca. Os dados são recuperados linha por linha.
A desativação do tamanho da matriz de busca pode aumentar a eficiência da recuperação
de dados, mas prejudicar a velocidade do servidor. Quanto maior o valor do tamanho da
matriz de busca, mais rápida será a recuperação das linhas. No entanto, verifique se o sis
tema cliente tem a memória adequada.
Tamanho da matriz de ligação
Tamanho da matriz de ligação antes da transmissão para o banco de dados. Em geral,
quanto maior a matriz de ligação, maior será o número de linhas (n) carregadas em uma
operação e o desempenho será otimizado.
Tempo limite de login
O número de minutos antes de a tentativa de conexão atingir o tempo limite e uma mensa
gem ser exibida.
Propriedades do driver JDBC
Valores das propriedades do driver JDBC. É possível definir o valor de mais de uma propri
edade. Eles devem ser separados por vírgulas. Por exemplo, o valor
oracle.jdbc.defaultNChar=true,defaultNChar=true para as proprieda
des do driver JDBC define as propriedades do driver oracle.jdbc.defaultNChar
and defaultNChar.
34
PUBLIC
reservados.
Adquirindo dados
6.1.7.3
Editor de SQL para Consulta com SQL
Use um editor de SQL para criar uma fonte de dados de Consulta com SQL baseada em um banco de dados
conectado. O editor de SQL pode ser acessado pela opção de conexão Consulta com SQL quando um documento
é criado.
A aquisição de dados de tabelas do banco de dados só é permitida por meio da instrução SELECT do editor de
SQL. Use essas opções do editor de SQL para selecionar tabelas para a fonte de dados:
Tabela 15:
Opções do editor de
Descrição
SQL
Catálogo
Contas disponíveis para o banco de dados conectado. Expanda os nós para ver as tabelas disponí
veis. Clique duas vezes para adicionar uma tabela à consulta SQL.
Consulta
A consulta SELECT para buscar tabelas. (Somente SELECT é suportado.) Você pode adicionar no
mes de tabelas ao clicar duas vezes na tabela existente no nó da conta, no painel à esquerda.
Histórico de SQL
Mantém um log das instruções SELECT usadas no painel de consulta. Clique em uma instrução
para que ela seja incluída na consulta.
Visualização dos dados
Selecione essa opção para visualizar as tabelas adquiridas por SELECT.
Selecionar tudo/nada
Selecione todas ou nenhuma coluna, ou selecione colunas individuais para aquisição.
Conectando-se a uma fonte de dados Consulta com SQL [página 35]
6.1.7.4
Conectando-se a uma fonte de dados Consulta com
SQL
Você pode se conectar diretamente a um banco de dados, para especificar os dados a adquirir e configurar
parâmetros para a otimização da conexão com o banco de dados.
●
Você precisa ter conhecimento sobre banco de dados e a linguagem SQL
●
O servidor de acesso a dados correto precisa ser instalado para seu banco de dados middleware. O driver de
acesso a dados é o software de um fornecedor de banco de dados que permite que um aplicativo cliente se
conecte ao middleware e acesse os dados do banco de dados. Você copia o driver de acesso aos dados do
site da Web de suporte do fornecedor de middleware para uma pasta local e então poderá selecionar o driver
no aplicativo e se conectar ao banco de dados.
Nota
A instalação dos drivers de acesso a dados a partir dos sites dos fornecedores pode apresentar problemas
devido à disponibilidade de diferentes versões do driver e diferentes formatos de arquivo. Se você não tiver
Adquirindo dados
PUBLIC
reservados.
35
conhecimento sobre sua versão de banco de dados ou seu site de fornecedor, entre em contato com o
administrador do banco de dados.
É necessário instalar um driver de acesso a dados JDBC para o middleware do banco de dados antes de usar a
Consulta com SQL. O driver de acesso a dados é um arquivo .jar que você baixa do site de um fornecedor de
banco de dados e salva na pasta do driver no caminho de instalação do aplicativo. Consulte as informações
relacionadas para saber como localizar e instalar o driver de acesso a dados correto para seu middleware de
banco de dados.
1.
2.
Na caixa de diálogo Novo conjunto de dados, selecione Consulta com SQL e depois Próximo.
Uma lista de middlewares do banco de dados será exibida.
3.
○
Quando uma marca de verificação verde aparecer próxima ao nome do middleware, o middleware será
instalado e você poderá começar a utilizar a Consulta com SQL.
○
Quando uma marca de verificação vermelha aparecer próxima ao nome do middleware, o driver de
acesso de dados para o middleware não será instalado; você deverá instalá-lo.
Escolhe o middleware do banco de dados para o banco de dados de destino:
Opção
Descrição
Se o middleware está disponível
Selecione o middleware e depois Próximo.
Se o middleware não está disponível
Selecione Instalar e instale o middleware.
4.
Insira suas credenciais de logon na aba Login e, se necessário, insira os parâmetros do driver na guia
Avançado.
5.
Selecione Criar.
O editor SQL é aberto.
6.
Digite o comando SQL para buscar as tabelas desejadas, visualize a consulta SQL e selecione Criar.
A divisão Visualizar é exibida, e você pode começar a criar gráficos e analisar dados. Caso queira modificar o
Propriedades de conexão de Consulta com SQL [página 34]
Editor de SQL para Consulta com SQL [página 35]
Instalando drivers de acesso a dados [página 32]
6.1.8
Efetuando download de dados do banco de dados SAP
BW
Você pode se conectar diretamente a sistemas SAP Business Warehouse (BW) usando a conectividade Business
Intelligence Consumer Services (BICS). Isso permite que você efetue download de conjuntos de amostra de
treinamento para determinação do modelo.
36
PUBLIC
reservados.
Adquirindo dados
Você não só pode se conectar a InfoProviders SAP BW, como também pode executar BEx Queries e passar
valores para variáveis definidas nas queries. Isso elimina a necessidade de efetuar download manualmente ou
exportar dados do SAP BW para realizar previsões sobre os dados.
Você pode visualizar uma síntese da arquitetura para a conexão offline BW aqui:
Criando um conjunto de dados offline BW [página 37]
6.1.8.1
Criando um conjunto de dados offline BW
Aprenda como se conectar a BEx Queries ou InfoProviders, selecionar dimensões e medidas e definir valores para
variáveis (para BEx Queries). Isto permite que você restrinja o conjunto de treinamento para realizar previsões
sobre os dados.
Antes de poder conectar-se a um sistema SAP Business Warehouse (BW), ele precisa ser registrado pelo SAP
GUI para Windows no mesmo computador. É recomendável testar a conectividade do sistema BW registrado pelo
Logon da SAP antes de utilizá-lo em Expert Analytics. Consulte a documentação SAP GUI para Windows no Portal
de ajuda SAP em http://help.sap.com para configurar um novo sistema. Para efetuar o download do SAP GUI for
Windows, vá para o SAP Service Marketplace .
Adquirindo dados
PUBLIC
reservados.
37
1.
Para criar um novo conjunto de dados, primeiro, selecione uma fonte em
Arquivo
Novo .
2.
No diálogo que é exibido, selecione a opção Efetuar download do SAP Business Warehouse e selecione
Próximo.
3.
Insira os detalhes da conexão BW, tais como ID do cliente, Idioma, Usuário e Senha e selecione Conectar.
Nota
A lista de servidores BW disponíveis é derivada do SAP Logon.
4.
Selecione a BEx Query da lista de queries disponíveis e selecione Criar.
Você pode pesquisar sua BEx Query ou InfoProvider usando as visões Funções ou InfoÁreas. Como
alternativa, você pode pesquisar palavras-chave na caixa Encontrar.
5.
Insira valores para as variáveis obrigatórias da BEx Query.
6.
Onde as queries tiverem variáveis de hierarquia definidas, você precisará selecionar uma hierarquia.
7.
Selecione os valores dentro da hierarquia que foram filtrados com base no nó selecionado para a variável
anterior e selecione OK.
8.
Por fim, selecione dimensões e medidas considerando o caso de uso preditivo.
O download dessas dimensões e medidas é efetuado quando você seleciona Criar.
O conjunto de dados é adicionado na divisão Prever e você pode aplicar a ele algoritmos para gerar previsões.
6.1.8.2
BEx Recomendações de consulta
Algumas recomendações e melhores práticas para usar BEx Queries ao efetuar download de dados do SAP
Business Warehouse (BW) com Expert Analytics.
Recomendação
●
Durante a obtenção de dados, só será possível definir valores de filtro para as características das BEx
Queries de base se elas forem especificadas como parâmetros de entrada durante a criação de BEx
Queries. Também há a opção de selecionar um subconjunto de características e índices da BEx Query de
base para relatórios durante a obtenção de dados.
●
As hierarquias são niveladas durante a obtenção para garantir que os dados estejam no formato correto
para o processamento preditivo de algoritmos.
●
O Expert Analytics respeita as configurações de exibição para chave e texto de características na BEx
Query de base. Como resultado, é importante garantir que suas BEx Queries sejam configuradas de
maneira que os usuários possam ampliar as descrições para os valores de dimensão.
●
Informações de moeda e unidade para índices estão disponíveis apenas na visualização de tabelas do
Expert Analytics. Com base nisso, você pode oferecer aos usuários a opção de selecionar uma unidade ou
moeda usando as variáveis BEx como parte da BEx Query de base ou configurar a unidade ou moeda como
um valor fixo na BEx Query. Também é altamente recomendável que a mesma unidade ou moeda seja
configurada para todos os índices para evitar confusões.
●
O Expert Analytics respeita as condições (Top N) definidas na BEx Query de base, mas os usuários não
recebem nenhuma informação sobre as condições configuradas. Como resultado, não recomendamos
usar condições em queries previstas para uso com algoritmos preditivos.
●
Fatores de escalamento não são respeitados no Expert Analytics. Todo fator de escalamento aplicado será
removido na obtenção de dados e o valor real do índice será exibido.
38
PUBLIC
reservados.
Adquirindo dados
●
Recomendamos que você evite queries com cálculos de lista e supressão de zeros ao usar BEx Queries
com Expert Analytics. Isso não é claro para o usuário durante a obtenção de dados e, deste modo, pode
levar a resultados inesperados.
●
Por padrão, BEx Queries omitem valores de dados mestre sem registros. Se tais itens forem necessários
durante o processamento de algoritmos, certifique-se de que as configurações adequadas sejam
efetuadas na query.
6.1.9
Processamento de um conjunto de dados adquirido
Após um conjunto de dados ter sido adquirido, você pode processá-lo.
Você poderá processar essas informações nos conjuntos de dados adquiridos:
●
Adicione novas colunas que foram removidas da fonte de dados no ato da aquisição original
●
Remover colunas incluídas na fonte de dados original.
●
Alterar valores selecionados para variáveis e parâmetros de entrada do SAP HANA.
1.
Abra um conjunto de dados que já tenha sido adquirido na aplicação.
2.
Selecionar
3.
Execute uma ou várias das seguintes ações:
4.
Dados
Editar fonte de dados .
○
Marque um campo de seleção de nome de coluna para adicionar uma nova coluna.
○
Desmarque uma caixa de seleção de nome de coluna, para remover uma coluna.
○
Marque ou desmarque as opções para adicionar ou remover dimensões e medidas.
○
Para modificar variáveis e parâmetros de entrada do SAP HANA, selecione Editar variáveis, insira ou
exclua valores para variáveis ou parâmetros de entrada e selecione OK.
Selecione OK.
O conjunto de dados é atualizado com as colunas, medidas, variáveis ou dimensões adicionadas ou removidas.
6.1.10 Objetos ocultos da lista de objetos
Utilize o arquivo de sugestões de enriquecimento para impedir que as colunas específicas sejam propostas como
medidas no aplicativo quando os dados são adquiridos.
Para impedir que colunas específicas sejam propostas como medidas quando os dados são adquiridos, o
aplicativo usa o arquivo enrichment_suggestions.<VersionNumber>.txt para identificar colunas que não
devem ser propostas como medidas. A primeira vez que criar um documento, o arquivo é salvo em seu diretório
@user.home/.sapvi (por exemplo C:\Users\<YourUserName>\.sapvi). Por padrão, os nomes da coluna no
arquivo de sugestões de enriquecimento estão em inglês. No entanto, você pode definir nomes em outros
idiomas, especificar nomes de colunas a ocultar da lista de objetos e impedir que objetos sejam considerados
objetos geográficos ou de tempo. O enriquecimento será processado se você selecionar a detecção automática
de enriquecimentos nas preferências do aplicativo.
Ao atualizar o aplicativo, uma nova versão do arquivo de sugestões de enriquecimento é salva, sem substituir o
arquivo original. Você pode usar o arquivo original como referência para modificar o novo arquivo de sugestões. O
aplicativo utilizará o nome do arquivo que corresponde à versão instalada do aplicativo.
Adquirindo dados
PUBLIC
reservados.
39
6.1.11
Como editar o arquivo de sugestões de enriquecimento
Edite o arquivo de sugestões de enriquecimento para identificar quais objetos não devem ser propostos como
medidas ou atributos de tempo ou geográficos no painel Medidas e dimensões.
É possível definir quantas regras forem necessárias no arquivo
enrichment_suggestions.<VersionNumber>.txt. Para cada regra, você deve declarar quatro propriedades.
A sintaxe é Java regex e os metadados não diferenciam maiúsculas de minúsculas.
Tabela 16: Propriedades necessárias para cada regra no arquivo de sugestões de enriquecimento
Propriedade necessária
Descrição
objectName
Modelo correspondente no nome do objeto (cabeçalho da coluna). Qualquer ca
ractere pode ser utilizado. Quando .*DAY.* é utilizado, qualquer objeto com a
string DAY é incluído na regra (SEGUNDA-FEIRA, TERÇA-FEIRA, etc.).
dataType
Lista de tipos de dados. Tipos de dados reconhecidos são:
●
integer
●
biginteger
●
double
●
string
●
date
●
boolean
Qualquer nome da coluna, com qualquer tipo de dados, será considerados para
exclusão pelo painel de propostas. Se nenhuma propriedade dataType foi de
clarada, todos os tipos de dados são considerados.
enrichment
Impede que os objetos sejam exibidos. Os valores MEASURE ou TIME (objetos de
hierarquia de tempo) ou GEO (objetos de hierarquia geográfica).
rule
Padroniza para hide. Não modifique esse valor.
O seguinte exemplo exibe o arquivo de enriquecimentos padrão:
{
"version":"1.0",
"policies":{
},
"suggestionRules":[
{
"objectName":"(?i).*year.*|.*month.*|.*quarter.*
|.*week|.*day|.*semester.*|.*hour|.*minute|.*second",
"dataTypes":["integer", "biginteger", "double"],
"enrichment":"MEASURE",
"rule":"hide"
},
{
"objectName":"(?i).*zip.*",
"dataTypes":["integer", "biginteger", "double"],
"rule":"hide"
},
{
"objectName":"(?i).*_id\\d*",
40
PUBLIC
reservados.
Adquirindo dados
}
"dataTypes":["integer", "biginteger",
"rule":"hide"
},
{
"objectName":"(?i).*key.*",
"rule":"hide"
},
{
"objectName":"(?i).*zip.*",
"enrichment":"TIME",
"rule":"hide"
},
{
"objectName":"(?i).*_id\\d*",
"rule":"hide"
},
{
"objectName":"(?i).*key.*",
"rule":"hide"
}
]
"double"],
"double"],
"double"],
"double"],
"double"],
1.
Abra o arquivo enrichment_suggestions.<VersionNumber>.txt em um editor de texto.
2.
Em cada objeto, defina os tipos de dados e enriquecimento, e defina outras propriedades, conforme
necessário.
Você deve manter "rule" definido como "hide".
3.
Salve o arquivo com o mesmo nome.
Adquirindo dados
PUBLIC
reservados.
41
7
Preparando dados
7.1
Preparando dados
Quando os dados são adquiridos pela primeira vez pelo aplicativo, são dados brutos formatados normalmente de
maneira inconsistente e não são facilmente interpretados pelos usuários empresariais. Muitas vezes é necessário
preparar os dados antes de criar os gráficos para visualizá-los, a fim de que eles tenham boa aparência e possam
ser compreendidos.
A preparação de dados pode ser realizada na visualização Grade ou Facetas, utilizando o painel Ferramentas de
manipulação à direita da área Preparar.
As tarefas de edição podem ser aplicadas a todos os valores de uma coluna ou somente aos valores selecionados.
Editando e filtrando dados [página 46]
Como converter dados em outro tipo [página 50]
Criando uma ou hierarquia de tempo ou geográfica [página 51]
Criando uma medida a partir de uma coluna ou dimensão [página 54]
Como adicionar um conjunto de dados [página 71]
Alternando para outro conjunto de dados [página 72]
Mesclar conjuntos de dados (JOIN) [página 72]
7.1.1
Sala Preparar – visualização, limpeza e manipulação de
dados
Antes de criar gráficos, utilize as ferramentas na sala Preparar para visualizar e preparar dados.
A sala Preparar exibe os dados para a fonte de dados conectada e é dividida em três áreas.
42
PUBLIC
reservados.
Preparando dados
Tabela 17: Partes da divisão Preparar
Gráfico de área
Painel Dados
Descrição
Esta área central exibe os dados em linhas e colunas (visão em Grade) ou em facetas (visão Facetas).
É aqui onde você pode visualizar dados e aplicar as seguintes ferramentas (quando disponíveis) a va
lores da coluna:
●
Alterar agregação
●
Classificar
●
Filtro
●
Exibir formatação
●
Converter em número
●
Converter em data
●
Converter em texto
●
Criar uma medida
●
Criar uma hierarquia de tempo
●
Criar uma hierarquia geográfica
●
Criar uma hierarquia customizada
●
Renomear
●
Remover
●
Consolidar a coluna
●
Ocultar a coluna
●
Esticar para conteúdo
●
Criar dimensão calculada
●
Duplicar
Painel Medidas e
O painel localizado à esquerda da área de dados lista as medidas e dimensões que o aplicativo detec
dimensões
tou nos dados. Utilize as ferramentas no painel Medidas e dimensões para definir ou processar medi
das e para criar hierarquias temporais e geográficas.
Painel Ferramentas de Um painel localizado no lado direito da área de dados, no qual você pode processar texto e converter
manipulação
valores em uma célula ou coluna de dados, criar novas colunas com fórmulas e renomear, duplicar e
remover colunas.
Painel Medidas e dimensões [página 44]
Painel Dados [página 44]
Painel Ferramentas de manipulação [página 45]
Preparando dados [página 42]
Preparando dados
PUBLIC
reservados.
43
7.1.1.1
Painel Medidas e dimensões
O painel Medidas e dimensões está localizado à esquerda do Painel central. Ele lista medidas, dimensões,
hierarquias e dimensões inferidas no conjunto de dados.
Tabela 18: Objetos no painel Medidas e dimensões
Objeto do painel Medidas Descrição
e dimensões
Medida
Uma mapeamento nos dados agregados em uma coluna ou um cálculo. As medidas são usadas
para obter o resultado calculado quando colunas são combinadas. Por exemplo, a medida "Re
ceita de vendas" representa a coluna de mesmo nome que contém o valor somado das vendas.
As medidas são detectadas e listadas automaticamente.
Hierarquia
Referencia mais de uma coluna relacionada em um conjunto de dados e as colunas têm relações
hierárquicas. Por exemplo, um objeto "Tempo" pode incluir colunas de "Ano", "Trimestre" e "Mês"
organizadas em uma estrutura hierárquica sob o objeto superior "Tempo".
Atributo
Mapeamento das colunas de um conjunto de dados
Dimensão inferida
Uma ou mais colunas criadas com base em dados de tempo ou geográficos disponíveis para o
aplicativo (para oferecer suporta a uma hierarquia)
Criando medidas [página 54]
Criação de medidas e hierarquias [página 50]
7.1.1.2
Painel Dados
O painel Dados é o painel central que exibie seus dados na divisão Preparar.
Use o painel Dados para visualizar, organizar, processar e preparar os conjuntos de dados para visualizações.
Tabela 19: Opções no topo do painel Dados
Opção
Descrição
Lista Seleção de fontes de
Lista as fontes de dados conectadas na sessão atual. Utilize essa ferramenta para alternar
dados
de um conjunto de dados para outro e para adicionar um novo conjunto de dados à sessão
atual.
Filtros de dados
44
Selecione para definir limites para filtrar os dados de uma coluna.
PUBLIC
reservados.
Preparando dados
Opção
Descrição
Grade
Selecione para apresentar dados em colunas e linhas. Todas as linhas são exibidas.
Facetas
Selecione para apresentar dados em colunas, apenas com valores exclusivos exibidos. Valo
res repetidos permanecem ocultos. Utilizar facetas pode ser útil quando um conjunto de da
dos inclui muitos valores repetidos.
Mostrar/Ocultar colunas
Selecione para exibir ou ocultar colunas em conjunto de dados.
Cálculo
Selecione para adicionar dimensões ou medidas calculadas.
Combinar
Selecione para mesclar ou anexar dados a um conjunto de dados. Você pode mesclar dados
de vários conjuntos de dados no conjunto de dados atual, mas os dados devem ser compatí
veis. É possível anexar outro conjunto de dados ao atual. Os dados em colunas comuns são
anexos ao conjunto de dados atual, e os dados nas colunas únicas são adicionados como no
vas colunas.
Atualizar dados do documento
Selecione para atualizar os conjuntos de dados utilizados no documento.
Desfazer/Refazer
Selecione para desfazer a última ação ou para repeti-la.
Editando e filtrando dados [página 46]
Filtrando dados em colunas e gráficos [página 49]
Criando uma medida ou dimensão calculada [página 55]
7.1.1.3
Painel Ferramentas de manipulação
O painel Ferramentas de manipulação, à direita da divisão Preparar, contém as ferramentas que permitem editar e
formatar valores.
Dependendo do tipo de dados da coluna selecionada você pode:
●
Duplicar, renomear e remover colunas
●
Criar dimensões calculadas
●
Localizar, substituir e alterar valores de strings
●
Preencher prefixos e sufixos
●
Converter, remover e agrupar valores
●
Editar strings de texto
Preparando dados
PUBLIC
reservados.
45
7.1.2
Editando e filtrando dados
Você usa o painel de Ferramentas de manipulação (localizado à direita do painel central) para processar e
formatar os valores em uma coluna. O painel está disponível nas visões Grade e Facetas.
Algumas das opções no painel Ferramentas de manipulação também são acessíveis clicando na seta no nome da
coluna ou clicando com o botão direito do mouse no nome da coluna.
Tabela 20: Ações de dados para colunas
Ação de da
Descrição
dos
Disponível no menu
Disponível para
do nome da coluna
(ou no menu do con
Caractere
Data
Número
Sim
Sim
Sim
texto)
Criar uma
Criar uma nova coluna.
nova coluna
Duplicar
Criar uma coluna que seja uma cópia da coluna se Sim
lecionada.
Renomear
Alterar um nome de coluna.
Sim
Sim
Sim
Sim
Dividir
Criar uma coluna com valores de cadeia exibidos
Não
Sim
Não
Não
após um ponto de divisão definido. A divisão pode
ser uma marca de pontuação (por exemplo, uma
vírgula) ou uma cadeia de texto.
Remover
Remover uma coluna selecionada.
Sim
Sim
Sim
Sim
Converter
Alterar os valores da cadeia para letras maiúsculas Não
Sim
Não
Não
maiúsculas e
ou minúsculas.
Não
Sim
Não
Não
Não
Sim
Não
Não
Sim
Não
Não
Sim
Sim
Sim
Não
Não
Sim
Sim
Não
Não
minúsculas
Substituir
Encontrar uma cadeia e substituí-la por uma nova.
Preenchiment Especificar um caractere como prefixo ou sufixo
o
de uma cadeia para um comprimento de caracte
res definido.
Converter em
Inserir uma cópia de uma coluna com valores con
texto
vertidos em texto.
Converter em
Inserir uma cópia de uma coluna com valores con
número
vertidos em números.
Converter em
Selecionar um formato de data e validá-lo. Uma
data
cópia da coluna é inserida com os valores converti
dos em datas.
46
PUBLIC
reservados.
Preparando dados
Ação de da
Descrição
Disponível no menu
dos
Disponível para
do nome da coluna
Caractere
Data
Número
Não
Sim
Não
Não
Criar uma nova coluna na qual você possa criar no Não
Sim
Sim
Sim
Não
Não
Sim
Sim
Não
Sim
Não
Não
(ou no menu do con
texto)
Converter
Selecionar Maiúsculas ou Minúsculas para alterar
maiúsculas e
o formato do texto.
minúsculas
Recortar
Remova os caracteres que antecedem ou seguem
uma marca de pontuação específica ou um carac
tere.
Agrupamento
vos grupos de linhas (por exemplo, grupo 1, grupo
2 etc.) para organizar as linhas. Linhas que não es
tejam em um grupo específico podem ser organi
zadas em um grupo chamado "Outros" ou podem
permanecer sem grupos.
Criar
Criar uma nova coluna para tipos de data e de nú
dimensão
mero que aplique a função aos valores. Por exem
calculada
plo, a função "Plano" pode ser aplicada à coluna
"Margem" para criar uma nova coluna de valores
de margem, arredondada para o número inferior
mais próximo.
Seleção
Clique duas vezes na visão Grade ou clique duas
interna da
vezes lentamente na visão Facetas para selecionar
célula
um intervalo de caracteres ou uma palavra. Você
pode realizar as seguintes ações nos caracteres ou
na palavra:
●
Remover ou substituir partes do texto
●
Criar uma nova coluna com as mesmas linhas
mas limpas (por exemplo, remover "resort"
de valores)
●
Mover o texto selecionado para o começo do
valor da linha
1.
Realize uma das seguintes ações:
Opção
Descrição
Para processar todos os valores em uma única coluna
Selecione o cabeçalho da coluna.
Para processar todos os valores em diversas colunas
Pressione Ctrl e selecione o cabeçalho de cada coluna.
Para processar um valor individual
Selecione uma célula.
Para processar vários valores em uma coluna
Pressione Ctrl e selecione ocada célula.
Preparando dados
PUBLIC
reservados.
47
Opção
Descrição
Para processar um intervalo de caracteres ou uma pa (Apenas valores de caracteres) Clique duas vezes na visão
lavra em uma célula (seleção interna da célula)
Grade ou dê um lento clique duplo na visão Facetas e selecione
um intervalo de caracteres ou uma palavra.
2.
Abra o painel Ferramentas de manipulação à direita do painel Dados
Os valores específicos da coluna são exibidos na caixa Valores, na parte superior do painel. É possível
selecionar um ou mais valores para processamento nessa caixa ou inserir uma sequência de pesquisa na
caixa Encontrar. As seleções feitas no painel do editor substituem as seleções de valor feitas diretamente em
uma coluna. As ações de dados disponíveis para uma coluna dependem do tipo de dados da coluna e se a
coluna, célula ou intervalo de caracteres dentro de uma célula está selecionada.
3.
Selecione uma opção de processamento no painel Ferramentas de manipulação, modifique os valores
conforme necessário e selecione Aplicar.
7.1.2.1
Usando o painel de filtro
Você utiliza o painel de filtro para definir um filtro.
O painel de filtro não suporta a linguagem de fórmulas do SAP Lumira ou expressões regulares (regex). Pode ser
necessário adicionar uma medida ou dimensão calculada para criar um filtro mais complexo.
Tabela 21: Opções no painel de filtro
Opção
Descrição
Localizar
Insira o valor para a pesquisa.
Valores
Selecione um ou mais valores nos quais será filtrada a coluna ou dimensão.
Visualizar registros
Selecione essa opção para exibir o número de ocorrências para cada valor da coluna.
Manter apenas
Selecione essa opção para incluir os valores selecionados na coluna ou dimensão. Ne
nhum outro valor será exibido.
Excluir valores
Selecione essa opção para excluir os valores selecionados da coluna ou dimensão. To
dos os outros valores são exibidos.
1.
Para abrir o painel de filtro, selecione o ícone de
dimensão ou medida e selecione Filtro.
Opções em um cabeçalho de coluna ou para uma
2.
No painel de filtro, selecione opções conforme necessário para dados baseados em texto.
Para selecionar vários valores, pressione e segure Ctrl e selecione cada valor.
3.
Selecione OK.
48
PUBLIC
reservados.
Preparando dados
7.1.2.1.1
Filtrando dados em colunas e gráficos
Um filtro é uma restrição imposta a um conjunto de dados para limitar os valores exibidos.
Os filtros são exibidos na barra de filtros na parte superior do painel Dados. Você pode processar filtros
diretamente a partir da barra de filtros.
Tabela 22: Filtros na barra de filtros no painel Dados
Escopo
Descrição
Filtro do conjunto de dados
Você define um filtro em uma coluna. O filtro aplica-se aos dados na coluna e aos gráfi
cos que utilizam os dados.
Filtro de nível de visualização
Você define um filtro em um gráfico. O filtro só se aplica ao gráfico; não é aplicado ao
nível do conjunto de dados.
Exemplo
Se um gráfico mostra a receita para produtos vendidos entre 1995 e 2012, e você quer ver apenas as receitas
dos anos de 2010 a 2012, crie um filtro com a dimensão Ano para limitar os valores exibidos referentes ao
período.
Filtrando dados em colunas e facetas [página 49]
Usando o painel de filtro [página 48]
Filtragem de dados do gráfico [página 111]
7.1.2.1.2
Filtrando dados em colunas e facetas
Você pode criar um filtro em uma coluna ou faceta a partir do cabeçalho da coluna. O filtro aparece na barra de
filtros acima da grade de dados.
1.
Selecione o ícone de
Grade para exibir as colunas de da fonte de dados.
2.
Selecione o ícone de
Opções em um cabeçalho de coluna e selecione Filtro.
3.
Use as opções no painel de filtro para definir o filtro.
Usando o painel de filtro [página 48]
Preparando dados
PUBLIC
reservados.
49
7.1.2.2
Como converter dados em outro tipo
Você pode converter dados de um tipo em outro. Por exemplo, você pode converter textos em números ou datas.
1.
2.
○
No painel Medidas e dimensões, selecione o ícone de
○
No painel Dados, selecione a seta no cabeçalho de uma coluna de datas ou de números.
Opções ao lado de uma dimensão.
No diálogo de conversão de dados, escolha as opções conforme necessário e selecione OK.
7.1.2.3
Formatando números e datas
Você pode escolher o formato de exibição para colunas de data e de número das divisões Preparar ou Visualizar.
Por exemplo, números podem ser exibidos como porcentagens ou usar notação científica e números negativos
pode ser exibidos em parênteses.
1.
Na divisão Preparar, selecione o ícone de
Opções ao lado de uma medida ou dimensão no painel Medidas
e dimensões ou no cabeçalho de uma coluna de data ou de número no painel Dados e, então, selecione Exibir
formatação.
2.
No diálogo de formato de exibição, escolha as opções de formatação conforme necessário e selecione OK.
7.1.3
Criação de medidas e hierarquias
Você pode enriquecer seus dados adicionando medidas e hierarquias temporais e de geografia. Medidas
permitem uma fácil manipulação dos cálculos, e hierarquias permitem utilizar um agrupamento natural de
colunas relacionadas.
Ao adquirir dados, o SAP Lumira detecta hierarquias e medidas em potencial. Medidas detectadas são exibidas
no painel Medidas e dimensões, e dimensões identificadas como hierarquias em potencial são marcadas com
uma interrogação. Você pode selecionar o ícone Opções
hierarquias.
para uma dimensão para criar manualmente
Criando medidas [página 54]
50
PUBLIC
reservados.
Preparando dados
7.1.3.1
Criando uma ou hierarquia de tempo ou geográfica
Hierarquias personalizadas, geográficas e de tempo enriquecem um conjunto de dados. Hieraquias de tempo e
geográficas são detectadas automaticamente quando um conjunto de dados é obtido, mas você pode criar
hierarquias a qualquer momento.
As hierarquias de tempo podem ser criadas em colunas de data e de números. As hierarquias geográficas só
podem ser criadas em colunas que contêm valores compatíveis com valores de dados de geografia no banco de
dados NAVTEQ usado pelo aplicativo. Você usa menus contextuais dos cabeçalhos ou das dimensões da coluna
para criar hierarquias.
1.
Selecione o ícone Opções
ao lado de uma dimensão e selecione
Criar uma hierarquia geográfica
Por
nomes ou Criar uma hierarquia de tempo.
Opções de enriquecimento da coluna ou dimensão são exibidas para a hierarquia.
2.
Escolha quais as colunas para mapear a hierarquia:
○
Para hierarquias de tempo, selecione as colunas que serão mapeadas para os níveis Ano, Trimestre, Mês
e Dia.
○
Para hierarquias geográficas, selecione as colunas a serem mapeadas para alguns ou todos os níveis
País, Região, Sub-região e Cidade. Essas colunas são analisadas para verificar se elas contêm
correspondências com o banco de dados interno de geografia usado pelo aplicativo.
Selecione Colunas detectadas para exibir as colunas detectadas como possíveis correspondências em
listas de opções para o nível. Se nenhuma coluna for detectada, as listas ficarão vazias. Selecione Todas
as colunas para incluir todas as colunas em listas de opções para o nível.
Para hierarquias de tempo, as novas colunas selecionadas como níveis são adicionadas automaticamente ao
conjunto de dados, e a nova hierarquia de tempo é exibida na aba semântica Hierarquias.
Para hierarquias geográficas, o diálogo Dados geográficos é exibido, mostrando colunas que corresponderam
ao banco de dados interno em verde, colunas que possuem uma correspondência ambígua em laranja e
colunas sem correspondência em vermelho.
Para dimensões inferidas, as colunas são criadas para as hierarquias.
3.
(Opcional para hierarquias geográficas) No diálogo Dados geográficos, para cada correspondência proposta,
selecione a linha da proposta e selecione Escolher para aceitar a localização ou Não foi encontrado para
remover a linha e selecione Confirmar.
As novas colunas de geografia selecionadas como níveis são adicionadas automaticamente ao conjunto de
dados, e a nova hierarquia geográfica é exibida no painel Medidas e dimensões.
Você pode modificar os níveis correspondentes de uma hierarquia geográfica a qualquer momento. (Selecione o
ícone de
Opções ao lado do nome da hierarquia, selecione Processar reconciliação, altere as
correspondências propostas para um nível e selecione Confirmar.)
Criando uma hierarquia geográfica com dados de latitude e longitude [página 52]
Criando uma hierarquia personalizada [página 53]
Preparando dados
PUBLIC
reservados.
51
7.1.3.2
Criando uma hierarquia geográfica com dados de
latitude e longitude
Quando um conjunto de dados contém informações de latitude e longitude, você pode customizar a hierarquia
geográfica para a utilização desses dados. O aplicativo cria uma medida para cada coluna durante a aquisição de
dados.
Os dados de latitude e longitude devem ser numéricos. Caso os dados não sejam numéricos, você deve converter
os valores da coluna por meio de uma fórmula (por exemplo, ToNumber()). Se as colunas não são numéricas,
você deve definir manualmente as dimensões numéricas convertidas como medidas.
O aplicativo calcula automaticamente os níveis hierárquicos acima e abaixo de uma dimensão geográfica
selecionada. Você pode aceitar os níveis calculados em sua hierarquia ou substituí-los com níveis que definiu com
base nos dados de latitude e longitude.
Nota
O aplicativo não suporta a criação de hierarquias geográficas com dados de latitude e longitude de fontes de
dados do SAP HANA.
1.
Verifique se as medidas foram criadas para as colunas de latitude e longitude.
Se as medidas foram criadas, vá para a etapa 4.
2.
Se as medidas não foram criadas, converta as colunas de latitude e longitude em um tipo de dados
numéricos:
a.
no cabeçalho da dimensão ou coluna de latitude e selecione Criar dimensão
calculada.
O diálogo Nova dimensão calculada é exibido, com o nome da coluna já na fórmula (por exemplo,
{column_1}).
b.
Clique duas vezes na função ToNumber(<param>) para inseri-la na fórmula.
c.
Mova o nome da coluna exibido na etapa b para a função ToNumber().
A fórmula completa deve ser ToNumber({column_1}).
3.
4.
d.
Insira um nome para a dimensão calculada e selecione OK.
e.
Repita as etapas de a a d para a coluna ou dimensão de longitude.
Defina como medidas as novas dimensões numéricas de latitude e longitude:
a.
Clique no ícone Opções
b.
para a nova dimensão numérica de latitude e selecione Criar uma medida.
para a nova dimensão numérica de longitude e selecione Criar uma medida.
no cabeçalho da coluna ou dimensão de geografia a ser utilizada como a base
da hierarquia e selecione Criar uma hierarquia geográfica Por latitude/longitude .
O diálogo Dados geográficos é exibido. O painel Nome do nível lista os níveis de hierarquia calculados pelo
aplicativo. A dimensão original é exibida em vermelho e os níveis hierárquicos calculados são exibidos em
verde. Você pode aceitar a hierarquia proposta com base nos dados de latitude/longitude ou pode
customizar os níveis da hierarquia. Selecione um nível para exibir as suas propriedades no painel da
esquerda.
52
PUBLIC
reservados.
Preparando dados
Tabela 23: Propriedades de um nível calculado em uma hierarquia
Nível da propriedade
Descrição
Categoria
Definição do nível, ou calculado automaticamente com
base nos dados de latitude/longitude ou definidos pelo usu
ário (você seleciona a coluna na qual o nível será baseado)
Para um nível definido pelo usuário, selecione a coluna a ser
Coluna
utilizada pelo nível.
Para um nível definido pelo usuário, selecione os dados de
Latitude
latitude.
Para um nível definido pelo usuário, selecione os dados de
Longitude
longitude.
Tipo de nível
O nome do nível na hierarquia
5.
Para aceitar os níveis calculados propostos, selecione OK e vá para a etapa 7.
6.
Para escolher as colunas nas quais os níveis serão baseados, para cada nível que desejar definir na hieraquia
selecione Definido pelo usuário na lista Categoria e selecione propriedades para o nível em outras listas.
Utilize as setas`à esquerda de um nível para movê-lo para cima ou para baixo na hierarquia. Adicione um nível
na hierarquia ao selecionar Adicionar nível ou remova um nível selecionando o ícone X à esquerda do nível.
7.
Selecione OK.
A nova hierarquia geográfica é adicionada à categoria Hierarquias no painel semântico. Você pode alterar os
níveis de uma hierarquia a qualquer momento. (Selecione o ícone Opções
ao lado do nome da hieraquia,
selecione Processar reconciliação, selecione a coluna na qual deve ser baseado o nível e selecione OK.)
7.1.3.3
Criando uma hierarquia personalizada
Você pode criar uma hierarquia utilizando qualquer combinação das dimensões disponíveis.
1.
Selecione o ícone Opções para a dimensão a ser usada como a base para a hierarquia.
2.
Selecione Criar uma hierarquia customizada.
O diálogo Criar hierarquia é exibido. As dimensões disponíveis no painel Medidas e dimensões são listadas no
painel à esquerda. Você pode inserir uma cadeia de pesquisa para encontrar uma dimensão (por exemplo, as
primeiras letras do nome da dimensão).
3.
Adicione dimensões à hierarquia no painel direito.
Preparando dados
PUBLIC
reservados.
53
Dica
Clique duas vezes nas dimensões para movê-las entre os painéis.
4.
(Opcional) Utilize as setas ao lado da lista de hierarquias para mover uma dimensão selecionada para cima ou
para baixo na hierarquia.
5.
Insira um nome para a hierarquia e selecione Criar.
A nova hierarquia personalizada é exibida no painel Medidas e dimensões. Novas colunas são criadas para
cada nível da nova hierarquia.
7.1.3.4
Criando medidas
Medidas enriquecem conjuntos de dados. Você pode criá-las manualmente a qualquer momento diretamente de
uma coluna ou dimensão ou utilizando a linguagem de fórmula para criar uma medida calculada, ou você pode
permitir que o aplicativo as detecte automaticamente em tipos de dados de colunas numéricas quando um
conjunto de dados é adquirido.
Nota
Ao usar a fonte de dados Conectar com o SAP HANA, não é possível criar uma medida com uma dimensão
numérica ou de string. As medidas em fontes de dados Conectar com o SAP HANA são detectadas diretamente
a partir da visualização analítica do SAP HANA. As medidas devem ser criadas na visualização do SAP HANA
antes de serem adquiridas automaticamente no aplicativo.
7.1.3.4.1
Criando uma medida a partir de uma coluna ou
dimensão
Você pode criar uma medida a partir de quase qualquer coluna ou dimensão.
No entanto, essas exceções se aplicam:
●
Se o tipo de dados da coluna for Numérico, qualquer função agregada pode ser usada para a medida.
●
Quando o tipo de dados da coluna for Data ou String, nem Soma nem Média podem ser utilizados.
●
A agregação é realizada quando a medida é utilizada na visão Facetas. Ela não está disponível na visão Grade.
1.
Selecione o ícone Opções em um cabeçalho de coluna ou dimensão que será utilizada como a base da medida
e selecione Criar uma medida.
Uma nova medida é criada na seção Medidas do painel Medidas e dimensões.
54
PUBLIC
reservados.
Preparando dados
2.
Selecione o ícone Opções para a nova medida, selecione Alterar agregação e selecione uma das seguintes
funções agregadas:
Opção
Descrição
Soma
Para retornar a soma de uma medida.
Min
Para retornar o menor valor em um conjunto de valores.
Máx
Para retornar o maior valor em um conjunto de valores
Contagem
(distinta)
Para retornar o número de valores distintos em um conjunto de valores
Contagem
(todos)
Para retornar o número de valores em um conjunto de valores
Média
Para retornar o valor médio de uma medida
Nenhum
Para permitir que uma dimensão numérica seja utilizada como medida, sem agregação
Esse tipo de medida permite que cada valor seja visualizado em um gráfico, o que pode ser útil para
certos tipos de gráficos. Por exemplo, para um gráfico de dispersão que exibe margens e valores de
quantidades de venda, utilizar Nenhum exibe todos os pontos no gráfico de dispersão e mostra o al
cance de valores individuais que não estariam aparentes com o uso de uma função agregada.
Para ver a medida aplicada aos dados no conjunto de dados, alterne para a visão Facetas. Para ver as alterações
em valores de dados causadas pela agregação, selecione uma medida.
7.1.4
Criando uma medida ou dimensão calculada
Você pode criar medidas e dimensões calculadas utilizando a linguagem de fórmula do SAP Lumira.
Os recursos a seguir são suportados pelo editor de fórmulas:
●
Combinação de duas colunas do conjunto de dados
●
Aplicação de funções a partir de conjuntos de funções predefinidas para manipulação de números, data e
texto
●
Utilização das cláusulas "if", "then" e "else"
●
Utilziação do recurso de autoconclusão para melhorar a velocidade de processamento
●
Utilização de um seletor de calendário para os parâmetros de data
●
Copiar e colar texto e sintaxe para a definição da função
1.
Selecione o botão Cálculo e selecione Nova dimensão calculada ou Nova medida calculada.
Dica
Alternativamente, crie uma medida ou dimensão calculada com o ícone Opções
ao lado de uma medida
ou dimensão, ou selecionando Criar dimensão calculada no painel Ferramentas de manipulação.
2.
Insira um nome para a medida ou dimensão.
3.
Clique duas vezes em medidas ou dimensões, e em funções, para adicioná-las à caixa de sintaxe Fórmula.
4.
Insira os parâmetros da função e as informações correlatas, com base na tarefa da função.
Você deve digitar os nomes das colunas usadas nessa fórmula. O recurso de autocompletar automático irá
sugerir um nome de coluna após inserir a primeira letra.
Preparando dados
PUBLIC
reservados.
55
5.
Se você estiver inserindo informações de calendário, selecione o botão Selecionar data na parte inferior da
lista de funções para usar o selecionador de data.
6.
Clique em OK para aplicar a fórmula.
Uma medida ou dimensão é criada.
Exemplo
Vamos supor que você deseja criar uma dimensão que multiplica os valores na coluna
<margin_gross_percent> por 100, e arredonda até o próximo número inteiro.
1.
Selecione o botão Cálculo e selecione Nova dimensão calculada.
2.
No diálogo Nova dimensão calculada, clique duas vezes em um objeto da dimensão ou função para inserir a
dimensão ou função na caixa Fórmula. Por exemplo, clique duas vezes em Ceil(num) .
3.
Processe a fórmula e adicione outros objetos de dimensão, conforme necessário. Uma nova coluna com
um nome da fórmula predefinido é criada. Por exemplo, adicione Ceil(margin_gross_percent )*100
na fórmula para criar uma coluna chamada Ceil(margin_gross_percent )*100.
4.
Insira um nome para a nova dimensão calculada e selecione OK. A nova coluna é criada no painel Dados e é
exibida no painel Medidas e dimensões.
7.1.4.1
Referência de funções
Você pode definir quais funções serão disponibilizadas na barra de fórmulas.
Tabela 24: Categorias de funções
Categoria
Descrição
Agregação
Agrega dados (por exemplo, somando ou tirando a média de
Funções de agregação são implementadas na definição de
um conjunto de valores)
uma medida.
Caractere
Manipula as sequências de caracteres
Data e hora
Retorna os dados de data ou hora
Numérico
Retorna dados numéricos
Lógico
Retorna true ou false
Diversos
As funções não se enquadram em nenhuma outra categoria
Funções de caractere [página 57]
Funções de data e hora [página 62]
56
PUBLIC
reservados.
Preparando dados
Funções numéricas [página 66]
Funções lógicas [página 69]
Funções diversas [página 70]
7.1.4.1.1
Funções de caractere
Utilize uma função de caractere permite manipular strings de caracteres em uma fórmula. A entrada é uma
coluna do conjunto de dados e as funções são aplicadas ao conteúdo da célula.
Tabela 25: Funções de caractere
Função
<matchExpr> como <pattern>
Sintaxe
●
Utilização
matchExpr: A expressão de string Utilize para determinar se uma string de
caracteres corresponde a um padrão es
para pesquisar
●
pattern: A constante da string do pecificado. A pesquisa não diferencia le
padrão a ser pesquisada para
tras maiúsculas de minúsculas.
O padrão pode incluir caracteres regula
res e os seguintes caracteres especiais:
●
"_" corresponde a um único carac
tere
●
"%" corresponde o zero a muitos
caracteres
Antes de poder utilizar um caractere es
pecial como um caractere regular, você
deve isolá-lo, utilizando uma barra inver
tida ("\").
Nota
"[", "^", "-" e "]" estão reserva
dos para um uso futuro.
Por exemplo:
"Hiking is fun" like "H%
is _un"
retorna true
Preparando dados
PUBLIC
reservados.
57
Função
Concatenate(str1, str2)
Sintaxe
Utilização
●
str1: primeira string
Utilize para concatenar duas strings em
●
str2: segunda string
uma única string.
O operador + também pode concatenar
strings.
Por exemplo:
Concatenate("Mr",
"Brown")
retorna "MrBrown"
Contain(whereStr, whatStr)
●
●
whereStr: string em que uma
Utilize para retornar ocorrências de uma
pesquisa é conduzida
string em outra string. A pesquisa não
whatStr: substring que é o objeto
diferencia letras maiúsculas de minúscu
de pesquisa
las.
Por exemplo:
Contain("Cats are grey",
"aRe")
retorna true
ExceptFirstWord(str, sep)
●
str: string de entrada
Utilize para retornar uma cópia de uma
●
sep: um separador
string com a primeira palavra removida.
Por exemplo:
ExceptFirstWord("Level
3, Standford Street", ",
")
retorna "Standford Street"
ExceptLastWord(str, sep)
●
●
sep: um separador
string com a última palavra removida.
Por exemplo:
ExceptLastWord("james.bro
[email protected]", "@")
retorna "james.brown"
58
PUBLIC
reservados.
Preparando dados
Função
FirstWord(str, sep)
Sintaxe
Utilização
●
Utilize para retornar a primeira palavra
●
sep: um separador
da string.
Por exemplo:
FirstWord("Senior
Developer", " ")
retorna "Senior"
LastWord(str, sep)
●
Utilize para retornar a última palavra da
●
sep: um separador
string.
Por exemplo:
LastWord("Red/Purple",
"/")
retorna "Purple"
Length(str)
Utilize para retornar o comprimento da
string.
Por exemplo:
Length("How long")
retorna 8
LowerCase(str)
string, com todos os caracteres conver
tidos em letras minúsculas.
Por exemplo:
LowerCase("GOOD JOB")
retorna "good job"
Lpad(str, length, pad)
●
Utilize para retornar a cópia de uma
●
length: comprimento esperado
string que foi preenchida com os primei
●
pad: Sequência de caracteres a ser
adicionada
ros caracteres do comprimento total es
pecificado.
Por exemplo:
Lpad("Incomplete field",
20, "#")
retorna "####Incomplete field"
Preparando dados
PUBLIC
reservados.
59
Função
Sintaxe
Utilização
Replace(str, target,
●
Utilize para retornar uma string, com to
replacement)
●
target: String a ser substituída
das as ocorrências de uma string especi
●
replacement: Valor da string a
ser inserido
ficada substituída por outra string espe
cificada.
Por exemplo:
Replace("Very good
song", "o" , "u")
retorna "Very guud sung"
Rpad(str, length, pad)
●
Utilize para retornar a cópia de uma
●
length: comprimento esperado
string que foi preenchida com os últimos
●
pad: Sequência de caracteres a ser
adicionada
caracteres do comprimento total especi
ficado.
Por exemplo:
Rpad("Incomplete field",
20, "#")
retorna "Incomplete field####"
SubString(str, start)
●
●
str: String a partir da qual uma
Utilize para retornar uma substring da
substring é calculada
string.
start: Posição inicial na substring Por exemplo:
de entrada
SubString("Wong", 3)
retorna "ng"
SubString(str, start,
●
str: String a partir da qual uma
Utilize para retornar uma substring da
substring é calculada
string.
●
start: Posição inicial na substring Por exemplo:
length)
de entrada
●
length: Comprimento da sub
string a retornar
ToText(param)
param: O parâmetro a ser convertido
SubString("Wong", 2, 2)
retorna "on"
Utilize para converter um parâmetro em
uma string. Todos os parâmetros são
válidos e números são truncados a zero
casas decimais.
60
PUBLIC
reservados.
Preparando dados
Função
Trim(str, toTrim)
Sintaxe
Utilização
●
Utilize para retornar uma cópia da string
●
toTrim: Caractere a ser removido
com repetições à esquerda e à direita de
um caractere removido. Esta função di
ferencia letras maiúsculas e minúsculas.
Por exemplo:
Trim("Aurora", "a")
retorna "Auror"
TrimLeft(str, toTrim)
●
●
com ocorrência à esquerda de um ca
ractere removido. Esta função diferencia
letras maiúsculas e minúsculas.
Por exemplo:
TrimLeft("Above", "A")
retorna "bove"
TrimRight(str, toTrim)
●
●
com ocorrência à direita de um carac
tere removido. Esta função diferencia le
tras maiúsculas e minúsculas.
Por exemplo:
TrimRight("Laura", "a")
retorna "Laur"
UpperCase(str)
string, com todos os caracteres conver
tidos em letras maiúsculas.
Por exemplo:
UpperCase("Little Boy")
retorna "LITTLE BOY"
Preparando dados
PUBLIC
reservados.
61
Função
Sintaxe
Utilização
ToDate(string, format)
O formato da data é uma combinação
Utilize para converter uma string de en
dos tokens reservados a seguir, separa
trada em uma data com um formato es
dos delimitadores:
pecificado no conjunto de dados,
●
d ou dd: Dia do mês (1-31)
●
M ou MM: Mês do ano (1-12)
●
y ou yy: Ano abreviado sem o sé
culo (00-99)
yyyy: Ano com o século (1956,
2012, 2014 e assim por diante)
Todas as outras sequências são consi
deradas delimitadores.
●
string: String de entrada a ser
●
format: constante de string de
quando as datas em uma coluna de uma
fonte de dados original estão em for
mato de string.
Por exemplo:
ToDate(Obj, 'yyyy/dd/MM')
converte uma string no formato
yyyy/dd/MM em uma data:
convertida
formato da data
Tabela 26: Exemplo da função Trim(str, toTrim): Trim ({Name},"a")
Nome
String recortada
Aurora
Auror
Auror
Auror
auror
uror
aurora
uror
uror
uror
Esta fórmula retorna "Auror": Trim("Aurora", "a").
7.1.4.1.2
Funções de data e hora
Funções de data e hora retornam os dados de data e hora. Note que você talvez precise converter o formato de
seus dados de origem no aplicativo.
62
PUBLIC
reservados.
Preparando dados
Tabela 27: Funções de data e hora
Função
Sintaxe
Utilização
AddMonthToDate(#date#,perio
●
#date#: data original
Utilize para retornar uma data produzida
ds)
●
periods: Número de períodos a
com a adição de um número específico
serem adicionados
de meses a uma data especificada.
Por exemplo:
AddMonthToDate(#2012-01-0
1#,1)
retorna 2012-02-01
AddMonthToDate(#date#,perio
●
ds)
●
serem adicionados
de semanas a uma data especificada.
Por exemplo:
AddWeekToDate(#2012-01-01
#,1)
retorna 08.01.12
AddYearToDate(#date#,period
●
s)
●
serem adicionados
de anos a uma data especificada. Utilize
números negativos para remover um
ano.
Por exemplo:
AddYearToDate(#2012-01-01
#,1)
retorna 01.01.13
Utilize para retornar a data atual como a
CurrentDate()
data.
Por exemplo:
CurrentDate()
retorna <CurrentDate>
DateDiffInDays(#start#,#end
●
#)
●
#start#: Data de início do inter
Utilize para retornar o número de dias
valo
entre duas datas.
#end#: Data de término do inter
Por exemplo:
valo
DateDiffInDays(#2012-03-2
3#,#2012-01-30#)
retorna -53
Preparando dados
PUBLIC
reservados.
63
Função
DateDiffInMonths(#start#,#e
Sintaxe
●
nd#)
●
Utilização
#start#: Data de início do inter
Utilize para retornar o número de meses
valo
entre duas datas especificadas.
#end#: Data de término do inter
Por exemplo:
valo
DateDiffInMonths(#2013-02
-01#,#2014-01-01#)
retorna 11
Day(#date#)
#date#: uma data
Utilize para retornar o dia do mês como
um número de 1 a 31.
Por exemplo:
Day(#2012-03-23#)
retorna 23
DayOfWeek(#date#)
#date#: uma data
Utilize para retornar o dia da semana
como um número de 1 (domingo) à 7
(sábado).
Por exemplo:
DayOfWeek(#2012-03-23#)
retorna 6
DayOfYear(#date#)
#date#: uma data
Utilize para retornar o dia do ano como
um número.
Por exemplo:
DayOfYear(#2012-03-23#)
retorna 83
LastDayOfMonth(#date#)
#date#: uma data
Utilize para retornar a data gerada pelo
cálculo do último dia do mês de uma
data especificada.
Por exemplo:
LastDayOfMonth(#2012-03-2
3#)
retorna a data 2012-03-31
64
PUBLIC
reservados.
Preparando dados
Função
Sintaxe
Utilização
LastDayOfWeek(#date#)
#date#: uma data
Utilize para retornar a data gerada pelo
cálculo do último dia da semana de uma
data especificada.
Por exemplo:
LastDayOfWeek(#2012-03-23
#)
retorna a data 24.03.12
MakeDate(year,month,day)
●
●
year: Número que representa um
Utilize para retornar uma data que é cri
ano
ada a partir do ano, mês e dia especifica
month: Número que representa um dos.
mês
●
Por exemplo:
day: Número que representa um
dia do mês
MakeDate(2011,6,12)
retorna a data 12.06.11
Month(#date#)
#date#: uma data
Utilize para retornar o mês do ano como
um número de 1 a 12.
Por exemplo:
Month(#2012-03-23#)
retorna 3
Quarter(#date#)
#date#: uma data
Utilize para retornar um número que re
presenta o trimestre de uma data espe
cificada.
Por exemplo:
Quarter(#2012-03-23#)
retorna 1
Week(#date#)
#date#: uma data
Utilize para retornar um número que re
presenta a semana de uma data especi
ficada.
Por exemplo:
Week(#2012-03-23#)
retorna 12
Preparando dados
PUBLIC
reservados.
65
Função
Sintaxe
Utilização
Year(#date#)
#date#: uma data
Essa sintaxe retorna o ano de uma data
especificada.
Por exemplo:
Year(#2012-03-23#)
retorna 2012
7.1.4.1.3
Funções numéricas
Utilize funções numéricas para retornar valores numéricos em uma fórmula.
Tabela 28: Funções numéricas
Função
Sintaxe
Utilização
Ceil(num)
num: um número
Utilize para retornar o menor número in
teiro maior que ou igual a um número
especificado.
Por exemplo:
Ceil(14.2)
retorna 15
Floor(num)
num: um número
Utilize para retornar o maior número in
teiro não maior que um número especifi
cado.
Por exemplo:
Floor(14.8)
retorna 14
Log(num)
num: um número
Utilize para retornar o logaritmo natural
de um número especificado.
Por exemplo:
Log(100)
retorna 4,605
66
PUBLIC
reservados.
Preparando dados
Função
Sintaxe
Utilização
Log10(num)
num: um número
Utilize para retornar o logaritmo de base
10 de um número especificado.
Por exemplo:
Log10(100)
retorna 2
Mod(num, divisor)
●
num: um número
Utilize para retornar o restante da divi
●
divisor: o divisor
são de um número por outro número.
Por exemplo:
Mod(15,2)
retorna 1
Power(num, exponent)
●
num: um número
Utilize para elevar um número a uma po
●
exponent: o expoente
tência.
O operador ^ (circunflexo) pode ser utili
zado no lugar desta função.
Por exemplo:
Power(2,3)
retorna 8
Round(num, digits)
●
num: um número
Utilize para retornar um valor numérico,
●
digits: O número de casas deci
arredondado para um número especifi
mais para arredondar
cado de casas decimais.
Por exemplo:
Round(14.81, 1)
retorna 14,8
Sign(num)
num: um número
Utilize para retornar -1 se um número es
pecificado for negativo, 0 se tal número
especificado for zero ou +1 se o número
especificado for positivo.
Por exemplo:
Sign(-2)
retorna -1
Preparando dados
PUBLIC
reservados.
67
Função
ToText(num, digits)
Sintaxe
Utilização
●
num: um número
Utilize para converter um número espe
●
digits: número de casas deci
cificado em uma string. O número é
mais a usar. Este parâmetro é opci
truncado para um número específico de
onal, seu valor predefinido é 0.
casas decimais.
Por exemplo:
ToText(12.1451, 2)
retorna 12,14
Truncate(num, digits)
●
num: um número
Utilize para retornar um valor numérico,
●
digits: Número de casas deci
truncado em um número especificado
mais a truncar
de casas decimais.
Por exemplo:
Truncate(12.281, 1)
retorna 12,200
Tabela 29: Exemplo da função ToText(num, digits): ToText({Temperatura},2)
Temperatura
Texto
-2.01
-2.0
-1.06
-1.1
0.08
0.1
1.07
1.1
2.08
2.1
3.99
4.0
5.00
5.0
Esta fórmula retorna 12,14: ToText(12.1451, 2).
Tabela 30: Exemplo da função Truncate(num, digits): Truncate({Temperatura},1)
Temperatura
Truncado
-2.01
-2.00
-1.06
-1.00
0.08
0.00
1.07
1.00
2.08
2.00
3.99
3.90
5.00
5.00
Esta fórmula retorna 12,200: Truncate(12.281, 1).
68
PUBLIC
reservados.
Preparando dados
7.1.4.1.4
Funções lógicas
Você pode usar funções lógicas em uma fórmula para retornar true or false.
Tabela 31: Funções lógicas
Função
Sintaxe
Utilização
IsNotNull(obj)
obj: Objeto do usuário (coluna)
Utilize para retornar um valor booleano
que indica se um campo fornecido não
contém um valor nulo. Quando um
campo contém um valor nulo, a função
retorna false. Para todos os outros va
lores, a função retorna true.
IsNull(obj)
obj: Objeto do usuário (coluna)
Utilize para retornar um valor booleano
que indica se um campo fornecido con
tém um valor nulo. Quando um campo
contém um valor nulo, a função retorna
true. Para todos os outros valores, a
função retorna false.
<esquerdo> e <direito>
●
left: Operador esquerdo
Utilize para retornar a conjunção lógica
●
right: Operador direito
de suas entradas booleanas. Esta função
retorna false: true and false.
<esquerdo> ou <direito>
●
left: Operador esquerdo
Utilize para retornar a disjunção lógica
●
right: Operador direito
de suas entradas booleanas. Esta função
retorna true: true or false.
se <cond>, então <alt1>
●
cond: Condição booleana para
Utilize para escolher entre duas alterna
teste
tivas com base em uma condição boo
●
alt1: Alternativa 1
leana. A segunda alternativa é opcional e
●
alt2: Alternativa 2
●
testExpr: Expressão a ser tes
Utilize para determinar se a primeira en
tada
trada corresponde a um valor na lista de
candidateList: Lista de candi
uma segunda entrada.
datos correspondentes
Por exemplo:
senão <alt2>
<testExpr> em
<candidateList>
●
avalia como null quando em falta.
3 in [2, 4, 6]
retorna false
Preparando dados
PUBLIC
reservados.
69
Função
Sintaxe
Utilização
não<bool>
bool: Uma booleana
Utilize para negar uma entrada boo
leana.
Por exemplo:
not false
retorna true
Tabela 32: Exemplo da função <left> e <right>
Esquerda
Direita
Resultado de {Esquerdo} e {Direito}
Verdadeiro
Verdadeiro
true
Verdadeiro
Falso
false
Falso
Verdadeiro
false
Falso
Falso
false
Esta função retorna false: true and false.
Tabela 33: Exemplo da função <left> or <right>
Esquerda
Direita
Resultado de {Esquerdo} ou {Direito}
Verdadeiro
Verdadeiro
true
Verdadeiro
Falso
true
Falso
Verdadeiro
true
Falso
Falso
false
Esta função retorna true: true or false.
7.1.4.1.5
Funções diversas
Essas funções podem ser utilizadas em uma fórmula, mas não se encaixam em uma categoria padrão de famílias
de funções.
70
PUBLIC
reservados.
Preparando dados
Tabela 34: Funções diversas
Função
Sintaxe
GroupValues(column,
●
Utilização
column: O objeto do usuário ao
qual o agrupamento será aplicado
ListOfValues, newValue)
●
Por exemplo:
ListOfValues: Lista de valores a
serem agrupados
●
Utilize para agrupar uma lista de valores.
newValue: Valor que deve substi
tuir os valores agrupados
GroupValues(CountryColumn
, ["USA", "India",
"France"], "My
Countries")
retorna "My Countries" quando a
coluna CountryColumn conter
"USA", "India" ou "France"
ToNumber(param)
param: O parâmetro a ser convertido
Utilize para converter um tipo de parâ
metro em um valor numérico. Números
são truncados a zero casas decimais.
7.1.5
Trabalhando com múltiplos conjuntos de dados
Você pode adicionar um conjunto de dados aos conjuntos de dados disponíveis, mover entre os conjuntos de
dados e mesclar ou anexar dois conjuntos de dados.
Ao combinar conjuntos de dados, dois conjuntos de dados são mesclados utilizando um operador JOIN, e dois
conjuntos de dados correspondidos são mesclados utilizando um operador UNION. Conjuntos de dados anexos
são compatíveis e têm um número equivalente de colunas na tabela mesclada.
Anexando conjuntos de dados (UNION) [página 73]
Como remover um conjunto de dados [página 73]
7.1.5.1
Como adicionar um conjunto de dados
Você pode abrir vários conjuntos de dados no mesmo documento e pode adicionar um conjunto de dados a um
documento.
1.
Na lista de conjuntos de dados no topo do painel Dados, selecione Adicionar conjunto de dados.
2.
No diálogo Novo conjunto de dados, selecione uma fonte de dados no painel Selecionar uma fonte ou Todas as
utilizadas recentemente e selecione Próximo.
Preparando dados
PUBLIC
reservados.
71
3.
Insira as informações de conexão para o conjunto de dados e selecione Criar.
Os dados do conjunto de dados são obtidos pelo documento.
7.1.5.2
Alternando para outro conjunto de dados
Você pode ter vários conjuntos de dados abertos em um documento ao mesmo tempo e alternar de um para o
outro, o que é útil ao preparar uma fusão entre dois conjuntos de dados.
Na lista de conjuntos de dados no topo do painel Dados, selecione o conjunto para o qual deseja alternar.
O conjunto de dados selecionado passa a ser o conjunto ativo.
7.1.5.3
Mesclar conjuntos de dados (JOIN)
Use o operador JOIN para fundir dois conjuntos de dados.
●
O conjunto de dados a ser mesclado deve ter uma coluna de chave.
●
Apenas colunas com o mesmo tipo de dados são levadas podem ser fundidas.
●
O processo de fusão combina todas as colunas.
As colunas no segundo conjunto de dados correspondem a uma coluna-chave no conjunto de dados original. O
aplicativo sugere colunas correspondentes em potencial e a probabilidade de cada correspondência.
Nota
Quando um conjunto de dados tiver sido consolidado com outro conjunto de dados, os conjuntos de dados são
uma unidade. Você não pode remover nenhum dos conjuntos de dados.
1.
Selecione o ícone Combinar como. na barra do menu e selecione Mesclar.
2.
No diálogo Mesclar dados, selecione a coluna-chave a ser utilizada como a coluna identificadora para a
correspondência.
3.
Opção
Descrição
Se um conjunto de dados a ser mesclado já está dis
ponível no documento
Selecione o conjunto de dados na lista acima do painel direito.
Se o conjunto de dados a ser mesclado não está
aberto
Selecione Adicionar novo conjunto de dados e selecione a fonte
de dados a ser mesclada.
As colunas que podem ser correspondidas, com base na coluna-chave do conjunto de dados original, estão
listadas em Conjunto de dados de consulta.
4.
Selecione Mesclar.
As colunas no segundo conjunto de dados são adicionadas ao conjunto de dados original.
72
PUBLIC
reservados.
Preparando dados
Anexando conjuntos de dados (UNION) [página 73]
7.1.5.4
Anexando conjuntos de dados (UNION)
Use o operador UNION para anexar dois conjuntos de dados.
As duas tabelas na união devem conter um número equivalente de colunas e tipos de dados compatíveis. Apenas
um conjunto de dados compatível com o conjunto de dados de destino pode ser anexado.
Quando um conjunto de dados tiver sido fundido com outro conjunto de dados, eles se tornam uma unidade e
você não pode separá-los.
1.
Selecione o ícone Combinarna barra do menu e selecione Anexar.
2.
No diálogo Anexar dados, realize uma das seguintes ações:
Opção
Descrição
Se um conjunto de dados a ser anexado já estiver dis Selecione o conjunto de dados na lista acima do painel direito.
ponível no documento
Se o conjunto de dados a ser anexado não estiver
aberto
Selecione Adicionar novo conjunto de dados e selecione a fonte
de dados a ser a obtida e anexada.
Se o conjunto de dados a ser anexado for compatível com o conjunto de dados original, as colunas de
dimensão serão listadas em Conjunto de dados de consulta no lado direito do painel. Uma amostra de valores
distintos para cada dimensão selecionada é exibida na coluna Amostra de valores distintos.
3.
Para selecionar uma dimensão de origem diferente para a união com a dimensão de destino correspondente,
selecione outra dimensão na lista.
Se a dimensão selecionada contiver um tipo de dados compatível, ela poderá ser anexada. Se uma
mensagem A união não é possível for exibida em vermelho, significará que a dimensão selecionada não
contém um tipo de dados compatível e você deve selecionar uma dimensão compatível.
4.
Selecione Anexar.
Os dois conjuntos de dados são combinados. O conjunto de dados combinado retém os nomes das colunas
do conjunto de dados de destino.
7.1.5.5
Como remover um conjunto de dados
Você poderá remover um conjunto de dados de um documentos se ele não tiver sido anexado ou fundido a outro
conjunto de dados.
1.
Na lista de conjuntos de dados no topo do painel Dados, selecione o conjunto de dados a ser removido.
2.
Selecione o ícone Remover conjunto de dadosao lado do conjunto de dados.
O conjunto de dados e quaisquer visualizações baseadas nele serão excluídos.
Preparando dados
PUBLIC
reservados.
73
8
Criando análises
8.1
Como criar uma análise
Você pode usar Expert Analytics para mineração de dados e análise estatística, executando os dados em uma
série de componentes. As séries de componentes são conectadas entre si por meio de conectores, que definem a
direção do fluxo de dados. Esse processo é denominado análise.
Documentos são o ponto de partida para utilização de Expert Analytics. Você cria um novo documento para
começar a analisar dados e criar novas análises. Você também pode abrir os documentos armazenados
localmente, para visualizar ou modificar as análises e os conjuntos de dados existentes.
Cada documento é um arquivo que contém:
●
Parâmetros de conexão com a fonte de dados, se a fonte for RDBMS.
●
Conjunto de dados: dados da coluna usados para criar gráficos.
●
Análises e modelos, e seus resultados.
●
Gráficos criados com base nos dados e salvos como visuais.
Para criar uma análise, siga estes procedimentos:
1.
Adquira dados de uma fonte de dados.
2.
Opcional: Prepare os dados para análise (por exemplo, filtrando os dados).
3.
Aplique os algoritmos.
4.
Opcional: Armazene os resultados para uma análise posterior.
Para adicionar diversas análises ao documento, selecione
análise.
(Adicionar análise) na barra de ferramentas de
Aplicação de componentes de pré-processamento em dados [página 74]
Como aplicar os algoritmos [página 75]
Opcional: Como armazenar os resultados da análise [página 77]
8.1.1
Aplicação de componentes de pré-processamento em
dados
Você pode aplica componentes de pré-processamento em seus dados, por exemplo, filtros, antes de executar
uma análise.
74
PUBLIC
reservados.
Criando análises
Esta etapa é opcional.
Em muitos casos, os dados brutos da fonte de dados podem não serem adequados para a análise. Para obter
resultados precisos, talvez seja necessário preparar e processar os dados antes da análise. Você encontra
funções de manipulação de dados na sala Preparação e as funções de preparação de dados na sala Previsão. Na
divisão Preparar, você pode trabalhar em dados estáticos ou em dados brutos importados no Expert Analytics. Na
sala Previsão, você pode trabalhar nos dados transitórios utilizando componentes do pré-processador.
A preparação de dados consiste em verificação da precisão dos dados e de campos em falta, filtragem dos dados
com base em valores de intervalo, amostragem de dados para investigação de um subconjunto de dados e
manipulação de dados. Você pode processar os dados usando os componentes de preparação de dados.
1.
Na divisão Prever, clique duas vezes no componente do pré-processador necessário na lista de componentes
à direita.
O componente do pré-processador de dados será adicionado ao editor de análise e uma conexão automática
será criada para o componente de fonte de dados.
2.
Pelo menu contextual do componente do pré-processador, selecione Configurar propriedades.
3.
Na caixa de diálogo de propriedades do componente, insira os detalhes necessários para as propriedades do
componente de pré-processador.
4.
Selecione Concluído.
5.
Para visualizar os resultados da análise, selecione
(Executar análise).
Componentes de preparação de dados [página 201]
8.1.2
Como aplicar os algoritmos
Obtidos os dados relevantes para análise, você precisa aplicar os algoritmos apropriados para determinar os
padrões nos dados.
É uma tarefa desafiadora determinar o algoritmo apropriado para uma finalidade específica. Você pode usar uma
combinação de inúmeros algoritmos para analisar os dados. Por exemplo, primeiro você pode usar algoritmos de
série de tempo para amortecer os dados e depois usar algoritmos de regressão para encontrar tendências.
A seguinte tabela contém informações dos algoritmos que devem ser selecionados para finalidades específicas:
Finalidade
Algoritmo
Realizando previsões com base no tempo
Algoritmos de série de tempo
Prevendo variáveis contínuas com base em outras variáveis
no conjunto de dados.
Criando análises
●
Amortecimento exponencial individual
●
Amortecimento exponencial duplo
●
Amortecimento exponencial triplo
Algoritmos de regressão
PUBLIC
reservados.
75
Finalidade
Encontrando padrões frequentes de conjunto de itens em
conjuntos volumosos de dados transacionais para gerar
regras de associação
Algoritmo
●
Regressão linear
●
Regressão exponencial
●
Regressão geométrica
●
Regressão logarítmica
●
Regressão linear múltipla
●
Regressão polinomial
●
Regressão logística
Algoritmos de associação
●
Apriori
●
AprioriLite
Criando clusters de observações em grupos de conjuntos de
itens similares
Algoritmos de clustering
Classificando e prevendo uma ou mais variáveis discretas
com base em outras variáveis no conjunto de dados
Árvores de decisão
Detectando valores atípicos no conjunto de dados
●
Valor médio K
●
HANA C 4.5
●
R de árvore CNR
●
CHAID
Algoritmos de detecção de valor atípico
●
Intervalo interquartil
●
Valor atípico vizinho mais próximo
●
Detecção de anomalia
●
Teste de variância
Prevendo, classificando e reconhecendo padrões estatísticos Algoritmos de rede neural
●
R de rede neural NNet
●
R de rede neural MONMLP
Se você não localizou o algoritmo relevante, você pode criar seu próprio componente personalizado utilizando o
script R em Expert Analytics e executar a análise em seus dados adquiridos. Para mais informações sobre como
adicionar um componente personalizado, consulte: Assistente de criação do componente R [página 80]
1.
Na divisão Prever, clique duas vezes no componente do algoritmo necessário na lista de componentes à
direita.
O componente de algoritmo será adicionado ao editor de análise e conectado ao componente anterior na
análise.
2.
Pelo menu contextual do componente do algoritmo, selecione Configurar propriedades.
3.
componente de algoritmo.
4.
5.
76
PUBLIC
reservados.
Criando análises
Algoritmos [página 133]
8.1.3
Opcional: Como armazenar os resultados da análise
Você pode armazenar os resultados da análise em arquivos planos ou bancos de dados para uma análise
posterior, usando componentes de gravação de dados. Apenas a visualização da tabela é armazenada no
componente de gravação de dados.
1.
Na divisão Prever, clique duas vezes no componente de gravação de dados necessário na lista de
componentes à direita.
O componente de gravação de dados será adicionado ao editor de análise e conectado ao componente
anterior na análise.
2.
Pelo menu contextual do componente da gravação de dados, selecione Configurar propriedades.
3.
componente de gravação de dados.
4.
5.
Gravadores de dados [página 222]
8.2
Como executar a análise
Quando você preparar seus dados e aplicar os algoritmos necessários, você poderá executar uma análise.
●
Para executar a análise, selecione
●
Se a sua análise for muito volumosa e complexa, você pode executá-la, componente por componente, e
analisar os dados. Para executar uma parte da análise, selecione Executar até aqui pelo menu contextual do
componente até onde quiser executar.
Criando análises
(Executar análise) na barra de ferramentas do editor de análise.
PUBLIC
reservados.
77
8.3
Como salvar a análise
Depois de criada a análise, você pode salvá-la para reutilizar no futuro. No Expert Analytics, você precisa salvar o
documento para salvar a análise que você criou. O documento salvo contém conjuntos de dados, análises,
resultados e visualizações. O documento é salvo em formato de arquivo .lums.
Para salvar a análise em um documento, siga estes procedimentos:
1.
Selecione
Arquivo
Salvar .
2.
Insira um nome para o documento.
3.
Selecione Salvar.
Se você criar várias análises com o mesmo conjunto de dados, todas serão salvas no mesmo documento. Você
pode acessar todas as análises em um documento pela lista de opções Análise.
8.4
Como excluir uma análise do documento
Você poderá excluir uma análise se ela não for mais necessária.
Para excluir uma análise existente do documento, passe o cursor na imagem da análise na barra de análise, e
selecione
8.5
Como visualizar os resultados
Para visualizar os resultados dos componentes em uma análise, depois de executar a análise, alterne para a
visualização de Resultados ou pelo menu contextual do componente, selecione Visualizar resultados.
8.6
Exportação de uma análise como um procedimento
armazenado
Você pode exportar uma análise do SAP HANA como um procedimento armazenado para o banco de dados do
SAP HANA. Qualquer usuário do SAP HANA pode utilizar essa análise no SAP HANA Studio para análise
subsequente.
Antes de exportar uma análise como um procedimento armazenado no banco de dados do SAP HANA, certifiquese de que sua conta está definida no SAP HANA.
1.
Criar uma análise.
2.
Execute a análise.
78
PUBLIC
reservados.
Criando análises
3.
Selecione o último componente do algoritmo na análise e, a partir do menu do contexto, selecione Exportar
como procedimento armazenado.
4.
Selecione o nome do esquema.
5.
Insira um nome para o procedimento.
6.
Se você quiser sobregravar o procedimento existente pelo procedimento recém-criado, selecione a opção
Sobregravar, se existir.
7.
Opcional: Insira um nome para a visão.
8.
Selecione Exportar.
O procedimento exportado e os objetos a ele associados são exibidos no esquema selecionado no banco de
dados SAP HANA.
Os seguintes objetos são criados no banco de dados do SAP HANA no esquema selecionado:
●
Procedimento com nome especificado.
●
Se você decidiu criar uma visão, então uma visão de coluna com nome especificado.
●
Um ou mais procedimentos para cada componente na cadeia de análise.
●
Uma visão de coluna para cada componente na cadeia.
●
Tipos de tabela necessários pelos algoritmos SAP HANA.
●
Tabelas necessárias por esses algoritmos que podem conter parâmetros de entrada.
Exemplo
Consumindo o procedimento armazenado
Dica
O seguinte snippet de SQL mostra como você pode consumir o procedimento armazenado exportado:
CREATE TABLE ResultTable like "TestProc_OUT_TYPE";
call "TEST80"."TestProc"(ResultTable) WITH OVERVIEW;
select * from ResultTable ;
TestProc_OUT_TYPE é o mesmo que o tipo de tabela que o TestProc espera como parâmetro de saída.
Consumindo a visão de coluna
Dica
Há um recurso adicional disponível onde o usuário pode criar visões de coluna na parte superior do
procedimento armazenado:
Select * from VIEW_TESTPROC
Exportando um modelo do SAP HANA como procedimento armazenado [página 130]
Criando análises
PUBLIC
reservados.
79
9
Adicionando um componente
personalizado
9.1
Personalizar componente R
Como um usuário especialista, você pode criar e adicionar um componente usando scripts R.
O componente R recém-adicionado está classificado em Algoritmos Componentes R personalizados na
lista de componentes à direita, dependendo do tipo de componente criado. Por exemplo, ele pode ser classificado
como um algoritmo, um componente de pré-processador ou uma gravação de dados. Você pode utilizar
componentes personalizados para realizar a análise no conjunto de dados adquiridos.
O R é uma linguagem de programação de software e um ambiente para computação e gráficos estatísticos.
Expert Analytics fornece um ambiente para uso de scripts R (em um formato de função R válido) e criação de um
componente, que pode ser utilizado para análise da mesma maneira que qualquer outro componente existente.
Ao criar um componente R, você pode fornecer um nome para o componente, que aparece na classificação,
Alogritmos
9.1.1
Componentes R personalizados , na lista de componentes à direita.
Assistente de criação do componente R
Você pode especificar as propriedades para o componente R personalizado.
Propriedades do assistente de criação do componente R
Tabela 35: Geral
Propriedade
Descrição
Nome do componente
Insira um nome para o componente.
Nota
Você não pode renomear um componente personalizado
existente.
Tipo de componente
Selecione o tipo de componente.
Descrição do componente
Insira uma descrição do componente, que aparecerá como a
dica para o componente criado.
80
PUBLIC
reservados.
Adicionando um componente personalizado
Tabela 36: Script
Propriedade
Descrição
Carregar script R
Clique para carregar um script R.
Editor de scripts
Copie e cole ou grave o script R na caixa de texto.
Nome da função primária
Selecione o nome da função que deseja executar.
DataFrame de entrada
Selecione o DataFrame de entrada pela lista de parâmetros.
DataFrame de saída
Insira um nome para a variável que deseja utilizar como Data
Frame de saída.
Nome da variável modelo
Insira um nome para a variável que deseja utilizar como variá
vel modelo.
Exibir visualização
Para exibir os resultados da execução do componente custo
mizado em formato de gráfico, selecione essa opção.
Exibir resumo
Para exibir o resumo do algoritmo depois da execução do
componente personalizado, selecione essa opção.
Opção para salvar o modelo
Para habilitar a opção Salvar como modelo para o compo
nente personalizado, selecione essa caixa de seleção.
Nota
Se selecionar a Opção para salvar o modelo, o campo
Nome da variável modelo será habilitado e Detalhes da
função de pontuação de modelo aparecerá.
Opção para exportar como PMML
Para habilitar a opção Exportar como PMML para o compo
nente personalizado, selecione essa caixa de seleção.
Nota
A caixa de seleção Opção para exportar como PMML só
será habilitada, se selecionar a Opção para salvar o
modelo.
Nome da função de pontuação de modelo
Selecione o nome da função de pontuação de modelo que de
seja executar.
Nota
Os campos Função de pontuação de modelo só são visíveis
se você selecionou a caixa de seleção Opção para salvar o
modelo.
DataFrame de entrada
Selecione o DataFrame de entrada pela lista de parâmetros.
DataFrame de saída
Insira um nome para a variável que deseja utilizar como Data
Frame de saída.
Nome da variável do modelo de entrada
Selecione o Nome da variável modelo de entrada pela lista de
parâmetros.
PUBLIC
reservados.
81
Tabela 37: Configurações
Propriedade
Descrição
Função primária – Definição da tabela de saída
Considere todas as colunas do componente anterior ou ne
nhuma coluna.
Selecione para incluir ou excluir respectivamente a coluna
prevista do componente-pai na saída do componente perso
nalizado.
Tipo de dados
Selecione o Tipo de dados para a coluna prevista do compo
nente personalizado.
Nome da nova coluna prevista
Insira um nome para a coluna prevista, que é a coluna de sa
ída do componente personalizado.
Função primária – Definição da visualização de propriedade
Parâmetros da função
Parâmetros definidos.
Nome de exibição da propriedade
Insira um nome para a Coluna independente e a Coluna
dependente, que aparecerão na visão de propriedade do com
ponente personalizado.
Tipo de controle
Selecione o Tipo de controle para a Coluna independente e a
Coluna dependente.
Pontuação de modelo – Definição da tabela de saída
Considere todas as colunas do componente anterior ou ne
nhuma coluna.
Selecione para incluir ou excluir respectivamente a coluna
prevista do componente-pai na saída da pontuação do mo
delo.
Tipo de dados
Selecione o Tipo de dados para a coluna prevista da pontua
ção do modelo.
Nome da nova coluna prevista
Insira um nome para a coluna prevista, que é a coluna de sa
ída da pontuação do modelo.
Pontuação de modelo – Definição da visualização de propriedade
Parâmetros da função
Parâmetros definidos.
Nome de exibição da propriedade
Insira o nome da coluna, que aparece na visão de propriedade
do modelo salvo.
Tipo de controle
Selecione o Tipo de controle para a Coluna independente e a
Coluna dependente.
Como criar um componente R [página 82]
9.1.2
Como criar um componente R
Como criar um componente R personalizado para uso nas análises.
Antes de criar o componente R, você deve certificar-se de que os seguintes requisitos são cumpridos:
82
PUBLIC
reservados.
●
O script R é gravado em um formato de função R válido.
●
O script R é executado no console GUI do ambiente R.
●
O script R tem pelo menos uma função principal.
●
Os pacotes necessários para executar o script R devem ser instalados em seu computador ou no servidor
SAP HANA.
●
O script R gravado na análise No banco de dados devolve um DataFrame.
A seguir estão as melhores práticas que deve considerar ao gravar o script R:
●
O script R gravado na análise No processo devolve um DataFrame.
●
A conversão do tipo de saída é recomendada, por exemplo, se uma coluna tem valores numéricos, mencionea como as.numeric(output)
●
Para variáveis categóricas utilizadas no script R, especifique a variável utilizando o comando as.factor.
1.
Na divisão Prever, na lista de componentes à direita, escolha
Componente R .
O assistente para Criar um novo componente R personalizado é exibido.
2.
Na página Geral, insira as seguinte informações:
a.
Na caixa de texto Nome do componente, digite Meu componente.
b.
Na lista suspensa Tipo de componente, selecione Algoritmos.
c.
Na caixa de texto Descrição do componente, insira Componente R para regressão linear
simples.
3.
Selecione Próximo.
A página Script é exibida.
4.
Na página Script, selecione Carregar script para selecionar um arquivo para efetuar upload.
Nota
Você pode gravar ou copiar e colar o script R de amostra a seguir na caixa de texto.
Nota
Consulte os comentários no seguinte formato da função R para ajudá-lo a compreender e gravar seu
próprio script R.
#This is a sample script for a simple linear regression component.
#The script should be written in a valid R function format.
#Function name and variable name in R script can be user-defined, which are
supported in R.
#The following is the argument description for the primary function SLR:
#InputDataFrame - Dataframe in R that contains the output of the parent
component.
#The following two parameters are fetched from the user from the property view:
#IndepenentColumns - Column names that you want to use as independent
variables for the component.
#DependentColumn - Column name that you want to use as a dependent variable
for the component.
SLR<-function(InputDataFrame,IndepenentColumn,DependentColumn)
{
finalString<-paste(paste(DependentColumn,"~" ), IndepenentColumn); #
Formatting the final string to
#pass to "lm" function
slr_model<-lm(finalString); # calling the "lm" function and storing the output
model in "slr_model"
PUBLIC
reservados.
83
#To get the predicted values for the training data set, call the "predict"
function withthis model and
#input dataframe, which is represented by "InputDataFrame".
result<-predict(slr_model, InputDataFrame); # Storing the predicted values in
the "result" variable.
output<- cbind(InputDataFrame, result);#combining "InputDataFrame" and
"result" to get the final table.
plot(slr_model); #Plotting model visualization.
# returnvalue - function must always return a list that contains
results("out"), and model variable
#("slrmodel"), if present.
#The output variable stores the final result.
#The model variable is used for model scoring.
return (list(slrmodel=slr_model,out=output))
}
#The following is the argument description for the model scoring function
"SLRModelScoring":
#MInputDataFrame - Dataframe in R that contains the output of the parent
component.
#MIndepenentColumns - Column names to be used as independent variables for the
component.
#Model - Model variable that is used for scoring.
SLRModelScoring<-function (MInputDataFrame, MIndependentColumn, Model)
{
#Calling "predict" function to get the predictive value with "Model " and
"MInputDataFrame".
predicted<-predict (Model, data.frame(MInputDataFrame [, MIndependentColumn]),
level=0.95);
# returnvalue - function should always return a list that contains the result
("model result"),
# The output variable stores the final result
return(list(modelresult=predicted))
}
Os dois exemplos abaixo mostram conversão de um script R em um formato de função R válido,
reconhecido pelo Expert Analytics:
Script R
dataFrame<-read.csv("C:\\CSVs\
\Iris.csv")
attach(dataFrame)
set.seed(4321)
kmeans_model<kmeans(data.frame(`SepalLength`,`Sepa
lWidth`,
`PetalLength`,`PetalWidth`),
centers=5,iter.max=100,nstart=1,algor
ithm=
"Hartigan-Wong")
kmeans_model$cluster
dataFrame<read.csv("C:\\Datasets\\cnr\
\Iris.csv")
attach(dataFrame) library(rpart)
84
PUBLIC
reservados.
Formato da função R (reconhecido por Expert Analytics)
kmeansfunction<function(dataFrame,independent,
Clustersize,Iterations,algotype,numbe
rofinitialdsets)
{
set.seed(4321)
kmeans_model<kmeans(data.frame(dataFrame[,independ
ent]),
centers=Clustersize,iter.max=Iteratio
ns, nstart=numberofinitialdsets,
algorithm= algotype)
output<- cbind(dataFrame,
kmeans_model$cluster);
boxplot(output); return
(list(out=output));
}
cnrFunction<function(dataFrame,IndependentColumns
,dep)
{
library(rpart);
Script R
Formato da função R (reconhecido por Expert Analytics)
cnr_model<-rpart
(Species~PetalLength+PetalWidth
+SepalLength+
SepalWidth, method="class")
library(rpart)
predict(cnr_model, dataFrame,type =
c("class"))
5.
6.
formattedString<paste(IndependentColumns, collapse =
'+');
finalString<-paste(paste(dep, "~" ),
formattedString); cnr_model<rpart(finalString, method="class");
output<- predict(cnr_model,
dataFrame,type=c("class"));
out<- cbind(dataFrame, output);
return
(list(result=out,modelcnr=cnr_model))
;
}
cnrFunctionmodel<function(dataFrame,ind,modelcnr,type)
{
output<predict(modelcnr,data.frame(dataFram
e[,ind]),type=type);
out<- cbind(dataFrame, output);
return (list(result=out));
Na seção Detalhes da função primária, insira as seguintes informações:
a.
Na lista suspensa Nome da função primária, selecione SLR.
b.
Na lista suspensa DataFrame de entrada, selecione InputDataFrame.
c.
Na caixa DataFrame de saída, digite out.
d.
Selecione a caixa de seleção Opção para salvar o modelo.
O campo Nome da variável modelo é habilitado e os Detalhes da função de pontuação de modelo são
exibidos.
e.
No campo Nome da variável modelo, digite slrmodel.
f.
Selecione as caixas de seleção Exibir resumo e Opção para exportar como PMML.
Na seção Detalhes da função de pontuação de modelo, insira as seguintes informações:
a.
Em Nome da função de pontuação de modelo, selecione SLRModelScoring.
b.
Na lista suspensa DataFrame de entrada, selecione MInputDataFrame.
c.
No campo DataFrame de saída, digite modelresult.
d.
Na lista suspensa Nome da variável modelo de entrada, selecione Modelo.
7.
Selecione Próximo.
A página Configurações é exibida.
8.
Na seção Definição da tabela de saída de Configurações da função primária, realize as seguintes subetapas:
a.
9.
Selecione Não considerar nenhuma.
b.
Na lista suspensa Tipo de dados, selecione Número inteiro.
c.
Na caixa Nome da nova coluna prevista, digite Coluna prevista.
Na seção Definição da visão de propriedade, realize as seguintes subetapas:
a.
Em Nome de exibição da propriedade, na caixa Coluna independente, digite Coluna independente.
b.
Na lista suspensa Tipo de controle, selecione Seletor de colunas (único) como o tipo de controle para a
Coluna independente.
c.
Em Nome de exibição da propriedade, na caixa Coluna independente, digite Coluna dependente.
d.
Coluna dependente.
PUBLIC
reservados.
85
10. Na seção Definição da tabela de saída de Configurações da pontuação do modelo, selecione Considerar todas
as colunas do componente anterior.
11. Na lista suspensa Tipo de dados, selecione Número inteiro.
12. Em Nome da nova coluna prevista, digite Coluna de saída.
13. Na seção Definição da visão de propriedade, realize as seguintes subetapas:
a.
Em Nome de exibição da propriedade, digite Coluna independente.
b.
Coluna independente.
14. Selecione Concluir.
Dependendo do tipo de análise realizada, você pode criar um modelo assim como qualquer outro componente.
Assistente de criação do componente R [página 80]
Modelos [página 225]
Como criar um modelo [página 129]
9.2
Componente PAL personalizado
Como um usuário especialista, você pode criar um componente da Biblioteca do SAP HANA Predictive Analysis
(PAL). Isso permite que outros usuários adicionem esses componentes PAL personalizados às análises deles.
O componente PAL recém-adicionado é classificado em
lista de componentes à direita.
Algoritmos
Componentes PAL personalizados
na
O componente PAL personalizado é criado usando algoritmos da Biblioteca do SAP HANA Predictive Analysis. Os
algoritmos PAL a seguir são suportados no momento em Expert Analytics:
Tabela 38: Algoritmos PAL
Algoritmo
Função correspondente
Análise ABC
ABC
Clustering hierárquico aglomerado
HCAGGLOMERATE
ARIMA
ARIMATRAIN
Categorização
BINNING
Árvore de decisão C4.5
CREATEDT
Regressão exponencial
EXPREGRESSION
Crescimento FP
FPGROWTH
K-Medoids
KMEDOIDS
Naive Bayes
NBCTRAIN
86
PUBLIC
reservados.
Algoritmo
Função correspondente
Intervalo de escala
SCALINGRANGE
Nota
Você tem a opção de salvar os componentes Árvore de decisão C4.5 e Regressão exponencial como modelos.
Nota
Para mais informações sobre os algoritmos PAL e os usos de cada algoritmo, consulte Referência da Bilioteca
do SAP HANA Predictive Analysis (PAL) em http://help.sap.com/hana_platform
9.2.1
Assistente de criação do componente PAL
Você pode especificar as propriedades do componente personalizado da Biblioteca do SAP HANA Predictive
Analysis (PAL).
Propriedades do Assistente de criação do componente PAL
Tabela 39: Geral
Propriedade
Descrição
Nome do componente
Insira um nome para o componente.
Nota
Você não pode renomear um componente personalizado
existente.
Tipo de componente
Selecione o tipo de componente.
Nota
Você não pode editar o tipo de componente.
Descrição do componente
Insira uma descrição do componente, que aparecerá como a
dica para o componente criado.
Tabela 40: Configurações da função
Propriedade
Descrição
Área
Nome da área da biblioteca. O padrão é AFLPAL.
PUBLIC
reservados.
87
Propriedade
Descrição
Função
Selecione uma das funções da lista de opções para definir os
parâmetros da função:
●
ABC
●
HCAGGLOMERATE
●
ARIMATRAIN
●
BINNING
●
CREATEDT
●
EXPREGRESSION
●
FPGROWTH
●
KMEDOIDS
●
NBCTRAIN
●
SCALINGRANGE
Parâmetros de entrada
Nota
Os parâmetros são dependentes da função selecionada.
Nome do parâmetro
Nota
Os parâmetros são dependentes da função selecionada.
Os nomes de parâmetros não são editáveis.
Nome de exibição
Insira um nome alternativo a ser mostrado para o parâmetro.
Valor padrão
Insira um valor padrão para o parâmetro. Dependendo do tipo
de dados do parâmetro, pode ser um valor numérico ou de
texto.
Nota
Os valores padrão não podem ser inseridos quando o parâ
metro é dependente dos dados de entrada.
Tipo de dados
Parâmetros de inclusão
Parâmetros de modelo
Pode ser uma string, número inteiro ou duplo, dependendo do
parâmetro. Os tipos de dados não são editáveis.
●
Para parâmetros obrigatórios: Esse campo de seleção é
marcado por padrão e não pode ser desmarcado.
●
Para parâmetros obrigatórios: Esse campo de seleção é
marcado por padrão, mas você pode desmarcá-lo para
parâmetros que não deseja incluir no componente.
Nota
Os parâmetros de modelo só podem ser especificados
para algumas funções. As propriedades são as mesmas
dos parâmetros de entrada: Nome do parâmetro, Nome de
exibição, Valor padrão,Tipo de dados e Parâmetro de inclu
são.
88
PUBLIC
reservados.
9.2.2
Criando um componente da PAL
Como criar um componente personalizado da biblioteca de análise preditiva SAP HANA (PAL) para usar em
análises.
Para criar um componente personalizado da PAL, você precisa estar conectado a uma fonte de dados SAP HANA.
1.
Na divisão Prever, na lista de componentes à direita, escolha
2.
Na página Geral, insira as seguinte informações:
a.
Insira um Nome de componente exclusivo.
b.
Selecione Tipo de componente.
Componente PAL .
O tipo está padronizado como Algoritmos.
c.
Insura uma Descrição de componente adicional.
Essa descrição será exibida como uma dica quando você posicionar o ponteiro do mouse sobre o
componente na lista de componentes à direita.
3.
Escolha Avançar.
A página Configurações da função será exibida.
4.
Selecione uma Função na lista de seleção.
Nota
A Área é padronizada como AFLPAL.
5.
Opcional: insira um Nome de exibição para um dos parâmetros listados.
6.
Opcional: insira um Valor padrão para um dos parâmetros listados.
Nota
O valor padrão pode ser um número ou um texto, dependendo do Tipo de dados especificado para o
parâmetro. O campo Valor padrão está desativado para os parâmetros que dependem dos dados de
entrada.
7.
Para parâmetros opcionais, você pode desmarcar o campo de seleção Incluir parâmetros.
Nota
O campo de seleção Incluir parâmetro não pode ser desmarcado para parâmetros obrigatórios.
8.
9.
Para funções que incluem parâmetros de modelo, é possível especificar o seguinte para cada parâmetro:
a.
Nome de exibição
b.
Valor padrão
c.
Incluir parâmetro
Clique em Concluir.
O componente é listado em Algoritmos Componentes PAL personalizados na lista de componentes à
direita. Ele pode ser adicionado a uma análise como qualquer outro componente. Você pode configurar o
componente ao adicioná-lo a uma análise selecionando Configurar definições no menu de contexto.
Caso precise fazer alterações nos detalhes do componente, é possível editá-lo.
PUBLIC
reservados.
89
10 Analisando dados
10.1 Como analisar os dados
Depois de executar a análise, o resultado de cada componente da análise é representado usando diferentes
gráficos de visualização.
Para analisar os dados, siga estes procedimentos:
1.
Depois de executar a análise, mude para a visão de resultados selecionando o botão Resultados na barra de
ferramentas.
2.
Para visualizar um componente, selecione o componente necessário na análise da lista de componentes à
direita.
Por padrão, o resultado do componente é exibido no visão de Tabela.
A seguinte tabela mostra resumidamente os componentes e respectivos gráficos de visualização suportados.
Componentes
Gráficos de visualização
Fontes de dados e pré-processadores
Gráfico de matriz de dispersão, gráfico de resumo estatístico,
coordenadas paralelas
Algoritmos de clustering
Gráficos de representação de cluster e resumo de algoritmo
Árvore de decisão, resumo do algoritmo, matriz de confusão
Algoritmos de série de tempo
Gráfico de tendência, resumo do algoritmo
Algoritmos de regressão
Gráfico de tendência, resumo do algoritmo
Algoritmos de associação
Gráfico de nuvem de tags Apriori, resumo do algoritmo
A tabela a seguir resume os pontos de dados suportados para visualizações:
Nota
Se o conjunto de dados de entrada exceder o limite do ponto de dados de interatividade, os gráficos serão
renderizados sem interatividade. Se o conjunto de dados de entrada exceder o limite do ponto de dados
máximo, os dados acima do limite não serão exibidos no gráfico.
Tabela 41:
Gráficos
Número máximo de pontos de dados suportados
Com interatividade
Sem interatividade
Gráfico de tendência
4000
6000
Gráfico de matriz de dispersão
500
1000
Gráfico Coordenadas paralelas
60000
75000
90
PUBLIC
reservados.
Analisando dados
10.2 Gráfico de matriz de dispersão
Gráficos de matriz de dispersão são matrizes de gráficos (gráficos n*n, em que n é o número de atributos
selecionados) usados para comparar os dados em diferentes dimensões. Por padrão, no máximo três atributos
numéricos são selecionados para análise, começando do primeiro atributo dos dados de origem, para criar um
gráfico de matriz 3*3. No entanto, você pode selecionar manualmente os atributos necessários em Medidas na
seção Dados e atualizar a visualização selecionando Aplicar.
Nota
Você pode selecionar no máximo três atributos numéricos em Medida na seção Dados.
10.3 Gráfico de resumo estatístico
O resumo estatístico contém informações resumidas de atributos numéricos da fonte de dados. Ele contém
informações resumidas de contagem, valor mínimo, valor máximo, variação, desvio padrão, soma, média,
intervalo e número de registros. Para as fontes de dados online HANA, os dois parâmetros adicionas, de
assimetria e curtose, também são incluídos no resumo. Um gráfico em forma de histograma é criado para cada
atributo.
Analisando dados
PUBLIC
reservados.
91
10.4 Coordenadas paralelas
Coordenadas paralelas são uma técnica de visualização de dados multidimensionais e padrões multivariáveis dos
dados para análise.
Neste gráfico, por padrão, os primeiros sete atributos estão representados como eixos paralelos espaçados
verticalmente. Você pode selecionar manualmente os atributos necessários em Medidas e atualizar o gráfico
selecionando Aplicar A etiqueta de cada eixo contém o nome do atributo, e os valores mínimo e máximo dos
atributos. Cada observação é representada como uma série de pontos conectados ao longo dos eixos paralelos.
Você pode selecionar a cor por opção para filtragem dos dados com base no valor da categoria.
Nota
Você pode selecionar no máximo sete atributos numéricos na seção Medidas.
92
PUBLIC
reservados.
Analisando dados
10.5 Árvore de decisão
Árvore de decisão é uma técnica de visualização que permite classificar as observações em grupos e prever
eventos futuros com base no conjunto de regras de decisão.
Esta apresentação será usada para análise da árvore de decisão. Nesta técnica, uma árvore de decisão binária é
criada dividindo as observações em subgrupos menores até preencher os critérios de parada. O nó final indica os
dados classificados. Você pode ampliar a árvore de decisão usando o botão de aproximação.
Nota
Não será possível criar árvores de decisão se houver mais de 32 valores de categoria para uma coluna
dependente.
Nota
A aparência e o comportamento da árvore de decisão variam dependendo do fornecedor de algoritmos. Por
exemplo, a árvore de decisão para o algoritmo R de árvore CNR é diferente da árvore de decisão para o
algoritmo HANA C4.5.
Cada nó da árvore de decisão representa a classificação dos dados naquele nível. Você pode visualizar o
conteúdo do nó selecionando
Analisando dados
em cada nó.
PUBLIC
reservados.
93
10.6 Gráfico de tendência
O gráfico de tendência é usado para visualizar a correlação entre as variáveis dependente e independente. No
modo de tendência, você pode analisar o desempenho do algoritmo comparando as variáveis dependentes reais
com valores previstos, onde variáveis dependentes são representadas em um gráfico de barras e os valores
previstos em um gráfico de linhas. No modo de preenchimento, o algoritmo preenche os valores restantes e exibe
a saída em um gráfico de linhas.
Se o conjunto de dados for volumoso, o gráfico pode não ficar claro. Para visualizar melhor os dados, use o botão
de seleção Intervalo localizado na base do gráfico para selecionar um intervalo de dados específico de um
conjunto volumoso de dados. Os dados na área selecionada são exibidos no editor de visualização.
94
PUBLIC
reservados.
Analisando dados
Nota
Nos gráficos de algoritmo Regressão linear múltipla (MLR), o atributo do eixo x é mencionado como ID de
registro.
10.7 Gráfico de cluster
Gráfico de cluster é uma técnica de visualização que utiliza diferentes gráficos para representar informações do
cluster, como distribuição do cluster, densidade e distância do cluster, distribuição do recurso e representação
do centro do cluster.
Distribuição do cluster
A distribuição do cluster é o número de observações em cada cluster e é representado por um gráfico de barras
horizontais. No entanto, você também pode visualizar a distribuição do cluster em um gráfico de pizza ou um
gráfico de barras verticais.
Densidade e distância do cluster
A distância entre clusters e a densidade de cada cluster são representadas por um gráfico de rede. Cada nó da
rede representa um cluster e seu tamanho. A cor do nó representa a densidade.
Distribuição de recurso
A comparação entre a distribuição total de todos os clusters e a distribuição de cada cluster é representada por
um histograma. Você pode selecionar a medida necessária em Medidas na seção Dados. Você pode visualizar a
distribuição do recurso para cada cluster selecionando o número do cluster em Clusters na seção Dados.
Representação do centro de cluster
O algoritmo R de valor médio K computa os pontos centrais de cada recurso em cada cluster. A comparação
entre cada ponto central e o cluster é representada pelo gráfico radial. Por padrão, o gráfico é exibido com dados
normalizados. No modo normalizado, os dados serão representados no intervalo de 0 a 1. Entretanto, você pode
desfazer a seleção da opção Normalizar resultado em Configurações.
Analisando dados
PUBLIC
reservados.
95
10.8 Gráfico de nuvem de tags Apriori
Um gráfico de nuvem de tags Apriori permite a você visualizar e encontrar os itens individuais frequentes, com
base na regra de associação. Neste gráfico de visualização, as regras mais importantes são as mais fortes. A
importância das regras varia de acordo com a segurança e com o valor de aumento. Quanto mais alto o valor de
segurança, mais intensa a cor das regras e, quanto mais alto o valor de aumento, maior a fonte das regras. Você
pode modificar valor do suporte, da confiança e do aumento ajustando os controles deslizantes de intervalo
respectivos no painel Dados.
10.9 Matriz de confusão
Uma matriz de confusão contém informações sobre a classificação real e prevista feita por um algoritmo, que
permite a você visualizar a precisão. Você poderá visualizar o gráfico ao selecionar o método de saída
Classificação e Tendência para o algoritmo CNR Tree. Ele é uma matriz n*n (onde n é o número de valores
distintos presentes na coluna dependente selecionada para o algoritmo) que mapeia o número de ocorrências de
cada valor previsto em relação ao valor real. As entradas na diagonal da matriz representam a previsão correta.
As entradas fora da diagonal da matriz representam classificação incorreta.
Quando você passar o cursor do mouse sobre uma classe, o valor verdadeiro previsto e a contagem real dos
conjuntos de dados serão exibidos. A tabela de derivativos representa a eficiência (sensibilidade, especificidade,
precisão, previsão negativa) do algoritmo. A utilização da opção Configurações possibilita a você analisar os
dados em quantidade, percentual e em ambos os formatos.
96
PUBLIC
reservados.
Analisando dados
10.10 Gráfico de componente R customizado
Você pode exibir os resultados de uma análise do componente R customizado em formato de gráfico no modo
online.
O tipo de gráfico pode variar, dependendo do conjunto de dados e do que é gerado pelo algoritmo utilizado no
componente R customizado.
Nota
A caixa de seleção Mostrar visualização deve ter sido marcada durante a criação do componente R
customizado para exibir os resultados da análise em formato de gráfico. O script R para o componente deve
conter chamadas para marcar os dados no gráfico.
Assistente de criação do componente R [página 80]
Analisando dados
PUBLIC
reservados.
97
11
Visualizando dados
11.1
Visualizando dados
A sala Visualizar fornece ferramentas para a criação de gráficos.
Estas são as principais áreas nas quais você pode interagir com a sala Visualizar:
98
PUBLIC
reservados.
Visualizando dados
Tabela 42: Legenda: Áreas na divisão Visualizar
Número
Área
Descrição
1
Painel Medidas e dimensões
Use esse painel para visualizar, organizar, selecionar e filtrar
os dados em uma visualização. Os dados são agrupados em
facetas que representam categorias de dados (por exemplo,
nome, endereço e número de telefone do cliente). As facetas
podem ser arrastadas diretamente para a Tela do gráfico ou
para as prateleiras no Gerador de gráficos.
Cada orientação fornece uma funcionalidade diferente:
●
No layout Orientação horizontal (
), os dados associ
ados a cada dimensão são exibidos em uma coluna
acima da Tela do gráfico. Você pode pesquisar por valo
res de dados específicos dentro de uma dimensão, sele
cionar múltiplos valores para incluir e excluir estes de
uma visualização e visualizar as medidas associadas à
uma dimensão.
2
Tela do gráfico
Use essa área para criar, modificar e explorar uma visualiza
ção. Um gráfico pode ser gerado arrastando medidas, di
mensões ou cabeçalhos de faceta de duas maneiras:
●
Crie um gráfico e arraste medidas, dimensões e cabe
çalhos de faceta diretamente para a Tela do gráfico ou
para prateleiras no Gerador de gráficos.
●
Ajuste rapidamente o conteúdo ou a aparência de uma
visualização com os botões da barra de ferramentas no
canto superior direito da Tela do gráfico:
○
Organizar (
): organiza os dados do gráfico por
medida
○
Adicionar ou processar uma classificação por
medida (
): foca um gráfico em um determinado
grupo dos maiores ou menores membros da di
mensão
○
Limpar gráfico (
): remove todas as dimensões e
medidas de um gráfico e quaisquer filtros aplicados
ao gráfico
○
○
Atualizar (
): atualiza os dados do gráfico
Configurações (
): define as propriedades do
gráfico
○
Maximizar (
): exibe a Tela do gráfico no modo
de tela cheia
Visualizando dados
PUBLIC
reservados.
99
Número
Área
Descrição
3
Ferramentas de visualização
Use as ferramentas na parte superior do painel para alternar
(O Gerador de gráficos é exibido no exem
entre as abas Gerador de gráficos (
plo)
relacionadas (
●
) e Visualizações
).
Use o Gerador de gráficos para alterar o tipo de gráfico
e personalizar um gráfico.
●
Use a aba Visualizações relacionadas para selecionar
gráficos predefinidos que foram gerados automatica
mente com base nas medidas e dimensões do conjunto
de dados atual.
○
Adicione visualizações relacionadas à história atual
e modifique-as.
○
Visualize todas as sugestões de gráfico selecio
nando Exibir tudo.
○
Remova medidas ou dimensões que foram usadas
para gerar uma visualização com o ícone Filtrar
visualizações relacionadas (
). Isso refina a lista
de visualizações relacionadas disponíveis para
você.
4
Selecionador de gráfico
Use para selecionar o tipo de gráfico a ser utilizado para uma
visualização.
5
Prateleiras
Use para adicionar facetas a prateleiras em uma visualiza
ção. Quando você arrasta uma faceta para uma prateleira, a
Tela do gráfico é atualizada automaticamente.
6
Galeria de visualização
Use para criar novas visualizações e fazer uma seleção entre
as visualizações na história.
●
Cie uma nova visualização selecionando o botão Criar
nova visualização (+).
●
Remova ou copie uma visualização selecionando o
ícone Configurações (
●
).
Altere a ordem das visualizações na Galeria de visuali
zação arrastando as visualizações na ordem que dese
jar.
Criando gráficos [página 101]
Trabalhando com o Gerador de gráficos [página 103]
100
PUBLIC
reservados.
Visualizando dados
Propriedades do gráfico [página 105]
11.1.1
Criando gráficos
Uma história pode conter um ou mais gráficos e você pode criá-los na Tela do gráfico ou usando o Gerador de
gráficos. Todos os gráficos incluídos em uma história são acessíveis na Galeria de visualização abaixo da Tela do
gráfico.
11.1.1.1
Tipos de gráfico
Alguns tipos de dados são específicos a determinado tipo de gráfico.
Tabela 43: Tipos de gráfico
Tipo de análise
Descrição
Gráficos disponíveis
Comparação
Compara diferenças entre valores ou exibe uma
●
Gráfico de barras
comparação simples de divisões categóricas de
●
Gráfico em colunas
medidas.
●
Gráfico em colunas com 2
eixos Y
Por exemplo, use um gráfico de barras para compa
●
Gráfico em colunas 3D
●
Gráfico radial
●
Gráfico de área
●
Nuvem de tags
●
Mapa de Calor
●
Tabela
Exibe a porcentagem das partes em um todo ou va
●
Gráfico de pizza
lores como índices para um todo. A legenda mostra
●
Gráfico de rosca
o percentual e os valores totais.
●
Gráfico de pizza com pro
rar as diferenças na receita de vendas entre países.
Porcentagem
fundidade
Por exemplo, você pode usar um gráfico de pizza
para verificar quem teve o melhor desempenho pro
●
Vendas totais = $ 200, dos quais, Paulo responde
por 10% ($ 20), David, 65% ($ 130) e Susan, 25%
Gráfico em colunas sobre
postas
porcionalmente ao valor total das vendas:
●
Árvore
●
Gráfico em funil
($ 50)
Visualizando dados
PUBLIC
reservados.
101
Tipo de análise
Descrição
Gráficos disponíveis
Correlação
Exibe a relação entre valores ou compara vários va
●
Gráfico de dispersão
lores da medida.
●
Gráfico de matriz de dis
Por exemplo, você pode visualizar a correlação en
Tendência
persão
tre duas medidas e compreender o impacto da pri
●
Gráfico de bolhas
meira na segunda medida.
●
Gráfico em rede
●
Ponto numérico
●
Árvore
Exibe uma tendência nos valores dos dados (espe
●
Gráfico de linha
cialmente para dimensões baseadas em tempo,
●
Gráfico em linhas com 2
como Ano) ou a progressão de seus dados e os pa
drões possíveis.
eixos Y
●
nadas
Por exemplo, é possível usar um gráfico de linha
para visualizar tendências em termos da receita de
Gráfico em linhas combi
●
Gráfico em linhas combi
nadas com 2 eixos Y
venda de um produto ao longo dos anos.
●
Gráfico em cascata
●
Diagrama de caixa
●
Gráfico de coordenadas
paralelas
Localização geográfica
Mostra um mapa do objeto de país utilizado na aná
●
lise e pode, opcionalmente, mostrar dados para di
mensões (classificados por país no mapa) ou a dis
lhas
●
tribuição geográfica dos dados para um país. O con
junto de dados que você utilizar deve conter os da
11.1.1.2
Gráfico coroplético geo
gráfico
●
dos geográficos. Para criar uma mapa geográfico,
você precisa ter uma conta online do Esri ArcGis.
Gráfico geográfico de bo
Gráfico de pizza geográ
fico
●
Mapa geográfico
Criando um gráfico diretamente na Tela do gráfico
Você pode criar um gráfico de forma rápida arrastando medidas e dimensões para a Tela do gráfico, localizada na
área central da divisão Visualizar.
Todo gráfico precisa ter, pelo menos, uma medida. Quando você adiciona uma dimensão ao gráfico, os valores
dela são calculados com base nas medidas do gráfico.
1.
Na divisão Visualizar, selecione o ícone Gerador de gráficos
2.
Selecione um tipo de gráfico nas listas do Gerador de gráficos.
.
O Gráfico de barras é o tipo de gráfico predefinido, mas você pode ser alterar o tipo de gráfico a qualquer
momento.
3.
Selecione uma medida e arraste-a para um eixo na Tela do gráfico.
O texto no corpo do gráfico indica o eixo correto da medida. Uma marca de seleção é exibida quando você
passa com a medida por cima de uma área onde ela pode ser solta.
102
PUBLIC
reservados.
Visualizando dados
4.
Selecione uma dimensão e arraste-a para a Tela do gráfico.
O texto no corpo do gráfico indica o eixo correto da dimensão. Uma marca de seleção é exibida quando você
passa com a dimensão por cima de uma área onde ela pode ser solta.
5.
Adicione outras medidas e dimensões, conforme necessário.
Por exemplo, se você selecionar Gráfico de colunas com 2 eixos Y, precisará adicionar uma medida ou
dimensão aos eixos Y no lado esquerdo e no lado direito da Tela do gráfico.
6.
Para filtrar os dados no gráfico, selecione o ícone Adicionar filtros
selecione uma dimensão para ser usada como filtro.
7.
Clique no botão de + na Galeria de visualização para adicionar o gráfico à história.
na parte superior da Tela do gráfico e
O gráfico está disponível na Galeria de visualização e na divisão Criar.
Cada gráfico que você cria na divisão Visualizar é salvo automaticamente na sessão atual e disponibilizado na
divisão Criar, mas não é salvo na história. Para acessar o gráfico na próxima vez que você abrir a história, salve a
história.
Como salvar uma história [página 125]
Histórias e dados visualizados [página 119]
11.1.1.3
Trabalhando com o Gerador de gráficos
Você pode usar o Gerador de gráficos para alterar o tipo de gráfico e personalizar um gráfico.
O Gerador de gráficos tem três categorias de prateleira: medidas, dimensões e treliças. As prateleiras exibidas
são determinadas pelo tipo de gráfico selecionado. As facetas podem ser arrastadas ou adicionadas às
prateleiras exibidas.
Tabela 44: Prateleiras para medidas
Prateleira
Descrição
Eixo
Um eixo de um gráfico. Pode haver várias prateleiras de eixo disponíveis. Por exemplo,
quando você seleciona um Gráfico de barras com 2 eixos X, são exibidas as prateleiras Eixo X 1
e Eixo X 2.
Gráfico de bolhas
Representa três dimensões de dados
Cor
A cor de uma área em gráficos de mapa ou a cor de uma palavra em uma nuvem de tags
Mapa de Calor
Representa valores individuais como cores
Gráfico de rede
Um gráfico de fluxo que mostra a sequência na qual os elementos devem ser concluídos, com
elementos e dependências correspondentes
Visualizando dados
PUBLIC
reservados.
103
Prateleira
Descrição
Gráfico de coordenadas
Visualiza a geometria de dimensão alta e analisa dados multivariados
paralelas
Setores de pizza
As seções em um gráfico de pizza
Profundidade da pizza
A espessura de cada seção em um gráfico de pizza
Gráfico radial
Exibe dados multivariados como um gráfico bidimensional de três ou mais variáveis quantita
tivas representadas em eixos com o mesmo ponto de partida
Tabela
Um conjunto de elementos de dados exibidos em colunas verticais (identificadas por nome) e
linhas horizontais. A célula é a unidade na qual uma linha e uma coluna se cruzam.
Nuvem de tags
Uma representação gráfica das tags geradas pelo usuário que estão anexadas ao conteúdo
online, geralmente, utilizando cor e tamanho de fonte para representar a importância ou fre
quência das tags
Árvore
Uma estrutura de dados que simula uma estrutura hierárquica em árvore (com um valor raiz e
subárvores de filhos) representada como um conjunto de nós conectados
Mapa de árvore
Representa grandes volumes de dados estruturados hierarquicamente (em árvore)
Valor
O valor primário usado em um gráfico de funil ou o número exibido em um gráfico de ponto
numérico
Peso
A intensidade da cor em cada área de um gráfico de mapa ou o tamanho de uma palavra em
uma nuvem de tags Por exemplo, se você criar uma nuvem de tags exibindo a receita em cada
país e a receita for usada para determinar o peso da palavra, os nomes dos países com receita
maior serão exibidos maiores do que os daqueles com receita menor.
Tabela 45: Prateleiras para dimensões
Prateleira
Descrição
Animação
Adiciona uma animação ao gráfico. Quando você clica no botão de reprodução abaixo do grá
fico, o gráfico circula pelos valores da dimensão adicionada a essa prateleira.
Cor da área
A cor usada para cada área em um gráfico de mapa
Nome da área
A etiqueta usada para cada área em um gráfico de mapa
Peso da área
O peso a ser dado a cada área em um gráfico de mapa
Eixo
Um eixo do gráfico. Pode haver várias prateleiras de eixo disponíveis. Por exemplo, se você
selecionar um Gráfico de barras, será exibida a prateleira Eixo Y.
Altura da bolha
A altura de uma bolha em um gráfico de bolhas
Largura da bolha
A largura de uma bolha em um gráfico de bolhas
104
PUBLIC
reservados.
Visualizando dados
Prateleira
Descrição
Categoria
Seções de dados em um gráfico de funil
Cor
As cores da legenda do gráfico. As cores são atualizadas no gráfico para corresponderem à
legenda.
Geografia
Os dados geográficos em um gráfico geográfico
Formato da legenda
A forma de cada entrada na legenda e cada ponto de dados. Essa opção só se aplica a gráficos
de dispersão.
Link de rede
Os nós em um gráfico de rede
Dados de sobreposição
Uma sobreposição de dados extra em um gráfico de pizza geográfico. Quando várias dimen
sões são adicionadas, os gráficos de pizza são criados no mapa geográfico.
Ramificações radiais
Variáveis quantitativas representadas em eixos com o mesmo ponto de partida em um gráfico
radial
Subtotais de linha
Adiciona um subtotal às linhas em uma tabela
Nó de árvore
Os nós em um gráfico de árvore
Palavra
O texto exibido em uma nuvem de tags
Cor da palavra
A cor do texto em uma nuvem de tags
Peso da palavra
O peso do texto em uma nuvem de tags
É possível adicionar dimensões às treliças para criar gráficos adicionais a fim de comparação. Por exemplo, se
você criar um gráfico de barras comparando a receita por região e adicionar um país à treliça, vários gráficos
serão exibidos. Cada gráfico exibirá a receita por região para um país.
Criando um gráfico com o Gerador de gráficos [página 106]
Adicionar ou modificar um gráfico predefinido [página 107]
11.1.1.3.1
Propriedades do gráfico
A configuração de propriedades para um gráfico pode aumentar sua usabilidade. Por exemplo, a adição de
etiquetas e legendas pode aprimorar a análise visual dos dados.
Para configurar as propriedades do gráfico, selecione o ícone Configurações
Visualizando dados
acima da Tela do gráfico.
PUBLIC
reservados.
105
Tabela 46: Propriedades do gráfico
Propriedade
Descrição
Mostrar título
Adiciona um título ao gráfico. Você pode editar o título a qualquer momento.
Mostrar legenda
Adiciona uma legenda que exibe uma cor diferente para cada medida em um
gráfico. Para adicionar dimensões à legenda com cores diferentes, selecione
Cor da legenda no Gerador de gráficos.
Mostrar etiquetas de dados
Exibe os valores de medida para cada dimensão em um gráfico
Usar medidas como uma dimensão
Define duas ou mais medidas como uma dimensão em um gráfico para mostrar
como os dados são distribuídos entre várias medidas em um eixo só.
Você deve adicionar, pelo menos, duas medidas a um gráfico antes de selecio
nar essa opção. A medida é exibida como uma nova faceta de dimensão no Ge
rador de gráficos.
Definir escala do eixo
Define os limites para os valores exibidos no eixo Y, como um intervalo ou auto
maticamente como o maior valor de medida.
Essa opção só se aplica a gráficos com medidas no eixo Y.
11.1.1.3.2
Criando um gráfico com o Gerador de gráficos
O Gerador de gráficos lhe dá mais controle sobre a criação de gráficos do que a Tela do gráfico.
O Gerador de gráficos está localizado no lado direito da sala Visualizar e exibe as opções para o tipo de gráfico
selecionado.
1.
Na divisão Visualizar ou Criar, selecione o ícone Gerador de gráficos
2.
No Gerador de gráficos, selecione o tipo do gráfico a ser criado.
.
Gráfico de barras é o tipo de gráfico padrão. Você pode alterar o tipo de gráfico a qualquer momento.
3.
Selecione uma prateleira vazia no Gerador de gráficos e selecione medidas e dimensões para o gráfico na
lista exibida ou arraste uma faceta para uma prateleira vazia.
Cada gráfico deve ter pelo menos uma medida. Quando você adiciona uma dimensão a um gráfico, os valores
desta dimensão são calculados com base nas medidas do gráfico.
4.
Adicione outras medidas e dimensões, conforme necessário.
Por exemplo, se você selecionar Gráfico de colunas com 2 eixos Y, precisará adicionar uma medida ou
dimensão aos eixos Y no lado esquerdo e no lado direito da Tela do gráfico.
5.
selecione a dimensão a ser usada como filtro.
6.
Selecione o ícone +na Galeria de visualização para adicionar o gráfico à história.
O gráfico está disponível na Galeria de visualização e na divisão Criar. Cada gráfico que você cria na divisão
Visualizar é salvo automaticamente na sessão atual e disponibilizado na divisão Criar. No entanto, ele não é
salvo automaticamente na história.
7.
Salve a história.
Salvar a história garante que o gráfico estará disponível da próxima vez que abri-la.
106
PUBLIC
reservados.
Visualizando dados
11.1.1.3.3
Adicionar ou modificar um gráfico predefinido
A aba Visualizações relacionadas contém gráficos predefinidos sugeridos baseados nas medidas e dimensões em
um conjunto de dados.
Todo gráfico precisa ter, pelo menos, uma medida. Quando você adiciona uma dimensão a um gráfico, os valores
desta dimensão são calculados a partir das medidas do gráfico.
Você pode selecionar qualquer gráfico na aba Visualizações relacionadas para começar a visualizar
imediatamente os dados e então modificar os dados para suas necessidades de informação.
1.
Na sala Visualizar, abra a aba Visualizações relacionadas, selecione um gráfico predefinido e selecione o botão
+na Galeria de visualização para adicionar o gráfico à história atual.
Isso garante que o gráfico não será substituído por um gráfico predefinido mais tarde.
2.
Selecione o ícone Visualizações relacionadas
.
3.
Na lista de sugestões de gráficos, selecione Mostrar tudo para exibir todas as sugestões de gráficos.
4.
Selecione o gráfico a ser adicionado.
O gráfico é exibido na Tela do gráfico, e suas facetas são carregadas no Gerador de gráficos.
5.
Utilize o Gerador de gráficos para adicionar ou modificar dimensões e medidas:
○
Para adicionar medidas ou dimensões, selecione uma prateleira vazia no Gerador de gráficos e selecione
medidas e dimensões para o seu gráfico na lista que é exibida.
○
Para adicionar uma faceta ao gráfico, arraste a faceta para uma prateleira vazia.
○
Posicione o ponteiro do mouse sobre a faceta e selecione o ícone Excluir
arraste uma faceta para fora da prateleira para removê-la.
para remover uma faceta, ou
6.
selecione uma dimensão para ser usada como filtro.
7.
Selecione o botão +na Galeria de visualização para adicionar o gráfico à história.
O gráfico está disponível na Galeria de visualização e na divisão Criar. Cada gráfico que você cria na divisão
Visualizar é salvo automaticamente na sessão atual e disponibilizado na divisão Criar. No entanto, ele não é
salvo automaticamente na história.
8.
Salve a história.
Salvar a história garante que o gráfico estará disponível da próxima vez que abri-la.
Visualizando dados
PUBLIC
reservados.
107
11.1.1.3.4
Adição de cálculo
Você pode adicionar um ou mais cálculos à uma visualização.
Os seguintes cálculos estão disponíveis:
●
Soma acumulada
●
Mínimo acumulado
●
Máximo acumulado
●
Contagem acumulada
●
Contagem acumulada (valores vazios excluídos)
●
Média acumulada
●
Média acumulada (valores vazios excluídos)
●
Média móvel
●
Porcentagem
1.
No Gerador de gráficos, selecione a medida na visualização à qual deverá ser adicionado um cálculo.
2.
3.
Selecione um cálculo na lista.
e selecione Adicionar cálculo.
A visualização será atualizada para incluir o cálculo e uma faceta que contém o cálculo é exibida no Gerador de
gráficos.
11.1.1.3.5
Remoção de um cálculo
1.
No Gerador de gráficos, selecione a faceta na medida que contém o cálculo a ser removido.
2.
Selecione o ícone Excluir
11.1.1.3.6
.
Renomeando um gráfico
O título exibido acima de um gráfico é gerado automaticamente pelas medidas e dimensões adicionadas ao
gráfico.
108
ao lado do título, selecione Renomear e insira um novo título.
PUBLIC
reservados.
Visualizando dados
Dica
Clique duas vezes em um título para alterá-lo rapidamente.
11.1.1.3.6.1
Restaurando o título padrão de um gráfico
Após a alteração do título de um gráfico, se necessário, você poderá restaurar o título original que foi gerado
automaticamente a partir das medidas e dimensões no gráfico.
11.1.2
ao lado do título e selecione Restaurar título predefinido.
Classificando dados
As medidas e dimensões podem ser classificadas em ordem crescente ou decrescente.
11.1.2.1
Ordenação por medida
Antes de poder organizar por medida, se os dados do gráfico foram filtrados por classificação, a classificação
deve ser removida.
1.
Selecione uma medida no Gerador de gráficos.
2.
Selecione o ícone Configurações
decrescente.
e selecione Classificação em ordem crescente ou Classificação em ordem
Dica
Selecione o ícone organizar
ordem de classificação.
na barra de ferramentas da Tela do gráfico para reverter rapidamente a
Os dados do gráfico são classificados.
11.1.2.2
Ordenação de dimensões
Quando o painel Medidas e dimensões é exibido em um layout horizontal, você pode selecionar quais dimensões
são visíveis no painel. A ordenação das dimensões não interfere nos dados exibidos em uma visualização.
1.
Selecione o ícone Orientação horizontal
2.
Selecione a dimensão a ser organizada e selecione o ícone Opções
Visualizando dados
no painel Medidas e dimensões.
.
PUBLIC
reservados.
109
3.
Escolha uma ordenação:
○
Para uma dimensão numérica, selecione Ordenar de menor para maior ou Ordenar de maior para menor.
○
Para uma dimensão alfanumérica, selecione Ordenar de A para Z ou Ordenar de Z para A.
○
Para uma dimensão de data ou hora, selecione Mostrar de mais antigo a mais recente ou Mostrar de mais
recente a mais antigo.
Os dados na coluna da dimensão são ordenados.
11.1.2.3
Organização de dimensões por ocorrência no painel
Medidas e dimensões
Você pode organizar dimensões visíveis no painel Medidas e dimensões pelo número de vezes que cada valor da
dimensão ocorre em um conjunto de dados.
A ordenação das dimensões não interfere nos dados exibidos em uma visualização.
1.
2.
Exibir o número de ocorrências:
no painel Medidas e dimensões.
a.
Posicione o ponteiro do mouse sobre a dimensão a ser filtrada.
b.
e selecione Mostrar medida e Ocorrências.
O número de ocorrências é exibido ao lado de cada valor da dimensão na coluna.
3.
Organizar por ocorrência:
a.
Posicione o ponteiro do mouse sobre a dimensão que selecionou na etapa 2.
b.
e selecione Ordenar por medida de menor para maior ou Ordenar por
medida de maior para menor.
Os dados na coluna da dimensão são ordenados por ocorrência.
11.1.2.4
Ordenação de dimensões por ocorrência na caixa de
diálogo do filtro
Na caixa de diálogo do filtro, você pode ordenar dimensões pelo número de vezes que cada dimensão ocorre no
conjunto de dados. A ordenação das dimensões não interfere nos dados exibidos em uma visualização.
A ordenação por ocorrência só está disponível para valores de dimensões distintos. Não há suporte para intervalo
de valores na caixa de diálogo do filtro.
1.
Selecione o ícone Adicionar filtros
2.
Na lista exibida, selecione uma dimensão.
3.
Selecione Visualizar # Ocorrências.
O número de ocorrências aparece do lado de cada valor de dimensão e na lista de valores.
4.
Posicione o ponteiro do mouse sobre um nome da dimensão e selecione o ícone Opções
110
.
PUBLIC
reservados.
.
Visualizando dados
5.
Selecione Ordenar por ocorrências da menor para a maior ou Ordenar por ocorrências da maior para a menor.
A lista de valores de dimensões é ordenada por ocorrência.
Adição de filtros [página 111]
Organização de dimensões por ocorrência no painel Medidas e dimensões [página 110]
11.1.3
Filtragem de dados do gráfico
Ao filtrar dados em um gráficos, os filtros se aplicam aos dados exibidos no gráfico (e não ao conjunto de dados).
●
Selecione o ícone Adicionar filtros
●
Selecione pontos de dados em um gráfico para filtrá-los ou excluí-los
●
Use o painel Medidas e dimensões para selecionar os dados a serem exibidos
●
Exiba apenas os pontos de dados de classificação superior ou inferior
11.1.3.1
Adição de filtros
Você pode adicionar filtros para valores discretos, de dados e numéricos em dimensões.
1.
Na divisão Visualizar, selecione o ícone Adicionar filtros
2.
Selecione uma dimensão na lista.
acima da Tela do gráfico.
Se uma dimensão inclui um ícone de hierarquia da dimensão
todas as dimensões incluídas na hierarquia.
, selecione
para ampliar a lista e exibir
Uma caixa de diálogo é exibida para o tipo da dimensão na qual está filtrando. Para valores discretos, uma
lista de valores de dados é exibida na caixa do diálogo. Para valores de data e numéricos, um filtro de intervalo
está disponível nela.
3.
Execute uma das seguintes ações para selecionar valores de dados:
Opção
Descrição
Para valores
discretos
Selecione um ou mais valores na lista.
Quando você move o ponteiro do mouse sobre o nome da dimensão, um ícone localizar
é exibido e
você poderá pesquisar por uma dimensão.
Para valores
da data
Utilize o filtro de intervalo para incluir todas as datas dentro de um intervalo específico, e escolha se quer
excluir valores em branco.
Visualizando dados
PUBLIC
reservados.
111
Opção
Descrição
Deslize as barras para aumentar ou diminuir o intervalo de data, insira as datas ou utilize o calendário
para selecionar datas.
Utilize o filtro de intervalo para incluir todos os números dentro de um intervalo específico, e escolha se
quer excluir valores em branco.
Para valores
numéricos
Deslize as barras para aumentar ou diminuir o intervalo de números, ou selecione a etiqueta de número e
insira um valor.
4.
Selecione OK.
Um token de filtro listando os pontos de dados selecionados aparece acima do gráfico.
Para remover um filtro, selecione o ícone Excluir
11.1.3.2
.
Filtragem ou exclusão de pontos de dados em um
gráfico
Você pode excluir pontos de dados não relevantes ou filtrar pontos de dados para concentrar seu gráfico em um
conjunto de dados específico.
1.
Na Tela do gráfico, selecione os pontos de dados a serem excluídos ou filtrados.
Dica
Arraste para desenhar uma caixa ao redor de um grupo de ponto de dados a ser selecionado.
2.
Na dica exibida, selecione Filtrar ou Excluir.
Um token de filtro listando os pontos de dados selecionados aparece acima da Tela do gráfico.
Para remover um filtro, selecione o filtro e selecione o ícone Excluir
11.1.3.3
.
Filtragem de dados com o painel Medidas e
dimensões
1.
horizontal.
2.
No painel Medidas e dimensões, selecione um ou mais pontos de dados na dimensão para a filtragem.
3.
4.
Dependendo do tipo de filtro a ser aplicado, selecione uma das seguintes opções:
112
para exibir o painel Medidas e dimensões em um layout
.
PUBLIC
reservados.
Visualizando dados
Opção
Descrição
Limpar seleções Limpa todos os valores selecionados na dimensão
Incluir
inclui os valores selecionados no gráfico. Um token de filtro, com os valores selecionados, é exibido na
barra do filtro.
Excluir
Exclui os valores selecionados do gráfico. Um token de filtro, com os valores selecionados, é exibido na
barra do filtro em uma fonte tachada.
Os dados no gráfico são filtrados.
Para remover um filtro, selecione o ícone Excluir
11.1.3.4
no token do filtro.
Filtragem de dados por classificação
A filtragem de dados por classificação foca uma visualização em um número específico de pontos de dados com
os valores mais altos ou mais baixos.
1.
Na barra de ferramentas da Tela do gráfico
medida..
, selecione Adicionar ou processar uma classificação por
2.
No diálogo Classificação, selecione uma medida para a classificação.
3.
Selecione Superior ou Inferior como o foco da classificação.
4.
Escolha o número de resultados que serão exibidos.
O valor predeterminado é 3.
5.
Selecione (TODOS) para classificar os dados com base em todas as dimensões ou selecione uma dimensão
na qual classificar os dados.
Por exemplo, se um gráfico mostra Receita de vendas por país e Linha do produto, classificar os cinco pontos
de dados superiores por País exibirá dados para cada linha do produto nos cinco países com a maior receita
de vendas.
6.
Selecione OK.
O gráfico exibe os dados que fitrou.
Para processar ou remover uma classificação, no Gerador de gráficos, selecione a medida à qual aplicou a
classificação e selecione o ícone Opções
11.1.4
.
Aplicação de formatação condicional
A formatação condicional destacar pontos de dados importantes em uma tabela e ser utilizada para distinguir
valores que correspondem a uma condição (como ser maior que um certo número ou estar dentro de um certo
intervalo).
Você pode definir várias regras de formatação condicional e gerenciá-las no diálogo Gerente de regras.
Visualizando dados
PUBLIC
reservados.
113
Várias regras de formatação condicional
●
Quando você cria várias regras de formatação condicional com base na mesma medida, as células podem
corresponder às condições para várias regras. Quando isso acontece, todas as regras que se aplicam a uma
célula (ou seja, regras ativas) são consideradas um conjunto. A formatação para o conjunto (de todas as
regras ativas) será aplicada ou nenhuma formatação será aplicada, dependendo das prioridades da regra.
●
Para cada célula em uma tabela, o conjunto de formatação para a regra ativa com maior prioridade é aplicado
primeiro. A formatação para regras de menor prioridade também pode ser aplicada. No entanto, se dois
conjuntos de formatação para regras ativas que modificam o mesmo atributo forem conflitantes, nenhuma
formatação definida para a regra de prioridade inferior será aplicada à célula.
●
Para cada célula em uma tabela, a formatação Negrito e Itálico pode ser aplicada apenas pela regra ativa de
maior prioridade.
Exemplo
Em uma tabela com uma medida que mostra uma redução do estoque nos pontos de venda de sua empresa,
você pode usar a formatação condicional para identificar lojas com taxas mais altas de redução. Uma regra de
formatação condicional pode alterar a cor do plano de fundo da célula na coluna Redução para cada loja com
uma redução maior do que um montante que especificar.
Exemplo
Uma célula possui condições para três regras de formatação condicional. A regra ativa de maior prioridade
define a fonte como Times New Roman. A regra com a segunda maior prioridade define a cor do plano de fundo
como vermelha. A regra final definiria a cor do plano de fundo como preta e a cor da fonte como branca, mas
essa regra é ignorada pois está em conflito com a segunda regra.
11.1.4.1
Criação de uma regra de formatação condicional
Por predefinição, novas regras de formatação condicional têm uma prioridade superior às regras mais antigas.
Antes de poder definir uma regra de formatação condicional, uma medida deve ter sido adicionada à uma tabela.
1.
Selecione o ícone Criar nova regra formatação condicional
.
2.
Na caixa de diálogo Editor de regra, insira um nome para a regra.
Se você não inserir um nome para a regra, essa será nomeada automaticamente com base na condição que
definiu.
3.
Na lista Baseda em, escolha um medida.
Essa medida determina os valores que são utilizados para a regra e a coluna na qual a formatação é exibida.
4.
Selecione um operador e insira um ou mais valores para a condição.
5.
Selecione Formatar, escolha a aparência das células que correspondem à condição e selecione OK.
6.
Na caixa de diálogo Editor de regra, selecione OK.
A regra de formatação condicional é aplicada à tabela.
Caso necessário, você pode utilizar a caixa de diálogo Gerente de regras para alterar a prioridade das regras.
114
PUBLIC
reservados.
Visualizando dados
11.1.4.2
Gerenciamento de regras de formatação condicionais
Utilize o diálogo Gerente de regras para processar, adicionar ou remover, ativar ou desativar e definir a ordem de
prioridade de regras.
Antes de poder gerenciar regras de formatação condicional, uma medida deve ter sido adicionada à uma tabela.
1.
Selecione a seta próxima ao ícone Criar nova regras de formatação condicional
regras.
A caixa de diálogo Gerente de regras é exibida.
2.
Execute qualquer uma das seguintes ações para modificar as regras de formatação condicional para a tabela:
3.
e selecione Gerenciar
Opção
Descrição
Criar uma regra
Selecione o ícone +.
Excluir uma regra
Selecione o ícone -.
Modificar uma regra
Selecione a regra na lista e selecione Processar regra.
Desativar uma regra
Desmarque a caixa de seleção na coluna Aplicado próxima ao nome da regra. Regras
desativadas não são aplicadas à tabela, mas você poderá ativá-las novamente caso seja
necessário.
Alterar a prioridade de uma
regra
Selecione a regra e utilize os ícone de seta Alterar ordem da regra para movê-la para
cima ou para baixo na lista.
Selecione OK.
11.1.5
Dados hierárquicos
O ícone Hierarquia da dimensão
indica que uma hierarquia está associada a uma dimensão. Há diversas
maneiras de localizar e interagir com dados hierárquicos.
11.1.5.1
Localizando dimensões em uma hierarquia
Relacionamentos hierárquicos entre as dimensões são visíveis no painel Medidas e dimensões.
Somente a faceta que contém o nível mais alto de uma hierarquia é exibido no painel Medidas e dimensões, mas
você pode ampliar a faceta para ver níveis adicionais.
Você pode adicionar uma dimensão em qualquer nível da hierarquia a um gráfico.
○
Se o painel Medidas e dimensões estiver na orientação vertical, selecione o ícone +ao lado de uma dimensão
para exibir todas as dimensões na hieraquia.
○
Se Medidas e dimensões estiver na orientação horizontal, procure dimensões exibidas uma ao lado das outras
na hierarquia.
Visualizando dados
PUBLIC
reservados.
115
11.1.5.2
Alteração do nível da hierarquia exibida no Gerador
de gráficos
Se uma dimensão que contém uma hierarquia estiver incluída em um gráfico, o nível exibido no gráfico poderá ser
alterado no Gerador de gráficos.
1.
Selecione uma faceta que contenha uma hierarquia.
2.
Selecione o ícone de seta para baixo
para escolher o nível da hierarquia.
O gráfico exibe o nível selecionado e um filtro que reflete o nível da hieraquia é exibido acima da Tela do gráfico.
11.1.5.3
Pesquisar níveis inferiores de dados hierárquicos
Se uma dimensão que contém uma hierarquia estiver incluída em um gráfico, você poderá pesquisar o nível
inferior, um por um, por meio de dados na Tela do gráfico.
1.
Selecione um ponto de dados no gráfico ou uma etiqueta de eixo.
2.
Na dica exibida, selecione o ícone pesquisar níveis inferiores
.
O gráfico exibe os dados em um nível inferior na hierarquia. Um token de filtro é exibido acima do gráfico e a
etiqueta de eixo atualiza para refletir a seleção.
11.1.5.4
Analisar rapidamente os dados hierárquicos
Se você pesquisou o nível inferior de dados em um gráfico, você pode pesquisar níveis superiores, um a um, na
Tela do gráfico.
Selecione o ícone Analisar rapidamente
de níveis inferiores.
acima da Tela do gráfico ou remova os tokens criados pela pesquisa
O gráfico exibe os dados selecionados.
11.1.6
Localizando medidas, dimensões e valores de dados
Você pode pesquisar medidas e dimensões por nome e pesquisar valores de dimensão.
O ícone localizar
●
116
encontra-se no painel Medidas e dimensões
Quando o painel está em orientação vertical, você pode usar o ícone
dimensões por nome.
PUBLIC
reservados.
para pesquisar medidas e
Visualizando dados
●
Quando o painel está em orientação horizontal, o ícone
fica disponível quando o ponteiro está
posicionado dentro da coluna, e você pode usá-lo para pesquisar cada dimensão por valores de dados
específicos.
Tabela 47: Operadores para pesquisas
Operador suportado
Descrição
*
Corresponda qualquer caractere nenhuma ou várias vezes.
Por exemplo, digitar a*a retornará qualquer palavra que con
tenha a letra "a" seguida por uma combinação de letras e ou
tra letra "a".
Corresponda qualquer caractere uma vez.
?
Por exemplo, digitar a?a retornará qualquer palavra que con
tenha a letra "a" seguida por qualquer letra individual e outra
letra "a".
Se uma dimensão contém etiquetas mapeadas, selecione o ícone Opções
Procurar por etiqueta.
, e selecione Procurar por chave ou
Não é possível procurar cadeias de texto com os caracteres literais * e ?. O controle para localização está
disponível para dimensões de textos e números inteiros. Ele não está disponível para dimensões de data, hora,
marca de horário ou números quebrados.
11.1.7
Medidas associadas a dimensões
Você deve exibir o painel Medidas e dimensões na orientação horizontal para visualizar os valores de medida
associados a cada dimensão. Também é possível visualizar o número de vezes que cada valor de dimensão
ocorre em um conjunto de dados.
Exemplo
Supondo que um conjunto de dados contenha uma medida chamada “Número de jogos ganhos” (calculada
como soma) e uma dimensão chamada “Nome da equipe”. Você pode exibir o número total de jogos que cada
equipe ganhou ao lado do nome de cada equipe no painel Medidas e dimensões.
11.1.7.1
1.
Visualização de uma medida associada a uma
dimensão
horizontal.
Visualizando dados
PUBLIC
reservados.
117
2.
Posicione o ponteiro do mouse sobre a dimensão do filtro e selecione o ícone Opções
dimensão.
3.
Selecione Mostrar medida e selecione a medida a ser visualizada.
ao lado da
Um valor de medida é exibido ao lado de cada valor na coluna de dimensão.
11.1.7.2
Visualização do número de ocorrências dos valores
de dimensão
Você pode visualizar o número de vezes que cada dimensão aparece no seu conjunto de dados.
1.
horizontal.
2.
Posicione o ponteiro do mouse sobre a dimensão do filtro e selecione o ícone Opções
dimensão.
3.
Selecione
Exibir medida
ao lado da
Ocorrências .
O número de ocorrências é exibido ao lado de cada valor de dimensão na coluna.
Organização de dimensões por ocorrência no painel Medidas e dimensões [página 110]
11.1.8
Tipos de agregação suportados
Os tipos de agregação suportados pelo SAP Lumira incluem soma, contagem, mínimo e máximo. Você não pode
alterar o tipo de agregação de uma medida. No entanto, você pode adicionar medidas que representam cálculos,
outras unidades de medida e valores de moeda mais complexos.
118
PUBLIC
reservados.
Visualizando dados
12
Criando histórias
12.1
Histórias e dados visualizados
Uma história é um documento de apresentação que usa visualizações, blocos de texto, imagens, elementos
gráficos e controles de entrada para descrever dados.
Uma história pode incluir diversas páginas e cada página pode ter seu próprio layout – quadro, infográfico ou
relatório. Após obter os dados e criar uma história, a primeira etapa é escolher um layout para a primeira página
da história.
12.1.1
Elemento de página
Depois de escolher o layout de página de uma história, você pode formatar suas páginas na divisão Compor.
Use a divisão Compor para criar e processar documentos em estilo de apresentação conhecidos como histórias.
Histórias usam visualizações, blocos de texto, imagens, gráficos e controles de entrada para descrever seus
dados. Elas podem incluir diversas páginas e cada página pode ser um quadro, infográfico ou relatório.
Tabela 48: Elementos de CONFIGURAÇÕES DA PÁGINA no painel Configurações da página
Layout da pá
Elementos de página que podem ser adicionados
gina
Quadro
CONFIGURAÇÕES DA PÁGINA
●
Infográfico
Título do quadro: Selecione o campo de seleção Mostrar título para exibir o título da página de quadro.
●
Cor do plano de fundo: Selecione uma cor de fundo para a página de quadro.
●
Imagem do plano de fundo: Adicionar uma imagem de plano de fundo à página do quadro.
CONFIGURAÇÕES DA PÁGINA
●
Tamanho: Selecione Padrão (4:3), Widescreen (16:9) ou Rolagem contínua.
●
Cor do plano de fundo: Selecione uma cor de fundo para a página de infográfico.
●
Propriedades da grade: Marque o campo de seleção Mostrar para exibir as linhas de grade na página de
infográfico.
●
Atualizar página: Selecione esta opção para atualizar as visualizações na página de infográfico.
●
Atualizar página ao abrir: Selecione ATIVAR para atualizar a página de infográfico ou DESATIVAR para
impedir a atualização da página quando ela for aberta.
Relatório
COR DO PLANO DE FUNDO: Selecione uma cor de fundo para a página de relatório.
Criando histórias
PUBLIC
reservados.
119
Tabela 49: Elementos de COR DA SEÇÃO no painel Configurações da página
Elemento de página
Elemento de formatação
Cor do plano de
COR DO PLANO DE FUNDO: Selecione uma cor de plano de fundo para a seção da página.
fundo
120
PUBLIC
reservados.
Criando histórias
Tabela 50: Elementos de PROPRIEDADES DE VISUALIZAÇÃO no painel Configurações da página
Elemento de página
Visualizações
PROPRIEDADES DE VISUALIZAÇÃO
●
Geral:
○
Mostrar título do gráfico: Selecione esta opção para exibir o título do gráfico e formatá-lo.
○
Mostrar legenda: Selecione esta opção para exibir a legenda do gráfico e formatá-la.
○
Mostrar etiquetas de dados: Selecione esta opção para exibir os valores para cada dimensão
em um gráfico.
○
Formatar etiquetas de dados: Selecione esta opção para formatar os valores para cada di
mensão em um gráfico.
●
Eixo X e Eixo Y:
○
Mostrar eixo: Selecione esta opção para exibir o eixo.
○
Mostrar título do eixo: Selecioneesta opção para exibir o título do eixo e formatá-lo.
○
Mostrar etiquetas de eixo: Selecioneesta opção para exibir as etiquetas do eixo e formatá-la.
●
Gráficos de barra
●
Coluna: Selecione uma forma de coluna e uma cor para o gráfico de linha.
●
Elementos do gráfico de linha:
○
Área do gráfico: Selecione a cor de plano de fundo da área do gráfico.
○
Título do gráfico: Exibir o título do gráfico e formatá-lo.
○
Área de plotagem: Selecione a cor de plano de fundo da área de plotagem.
○
Legenda: Exibir uma legenda do gráfico, e exibir um título de legenda e formatá-lo.
○
Etiqueta de dados: Exibir etiquetas de dados ou pictogramas de etiqueta de dados.
○
Eixo horizontal: Exibir a linha do eixo e o registrador, exibir as etiquetas de eixo e formatá-las,
e exibir os pictogramas de eixo.
○
Título do eixo horizontal: Exibir o título do eixo e formatá-lo.
○
Eixo vertical: Exibir a linha do eixo e o registrador, exibir as etiquetas de eixo e formatá-las, e
ajustar a escala de valor do eixo.
○
●
Título do eixo vertical: Exibir o título do eixo e formatá-lo.
○
Marcador: Selecione e formate um pictograma para representar pontos de dados.
○
Linha: Definir a cor da linha, a espessura e o estilo.
○
Área de plotagem: Mostrar ou ocultar as linhas de grade.
Elementos do diagrama em anel:
○
Área do gráfico: Modificar o tamanho do círculo interno da rosca.
○
Título do gráfico: Exibir o título do gráfico e formatá-lo.
○
Área de plotagem: Modificar a cor de plano de fundo da área de plotagem.
○
Legenda: Exibir uma legenda do gráfico, e exibir um título de legenda e formatá-lo.
○
Parte: Modificar a cor de uma parte da rosca (para chamar atenção para o ponto de dados).
○
Etiqueta de dados: Marque o campo de seleção Mostrar etiqueta de dados para exibir as eti
quetas de dados e formatá-las.
Criando histórias
PUBLIC
reservados.
121
Elemento de página
Texto
PROPRIEDADES DO TEXTO
Imagens
●
Fonte: Selecione o estilo da fonte, o tamanho e a cor do texto.
●
Cor do plano de fundo: Selecione a cor de plano de fundo para o texto.
●
Alinhamento: Selecione a justificação de parágrafo para o texto.
●
Listas: Adicionar listas com marcadores ou numeradas ao texto.
●
Hyperlink: Adicionar, editar ou remover um hyperlink.
●
Texto dinâmico: Adicionar, editar ou remover um texto dinâmico.
PROPRIEDADES DA IMAGEM
●
Modo de exibição: Selecione como controlar a escala da imagem.
○
Conter: A imagem inteira fica dentro do quadro, mantendo a proporção de aspecto
○
Cobrir: A imagem é dimensionada para cobrir ou preencher o quadro inteiro, mantendo a pro
porção de aspecto. Algumas partes da imagem podem ser cortadas.
○
Expandido: A imagem inteira é expandida para preencher todo o quadro.
○
Panorâmica: A imagem é dimensionada para preencher a dimensão horizontal do quadro. A
parte inferior da imagem pode ser cortada.
Controles de entrada
●
Cor do plano de fundo: Selecione uma cor de plano de fundo para a imagem.
●
Ações da imagem: Adicionar, editar ou remover um hyperlink.
MODO DE SELEÇÃO: Selecione Individual ou Multi (múltipla) para os filtros.
(filtros)
Pictogramas
Formas
PROPRIEDADES DO PICTOGRAMA
●
Cor de preenchimento: Selecione a cor de preenchimento do pictograma.
●
Cor da linha: Selecione a cor da linha para o pictograma.
●
Ações do pictograma: Adicionar, editar ou remover um hyperlink.
PROPRIEDADES DA FORMA
●
Cor de preenchimento: Selecione a cor de preenchimento a forma.
●
Cor da linha: Selecione a cor da linha para a forma.
●
Largura da linha: Selecione a largura das linhas (em pixels) para uma forma.
●
Ações da forma: Adicionar, editar ou remover um hyperlink.
Tabela 51: AÇÕES no painel Configurações da página
Ação
Descrição
Organizar itens
Escolha onde os itens serão posicionados em relação a outros
itens: Enviar em ordem inversa, Enviar para trás, Trazer à
frente, ou Trazer para frente.
Alinhamento
Escolher como o item será alinhado: Alinhar à esquerda,
Centralizar, Alinhar à direita,Alinhar acima, Alinhar no meio, ou
Alinhar embaixo.
122
PUBLIC
reservados.
Criando histórias
Ação
Descrição
Outras ações
Selecione Duplicar para copiar o item ou Expandir para expan
dir o item na dimensão da janela.
Tamanho e posição
Selecione largura, altura, posição do eixo X, posição do eixo Y
e ângulo do item.
12.1.2
Criando uma história
Você pode usar quadros, infográficos e relatórios para criar histórias sobre dados.
1.
Na divisão Compor, selecione Nova história.
2.
Selecione Quadro, Infográfico ou Relatório como layout para a primeira página da história.
As opções de modelo de página serão exibidas para o estilo que você selecionar.
3.
Insira um nome para a história caso necessário e selecione Criar.
Os elementos que podem ser adicionados à página são exibidos à esquerda da janela. Figuras já importadas
são exibidas no grupo Figuras.
4.
Arraste os elementos para a página conforme necessário:
○
Nos layouts de página Quadro e Relatório, adicione Controles de entrada – dimensões que você pode
adicionar do Painel de conteúdo à página para filtrar os dados exibidos. Arraste uma dimensão para a
página e selecione um ou mais valores. Os gráficos são atualizados com os valores aplicados pelo filtro.
○
Os layouts Infográfico são divididos em seções que você pode redimensionar, reposicionar ou excluir.
○
Nos layouts de página Quadro, você pode reposicionar um elemento arrastando o ícone em forma de
diamante no canto superior direito do elemento.
○
Nos layouts de página Relatório, você pode redimensionar os itens (mas não reposicioná-los). Você pode
usar a barra de rolagem da página para visualizar todos os elementos em uma tabela.
Nota
Os gráficos adicionados às páginas Quadro ou Relatório serão atualizados se forem modificados na divisão
Visualizar. No entanto, gráficos adicionados a uma página de Infográfico não serão atualizados por
modificações efetuadas na divisão Visualizar.
5.
Para criar páginas adicionais, selecione Adicionar página e repita as etapas de 2 a 4.
6.
Salve a história.
Se você fechar o navegador sem gravar a história, seu trabalho será perdido.
12.1.2.1
Formatando uma história
Uma história tem uma ou mais páginas, e cada página pode ter uma ou mais seções. Você pode formatar a
aparência geral de cada página e de cada elemento usado na página, adicionando cor, formatação de texto,
alinhamento de parágrafo, títulos de gráficos, etiquetas de eixo, legendas e formatação de forma e linha.
Criando histórias
PUBLIC
reservados.
123
1.
Na divisão Compor, abra a página da história a ser formatada.
O painel Configurações do quadro exibe as opções disponíveis para este tipo de página.
2.
Selecione as opções de formatação de página conforme necessário.
3.
Selecione um elemento na página.
O painel Configurações do quadro exibe as opções disponíveis para este elemento.
4.
Selecione as opções de formatação conforme necessário.
5.
Salve a história.
12.1.2.2
Adição de texto dinâmico a uma história
Em todos os layouts de página, você pode adicionar texto dinâmico baseado em medidas do conjunto de dados. O
texto dinâmico é atualizado quando o conjunto de dados é atualizado.
Você não pode criar um texto dinâmico com base em dimensões, você não pode adicionar um texto dinâmico e
um hiperlink ao mesmo texto.
1.
Na opção Criar, selecione a página para adicionar o texto dinâmico.
2.
Selecione o elemento de texto e posicione o cursor onde deseja inserir o texto dinâmico – ou selecione o texto
que deseja substituir pelo texto dinâmico.
3.
No painel PROPRIEDADES DO TEXTO, selecione o ícone Adicionar ou processar texto dinâmico
O diálogo Nova fórmula é exibido.
4.
Digite um nome para a fórmula.
5.
Clique duas vezes em medidas e funções para inseri-las na caixa de sintaxe Fórmula.
6.
Insira os parâmetros da função e as informações correlatas, com base na tarefa da função.
.
Você deve digitar os nomes das colunas usadas nessa fórmula. Nomes das colunas que você sugeriu após
começar a digitar.
7.
Se estiver entrando informações de calendário e precisar selecionar datas, selecione o botão Selecionar uma
data no canto inferior da lista de funções.
8.
Clique em OK para aplicar a fórmula.
O elemento de texto dinâmico é adiciona ao objeto de texto e será atualizado cada vez que o conjunto de dados
for atualizado.
12.1.2.2.1
Modificação do texto dinâmico em uma história
1.
Na opção Criar, selecione a página que contém o texto dinâmico para editar.
2.
Selecione o texto dinâmico para processar.
3.
No painel PROPRIEDADES DO TEXTO, selecione o ícone Adicionar ou processar texto dinâmico
O diálogo Editor de fórmulas é exibido.
4.
Modifique o texto na caixa Fórmula ou modifique as outras opções quando necessário e selecione OK.
124
PUBLIC
reservados.
.
Criando histórias
12.1.2.2.2
Remoção de texto dinâmico de uma história
1.
Na opção Criar, selecione a página para remover o texto dinâmico.
2.
Selecione o texto dinâmico para remover.
3.
No painel PROPRIEDADES DO TEXTO, selecione o ícone Remover texto dinâmico.
12.1.3
Como salvar uma história
12.1.4
Modificando uma história
Clique em Editar no canto superior direito da janela.
A história é aberta na divisão Compor.
12.1.5
Como explorar uma visualização em uma história
Você pode explorar as visualizações nas páginas dos quadros. Por exemplo, você pode pesquisar os níveis
inferiores e superiores, filtrar valores e adicionar classificações.
Você pode explorar uma visualização das seguintes formas:
●
Pesquisar nível inferior em um valor e pesquisar nível superior
●
Filtre um ou mais valores
●
Adicione, altere ou remova uma classificação
●
Aproxime a imagem e procure em gráficos geográficos
●
Altere o título
1.
Na divisão Visualização, selecione Explorar no canto superior direito de uma visualização.
A visualização é aberta em uma nova janela.
2.
Quando terminar de explorar a visualização, clique em Atualizar para salvar suas alterações no quadro.
Criando histórias
PUBLIC
reservados.
125
12.1.6
Como atualizar dados em uma página de infográfico
Por padrão, os dados não são atualizados nos infográficos. No entanto, você pode atualizar manualmente os
dados toda vez que abrir uma página de infográfico.
Atualizar é útil para dados em tempo real, quando você precisa das informações mais recentes em um
infográfico. Entretanto, atualizar os dados pode alterar a mensagem da narrativa de um infográfico porque ela
altera os dados com que o infográfico foi criado.
1.
Na divisão Criar, abra a página do infográfico para atualizar os dados.
2.
Em CONFIGURAÇÕES DE PÁGINA, execute uma das seguintes ações:
○
Para atualizar a página manualmente, selecione o ícone Atualizar visualizações na página.
○
Para atualizar a página automaticamente, em Atualizar página ao abrir, selecione o botão ATIVADO.
Um diálogo é exibido e indica que as visualizações serão atualizadas para utilizar os dados mais recentes, que
podem alterar personalizações existentes.
Os dados dessa página de infográfico serão atualizados toda vez que o infográfico for aberto.
126
PUBLIC
reservados.
Criando histórias
13
Compartilhando dados
13.1
Como publicar no SAP Lumira Server
O SAP Lumira Server é um aplicativo de análise visual de dados que fornece acesso web a informações
armazenadas em um repositório SAP HANA.
Você pode utilizar o SAP Lumira Server para compartilhar conjuntos de dados e históricos com base nas fontes
de dados do SAP HANA que você criou da seguinte maneira:
●
Conjuntos de dados podem ser publicados no SAP Lumira Server e então visualizados e processados pelos
colaboradores de seu projeto.
●
Históricos podem ser publicados no SAP Lumira Server e então visualizados pelos colaboradores de seu
projeto. Os históricos não pode ser editados.
O acesso de compartilhamento aos conjuntos de dados e histórias publicados é atribuído às funções (não a
usuários individuais) e é atribuído a cada usuário uma função. (As funções são definidas no SAP HANA Studio.)
Você decide quais funções têm acesso permitido aos conjuntos de dados e histórias publicados. Entretanto, só
um status Visualizar pode ser atribuído a uma função porque as histórias publicadas não podem ser editadas.
Para informações sobre funções e compartilhamento no SAP Lumira Server, consulte o Guia do usuário do SAP
Lumira Server.
Como publicar histórias e conjuntos de dados no SAP Lumira Server [página 127]
13.1.1
Como publicar histórias e conjuntos de dados no SAP
Lumira Server
As histórias publicadas são para apenas visualização. Para editar uma história que foi publicada no SAP Lumira
Server, modifique a história primeiro e publique-a novamente.
●
Insira o URL para SAP Lumira Server.
Selecione Arquivo Preferências Rede e copie o URL do servidor na caixa de texto SAP Lumira Server.
Você precisa ter as credenciais de sua conexão para o SAP Lumira Server.
●
Revise as restrições de publicação:
○
O tipo de agregação Nenhum para uma medida não é suportado.
○
As visualizações que têm cálculos preditivos ou de previsão não são suportadas.
○
As seguintes fórmulas não podem ser publicadas corretamente no SAP Lumira Server:
AddMonthToDate, AddYearToDate, LastDayOfMonth, DayOfYear, Week, LastWord e
ExceptLastWord.
PUBLIC
reservados.
127
1.
Na divisão Compartilhar, realize uma das seguintes ações:
Opção
Descrição
Para publicar um
histórico
Clique no link Histórias na parte superior do Painel central, depois, selecione história. Histórias gra
vadas na divisão Compor são listadas no Painel central.
Para publicar um
conjunto de dados
Selecione um conjunto de dados no painel Conjunto de dados.
2.
Selecione o botão Publicar no SAP Lumira Server na barra de menu na parte superior.
3.
Insira o nome da conta e a senha e selecione Conectar.
4.
Selecione Seguinte.
Se publicar novamente um história ou um conjunto de dados que já existe no SAP Lumira Server, uma
mensagem o informará que a história ou o conjunto de dados já existe. Se você deseja criar uma cópia no
servidor, você precisa criá-la no aplicativo e publicá-la separadamente. Caso contrário, a versão do servidor
será sobregravada.
5.
6.
128
Opção
Descrição
Para manter a versão publicada e criar uma
cópia
Selecione Não sobregravar na lista Detalhe e selecione Cancelar. Então,
você poderá criar uma cópia no aplicativo e publicá-la.
Para substituir a versão publicada por uma
versão atualizada
Selecione Sobregravar na lista Detalhe, selecione Verificar e selecione
Publicar.
PUBLIC
reservados.
14 Trabalhando com modelos
14.1 Como criar um modelo
Modelo é um componente reutilizável, criado treinando um algoritmo com os dados históricos e salvando a
instância.
Para criar um modelo, você precisa salvar o estado do algoritmo. Geralmente você cria modelos para:
●
Compartilhar regras comerciais aplicáveis a dados similares
●
Para prever dados despercebidos utilizando a instância treinada do algoritmo
1.
Adquira os dados da fonte de dados solicitada.
O componente de fonte de dados é adicionado à nova análise na divisão Prever.
2.
Na divisão Prever, clique duas vezes no componente de algoritmo necessário.
3.
Pelo menu de contexto do componente, selecione Definir configurações e defina as configurações do
componente.
4.
Escolha
5.
Pelo menu de contexto do algoritmo, selecione Salvar como modelo.
6.
Insira um nome e uma descrição para o modelo.
7.
Se um modelo com o mesmo nome já existe, selecione a opção Sobregravar, se existir para sobregravar o
modelo existente.
8.
Selecione Salvar.
9.
Selecione OK.
O modelo é criado e exibido na seção Modelos da lista de componentes à direita. Você pode usar este modelo
apenas como qualquer outro componente para a criação de uma análise.
Nota
Nomes de coluna independente usados durante a pontuação do modelo devem ser iguais aos de coluna
independente usados durante a criação do modelo.
14.2 Como exportar um modelo como PMML
Você pode exportar as informações do modelo em um arquivo local, no formato padrão da indústria Predictive
Modeling Markup Language (PMML), e compartilhá-lo com outras aplicações compatíveis com PMML para
analisar conjuntos de dados similares.
Para exportar um modelo em formato PMML, siga estes procedimentos:
Trabalhando com modelos
PUBLIC
reservados.
129
1.
Crie um modelo.
2.
Na divisão Prever, na seção Modelos, clique duas vezes no modelo necessário.
3.
Pelo menu contextual do modelo, selecione Exportar modelo.
4.
Selecione Utilize esta opção para exportar modelos de dados para o arquivo Predictive Model Markup
Language (*.pmml).
5.
Selecione Exportar.
6.
Insira um nome para o arquivo.
7.
Selecione o tipo de arquivo desejado: PMML ou XML.
8.
Selecione Salvar.
14.3 Como exportar um modelo em um arquivo .spar
Você pode exportar um modelo em um arquivo .spar e compartilhá-lo com seus colegas.
Para exportar um modelo, execute os seguintes procedimentos:
1.
Crie um modelo.
2.
Selecione o modelo que quer exportar e das ações do componentes, escolha Exportar modelo ou arraste o
modelo para o editor de análise e do menu contextual, selecione Exportar modelo.
3.
Selecione Utilize esta opção para exportar modelos ara um arquivo Expert Analytics Archive (.spar).
4.
Selecione Exportar.
5.
Insira um nome para o arquivo .spar.
6.
Selecione Salvar.
7.
Selecione OK.
Para exportar vários modelos em um único arquivo .spar, selecione
Selecione os modelos que quer exportar e escolha Exportar.
Arquivo
Exportar todos os modelos .
14.4 Exportando um modelo do SAP HANA como
procedimento armazenado
Você pode exportar um modelo do SAP HANA como um procedimento armazenado para o banco de dados do
SAP HANA. Qualquer usuário do SAP HANA pode utilizar esses modelos para análise.
●
Você deve ter um modelo criado e gravado na lista de componentes em Modelos.
●
Antes de exportar o modelo do SAP HANA como um procedimento armazenado, garanta que a conta esteja
definida no SAP HANA.
1.
Na divisão Prever, na lista de componentes, escolha Modelos.
2.
Selecione o modelo necessário e pela seção Ações do componente, selecione Exportar modelo.
3.
Selecione Utilizar essa opção para exportar um modelo do SAP HANA como um procedimento armanzenado.
130
PUBLIC
reservados.
4.
Selecione Exportar.
5.
Selecione o esquema necessário em que você deseja que o procedimento apareça.
6.
Especifique um nome para o procedimento.
Nota
Se quiser sobregravar o procedimento existente com o mesmo nome no esquema selecionado, selecione
Sobregravar, se existir.
7.
Selecione Exportar.
O procedimento exportado e os objetos a ele associados (tabelas/tipos) são exibidos no esquema selecionado no
banco de dados SAP HANA.
Dica
Você pode utilizar um procedimento armazenado fora de Expert Analytics. Execute o SQL a seguir para obter o
resultado da pontuação:
CREATE TABLE InputData like PAS00AMYWGCT0Y_ZE4LISJ2MWSCOREPROCEDURE_INPUT_TYPE ;
Here insert the data that you would like to score on.
Insert into InputData …….
CREATE TABLE ResultTable like PAS00AMYWGCT0Y_ZE4LISJ2MWSCOREPROCEDURE_OUTPUT_TYPE;
call "ANALYTICS"."ScoreProcedure"(InputData,ResultTable) WITH OVERVIEW;
select * from ResultTable;
14.4.1 Removendo o procedimento armazenado e exportado
do SAP HANA
Você pode excluir o procedimento armazenado e exportado do SAP HANA usando o SAP HANA Studio. É
necessário ter sua conta definida no SAP HANA.
Para remover o procedimento armazenado e exportado do SAP HANA, realize as seguintes etapas:
1.
No SAP HANA Studio, navegue até o procedimento que você exportou.
Nota
O procedimento exportado deve estar na pasta Procedure do esquema.
2.
Clique com o botão direito do mouse no procedimento e selecione Abrir definição.
A aba Definição é exibida.
3.
Na guia Definição, selecione a guia Criar instrução.
PUBLIC
reservados.
131
4.
Na guia Criar instrução, copie os comentários SQL (comandos precedidos por dois hifens '--').
5.
Na guia Navegador, clique com o botão direito do mouse no procedimento e selecione Console SQL.
A guia Console SQL é exibida.
6.
Na aba Console SQL, cole os comentários SQL e escolha Executar, ou pressione a tecla F8.
Nota
Certifique-se de excluir os dois hifens (- -), que precedem os comentários SQL, antes de executá-los.
14.5 Como importar um modelo
Você pode importar um modelo compartilhado por seu colega e usar para análise.
Para importar um modelo, execute os seguintes procedimentos:
1.
Na divisão Prever, na lista de componentes, escolha
Importar modelo .
2.
Escolha um arquivo .spar válido e escolha Abrir.
3.
Selecione os modelos que quer importar e escolha Concluir.
O modelo é importado e exibido na seção Modelos da lista de componentes.
14.6 Como excluir um modelo
Recomendamos que você use esta opção com cautela porque a exclusão de um modelo pode inutilizar a análise
que contenha a referência do modelo.
Para excluir um modelo, siga estes procedimentos:
1.
Na divisão Prever, na lista de componentes, escolha Modelos.
2.
Selecione o modelo necessário e pelas ações do componente, selecione Excluir.
132
PUBLIC
reservados.
15
Propriedades do componente
15.1
Algoritmos
Use algoritmos para executar a mineração de dados e análise estatística dos dados. Por exemplo, para
determinar tendências e padrões com base nos dados.
Expert Analytics fornece algoritmos incorporados, como de regressão, série de tempo e valor atípico. No entanto,
também suporta árvore de decisão, valor médio k, rede neural, série de tempo e algoritmos de regressão pela
biblioteca R de fonte aberta. Você também pode executar uma análise interna do banco de dados usando
algoritmos da biblioteca do Predictive Analysis (Predictive Analysis Library - PAL) do SAP HANA.
15.1.1
Regressão
15.1.1.1
Algoritmo HANA de regressão exponencial
As propriedades que podem ser configuradas no algoritmo HANA de regressão exponencial.
Sintaxe
Use este algoritmo para encontrar tendências nos dados. Este algoritmo executa a análise de regressão de
uma variável. Determina como uma variável individual influencia outra variável usando a função exponencial.
Nota
O tipo de dados da coluna usado durante a pontuação do modelo deve ser igual ao tipo de dados das colunas
usado durante a construção do modelo.
PUBLIC
reservados.
133
Propriedades do algoritmo HANA de regressão exponencial
Tabela 52: Propriedades do algoritmo
Propriedade
Descrição
Modo de saída
Selecione o modo em que você deseja usar a saída deste algo
ritmo.
Valores possíveis:
●
Preencher: preenche os valores em falta na coluna de
destino.
●
Tendência: prevê os valores da coluna dependente e adi
ciona uma coluna extra na saída que contenha os valores
previstos.
Colunas independentes
Selecione as colunas de entrada com as quais você deseja
executar a análise de regressão.
Coluna dependente
Selecione a coluna de destino com a qual você deseja execu
tar a análise de regressão.
Valores em falta
Selecione o método para manipulação dos valores em falta.
Possíveis métodos:
●
Ignorar: o algoritmo ignora os registros que contenham
os valores em falta na coluna independente ou depen
dente.
●
Manter: o algoritmo retém os registros que contenham
valores em falta durante o cálculo.
Nome da coluna prevista
Insira um nome para a coluna recém-adicionada que conte
nha os valores previstos.
Número de threads
Insira o número de threads que o algoritmo deve usar durante
a execução. O valor predeterminado é 1.
15.1.1.2
Algoritmo HANA de regressão geométrica
As propriedades que podem ser configuradas no algoritmo HANA de regressão geométrica.
Sintaxe
uma variável. Determina como uma variável individual influencia outra variável usando a função geométrica.
Nota
O tipo de dados da coluna usado durante a pontuação do modelo deve ser igual ao tipo de dados das
colunas usado durante a construção do modelo.
134
PUBLIC
reservados.
Propriedades do algoritmo HANA de regressão geométrica
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna dependente
Valores em falta
●
dente.
●
Número de threads
15.1.1.3
HANA de regressão linear múltipla
As propriedades que podem ser configuradas no algoritmo HANA de regressão linear múltipla.
Sintaxe
Use este algoritmo para identificar a relação linear entre a variável dependente e uma ou mais variáveis
independentes.
PUBLIC
reservados.
135
Propriedades do algoritmo HANA de regressão linear múltipla
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna dependente
Valores em falta
●
dente.
●
Insira um nome para a coluna recém-criada que contenha os
valores previstos.
Número de threads
15.1.1.4
Algoritmo HANA de regressão logarítmica
As propriedades que podem ser configuradas no algoritmo HANA de regressão logarítmica.
Sintaxe
Use este algoritmo para encontrar tendências nos dados. Este algoritmo realiza análise de regressão
logarítmica bi variável. Ele determina como uma variável individual influencia outra variável usando uma função
logarítmica da Biblioteca do Predictive Analysis (PAL).
Nota
136
PUBLIC
reservados.
Propriedades do algoritmo HANA de regressão logarítmica
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Coluna dependente
Valores em falta
●
dente.
●
valores previstos.
Número de threads
15.1.1.5
Regressão polinomial HANA
As propriedades que podem ser configuradas no algoritmo HANA de regressão polinomial.
Sintaxe
Use este algoritmo para encontrar a relação entre a variável independente e a variável dependente em uma
linha curvilínea ajustada.
Nota
PUBLIC
reservados.
137
Propriedades do algoritmo HANA de regressão polinomial
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Grau do polinomial
Insira o maior valor expoente de uma expressão polinomial.
Coluna dependente
Valores em falta
●
dente.
●
valores previstos.
Número de threads
15.1.1.6
HANA R de regressão linear múltipla
As propriedades que podem ser configuradas no algoritmo HANA R de regressão linear múltipla.
Sintaxe
independentes.
Nota
138
PUBLIC
reservados.
Propriedades do algoritmo HANA R de regressão linear múltipla
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna dependente
Valores em falta
●
dente.
●
●
Parar: o algoritmo para a execução se um valor está em
falta na coluna independente ou na coluna dependente.
Nível de confiança
Insira o nível de confiança do algoritmo (a precisão das previ
sões). O valor predeterminado é 0,95.
valores previstos.
15.1.1.7
Algoritmo HANA de regressão logística
As propriedades que podem ser configuradas no algoritmo HANA de regressão logística.
Sintaxe
Use este algoritmo quando as variáveis independentes forem categóricas ou uma mistura de valores contínuo
e categórico. Regressão logística é uma abordagem de previsão semelhante à regressão de mínimo quadrado
comum (Ordinary Least Square - OLS).
Nota
PUBLIC
reservados.
139
Propriedades do algoritmo HANA de regressão logística
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
previstos.
●
destino.
Coluna dependente
Método de iteração
Selecione o método de iteração.
Valores em falta
●
dente.
●
Mostrar valores ajustados
Selecione essa opção para visualizar os valores ajustados em
uma nova coluna.
valores previstos.
Iteração máxima
Insira o número máximo de iterações permitido para calcular
o coeficiente do algoritmo. O valor predeterminado é 100.
Limite de saída
Insira o valor limite para a saída das iterações. O valor prede
terminado é 0,00001.
Número de threads
Valor de mapeamento para 0
Insira um valor para uma variável, que está mapeada para 0.
Valor de mapeamento para 1
Insira um valor para uma variável, que está mapeada para 1.
15.1.1.8
Algoritmo HANA de regressão automática
As propriedades que podem ser configuradas no algoritmo HANA de regressão automática.
140
PUBLIC
reservados.
Sintaxe
O algoritmo HANA de regressão automática utiliza uma técnica chamada Minimização do risco estrutural e cria
um modelo polinomial. Esse algoritmo pode manipular um grande número de atributos de entrada em modo
automatizado para localizar tendências em dados. O algoritmo fornece indicadores e gráficos para assegurar
que a qualidade e robustez de modelos treinados possam ser acessados facilmente.
O algoritmo HANA de regressão automática só está disponível no modo online (conectado ao SAP HANA). Há um
algoritmo de regressão automática disponível no modo offline.
Para mais informações sobre as funções utilizadas nos algoritmos automáticos online, consulte o Guia de
referência de SAP Automated Predictive Library (APL) em http://help.sap.com/pa
Propriedades do algoritmo HANA de regressão automática
Propriedade
Descrição
Recursos
Variável de destino
valores previstos.
15.1.1.9
R de regressão exponencial
As propriedades que podem ser configuradas no algoritmo R de regressão exponencial.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável usando a função exponencial
da biblioteca de fonte aberta R.
Nota
PUBLIC
reservados.
141
Propriedades do algoritmo R de regressão exponencial
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Selecione a coluna de entrada com a qual você deseja execu
Coluna dependente
Valores em falta
●
dente.
●
●
Permitir único ajuste
Um valor booleano - se definido como verdadeiro, os coefi
cientes com alias serão ignorados na matriz de covariância de
coeficiente. Se definido como falso, um modelo com coefi
cientes com alias produzirá um erro.
Um modelo com coeficientes com alias significa que a matriz
quadrada x*x é única.
Contrastes
Selecione a lista de contrastes, que deseja usar para fatores
que aparecem como variáveis no modelo.
valores previstos.
15.1.1.10 R de regressão geométrica
As propriedades que podem ser configuradas no algoritmo R de regressão geométrica.
142
PUBLIC
reservados.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável usando a função geométrica
da biblioteca de fonte aberta R.
Nota
Propriedades do algoritmo R de regressão geométrica
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Coluna dependente
Valores em falta
●
dente.
●
●
PUBLIC
reservados.
143
Propriedade
Descrição
Contrastes
valores previstos.
15.1.1.11 R de regressão linear
As propriedades que podem ser configuradas no algoritmo R de regressão linear.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável usando a biblioteca R de
fonte aberta.
Nota
Propriedades do algoritmo R de regressão linear
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Coluna dependente
144
PUBLIC
reservados.
Propriedade
Descrição
Valores em falta
●
dente.
●
●
Contrastes
valores previstos.
15.1.1.12 R de regressão logarítmica
As propriedades que podem ser configuradas no algoritmo R de regressão logarítmica.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável usando a função logarítmica
da biblioteca R de fonte aberta.
Nota
PUBLIC
reservados.
145
Propriedades do algoritmo R de regressão logarítmica
Propriedade
Descrição
Modo de saída
Selecione o modo em que você deseja exibir os dados de sa
ída.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Selecione a coluna de origem de entrada com a qual você de
seja executar a regressão.
Coluna dependente
Selecione a coluna de destino em que você deseja executar a
regressão.
Valores em falta
Valores possíveis:
●
dente.
●
●
Parar: o algoritmo para a execução se um valor estiver
em falta na coluna independente ou na coluna depen
dente.
Contrastes
Selecione a lista de contrastes a ser usada para fatores que
aparecem como variáveis no modelo.
valores previstos.
15.1.1.13 R de regressão linear múltipla
As propriedades que podem ser configuradas no algoritmo R de regressão linear múltipla.
146
PUBLIC
reservados.
Sintaxe
independentes.
Nota
Propriedades do algoritmo R de regressão linear múltipla
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna dependente
Valores em falta
●
Ignorar: o algoritmo ignora os registros que contêm os
valores em falta nas colunas independente ou depen
dente.
●
Manter: retém valores em falta.
●
Parar: o algoritmo para a execução se um valor estiver
em falta na coluna independente ou na coluna depen
dente.
Insira o nível de confiança do algoritmo. O valor predetermi
nado é 0,95.
valores previstos.
PUBLIC
reservados.
147
15.1.1.14 Regressão exponencial
As propriedades que podem ser configuradas no algoritmo de regressão exponencial.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável usando a função exponencial
com a metodologia de mínimo quadrado.
Nota
Propriedades de regressão exponencial
Propriedade
Descrição
Modo de saída
ritmo.
Modos possíveis:
●
destino.
●
previstos.
Coluna independente
Coluna dependente
Valores em falta
●
os valores em falta nas colunas independente ou depen
dente.
●
148
PUBLIC
reservados.
valores previstos.
15.1.1.15 Regressão geométrica
As propriedades que podem ser configuradas no algoritmo de regressão geométrica.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável usando a função geométrica
Nota
Propriedades da regressão geométrica
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Coluna dependente
Valores em falta
●
dente.
●
falta na coluna independente ou na coluna dependente
valores previstos.
PUBLIC
reservados.
149
15.1.1.16 Regressão automática
As propriedades que podem ser configuradas no algoritmo de regressão automática.
Sintaxe
O algoritmo de regressão automática utiliza uma técnica chamada Minimização do risco estrutural e cria um
modelo polinomial. Esse algoritmo pode manipular um grande número de atributos de entrada em modo
automatizado para localizar tendências em dados. O algoritmo fornece indicadores e gráficos para assegurar
que a qualidade e robustez de modelos treinados possam ser acessados facilmente.
Propriedades da regressão automática
Propriedade
Descrição
Recursos
valores previstos.
15.1.1.17 Regressão linear
As propriedades que podem ser configuradas no algoritmo de regressão linear.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável com a metodologia de
mínimo quadrado.
Nota
150
PUBLIC
reservados.
Propriedades da regressão linear
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Coluna dependente
Valores em falta
Valores possíveis:
●
dente.
●
valores previstos.
15.1.1.18 Regressão logarítmica
As propriedades que podem ser configuradas no algoritmo de regressão logarítmica.
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável usando a função logarítmica
Nota
PUBLIC
reservados.
151
Propriedades da regressão logarítmica
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
destino.
●
previstos.
Coluna independente
Coluna dependente
Valores em falta
●
dente.
●
15.1.2
valores previstos.
Valores atípicos
15.1.2.1
Algoritmo HANA de detecção de anormalidade
As propriedades que podem ser configuradas no algoritmo HANA de detecção de anormalidade.
Sintaxe
Use este algoritmo para encontrar modelos nos dados que não estejam de acordo com o comportamento
esperado.
Nota
A criação de modelos usando o algoritmo HANA de detecção de anormalidade não é suportada.
152
PUBLIC
reservados.
Propriedades do algoritmo HANA de detecção de anormalidade
Propriedade
Descrição
Modo de saída
ritmo.
Selecione as colunas de origem de entrada.
Valores em falta
Valores possíveis:
●
dente.
●
Porcentagem de anomalias
Insira o valor percentual que indica a proporção de anormali
dades nos dados de origem. O valor predeterminado é 10.
Método de detecção de anomalia
Selecione o método de detecção de anomalia.
●
Por distância a partir centro
●
Por soma de distâncias a partir de todos os centros
Iterações máximas
Insira o número de iterações permitido para localização de
clusters. O valor predeterminado é 100.
Método de cálculo do centro
Selecione o método a ser usado para cálculo inicial do centro
do cluster.
Tipo de normalização
Selecione o tipo de normalização.
Número de clusters
Insira o número de grupos para clustering.
Número de threads
Limite de saída
Medida da distância
Insira a medida para calcular a distância entre os registros e
os centros do cluster.
Insira um nome para a nova coluna que contenha os valores
previstos.
15.1.2.2
Algoritmo HANA de teste de intervalo interquartil
As propriedades que podem ser configuradas no algoritmo HANA do intervalo interquartil.
Sintaxe
Use este algoritmo para identificar valores atípicos com base na distribuição estatística entre o primeiro e
terceiro quartis.
PUBLIC
reservados.
153
Nota
●
Os dados de entrada para o algoritmo de teste IQR (intervalo interquartil) deve ter pelo menos 4 linhas.
●
A criação de modelos usando o algoritmo HANA de teste de intervalo interquartil não é suportada.
Propriedades do algoritmo HANA de teste de intervalo interquartil
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
Exibir valores atípicos: adiciona uma coluna booleana aos
dados de entrada, especificando se o valor correspon
dente é atípico.
●
Remover valores atípicos: remove os valores atípicos dos
dados de entrada.
Coluna independente
Selecione uma coluna de origem de entrada.
Valores em falta
●
dente.
●
Coeficiente limitador
Insira o desvio permitido para os valores do intervalo inter
quartil. O valor predeterminado é 1,5.
previstos.
15.1.2.3
Intervalo interquartil
As propriedades que podem ser configuradas no algoritmo do intervalo interquartil .
Sintaxe
Use este algoritmo para identificar valores atípicos com base na distribuição estatística entre o primeiro e
terceiro quartis.
154
PUBLIC
reservados.
Nota
●
Os dados de entrada para o algoritmo IQR (intervalo interquartil) deve ter pelo menos 4 linhas.
●
A criação de modelos usando o algoritmo IQR (intervalo interquartil) não é suportada.
Propriedades do algoritmo de intervalo interquartil
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
dente é atípico.
●
dados de entrada.
Recurso
tar a análise.
Valores em falta
●
dente.
●
Coeficiente limitador
Insira o desvio permitido para os valores do intervalo inter
quartil. O valor predeterminado é 1,5.
previstos.
15.1.2.4
Valor atípico vizinho mais próximo
As propriedades que podem ser configuradas no algoritmo do valor atípico vizinho mais próximo.
Sintaxe
Use este algoritmo para identificar valores atípicos com base no número de vizinhos (N) e na distância média
dos valores comparados aos seus vizinhos N mais próximos.
PUBLIC
reservados.
155
Nota
A criação de modelos usando o valor atípico vizinho mais próximo não é suportada.
Propriedades do valor atípico vizinho mais próximo
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
dente é atípico.
●
dados de entrada.
Recurso
tar a análise.
Valores em falta
●
dente.
●
Contagem da vizinhança
Insira o número de vizinhos para determinar distâncias. O va
lor predeterminado é 5.
Número de valores atípicos
Insira o número de valores atípicos que deseja remover.
previstos.
15.1.2.5
Teste de variância HANA
As propriedades que podem ser configuradas no algoritmo do teste de variância HANA.
Sintaxe
O teste de variância HANA identifica valores atípicos em um conjunto de dados numéricos. Os limites inferior e
superior dos dados são calculados com base na média e no desvio padrão dos dados e no multiplicador
especificado por você.
156
PUBLIC
reservados.
O multiplicador é um coeficiente do tipo duplo que o ajuda a testar se todos os valores de um vetor numérico
estão no intervalo.
Se um valor estiver fora do intervalo, ele sugere que o valor não passe no teste de variação, sendo marcado
portanto como atípico.
Nota
A criação de modelos usando o algoritmo HANA de detecção de anormalidade não é suportada.
Propriedades do teste de variância HANA
Propriedade
Descrição
Modo de saída
ritmo.
●
dente é atípico.
●
dados de entrada.
Selecione as colunas de origem de entrada.
Valores em falta
●
dente.
●
Multiplicador
Insira o valor do Multiplicador para decidir o intervalo do limite
Inferior e Superior e identificar os valores atípicos. O valor
predeterminado é 3,0.
Nota
O valor informado deve ser inteiro e positivo.
Número de threads
a execução.
previstos.
PUBLIC
reservados.
157
15.1.3
Série de tempo
15.1.3.1
Algoritmo HANA de amortecimento exponencial
único
As propriedades que podem ser configuradas no algoritmo HANA de amortecimento exponencial individual.
Sintaxe
Use este algoritmo para amortecer os dados de origem.
Nota
A criação de modelos usando o algoritmo HANA de amortecimento exponencial único não é suportada.
Propriedades de HANA de amortecimento exponencial único
Propriedade
Descrição
Modo de saída
ritmo.
●
Tendência: exibe os dados de origem junto com os valo
res previstos para um conjunto de dados informado.
●
Previsão: exibe os valores previstos para o período infor
mado.
tar a análise de série de tempo.
Período
Selecione o período para a previsão.
Períodos por ano
Selecione o período para a previsão. Esta opção só fica ati
vada se você selecionar "Personalizar" para "Período".
Ano inicial
Insira o ano do qual as observações devem ser consideradas.
Por exemplo, 2009, 1987, 2019.
Período inicial
Insira o período do qual as observações devem ser considera
das. O valor predeterminado é 1.
Períodos a serem previstos
Insira o número de períodos a serem previstos. Esse valor é
usado apenas se o modo de saída é previsto.
Insira um nome para a coluna recém criada que contenha os
valores previstos.
Valores de ano
valores de ano.
Valores de trimestre
valores de trimestre.
158
PUBLIC
reservados.
Propriedade
Descrição
Valores de mês
valores de mês.
Valores de período
valores de período.
Alfa
Insira uma constante de amortecimento para observações de
amortecimento (parâmetros de base). Intervalo: 0-1.
15.1.3.2
duplo
As propriedades que podem ser configuradas no algoritmo HANA de amortecimento exponencial duplo.
Sintaxe
Nota
A criação de modelos usando o algoritmo HANA de amortecimento exponencial duplo não é suportada.
Propriedades do algoritmo HANA de amortecimento exponencial duplo
Propriedade
Descrição
Modo de saída
ritmo.
●
●
mado.
Período
Períodos por ano
Ano inicial
Por exemplo, 2009, 1987, 2019.
Período inicial
das.
PUBLIC
reservados.
159
Propriedade
Descrição
valores previstos.
Valores de ano
valores de ano.
Valores de mês
valores de mês.
Valores de período
Alfa
Beta
Insira uma constante de amortecimento para encontrar os pa
râmetros de tendência. Intervalo: 0-1.
15.1.3.3
triplo
As propriedades que podem ser configuradas no algoritmo HANA de amortecimento exponencial triplo.
Sintaxe
Use este algoritmo para amortecer os dados de origem e identificar tendências sazonais nos dados.
Nota
A criação de modelos usando o algoritmo HANA de amortecimento exponencial triplo não é suportada.
160
PUBLIC
reservados.
Propriedades de HANA de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
ritmo.
●
●
mado.
Período
Períodos por ano
Ano inicial
Por exemplo, 2009, 1987, 2019.
Período inicial
das.
valores previstos.
Valores de ano
valores de ano.
Valores de mês
valores de mês.
Valores de período
Alfa
Beta
Gama
râmetros de tendência sazonal. Intervalo: 0-1.
15.1.3.4
HANA R de amortecimento exponencial triplo
As propriedades que podem ser configuradas no algoritmo HANA R de amortecimento exponencial triplo.
PUBLIC
reservados.
161
Sintaxe
Propriedades do algoritmo R de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
ritmo.
●
●
mado.
Período
Períodos por ano
Ano inicial
Por exemplo, 2009, 1987, 2019.
Período inicial
das.
valores previstos.
Valores de ano
valores de ano.
Valores de mês
valores de mês.
Valores de período
Alfa
Beta
Gama
râmetros de tendência sazonal. Intervalo: 0-1.
162
PUBLIC
reservados.
Propriedade
Descrição
Sazonal
Selecione o tipo de algoritmo de amortecimento exponencial
HoltWinters.
Insira o nível de confiança do algoritmo.
Nº de observações periódicas
Insira o número de observações periódicas necessárias para
iniciar o cálculo.
Nível
Insira o valor inicial para o nível (a[0]) (l.start). Por exemplo:
0.4.
Tendência
Insira o valor inicial para encontrar os parâmetros de tendên
cia (b[0]) (b.start). Por exemplo: 0.4.
Estação
Insira os valores iniciais para encontrar os parâmetros sazo
nais (s.start). O valor depende da coluna selecionada. Por
exemplo, se você selecionar trimestre como período, deverá
inserir quatro valores dobrados.
Entradas do otimizador
Insira os valores iniciais de alfa, beta e gama necessários para
o otimizador. Por exemplo: 0.3, 0.1, 0.1.
15.1.3.5
R de amortecimento exponencial individual
As propriedades que podem ser configuradas no algoritmo R de amortecimento exponencial individual.
Sintaxe
Nota
A criação de modelos usando o algoritmo R de amortecimento exponencial único não é suportada.
Propriedades do algoritmo R de amortecimento exponencial individual
Propriedade
Descrição
Modo de saída
ritmo.
●
●
mado.
PUBLIC
reservados.
163
Propriedade
Descrição
Período
Períodos por ano
Ano inicial
Por exemplo, 2009, 1987, 2019.
Período inicial
das.
Insira o número de períodos a serem previstos.
valores previstos.
Valores de ano
valores de ano.
Valores de mês
valores de mês.
Valores de período
Alfa
amortecimento (parâmetros de base). O valor predetermi
nado é 0,3. Intervalo: 0-1.
iniciar o cálculo. O valor predeterminado é 2.
Nível
0.4.
15.1.3.6
R de amortecimento exponencial duplo
As propriedades que podem ser configuradas no algoritmo R de amortecimento exponencial duplo.
Sintaxe
Nota
A criação de modelos usando o algoritmo R de amortecimento exponencial duplo não é suportada.
164
PUBLIC
reservados.
Propriedades do algoritmo de amortecimento exponencial duplo
Propriedade
Descrição
Modo de saída
ritmo.
●
●
mado.
Período
Períodos por ano
Ano inicial
Por exemplo, 2009, 1987, 2019.
Período inicial
das.
valores previstos.
Valores de ano
valores de ano.
Valores de mês
valores de mês.
Valores de período
Alfa
Beta
Insira uma constante de amortecimento para localizar parâ
metros de tendência. O valor padrão é 0.1. Intervalo: 0-1.
Nível
0.4.
Tendência
PUBLIC
reservados.
165
Propriedade
Descrição
15.1.3.7
R de amortecimento exponencial triplo
As propriedades que podem ser configuradas no algoritmo R de amortecimento exponencial triplo.
Sintaxe
Nota
A criação de modelos usando o algoritmo R de amortecimento exponencial triplo não é suportada.
Propriedades do algoritmo R de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
ritmo.
●
●
mado.
Período
Períodos por ano
Ano inicial
Por exemplo, 2009, 1987, 2019.
Período inicial
das.
valores previstos.
Valores de ano
valores de ano.
166
PUBLIC
reservados.
Propriedade
Descrição
Valores de mês
valores de mês.
Valores de período
Alfa
Beta
râmetros de tendência. O valor predeterminado é 0,1. Inter
valo: 0-1.
Gama
râmetros de tendência sazonal. O valor predeterminado é 0,1.
Sazonal
Selecione o tipo de algoritmo de amortecimento exponencial
HoltWinters.
Nível
0.4.
Tendência
Estação
Insira os valores iniciais para encontrar os parâmetros sazo
nais (s.start). O valor depende da coluna selecionada. Por
exemplo, se você selecionar trimestre como período, deverá
inserir quatro valores dobrados.
15.1.3.8
Amortecimento exponencial triplo
As propriedades que podem ser configuradas no algoritmo de amortecimento exponencial triplo.
Sintaxe
PUBLIC
reservados.
167
Propriedades do logaritmo de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
ritmo.
●
●
mado.
Considerar coluna de datas
Selecione esta opção para especificar se a coluna de datas
deve ou não ser usada.
Coluna de datas
Insira o nome da coluna que contenha valores de data.
Período
Períodos por ano
Ano inicial
Por exemplo, 2009, 1987, 2019.
Período inicial
das.
valores previstos.
Valores de ano
valores de ano.
Valores de mês
valores de mês.
Valores de período
Alfa
Beta
râmetros de tendência. O valor predeterminado é 0,1. Inter
valo: 0-1.
Gama
râmetros de tendência sazonal. O valor predeterminado é 0,1.
Intervalo: 0-1.
168
PUBLIC
reservados.
15.1.4
15.1.4.1
HANA C 4.5
As propriedades que podem ser configuradas para o algoritmo HANA C 4.5.
Sintaxe
Use este algoritmo para classificar observações em grupos e prever uma ou mais variáveis discretas com base
em outra variáveis.
Nota
Propriedades do algoritmo HANA C 4.5
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
ciona uma coluna extra à saída que contenha os valores
previstos.
●
Preenchimento: preenche os valores em falta na coluna
de destino.
Recursos
executar a análise.
tar a análise.
Nota
Ele só aceita coluna com tipo de dados inteiros.
PUBLIC
reservados.
169
Propriedade
Descrição
Valores em falta
●
dente.
●
Porcentagem de dados de entrada
Insira o percentual de dados a ser considerado na análise.
Divisão mínima
Insira o número de registros, além do qual a divisão do nó fo
lha não é permitida. O valor predeterminado é 0.
Colunas
Selecione as colunas independentes que contenham valores
numéricos.
Intervalos de posições
Inserir intervalos de posições.
previstos.
Número de threads
15.1.4.2
HANA R de árvore CNR
As propriedades que podem ser configuradas para o algoritmo HANA R de árvore CNR.
Sintaxe
em outra variáveis. No entanto, você pode usar este algoritmo para identificar tendências nos dados.
Nota
170
●
O pacote "rpart" que faz parte do R 2.15 não processa nomes de coluna com espaço nem caracteres
especiais. O pacote "rpart" suporta apenas formato de nome de coluna de entrada suportado pelo
dataframe R.
●
Nomes de coluna independente usados durante a pontuação do modelo devem ser iguais aos nomes de
coluna independente usados durante a criação do modelo.
●
Nomes de coluna que contenham espaços ou qualquer outro caractere especial diferente de ponto (.)
não são suportados.
PUBLIC
reservados.
Propriedades do algoritmo HANA R de árvore CNR
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
previstos.
●
de destino.
Recursos
tar a análise.
Valores em falta
Valores possíveis:
●
dente.
●
Tipo de algoritmo
Selecione o tipo de análise que deseja que o algoritmo exe
cute.
Valores possíveis:
●
Classificação: use este método se a variável dependente
tiver valores de categoria.
●
Regressão: use este método - se a variável dependente ti
ver valores numéricos.
Divisão mínima
Insira um número mínimo de observações necessárias para
divisão de um nó. O valor predeterminado é 10.
Critérios de divisão
Selecione os critérios de divisão do nó.
Valores possíveis:
●
Gini: impureza Gini
●
Informações: ganho de informações.
valores previstos.
Parâmetro de complexidade
Insira o parâmetro de complexidade que economiza o tempo
de cálculo, evitando qualquer divisão que não melhore o
ajuste. O valor predeterminado é 0,005.
PUBLIC
reservados.
171
Propriedade
Descrição
Profundidade máxima
Insira o nível máximo do nó na árvore final com o nó raiz com
putado como nível 0.
Nota
Se a profundidade máxima for maior que 30, o algoritmo
não produz os resultados esperados (em máquinas de 32
bits).
Validação cruzada
Insira o número de validações cruzadas. Um valor maior de
validação cruzada aumenta o tempo de cálculo e produz re
sultados mais precisos.
Probabilidade prioritária
Insira o vetor de probabilidades prioritárias.
Utilizar substituto
Selecione o substituto para usar no processo de repartição.
Valores possíveis:
●
Exibir apenas - uma observação com um valor em falta
para a regra de divisão primária não será enviada aos ní
veis inferiores da árvore.
●
Utilizar substituto - use esta opção para dividir objetos
sem a variável principal; se todos os substitutos estive
rem em falta, a observação não será dividida.
●
Interromper se estiver em falta – se todos os substitutos
estiverem em falta, a observação será enviada na direção
majoritária.
Estilo de substituto
Insira o estilo que controla a seleção do melhor substituto.
Valores possíveis:
●
Usar classificação correta total - o algoritmo usa o nú
mero total de classificações corretas para encontrar uma
variável substituta potencial.
●
Usar percentual de casos que não estão em falta - o algo
ritmo usa o percentual de casos que não estão em falta,
classificados para encontrar um substituto potencial.
Substituto máximo
Insira o número máximo de substitutos a ser retido em cada
nó de uma árvore.
Mostrar probabilidade
Selecione a caixa de seleção Mostrar probabilidade para obter
a probabilidade de valores previstos durante a pontuação de
um modelo de classificação.
15.1.4.3
HANA CHAID
As propriedades que podem ser configuradas para o algoritmo HANA CHAID.
172
PUBLIC
reservados.
Sintaxe
CHAID significa detecção de interação automática de chi-quadrado. CHAID é um método de classificação para
criação de árvores de decisões usando estatísticas chi-quadrado para identificar divisões ideais.
Nota
HANA CHAID Propriedades
Propriedade
Descrição
Modo de saída
ritmo
Valores possíveis:
●
previstos.
●
de destino.
Recursos
tar a análise.
Nota
Ele só aceita coluna com tipo de dados inteiros.
Valores em falta
Valores possíveis:
●
dente.
●
Porcentagem de dados de entrada
Insira o percentual de dados a ser considerado na análise.
Divisão mínima
Insira o número mínimo de registros de um nó, além do qual
não será permitida a divisão do nó. O valor predeterminado é
0.
PUBLIC
reservados.
173
Propriedade
Descrição
Insira a profundidade máxima da árvore.
Nome da coluna
Selecione o nome da coluna independente que contenha valo
res numéricos.
Inserir intervalos de posições
Inserir intervalos de posições.
previstos.
Número de threads
a execução.
15.1.4.4
R de árvore CNR
As propriedades que podem ser configuradas para o algoritmo R de árvore CNR.
Sintaxe
em outra variáveis. No entanto, você pode usar este algoritmo para identificar tendências nos dados.
Nota
174
●
O pacote "rpart" que faz parte do R 2.15 não processa nomes de coluna com espaço nem caracteres
especiais. O pacote "rpart" suporta apenas formato de nome de coluna de entrada suportado pelo
dataframe R.
●
Nomes de coluna independente usados durante a pontuação do modelo devem ser iguais aos nomes de
coluna independente usados durante a criação do modelo.
●
Nomes de coluna que contenham espaços ou qualquer outro caractere especial diferente de ponto (.)
não são suportados.
PUBLIC
reservados.
Propriedades do algoritmo R de árvore CNR
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
previstos.
●
de destino.
Recursos
tar a análise.
Valores em falta
●
Rpart: o algoritmo exclui todas as observações que não
têm a coluna dependente. No entanto, ele retém as ob
servações para as quais uma ou mais colunas indepen
dentes estão em falta.
●
dente.
●
●
Tipo de algoritmo
cute.
Valores possíveis:
●
Classificação: use este tipo - se a variável dependente ti
ver valores de categoria.
●
Regressão: use este tipo - se a variável dependente tiver
valores numéricos.
Divisão mínima
Insira um número mínimo de observações necessárias para
divisão de um nó. O valor predeterminado é 10.
Critérios de divisão
Selecione os critérios de divisão do nó.
Valores possíveis:
●
Gini: impureza Gini
●
Informações: ganho de informações.
PUBLIC
reservados.
175
Propriedade
Descrição
valores previstos.
Parâmetro de complexidade
Insira o parâmetro de complexidade que economiza o tempo
de cálculo, evitando qualquer divisão que não melhore o
ajuste. O valor predeterminado é 0,005.
Insira o nível máximo do nó na árvore final com o nó raiz com
putado como nível 0.
Nota
Se a profundidade máxima for maior que 30, o algoritmo
não produz os resultados esperados (em máquinas de 32
bits).
Validação cruzada
Insira o número de validações cruzadas. Um valor maior de
validação cruzada aumenta o tempo de cálculo e produz re
sultados mais precisos.
Probabilidade prioritária
Insira o vetor de probabilidades prioritárias.
Utilizar substituto
Selecione o substituto para usar no processo de repartição.
Valores possíveis:
●
Exibir apenas - uma observação com um valor em falta
para a regra de divisão primária não será enviada aos ní
veis inferiores da árvore.
●
Utilizar substituto - use esta opção para dividir objetos
sem a variável principal; se todos os substitutos estive
rem em falta, a observação não será dividida.
●
Interromper se estiver em falta - se todos os substitutos
estiverem em falta, a observação será enviada na direção
majoritária.
Estilo de substituto
Insira o estilo que controla a seleção do melhor substituto.
Valores possíveis:
●
Usar classificação correta total - o algoritmo usa o nú
mero total de classificações corretas para encontrar uma
variável substituta potencial.
●
Usar percentual de casos que não estão em falta - o algo
ritmo usa o percentual de casos que não estão em falta,
classificados para encontrar um substituto potencial.
Substituto máximo
Insira o número máximo de substitutos a ser retido em cada
nó de uma árvore.
Mostrar probabilidade
Selecione a caixa de seleção Mostrar probabilidade para obter
a probabilidade de valores previstos durante a pontuação de
um modelo de classificação.
176
PUBLIC
reservados.
15.1.5
Rede neural
15.1.5.1
R de rede neural MONMLP
As propriedades que podem ser configuradas para o algoritmo R de rede neural MONMLP.
Sintaxe
Use este algoritmo para previsão, classificação e reconhecimento de padrão estatístico usando as funções da
biblioteca R.
Nota
R não suporta armazenamento PMML para rede neural MONMLP.
Propriedades do algoritmo R de rede neural MONMLP
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
previstos.
●
de destino.
Recursos
tar a análise.
Neurônios da camada1 oculta
Insira o número de nós/neurônios na primeira camada oculta
(hidden1). O valor predeterminado é 5.
valores previstos.
Função de transferência de camada oculta
Selecione a função de ativação a ser usada para a camada
oculta (Th).
Função de transferência de camada de saída
Selecione a função de ativação a ser usada para a camada de
saída (To).
Derivativo de função de transferência de camada oculta
Selecione o derivativo da função de ativação de camada
oculta (Th.prime).
PUBLIC
reservados.
177
Propriedade
Descrição
Derivativo de função de transferência de camada de saída
Selecione o derivativo da função de ativação de camada de
saída (To.prime).
Neurônios da camada2 oculta
Insira o número de nós/neurônios na segunda camada oculta
(hidden2). O valor predeterminado é 0.
Insira o número máximo de iterações para o algoritmo de oti
mização (iter.max). O valor predeterminado é 5000.
Colunas com monotonicidade
Insira os índices de coluna à qual você deseja aplicar a restri
ção de monotonicidade (monotone).
Iterações de treinamento
Insira o número de iterações de treinamento após as quais o
cálculo da função de custos será interrompido (iter.stopped).
Pesos iniciais
Insira um vetor de peso inicial (init.weights).
Exceções máximas
Insira o número máximo de exceções para a rotina de otimiza
ção (max.exceptions).
Escalar coluna dependente
Para escalar colunas dependentes até a média zero e variação
unitária antes do ajuste, selecione Verdadeiro (scale.y)
Agregação bootstrap necessária
Para usar a agregação bootstrap, selecione Verdadeiro (bag).
Testes para evitar mínimos locais
Insira o número de testes repetidos para evitar mínimos locais
(n.trials).
Número de membros do conjunto
Insira o número de membros do conjunto a serem ajustados
(n.ensemble)
15.1.5.2
R de rede neural NNet
As propriedades que podem ser configuradas para o algoritmo R de rede neural NNet.
Sintaxe
Use este algoritmo para previsão, classificação e reconhecimento de padrão estatístico usando as funções da
biblioteca R.
178
PUBLIC
reservados.
Propriedades do algoritmo R de rede neural NNet
Propriedade
Descrição
Modo de saída
ritmo.
Valores possíveis:
●
previstos.
●
de destino.
Recursos
tar a análise.
Valores em falta
Valores possíveis:
●
dente.
●
Manter: O algoritmo retém valores em falta.
●
Parar: o algoritmo para se um valor estiver em falta na
coluna independente ou na coluna dependente.
Neurônios da camada oculta
Insira o número de nós/neurônios na camada oculta. O valor
predeterminado é 5.
valores previstos.
Tipo de algoritmo
cute.
Ignorar camada oculta
Para adicionar conexões skip-layer da entrada para a saída,
selecione Verdadeiro.
Saída linear
Para obter uma saída linear, selecione Verdadeiro. Se você se
lecionar o tipo de algoritmo Classificação, este valor deverá
ser verdadeiro.
Usar Softmax
Selecione Verdadeiro para utilizar os ajustes "modelo de log li
near" e "probabilidade condicional máxima".
Linout, entropy, softmax e censored são mutuamente exclu
dentes.
PUBLIC
reservados.
179
Propriedade
Descrição
Usar entropia
Para utilizar o ajuste de "probabilidade condicional máxima",
selecione Verdadeiro. Por padrão, o algoritmo usa o método
dos mínimos quadrados.
Valores possíveis:
●
Verdadeiro: use o ajuste "probabilidade condicional má
xima".
●
Falso: use o método dos mínimos quadrados.
Usar Censored
Para softmax, uma linha de (0,1,1) indica um exemplo das
classes 2 e 3, mas para censored, indica um exemplo das
classes 2 ou 3.
Intervalo
Insira pesos iniciais aleatórios [-rang, rang]. Defina este valor
como 0,5 a menos que a entrada seja grande. Se a entrada for
grande, escolha o intervalo usando a fórmula: rang * max(|x|)
<= 1.
Decaimento de peso
Insira um valor usado para cálculo de novos pesos (weight de
cay).
Insira o número máximo de iterações permitidas.
Matriz hessiana necessária
Para retornar uma medida hessiana no melhor conjunto de
pesos, selecione Verdadeiro.
Pesos máximos
Insira o número máximo de pesos permitidos no cálculo.
Não existe limite intrínseco no código, mas o aumento no nú
mero de pesos pode permitir ajustes que serão bem lentos e
demorados.
Abstol
Insira o valor que indica o ajuste perfeito (abstol).
Reltol
O algoritmo termina se o otimizador não puder reduzir os cri
térios de ajuste pelo fator: 1 - reltol.
Contrastes
Insira a lista de contrastes a ser usada para fatores que apare
cem como variáveis no modelo.
15.1.6
Clustering
15.1.6.1
HANA de valor médio K
As propriedades que podem ser configuradas no algoritmo HANA de valor médio K.
Sintaxe
Use este algoritmo para formar grupos de observações relacionadas sem qualquer conhecimento anterior das
relações. O algoritmo agrupa observações em grupos k, em que k é fornecido como parâmetro de entrada. O
algoritmo atribui cada observação a clusters com base na proximidade da observação com o valor médio do
cluster. O processo continua até ocorrer a convergência dos clusters.
180
PUBLIC
reservados.
Nota
●
Você poderá obter um número diferente de clusters para cada cluster toda vez que executar o algoritmo
HANA de valor médio K. No entanto, as observações em cada cluster permanecem iguais.
●
A criação de modelos usando o algoritmo HANA de valor médio K não é suportada.
Propriedades do algoritmo HANA de valor médio K
Propriedade
Descrição
Modo de saída
ritmo.
Recursos
Selecionar as colunas de entrada com as quais você deseje
Colunas de categorias
Selecionar as colunas de entrada, que você deseje considerar
como colunas de categorias.
Pesos de categorias
Inserir os pesos de categorias.
Calcular silhueta
Selecionar essa opção para calcular valores de silhueta. Si
lhueta significa a qualidade de clustering. O valor 1 de silhueta
significa que o clustering é bom enquanto o valor 0 significa
que o clustering é ruim.
Valores em falta
●
dente.
●
Manter: o algoritmo retém o registro que contenha valo
res em falta durante o cálculo.
Número de clusters
Insira o número de grupos para clustering. O valor predeter
minado é 5.
Nome do cluster
Insira um nome para a coluna recém criada que contenha o
nome do cluster.
Distância
Insira um nome para a coluna recém-criada que contém a dis
tância dos clusters de seus nomes de centroids.
Método de cálculo do centro
Selecione o método a ser usado para cálculo inicial do centro
do cluster.
Insira o método para calcular a distância entre o item e o cen
tro do cluster.
PUBLIC
reservados.
181
Propriedade
Descrição
Número de threads
Insira o número de threads a ser usado na execução. O valor
predeterminado é 1.
Limite de saída
15.1.6.2
HANA R de valor médio K
As propriedades que podem ser configuradas no algoritmo HANA R de valor médio K.
Sintaxe
Nota
●
HANA R de valor médio K. No entanto, as observações em cada cluster permanecem iguais.
●
A criação de modelos usando o algoritmo HANA R de valor médio K não é suportada.
Propriedades do HANA R de valor médio K
Tabela 90: Propriedades do HANA R de valor médio K
Propriedade
Descrição
Modo de saída
ritmo
Recursos
Número de clusters
Insira o número de grupos para clustering. O valor predeter
minado é 5.
Nome do cluster
números do cluster.
Número de conjuntos iniciais de centro de cluster
Insira o número de conjuntos iniciais aleatórios do centro de
cluster para clustering (n inicial). O valor predeterminado é 1.
182
PUBLIC
reservados.
Propriedade
Descrição
Seed do centro de cluster inicial
Insira um valor para selecionar aleatoriamente os centros de
cluster iniciais pelos dados adquiridos.
Tipo de algoritmo
Selecione o tipo de algoritmo a ser usado para execução de
clustering do HANA R de valores médios K.
15.1.6.3
Algoritmo HANA de clustering automático
As propriedades que podem ser configuradas no algoritmo HANA de clustering automático.
Sintaxe
O algoritmo HANA de clustering automático é um algoritmo semissupervisionado ou destinado com design tal
e otimizado para revelar segmentos que sejam relacionados a uma pergunta de negócios específica. Esse
algoritmo descobre segmentos naturais ou comportamentos comuns em um conjunto de dados e fornece a
descrição para cada segmento.
Nota
Ao utilizar o algoritmo HANA de clustering automático, é recomendável que você corte os valores antes de
obter o conjunto de dados. Você pode encontrar a opção Cortar valores na seção Opções avançadas da
caixa de diálogo "Novo conjunto de dados".
O algoritmo HANA de clustering automático só está disponível no modo online (conectado ao SAP HANA). Há um
algoritmo de clustering automático disponível no modo offline.
Propriedades do algoritmo HANA de clustering automático
Propriedade
Descrição
Recursos
tar a análise.
Número mínimo de clusters
Inserir o número mínimo de clusters que você deseja utilizar
para clustering.
Número máximo de clusters
Inserir o número máximo de clusters que você deseja utilizar
para clustering.
PUBLIC
reservados.
183
Propriedade
Descrição
valores previstos.
15.1.6.4
Clustering automático
As propriedades que podem ser configuradas no algoritmo de clustering automático.
Sintaxe
O clustering automático é um algoritmo semissupervisionado ou destinado com design tal e otimizado para
revelar segmentos que sejam relacionados a uma pergunta de negócios específica. Esse algoritmo descobre
segmentos naturais ou comportamentos comuns em um conjunto de dados e fornece a descrição para cada
segmento.
Nota
Ao utilizar o algoritmo de clustering automático, é recomendável que você corte os valores antes de obter o
conjunto de dados. Você pode encontrar a opção Cortar valores na seção Opções avançadas da caixa de
diálogo "Novo conjunto de dados".
Propriedades de clustering automático
Propriedade
Descrição
Recursos
Selecionar a coluna de destino com a qual você deseja execu
tar a análise.
Número mínimo de clusters
Inserir o número mínimo de clusters que você deseja utilizar
para clustering.
Número máximo de clusters
Inserir o número máximo de clusters que você deseja utilizar
para clustering.
valores previstos.
15.1.6.5
R de valor médio K
As propriedades que podem ser configuradas no algoritmo R de valor médio K.
184
PUBLIC
reservados.
Sintaxe
Nota
●
R de valor médio K. No entanto, as observações em cada cluster permanecem iguais.
●
A criação de modelos usando o algoritmo R de valor médio K não é suportada.
Propriedades do algoritmo R de valor médio K
Tabela 93: Propriedades do algoritmo R de valor médio K
Propriedade
Descrição
Modo de saída
ritmo.
Recursos
Número de clusters
Insira o número de grupos para clustering.
Nome do cluster
Insira um nome para a coluna recém criada que contenha o
nome do cluster.
Número de conjuntos iniciais de centro de cluster
Insira o número de conjuntos iniciais aleatórios de centros de
cluster para clustering (n inicial). O valor predeterminado é 1.
Seed do centro de cluster inicial
Insira um valor para selecionar aleatoriamente os centros de
cluster iniciais pelos dados adquiridos.
Algoritmo
Selecione o tipo de algoritmo a ser usado para execução de
clustering de R de valores médios K.
15.1.6.6
Mapas de auto-organização HANA
As propriedades que podem ser configuradas para o algoritmo Mapas de auto-organização HANA.
Sintaxe
Um mapa de auto-organização (SOM) ou mapa de recurso de auto-organização (SOFM) é um tipo de rede
neural artificial com treinamento utilizando aprendizagem não supervisionada para produzir representação
discreta com dimensão baixa (geralmente duas dimensões) do espaço da entrada das amostras de
PUBLIC
reservados.
185
treinamento, chamada mapa. Os mapas de auto-organização são diferentes de outras redes neurais artificiais
no sentido de que usam uma função de vizinhança para preservar as propriedades topológicas do espaço de
entrada.
Isso torna os SOMs úteis para exibir visões de dimensão baixa de dados de dimensão alta, aparentando
escalamento multidimensional. O modelo foi primeiramente descrito como uma rede neural artificial pelo
professor finlandês Teuvo Kohonen, e algumas vezes é chamado de mapa Kohonen. Como a maioria das redes
neurais artificiais, os SOMs funcionam de dois modos: treinamento e mapeamento. O treinamento cria o mapa
usando exemplos de entrada. É um processo competitivo, também chamado quantização de vetor. O
mapeamento automaticamente classifica um novo vetor de entrada.
A abordagem SOM tem muitas aplicações como virtualização, clustering de documento da Web e
reconhecimento de voz.
Propriedades de mapas de auto-organização HANA
Propriedade
Descrição
Altura do mapa
Insira a altura do mapa. O valor predeterminado é 5.
Largura do mapa
Insira a largura do mapa. O valor predeterminado é 5.
Alfa
Insira um valor para a taxa de aprendizagem. O valor prede
terminado é 0,5.
Forma do mapa
Selecione a forma do mapa.
Recursos
Calcular silhueta
Nome do cluster
Insira um nome para a nova coluna que contenha os números
do cluster para o conjunto de dados informado.
Valores em falta
●
dente.
●
186
PUBLIC
reservados.
Propriedade
Descrição
Tipos possíveis:
●
Normalização não exigida
●
Nova normalização de intervalo
●
Normalização de pontuação zero
Propagação aleatória
Insira um número aleatório que deseja utilizar para executar o
cálculo. Se você inserir -1, o algoritmo selecionará um número
aleatório para cálculo. O valor predeterminado é -1.
Insira o número de iterações que você quer que o algoritmo
use para localizar os clusters. O valor predeterminado é 100.
Número de threads
15.1.6.7
HANA DB Scan
As propriedades que podem ser configuradas para o algoritmo HANA DB Scan.
Sintaxe
HANA DB Scan (Clustering espacial, baseado em densidade, de aplicações com ruído) é um algoritmo de
clustering de dados baseado em densidade. Esse algoritmo localiza um número de clusters iniciando a partir
da distribuição de densidade estimada de nós correspondentes.
DB Scan necessita de dois parâmetros: raio de scan (eps) e o número mínimo de pontos necessários para
formar um cluster (minPts). O algoritmo inicia por um ponto de partida arbitrário que não foi visitado. A
vizinhança eps desse ponto é recuperada e se um número de pontos que ela contiver for igual ou superior a
minPts, um cluster será iniciado. Caso contrário, o ponto será etiquetado como ruído. Esses dois parâmetros
são muito importantes e costumam ser determinados pelo usuário.
PAL fornece um método para determinar automaticamente esses dois parâmetros. Você pode optar por
especificar os parâmetros ou deixar que o sistema os determine.
Propriedades de HANA DB Scan
Propriedade
Descrição
Modo de saída
Selecionar o modo pelo qual você deseja utilizar a saída desse
algoritmo.
PUBLIC
reservados.
187
Propriedade
Descrição
Definir parâmetros automaticamente
Para ativar o algoritmo para determinar automaticamente os
parâmetros de radio e pontos mínimos, selecionar Verda
deiro, caso contrário selecionar Falso.
Recursos
Calcular silhueta
Nome do cluster
Inserir um nome para a nova coluna que contenha os núme
ros do cluster para o conjunto de dados (cluster) informado.
Valores em falta
Selecionar o método para manipulação dos valores em falta.
Métodos possíveis:
●
os valores em falta nas colunas independente ou depen
dente.
●
Selecionar a opção para computação da distância entre itens
e centro do cluster.
Número de threads
Inserir o número de threads que o algoritmo deva utilizar para
execução. O valor predeterminado é 1.
15.1.7
Associação
15.1.7.1
HANA Apriori
As propriedades que podem ser configuradas para o algoritmo HANA Apriori.
Sintaxe
Use este algoritmo para identificar padrões frequentes de conjuntos de itens em conjuntos de dados
transacionais volumosos para gerar regras de associação. Este algoritmo é usado para identificar quais
produtos e serviços os clientes tendem a adquirir simultaneamente. Analisando as tendências de compra dos
clientes com a análise de associação, você pode prever o comportamento futuro.
Por exemplo, a informação de que o cliente que compra sapatos tende mais a comprar meias ao mesmo
tempo pode ser representada nesta regra de associação (com um suporte mínimo e uma confiança mínima):
Sapatos=> Meias [suporte = 0.5, confiança = 0.1]
Nota
A criação de modelos usando o algoritmo Apriori HANA não é suportada.
188
PUBLIC
reservados.
Propriedades do algoritmo HANA Apriori
Propriedade
Descrição
Tipo de Apriori
Selecione Apriori.
Coluna do item
Selecione as colunas que contenham os itens que você deseja
aplicar ao algoritmo.
Coluna de TransactionID
Selecione a coluna que contenha os IDs de transação que
você deseja aplicar ao algoritmo.
Valores em falta
Valores possíveis:
●
dente.
●
Manter: o algoritmo retém os valores em falta para pro
cessamento.
Suporte
Insira um valor para o suporte mínimo de um item. O valor
Confiança
Insira um valor para a confiança mínima de regras/associação
O valor predeterminado é 0,8.
Contagem máxima de item
Insira o comprimento dos itens principais e dos itens depen
dentes na saída. O valor predeterminado é 5.
Número de threads
Insira o número de threads com o qual o algoritmo deve exe
cutar. O valor predeterminado é 1.
15.1.7.2
HANA AprioriLite
As propriedades que podem ser configuradas para o algoritmo HANA AprioriLite.
Sintaxe
transacionais volumosos para gerar regras de associação. Apriori Lite também suporta a amostragem no
algoritmo.
Nota
●
Você pode usar o HANA AprioriLite das propriedades do algoritmo HANA Apriori selecionando
AprioriLite como o Tipo a priori.
●
A criação de modelos usando o algoritmo HANA AprioriLite não é suportada.
●
Calcula apenas dois grandes conjuntos de itens.
PUBLIC
reservados.
189
Propriedades do algoritmo HANA AprioriLite
Propriedade
Descrição
Tipo de Apriori
Clique em AprioriLite.
Coluna do item
Valores em falta
●
dente.
●
Manter: o algoritmo retém os valores em falta para pro
cessamento.
Suporte
Confiança
Amostragem necessária
Selecione essa opção se deseja realizar uma amostra dos da
dos.
Porcentagem da amostragem
Insira a porcentagem da amostragem.
Recálculo necessário
Selecione essa opção se deseja recalcular o suporte e con
fiança em cada iteração.
Número de threads
Insira o número de threads a ser usado na execução.
15.1.7.3
HANA R apriori
As propriedades que podem ser configuradas para o algoritmo HANA R Apriori.
Sintaxe
transacionais volumosos para gerar regras de associação usando o pacote R "arules". Este algoritmo é usado
para identificar quais produtos e serviços os clientes tendem a adquirir simultaneamente. Analisando as
tendências de compra dos clientes com uma análise de associação, o comportamento futuro pode ser
previsto.
Sapatos=> Meias [suporte = 0.5, confiança = 0.1]
190
PUBLIC
reservados.
Propriedades do algoritmo HANA R apriori
Propriedade
Descrição
Modo de saída
ritmo.
Formato de entrada
Selecione o formato dos dados de entrada.
Colunas de item
Suporte
Insira um valor para o suporte mínimo de um item.
Confiança
Regras
Insira um nome para a nova coluna que contenha as regras
apriori para o conjunto de dados informado.
Valores de suporte
Insira um nome para a nova coluna que contenha o suporte
para as regras correspondentes.
Valores de confiança
Insira um nome para a nova coluna que contenha valores de
confiança para as regras correspondentes.
Valores de aumento
aumento para as regras correspondentes.
ID da transação
Insira um nome para a nova coluna que contenha o ID de tran
sação.
Itens
Insira um nome para a nova coluna que contenha os nomes
dos itens.
Regras correspondentes
correspondentes.
Item(ns) LE
Insira etiquetas separadas por vírgula para os itens que de
vem aparecer à esquerda das regras ou dos conjuntos de
itens.
Item(ns) LD
vem aparecer à direita das regras ou dos conjuntos de itens.
Ambos os itens
vem aparecer em ambos os lados das regras ou dos conjun
tos de itens.
Nenhum item
Insira etiquetas separadas por vírgula para os itens que não
precisam aparecer nas regras ou nos conjuntos de itens.
Aparência padrão
Insira a aparência padrão dos itens não mencionados explici
tamente.
Tipo de classificação
Selecione a opção de classificação para classificar os itens
por frequência.
Filtrar critérios
Insira um valor numérico indicando como filtrar os itens não
usados das transações. O valor predeterminado é 0,1.
PUBLIC
reservados.
191
Propriedade
Descrição
Utilizar estrutura em árvore
Para organizar transações como árvore de prefixos, selecione
Verdadeiro.
Usar HeapSort
Para usar heapsort em vez de quicksort para classificar as
transações, selecione Verdadeiro.
Otimizar memória
Para minimizar o uso da memória em vez de maximizar a ve
locidade, selecione Verdadeiro.
Carregar transações na memória
Para carregar transações na memória, selecione Verdadeiro.
15.1.7.4
R apriori
As propriedades que podem ser configuradas para o algoritmo R Apriori.
Sintaxe
transacionais volumosos para gerar regras de associação usando o pacote R "arules". Este algoritmo é usado
para identificar quais produtos e serviços os clientes tendem a adquirir simultaneamente. Analisando as
tendências de compra dos clientes com uma análise de associação, o comportamento futuro pode ser
previsto.
Sapatos=> Meias [suporte = 0,5, confiança = 0,1]
Propriedades do algoritmo R apriori
Propriedade
Descrição
Modo de saída
ritmo.
Formato de entrada
Selecione o formato dos dados de entrada.
Colunas de item
Suporte
Confiança
192
PUBLIC
reservados.
Propriedade
Descrição
Regras
apriori para o conjunto de dados informado.
Valores de suporte
Insira um nome para a nova coluna que contenha o suporte
para as regras correspondentes.
Valores de confiança
confiança para as regras correspondentes.
Valores de aumento
aumento para as regras correspondentes.
ID da transação
Insira um nome para a nova coluna que contenha o ID de tran
sação.
Itens
Insira um nome para a nova coluna que contenha os nomes
dos itens.
Regras correspondentes
correspondentes.
Item(ns) LE
vem aparecer à esquerda das regras ou dos conjuntos de
itens.
Item(ns) LD
vem aparecer à direita das regras ou dos conjuntos de itens.
Ambos os itens
vem aparecer em ambos os lados das regras ou dos conjun
tos de itens.
Nenhum item
Insira etiquetas separadas por vírgula para os itens que não
precisam aparecer nas regras ou nos conjuntos de itens.
Aparência padrão
Insira a aparência padrão dos itens não mencionados explici
tamente.
Tipo de classificação
Selecione a opção de classificação para classificar os itens
por frequência.
Filtrar critérios
Insira um valor numérico indicando como filtrar os itens não
usados das transações. O valor predeterminado é 0,1.
Utilizar estrutura em árvore
Para organizar transações como árvore de prefixos, selecione
Verdadeiro.
Usar HeapSort
Para usar heapsort em vez de quicksort para classificar as
transações, selecione Verdadeiro.
Otimizar memória
Para minimizar o uso da memória em vez de maximizar a ve
locidade, selecione Verdadeiro.
Carregar transação na memória
Para carregar transações na memória, selecione Verdadeiro.
PUBLIC
reservados.
193
15.1.8
Classificação
15.1.8.1
HANA KNN
As propriedades que podem ser configuradas para o algoritmo HANA KNN.
Sintaxe
Use este componente para classificar os objetos com base nos dados de amostra treinados. No KNN, os
objetos são classificados pela maioria dos votos da vizinhança.
Nota
A criação de modelos usando o algoritmo HANA KNN não é suportada.
Propriedades do algoritmo HANA KNN
Propriedade
Descrição
Recursos
Contagem da vizinhança
Insira o número de vizinhos a ser considerado para determi
nar distâncias. O valor predeterminado é 5.
Tipo de votação
Selecione o tipo de votação para o cálculo da contagem de vi
zinhança.
Valores em falta
●
Ignorar: o algoritmo ignora os registros que contêm valo
res em falta nos recursos ou variáveis de destino.
●
Manter: O algoritmo retém os valores em falta.
Nome do esquema
Insira o nome do esquema que contenha os dados treinados.
Nome da tabela
Insira o nome da tabela que contenha os dados treinados.
Insira as colunas de entrada que deseja considerar no treina
mento dos dados.
Coluna dependente
Insira a coluna de saída que deseja considerar no treinamento
dos dados.
de classificação.
Número de threads
Insira o número de threads utilizando aquele que deseja que o
algoritmo execute. O valor predeterminado é 1.
194
PUBLIC
reservados.
15.1.8.2
Análise ABC HANA
As propriedades que podem ser configuradas para o algoritmo Análise ABC HANA.
Sintaxe
Use esse algoritmo para classificar objetos (como clientes, empregados ou produtos) com base em uma
medida específica (como receita ou lucro). Ele sugere que os estoques de uma organização não tem o valor
igual. Portanto, os estoques podem ser agrupados em três categorias (A, B e C) por sua importância estimada.
Itens "A" são muitos importantes para uma organização. Itens "B" são de importância média, ou seja, menos
importantes que itens "A" e mais importes que itens "C". Itens "C" são o de menor importância.
A seguir há um exemplo de classificação ABC:
●
Itens "A" – 20% de contas de itens para 70% do valor de consumo anual de todos os itens.
●
Itens "B" – 30% de contas de itens para 25% do valor de consumo anual de todos os itens.
●
Itens "C" – 50% de contas de itens para 5% do valor de consumo anual de todos os itens.
Propriedades da análise ABC HANA
Propriedade
Descrição
Recursos
Valores em falta
●
●
Detalhamento da porcentagem de A
Insira a porcentagem de itens que deseja classificar no grupo
A. O valor padrão é 40. O intervalo possível é 0-100%. Certifi
que-se de que a soma das porcentagens dos itens nos grupos
A, B e C seja igual a 100%.
Detalhamento da porcentagem de B
B. O valor padrão é 30. O intervalo possível é 0-100%. Certifi
Detalhamento da porcentagem de C
C. O valor padrão é 30. O intervalo possível é 0-100%. Certifi
Número de threads
PUBLIC
reservados.
195
Propriedade
Descrição
15.1.8.3
Análise de pontuação ponderada HANA
As propriedades que podem ser configuradas para o algoritmo Análise de pontuação ponderada HANA.
Sintaxe
Uma tabela de pontuação ponderada é um método para avaliar alternativas quando a importância de cada
critério for diferente. Em uma tabela de pontuação ponderada, é fornecida a cada alternativa uma pontuação
em cada critério. Essas pontuações são então ponderadas pela importância de cada critério. Todas as
pontuações ponderadas de uma alternativa são adicionadas juntas para calcular sua pontuação ponderada
total. A alternativa com a pontuação total mais alta deve ser a melhor alternativa.
Você pode utilizar as tabelas de pontuação ponderada para criar previsões sobre o comportamento futuro do
cliente. Você primeiro deve criar um modelo com base nos dados históricos na aplicação de mineração de
dados, e então aplicar o modelo aos novos dados para ter uma previsão. A previsão, ou seja, a saída do modelo,
é chamada de uma pontuação. Você pode criar uma única pontuação para seus clientes considerando
dimensões diferentes.
Uma função definida pelas tabelas de pontuação ponderada é uma combinação linear de funções de uma
variável.
f(x1,…,xn) = w1× f 1(x1) + … + wn× f n(xn)
Análise de pontuação ponderada HANA
Propriedade
Descrição
Nome da coluna
tar a análise.
Tipo
Selecione o tipo "Discreto" se a coluna selecionada tem dados
categóricos ou selecione o tipo "Contínuo" se a coluna sele
cionada tem dados numéricos.
Pesos
Insira os pesos para a coluna selecionada. O valor predetermi
nado é 0,0.
Chaves e pontuações
Insira os valores para chaves e pontuações.
Valores em falta
196
PUBLIC
reservados.
●
●
Manter: O algoritmo retém valores em falta.
Propriedade
Descrição
Número de threads
Insira o número de threads com o qual o algoritmo deve exe
cutar. O valor predeterminado é 1.
previstos.
15.1.8.4
HANA Naive Bayes
As propriedades que podem ser configuradas para o algoritmo HANA Naive Bayes.
Sintaxe
Niave Bayes é um algoritmo de classificação baseado no teorema de Bayes. Ele estima a probabilidade
condicional de classe presumindo que os atributos são condicionalmente independentes entre si. Apesar de
sua simplicidade, o Naive Bayes funciona muito bem em áreas como classificação de documentos e filtro de
lixo eletrônico, e ele só requere uma pequena quantidade de dados de treinamento para estimar os parâmetros
necessários para classificação.
Propriedades do HANA Naive Bayes
Propriedade
Descrição
Modo de saída
ritmo.
Recursos
tar a análise.
valores previstos.
Amortecimento Laplace
Insira a constante de amortecimento para observações de
amortecimento. A constante de amortecimento deve ser um
valor duplo maior que 0. Insira 0 para desativar o amorteci
mento Laplace.
Valores em falta
Número de threads
●
●
PUBLIC
reservados.
197
15.1.8.5
Algoritmo HANA de classificação automática
As propriedades que podem ser configuradas no algoritmo HANA de classificação automática.
Sintaxe
O algoritmo HANA de classificação automática é utilizado para a classificação binária/categórica. Esse
algoritmo detecta o tipo de modelo e algoritmo utilizado para adequar-se melhor com base na variável de
destino selecionada. Ele também decide se a entrada deve ser contínua ou categórica e determina o binning
mais apropriado para variáveis. Como resultado, você pode reduzir a preparação de dados e as atividades de
teste de modelo que executar ao desenvolver um modelo preditivo. Além disso, ele também cria conjuntos de
dados de treinamento e validação para avaliação de modelo.
O algoritmo HANA de classificação automática só está disponível no modo online (conectado ao SAP HANA). Há
um algoritmo de classificação automática disponível no modo offline.
Propriedades do algoritmo HANA de classificação automática
Propriedade
Descrição
Recursos
Selecione a coluna de destino na qual você deseja executar a
análise.
Insira um nome para uma nova coluna que contenha os valo
res previstos.
15.1.8.6
Classificação automática
As propriedades que podem ser configuradas no algoritmo de classificação automática.
Sintaxe
O algoritmo de classificação automática é utilizado para a classificação binária/categórica. Esse algoritmo
detecta o tipo de modelo e algoritmo utilizado para adequar-se melhor com base na variável de destino
selecionada. Ele também decide se a entrada deve ser contínua ou categórica e determina o binning mais
apropriado para variáveis. Como resultado, você pode reduzir a preparação de dados e as atividades de teste
de modelo que executar ao desenvolver um modelo preditivo. Além disso, ele também cria conjuntos de dados
de treinamento e validação para avaliação de modelo.
198
PUBLIC
reservados.
Propriedades da classificação automática
Propriedade
Descrição
Recursos
análise.
Insira um nome para uma nova coluna que contenha os valo
res previstos.
15.1.8.7
Máquina de vetores de suporte HANA
As propriedades que podem ser configuradas para o algoritmo Máquina de vetores de suporte HANA.
Sintaxe
As máquinas de vetores de suporte (SVMs) se referem a uma família de modelos de aprendizagem
supervisionada que utiliza o conceito de vetor de suporte. Em comparação com muitos outros modelos de
aprendizagem supervisionada, as SVMs levam vantagem porque os modelos por elas produzidos podem ser
lineares ou não lineares, sendo que os últimos são realizados por uma técnica chamada Kernel Trick (Truque
de função kernel [de núcleo]).
Como na maioria dos modelos supervisionados, há fase de treinamento e fase de testes para as SVMs. Na fase
de treinamento, aprende-se sobre uma função f(x):->y onde f(∙) é uma função (pode ser não linear)
mapeando uma amostra em um DESTINO. O conjunto de treinamento consiste em pares indicados por {xi,
yi}, onde xindica uma amostra representada por vários atributos e y indica um DESTINO (informações
supervisionadas). Na fase de testes, a função aprendida f(∙) é utilizada adicionalmente para mapear uma
amostra com DESTINO desconhecido em um DESTINO previsto.
Na implementação atual em PAL, as SVMs podem ser utilizadas para as três tarefas seguintes:
●
Classificação de vetores de suporte (SVC)
A classificação é uma das tarefas mais frequentes em muitos campos, inclusive aprendizagem por
máquina, mineração de dados, visão computacional e análise de dados comerciais. Em comparação com
classificadores lineares como regressão logística, a SVC está apta a produzir limite decisório não linear que
leva a melhor precisão em alguns conjuntos de dados do mundo real. No cenário de classificação, f(∙) se
refere à função de decisão e um DESTINO se refere à "etiqueta" representada por um número real.
●
Regressão de vetores de suporte (SVR)
SVR é um outro método para análise de regressão. Em comparação com métodos clássicos de regressão
linear, como regressão de mínimos quadrados, a função de regressão em SVR pode ser não linear. No
cenário de regressão, f(∙) se refere à função de regressão e um DESTINO se refere à "resposta"
representada por um número real.
●
Ranking de vetores de suporte
Isso implementa um algoritmo de "aprendizagem de ranking" de pares que aprende sobre uma função a
partir de vários conjuntos (distintos por ID da consulta) e amostras sob ranking. No cenário de ranking,
f(∙) se refere à função de ranking e DESTINO se refere à pontuação, a partir da qual o ranking final é feito.
PUBLIC
reservados.
199
Para ranking de pares, f(∙) é aprendida de modo que é considerada a relação de pares expressando o
rank das amostras dentro de cada conjunto.
Devido ao fato da não linearidade ser realizada via Kernel Trick, além dos conjuntos de dados os parâmetros e
tipo de kernel devem também ser especificados.
Propriedades da máquina de vetores de suporte HANA
Propriedade
Descrição
Tipo de algoritmo
Selecione o tipo de análise que o algoritmo deva executar.
●
Classificação
●
Regressão
●
Ranking
Modo de saída
Selecione o modo pelo qual você deseja utilizar a saída desse
algoritmo.
Recursos
Selecione as colunas de entrada com as quais você deseje
análise.
ID da consulta
Selecione uma coluna de ID da consulta para Ranking.
Valores em falta
Valores possíveis:
●
dente.
●
Tipo de kernel
Selecione o tipo de kernel.
Gama
Insira o coeficiente gama para o kernel RBF.
Margem máxima
Insira um valor de substitutibilidade que você deseje conside
rar entre o erro e a margem de treinamento.
Grau
Insira um grau para kernel polinomial. O valor predeterminado
é 3.
Coeficiente linear
Insira um valor para coeficiente linear.
Constante de coeficiente
Insira um valor para constante de coeficiente.
Validação cruzada
Selecione essa opção para utilizar validação cruzada para cál
culo.
200
PUBLIC
reservados.
Propriedade
Descrição
Número de threads
Insira o número de threads que o algoritmo deva utilizar para
execução. O valor predeterminado é 1.
valores previstos.
15.2 Componentes de preparação de dados
Use os componentes de preparação de dados para preparar os dados para análise. Os componentes são
opcionais.
15.2.1
Fórmula
As propriedades que podem ser configuradas para o componente de preparação da fórmula.
Sintaxe
Use este componente para aplicar funções e operadores predefinidos aos dados. Todas as funções e
expressões, exceto as funções de manipulação de dados, adicionam uma nova coluna com o resultado da
fórmula.
Nota
Ao inserir uma string literal que contenha aspas simples, cada aspa dentro da string literal deve ser
acompanhada de uma barra invertida. Por exemplo, insira 'Customer's' como 'Customer\'s'.
Nota
Ao inserir o nome de uma coluna que contenha colchetes, cada colchete dentro do nome da coluna deve ser
acompanhada de uma barra invertida. Por exemplo, insira [Customer[Age]] como [Customer\[Age\]].
Propriedades da fórmula
Tabela 107: Propriedades do componente de preparação de dados
Propriedade
Descrição
Nome da fórmula
Insira um nome para a nova coluna criada aplicando a fór
mula.
PUBLIC
reservados.
201
Propriedade
Descrição
Expressão
Insira a fórmula que você deseja aplicar. Por exemplo, Ave
rage([Age]).
Exemplo
Calculando a idade média dos funcionários
Tabela Employee:
Emp ID (ID do
Emp Name (Nome
DOB (Data de
funcionário)
do funcionário)
nascimento)
Age (Idade)
Date of Joining
Date of
(Data de
Confirmation (Data
contratação)
de confirmação)
1
Laura
11/11/1986
25
12/9/2005
27/11/2005
2
Desy
12/5/1981
30
24/6/2000
10/7/2000
3
Alex
30/5/1978
33
10/10/1998
24/12/1998
4
John
6/6/1979
32
2/12/1999
20/12/1999
Para calcular a idade média dos funcionários, siga estes procedimentos:
1.
Arraste o componente Fórmula até o editor de análise.
2.
Na visão de propriedades, insira um nome para a fórmula.
Por exemplo, Average_Age.
3.
No campo Expressão, insira a fórmula: AVERAGE([Age])
4.
Selecione Validar para validar a sintaxe da fórmula.
5.
Tabela de saída:
Emp ID (ID do
Emp Name
DOB (Data de
funcionário)
(Nome do
nascimento)
Age (Idade)
funcionário)
Date of Joining
Date of
(Data de
Confirmation
Average_Age
contratação)
(Data de
confirmação)
1
Laura
11/11/1986
25
12/9/2005
27/11/2005
30
2
Desy
12/5/1981
30
24/6/2000
10/7/2000
30
3
Alex
30/5/1978
33
10/10/1998
24/12/1998
30
4
John
6/6/1979
32
2/12/1999
20/12/1999
30
Funções suportadas
Categoria
Função (Função aplicada à tabela
Descrição
Employee)
Data
202
DAYSBETWEEN
PUBLIC
reservados.
Retorna o número de dias entre duas
datas.
Categoria
Descrição
Employee)
CURRENTDATE
Retorna a data atual do sistema.
MONTHSBETWEEN
Retorna o número de meses entre duas
datas.
Por exemplo, a nova coluna contém
2,0,2,0 quando a função
MONTHSBETWEEN([Date of Joining],
[Date of Confirmation]) é aplicada à
tabela Employee.
DAYNAME
Retorna o nome do dia em formato de
string.
Monday, Saturday, Saturday, Thursday
quando a função DAYNAME([Date of
Joining]) é aplicada à tabela Employee.
DAYNUMBEROFMONTH
Retorna o número do dia de um mês
específico.
Por exemplo, 12/11/1980 retorna 12.
DAYNUMBEROFWEEK
Retorna o número do dia de uma
semana.
Por exemplo, Sunday =1, Monday=2.
DAYNUMBEROFYEAR
Retorna o número do dia de um ano.
Por exemplo, 1st Jan =1, 1st Feb=32, 3rd
Feb=34.
LASTDATEOFWEEK
Retorna a data do último dia de uma
semana.
Por exemplo, 12/9/2005 retorna
17/9/2005
LASTDATEOFMONTH
Retorna a data do último dia de um mês.
30/9/2005
MONTHNUMBEROFYEAR
Retorna o número do mês de uma data.
Por exemplo, Jan=1, Feb=2, Mar=3
WEEKNUMBEROFYEAR
Retorna o número da semana de um
ano.
QUARTERNUMBEROFDATE
Retorna o número do trimestre de uma
data.
PUBLIC
reservados.
203
Categoria
Descrição
Employee)
String
CONCAT
Concatena duas strings.
Por exemplo, CONCAT('USA',
'Australia') retorna USAAustralia.
INSTRING
Retorna verdadeiro - se a string de
pesquisa for encontrada na string de
origem.
Por exemplo, INSTRING('USA', 'US')
retorna verdadeiro.
SUBSTRING
Retorna uma substring da string de
origem.
Por exemplo, SUBSTRING('USA', 1,2)
retorna US.
Matemática
Manipulação de dados
STRLEN
Retorna o número de caracteres na
string de origem. Por exemplo,
STRLEN('Australia') retorna 9.
MÁX
Retorna o valor máximo de uma coluna.
MÍN
Retorna o valor mínimo de uma coluna.
CONTAGEM
Retorna o número de valores de uma
coluna.
SOMA
Retorna a soma dos valores de uma
coluna.
AVERAGE
Retorna a média dos valores de uma
coluna.
@REPLACE
Executa a substituição de uma string no
local.
Por exemplo,
@REPLACE([country],'USA',
'AMERICA') substitui USA por AMERICA
na coluna de países.
@BLANK
Substitui os valores em branco por um
valor específico.
Por exemplo, @BLANK([country],
'USA') substitui todos os valores em
branco por USA na coluna de países.
@SELECT
Seleciona linhas que satisfaçam a
condição dada. Você pode usar
qualquer operador condicional para
especificar a condição.
Por exemplo,
@SELECT([country]=='USA') seleciona
linhas cujo país seja igual a USA.
204
PUBLIC
reservados.
Categoria
Descrição
Employee)
Expressão condicional
IF(condição) THEN(expressão de
string/expressão matemática/
expressão condicional) ELSE(expressão
de string/expressão matemática/
expressão condicional)
Verifica se a condição é cumprida e
retorna um valor se 'verdadeiro' e outro
valor se 'falso'.
Por exemplo, IF([Date of
Joining]>12/9/2005) THEN
('Funcionário contratado após
12/09/2005') ELSE ('Funcionário
contratado em ou antes de
12/09/2005')
Nota
Expressões matemáticas contendo funções que retornem valor numérico não são suportadas. Por exemplo, a
expressão DAYNUMBEROFMONTH(CURRENTDATE())+2 não é suportada porque DAYNUMBEROFMONTH
retorna um valor numérico.
Operadores matemáticos
Use operadores matemáticos para criar fórmulas contendo colunas numéricas e/ou números. Por exemplo, a
expressão [Age] + 1 adiciona uma nova coluna com os valores 26, 31, 34, 33.
Descrição
+
Operador de adição
-
Operador de subtração
*
Operador de multiplicação
/
Operador de divisão
()
Parêntesis
^
Operador de potência
%
Operador de módulo
E
Operador de exponencial
Operadores condicionais
Use os operadores condicionais para criar expressões IF THEN ELSE ou SELECT.
Descrição
==
Igual a
PUBLIC
reservados.
205
Descrição
!=
Diferente de
<
Menor que
>
Maior que
<=
Menor que ou igual a
>=
Maior que ou igual a
Operadores lógicos
Use operadores lógicos para comparar duas condições e retornar 'verdadeiro' ou 'falso'. Por exemplo, IF([Date of
Joining]>12/9/2005 && [Age] >=25 ) THEN ('Verdadeiro') ELSE ('Falso') adiciona uma nova coluna com os
valores Verdadeiro, Falso, Falso, Falso.
Operadores lógicos
Descrição
&&
AND
||
OR
15.2.2 Amostra
As propriedades que podem ser configuradas para o componente de preparação da amostra.
Sintaxe
Use este componente para selecionar um subconjunto de dados de conjuntos de dados volumosos.
O componente Amostra suporta estes tipos de amostra:
●
Primeiro N: seleciona o primeiro registro N do conjunto de dados.
●
Último N: seleciona o último registro N do conjunto de dados.
●
Cada Nth: seleciona todo n-ésimo registro do conjunto de dados, em que N representa um intervalo. Por
exemplo, se N=2, o 2º, 4º, 6º e 8º registros são selecionados e assim por diante.
●
Aleatório simples: seleciona aleatoriamente os registros de N tamanho ou N percentual de registros de um
conjunto de dados.
●
Aleatório sistemático: neste tipo de amostra, os intervalos ou os subgrupos numéricos de amostra são
criados com base no tamanho do subgrupo numérico. O componente Amostra seleciona aleatoriamente o
n-ésimo registro do primeiro subgrupo numérico e o n-ésimo registro de cada subgrupo numérico
subsequente.
206
PUBLIC
reservados.
Propriedades da amostra
Propriedade
Descrição
Tipo de amostragem
Selecione o tipo de amostragem.
Limitar linhas por
Selecione o método para limitação das linhas.
Número de linhas
Insira o número de linhas que deseja selecionar.
Percentual de linhas
Insira a porcentagem de linhas que deseja selecionar.
Tamanho do subgrupo numérico
Insira o tamanho do subgrupo numérico em que deseja sele
cionar uma linha aleatória.
Tamanho da etapa
Insira o intervalo entre as linhas que deseja selecionar.
Máximo de linhas
Insira o número máximo de linhas que deseja selecionar.
Exemplo
Selecionando um subconjunto de dados de um conjunto de dados informado
Emp ID (ID do funcionário)
Emp Name (Nome do
DOB (Data de nascimento)
Age (Idade)
funcionário)
1
Laura
11/11/1986
25
2
Desy
12/5/1981
30
3
Alex
30/5/1978
33
4
John
6/6/1979
32
5
Ted
4/7/1987
24
6
Tom
30/6/1970
41
7
Anna
24/6/1965
46
8
Valerie
6/7/1990
21
9
Mary
19/9/1985
26
10
Martin
21/11/1986
25
Resultados da amostra:
1.
Primeiro N: para N=5
Emp Name (Nome do
Age (Idade)
funcionário)
2.
1
Laura
11/11/1986
25
2
Desy
12/5/1981
30
3
Alex
30/5/1978
33
4
John
6/6/1979
32
5
Ted
4/7/1987
24
Último N: para N=4
PUBLIC
reservados.
207
Emp Name (Nome do
Age (Idade)
funcionário)
3.
7
Anna
24/6/1965
46
8
Valerie
6/7/1990
21
9
Mary
19/9/1985
26
10
Martin
21/11/1986
25
Emp Name (Nome do
Age (Idade)
Cada Nth: intervalo=3
funcionário)
4.
3
Alex
30/5/1978
33
6
Tom
30/6/1970
41
9
Mary
19/9/1985
26
Age (Idade)
Aleatório simples: para número de linhas=2
Quaisquer duas linhas pode ser o resultado.
Emp Name (Nome do
funcionário)
5.
7
Anna
24/6/1965
46
8
Valerie
6/7/1990
21
Aleatório sistemático: tamanho do subgrupo numérico=4
Emp Name (Nome do
Age (Idade)
funcionário)
2
Desy
12/5/1981
30
6
Tom
30/6/1970
41
10
Martin
21/11/1986
25
Emp Name (Nome do
Age (Idade)
ou
funcionário)
1
Laura
11/11/1986
25
5
Ted
4/7/1987
24
9
Mary
19/9/1985
26
15.2.3 Definição de tipo de dados
As propriedades que podem ser configuradas para o componente de preparação da definição do tipo de dados.
208
PUBLIC
reservados.
Sintaxe
Use este componente para alterar o nome, o tipo de dados e o formato de data da coluna de origem.
A definição do tipo de dados facilita a preparação dos dados para torná-los adequados para uma análise
posterior.
Por exemplo:
●
Se o nome da coluna na fonte de dados for "des", isso pode não ficar claro durante a análise. Na análise, você
pode alterar o nome da coluna para "Designação", para que o usuário final entenda facilmente.
●
Se a data estiver armazenada no formato mmddaa (120201, sem qualquer separador de datas), o sistema
pode interpretá-la como um valor inteiro. Usando o componente de definição de tipo de dados, você pode
alterar o formato da data para qualquer formato válido, como mm/dd/aaaa ou dd/mm/aaaa e assim por
diante.
Para alterar o nome, o tipo de dados e o formato da data da coluna de origem, siga estes procedimentos:
1.
Adicione na análise o componente de definição de tipo de dados.
2.
Pelo menu contextual do componente, selecione Configurar propriedades.
3.
Para alterar o nome da coluna, insira um nome do alias para a coluna de origem solicitada.
4.
Para alterar o tipo de dados da coluna, selecione o tipo de dados solicitado para a coluna de origem.
5.
15.2.4 Filtro
As propriedades que podem ser configuradas para o componente de preparação do filtro.
Sintaxe
Use este componente para filtrar linhas e colunas com base em uma condição específica.
Nota
O componente de filtro no banco de dados não suporta funções e expressões avançadas.
Nota
Se você alterar a fonte de dados após configurar o componente de filtro, este ainda reterá os filtros de linha
anteriormente definidos.
PUBLIC
reservados.
209
Propriedades do filtro
Propriedade
Descrição
Colunas selecionadas
Selecione as colunas para análise.
Condição de filtro
Insira as condições de filtro.
Exemplo
Filtre a coluna "Store" da fonte de dados e aplique a condição "Profit >2000".
Loja
Receita bruta
Lucro
Land Mark
10000
1000
Spencer
20000
4500
Soch
25000
8000
1.
Desmarque a coluna "Store" das colunas selecionadas.
2.
No painel Filtro da linha, selecione a coluna Lucro.
3.
Na opção Selecionar do intervalo, insira 2000 na caixa de texto De. A caixa de texto Até deve ficar em
branco.
4.
Selecione OK.
5.
Selecione Salvar e fechar.
6.
Execute a análise.
Tabela de saída:
Receita bruta
Lucro
20000
4500
25000
8000
Sintaxe
Nota
O componente de filtro suporta apenas expressões que retornem resultado booleano.
Por exemplo, na tabela Employee abaixo:
Emp ID (ID do
Emp Name (Nome
DOB (Data de
funcionário)
do funcionário)
nascimento)
Age (Idade)
Date of Joining
Date of
(Data de
Confirmation (Data
contratação)
de confirmação)
1
Laura
11/11/1986
25
12/9/2005
27/11/2005
2
Desy
12/5/1981
30
24/6/2000
10/7/2000
3
Alex
30/5/1978
33
10/10/1998
24/10/1998
4
John
6/6/1979
32
2/12/1999
20/12/1999
210
PUBLIC
reservados.
●
A expressão DAYSBETWEEN([Date of Joining],[Date of Confirmation]) não é uma expressão de filtro
válida porque retorna um valor numérico. A utilização correta da expressão DAYSBETWEEN no filtro é
DAYSBETWEEN([Date of Joining],[Date of Confirmation]) == 14. Essa expressão seleciona as linhas onde
o número de dias entre "Date of Joining" e "Date of Confirmation" é 14. Para a tabela de empregados, a
terceira linha é selecionada.
●
DAYNAME([Date of Joining]) == 'Saturday' seleciona a segunda e terceira linhas da tabela de funcionários.
Nota
Ao inserir uma string literal que contenha aspas simples, cada aspa dentro da string literal deve ser
acompanhada de uma barra invertida. Por exemplo, insira 'Customer's' como 'Customer\'s'.
Nota
Ao inserir o nome de uma coluna que contenha colchetes, cada colchete dentro do nome da coluna deve ser
acompanhada de uma barra invertida. Por exemplo, insira [Customer[Age]] como [Customer\[Age\]].
Funções suportadas
Nota
O componente de filtro não suporta funções de manipulação de dados.
Categoria
Descrição
Employee)
Data
DAYSBETWEEN
Retorna o número de dias entre duas
datas.
CURRENTDATE
Retorna a data atual do sistema.
MONTHSBETWEEN
Retorna o número de meses entre duas
datas.
2,0,2,0 quando a função
MONTHSBETWEEN([Date of Joining],
[Date of Confirmation]) é aplicada à
tabela Employee.
DAYNAME
Retorna o nome do dia em formato de
string.
Monday, Saturday, Saturday, Thursday
quando a função DAYNAME([Date of
Joining]) é aplicada à tabela Employee.
DAYNUMBEROFMONTH
Retorna o número do dia de um mês
específico.
PUBLIC
reservados.
211
Categoria
Descrição
Employee)
DAYNUMBEROFWEEK
Retorna o número do dia de uma
semana.
Por exemplo, Sunday =1, Monday=2.
DAYNUMBEROFYEAR
Retorna o número do dia de um ano.
Por exemplo, 1st Jan =1, 1st Feb=32, 3rd
Feb=34.
LASTDATEOFWEEK
Retorna a data do último dia de uma
semana.
17/9/2005
LASTDATEOFMONTH
Retorna a data do último dia de um mês.
30/9/2005
MONTHNUMBEROFYEAR
Retorna o número do mês de uma data.
Por exemplo, Jan=1, Feb=2, Mar=3
WEEKNUMBEROFYEAR
Retorna o número da semana de um
ano.
QUARTERNUMBEROFDATE
Retorna o número do trimestre de uma
data.
String
CONCAT
Concatena duas strings.
Por exemplo, CONCAT('USA',
'Australia') retorna USAAustralia.
INSTRING
Retorna verdadeiro - se a string de
pesquisa for encontrada na string de
origem.
Por exemplo, INSTRING('USA', 'US')
retorna verdadeiro.
SUBSTRING
Retorna uma substring da string de
origem.
Por exemplo, SUBSTRING('USA', 1,2)
retorna US.
Matemática
212
MÁX
Retorna o valor máximo de uma coluna.
MÍN
Retorna o valor mínimo de uma coluna.
PUBLIC
reservados.
Categoria
Descrição
Employee)
Expressão condicional
CONTAGEM
Retorna o número de valores de uma
coluna.
SOMA
Retorna a soma dos valores de uma
coluna.
AVERAGE
Retorna a média dos valores de uma
coluna.
IF(condição) THEN(expressão de
string/expressão matemática/
expressão condicional) ELSE(expressão
de string/expressão matemática/
expressão condicional)
Verifica se a condição é cumprida e
retorna um valor se 'verdadeiro' e outro
valor se 'falso'.
Por exemplo, IF([Date of
Joining]>12/9/2005) THEN
('Funcionário contratado após
12/09/2005') ELSE ('Funcionário
contratado em ou antes de
12/09/2005')
Nota
Expressões matemáticas contendo funções que retornem valor numérico não são suportadas. Por exemplo, a
expressão DAYNUMBEROFMONTH(CURRENTDATE())==2 não é suportada porque DAYNUMBEROFMONTH
retorna um valor numérico.
Use operadores matemáticos para criar fórmulas contendo colunas numéricas e/ou números. Por exemplo, a
expressão [Age] + 1 adiciona uma nova coluna com os valores 26, 31, 34, 33.
Descrição
+
Operador de adição
-
Operador de subtração
*
Operador de multiplicação
/
Operador de divisão
()
Parêntesis
^
Operador de potência
%
Operador de módulo
E
Operador de exponencial
PUBLIC
reservados.
213
Use os operadores condicionais para criar expressões IF THEN ELSE ou SELECT.
Descrição
==
Igual a
!=
Diferente de
<
Menor que
>
Maior que
<=
Menor que ou igual a
>=
Maior que ou igual a
Operadores lógicos
Use operadores lógicos para comparar duas condições e retornar 'verdadeiro' ou 'falso'. Por exemplo, IF([Date of
Joining]>12/9/2005 && [Age] >=25 ) THEN ('Verdadeiro') ELSE ('Falso') adiciona uma nova coluna com os
valores Verdadeiro, Falso, Falso, Falso.
Operadores lógicos
Descrição
&&
AND
||
OR
15.2.5 Normalização
As propriedades que podem ser configuradas para o componente de preparação de normalização.
Sintaxe
Use este componente para normalizar os dados de atributo. Atributos de valor maior tendem a ter peso maior.
Tentativas da normalização de transformar os dados de um intervalo maior em um intervalo menor, por
exemplo, [0,1], [-1,1].
Nota
A normalização exibe apenas as colunas com valores numéricos.
O componente de normalização suporta os seguintes métodos de normalização:
●
214
Normalização Mín–Máx: executa uma transformação linear nos valores dos dados originais, e escala cada
valor para adequar-se em um intervalo específico. Enquanto realiza a normalização Mín-Máx você pode
especificar o valor Novo máximo e o valor Novo mínimo. Esta normalização é útil para garantir que valores
extremos sejam limitados a um intervalo fixo.
PUBLIC
reservados.
Nota
○
●
O valor Novo máximo deve ser maior do que o valor Novo mínimo.
Normalização pontuação Z: calculada com base na média e desvio padrão para cada atributo. Esta
normalização é útil para determinar se um valor específico está acima ou abaixo da média, e por quanto.
●
Normalização de escala decimal: A vírgula decimal do valor de cada atributo é movida de acordo com seu
valor absoluto máximo.
Propriedades da normalização
Propriedade
Descrição
Selecionar uma coluna
Selecione uma coluna que será normalizada.
Novo máximo
Insira o valor para o novo máximo. O valor predeterminado é
1.
Novo mínimo
Insira o valor para o novo mínimo. O valor predeterminado é
0.
Exemplo
Normalizando o tempo gasto para cobrir certa distância.
Tabela:
Nome
Distância (em metros)
Tempo (em segundos)
Laura
500
66
Desy
500
360
Alex
500
201
John
500
78
Ted
500
504
Para normalizar a coluna de tempo usando a normalização Mín-Máx, realize as seguintes etapas:
1.
Na visão Prever, da Lista Componente, escolha a guia Preparação de dados.
2.
Arraste o componente Normalização no editor de análise, ou clique duas vezes em Normalização.
3.
Pelo menu contextual do componente de normalização, selecione Configurar propriedades.
4.
Pela lista suspensa Selecionar uma coluna, selecione a coluna que deseja normalizar.
Nota
Você só pode selecionar colunas com valores numéricos.
Por exemplo, Tempo (em segundos).
PUBLIC
reservados.
215
5.
Na lista suspensa Método de normalização, selecione Mín-Máx.
6.
Insira os valores de Novo máximo e Novo mínimo, nesse exemplo, os valores são 0 e 1 respectivamente.
7.
Escolha Concluído, e selecione Executar.
Tabela de saída:
Nome
Tempo (em segundos)
Laura
500
0.05
Desy
500
0.30
Alex
500
0.17
John
500
0.06
Ted
500
0.42
Execute as mesmas etapas para normalização Pontuação Z e a normalização Escala decimal como
mencionado na normalização Mín-Máx. Entretanto, no caso da normalização Pontuação Z e a normalização
Escala decimal, você não precisa inserir os valores Novo máximo e Novo mínimo.
Saída de normalização Pontuação Z:
Tabela de saída:
Nome
Tempo (em segundos)
Laura
500
-0.49
Desy
500
1.77
Alex
500
0.55
John
500
-0.40
Ted
500
2.88
Saída de normalização Escala decimal:
Tabela de saída:
Nome
Tempo (em segundos)
Laura
500
0.01
Desy
500
0.04
Alex
500
0.02
John
500
0.01
Ted
500
0.05
15.2.6 Categorização HANA
As propriedades que podem ser configuradas para o componente de preparação da Categorização HANA.
Sintaxe
Categorização, também conhecida como discretização, amortece um valor de dados ordenados. Ela divide o
intervalo de uma variável numérica em conjuntos de subintervalos denominados categorias, e substitui cada
216
PUBLIC
reservados.
valor por seu número de categoria. A categorização de dados antes da execução de certos algoritmos, como
algoritmo de árvore de decisão, reduz a complexidade do modelo.
Existem quatro métodos de categorização:
●
Larguras iguais com base no número de categorias
●
Larguras iguais com base na largura de categoria
●
Profundidade igual
●
Desvio da média
E três métodos de amortecimento:
●
Amortecimento por médias de categoria: cada valor em uma categoria é substituído pelo valor de
categoria da média.
●
Amortecimento por medianas de categorização: cada valor de categorização é substituído por uma
mediana de categorização.
●
Amortecimento por limites de categoria: os valores mínimo e máximo de uma determinada categoria são
identificados como limites de categoria. Em seguida, cada valor de categoria é substituído pelo valor do
limite mais próximo.
Propriedades do componente Categorização HANA
Propriedade
Descrição
Coluna independente
Selecione a coluna de origem de entrada com a qual você de
seja executar a categorização.
Valores em falta
●
dente.
●
Manter: retém valores em falta.
Método de categorização
Selecione o Método de categorização.
Número de categorias
Insira o número de categorias necessário.
Método de amortecimento
Selecione o Método de amortecimento.
Nome da coluna categorizada
Insira um nome para a nova coluna que contenha a posição no
depósito.
Nomes de colunas com valores amortecidos
Insira o nome para a nova coluna que contenha valores amor
tecidos.
PUBLIC
reservados.
217
Exemplo
Categorização de dados em um conjunto de dados
Cidade
Temperatura
Amsterdã
6
Frankfurt
12
Guangzhou
13
Cidade do Cabo
15
Waldorf
10
Bangalore
23
Mumbai
24
Miami
30
Rio de Janeiro
32
Sydney
25
Dubai
38
Para categorizar a coluna Temperatura em larguras iguais com base no número de larguras e aplicar métodos
de amortecimento pelas médias, realize as seguintes etapas:
1.
Arraste o componente Categorização HANA até o editor de análise.
2.
Clique duas vezes em Categorização HANA ou passe o mouse sobre Categorização HANA e selecione
Configurar propriedades.
3.
Na lista suspensa Coluna independente, selecione uma coluna, por exemplo, Temperatura.
Nota
Você só pode selecionar colunas que tenham valores com dígitos numéricos.
4.
Na lista suspensa Valores em falta, selecione Ignorar.
5.
Em Método de categorização, selecione Larguras iguais com base no número de categorias.
6.
Em número de categorias, digite 4.
7.
Selecione Amortecimento necessário.
8.
Em Métodos de amortecimento, selecione Média de categoria.
9.
Em Digitar nome para a coluna recém adicionada, em Nome da coluna categorizada, insira Categoria de
temperatura.
Nota
Nomeie a coluna conforme a sua preferência ou a necessidade da análise. Esta coluna contém o valor
categorizado.
10. Em Digitar nome para a coluna recém adicionada, em Nomes da coluna com valores amortecidos, insira
Amortecimento de temperatura.
218
PUBLIC
reservados.
Nota
Nomeie a coluna conforme a sua preferência ou a necessidade da análise. Esta coluna contém o valor
amortecido.
Tabela de saída:
Cidade
Temperatura
Categoria de temperatura
Amortecimento de
temperatura
Amsterdã
6
1
8.0
Frankfurt
12
2
13.33333
Guangzhou
13
2
13.33333
Cidade do Cabo
15
2
13.33333
Waldorf
10
1
8.0
Bangalore
23
3
25.5
Mumbai
24
3
25.5
Miami
30
3
25.5
Rio de Janeiro
32
4
35.0
Sydney
25
3
25.5
Dubai
38
4
35.0
15.2.7 Normalização HANA
As propriedades que podem ser configuradas para o componente de preparação da Normalização HANA.
Sintaxe
Use este componente para normalizar os dados de atributo. A Normalização HANA escala os dados de atributo
com grande valor para ficarem em um intervalo específico, como -1.0 a 1.0, ou 0.0 a 1.0. Você pode utilizar esse
componente para análise No banco de dados. A normalização de dados é usada para classificar algoritmos
envolvendo redes neurais ou medidas de distância, como classificação e clustering do vizinho mais próximo.
Nota
Se deseja que os dados processados substituam a coluna existente, selecione Substituir coluna.
O componente de normalização suporta os seguintes métodos de normalização:
●
Normalização Mín–Máx: executa uma transformação linear nos valores dos dados originais, e escala cada
valor para adequar-se em um intervalo específico. Enquanto realiza a normalização Mín-Máx você pode
especificar o valor Novo máximo e o valor Novo mínimo. Esta normalização é útil para garantir que valores
extremos sejam limitados a um intervalo fixo.
PUBLIC
reservados.
219
Nota
○
●
O valor Novo máximo deve ser maior do que o valor Novo mínimo.
Normalização pontuação Z: calculada com base na média e no desvio padrão para cada atributo. Esta
normalização é útil para determinar se um valor específico está acima ou abaixo da média, e por quanto.
●
Normalização de escala decimal: A vírgula decimal dos valores de cada atributo é movida de acordo com
seu valor absoluto máximo.
Nota
Selecione Substituir coluna, se quiser que os dados sejam normalizados para substituir os dados da coluna
existente, na qual a normalização será executada.
Exemplo
Normalizando o tempo gasto para cobrir certa distância.
Tabela:
Nome
Tempo (em segundos)
Laura
500
66
Desy
500
360
Alex
500
201
John
500
78
Ted
500
504
Para normalizar a coluna de tempo usando a normalização Mín-Máx, realize as seguintes etapas:
1.
Na visão Prever, da Lista Componente, escolha a guia Preparação de dados.
2.
Arraste o componente Normalização no editor de análise, ou clique duas vezes em Normalização.
3.
Clique duas vezes em Normalização HANA ou passe o ponteiro do mouse sobre Normalização HANA e
selecione Configurar propriedades.
4.
Selecione as colunas que serão normalizadas.
Nota
Você só pode selecionar colunas com valores numéricos.
Por exemplo, Tempo (em segundos).
5.
Na lista suspensa Tipo de normalização, selecione Mín-Máx.
6.
Insira valores para o Novo máximo e o Novo mínimo.
7.
Escolha Concluído, e selecione Executar.
Tabela de saída:
Nome
Tempo (em segundos)
Tempo (em
segundos)_normalizado
Laura
220
500
PUBLIC
reservados.
66
0.05
Nome
Tempo (em segundos)
Tempo (em
segundos)_normalizado
Desy
500
360
0.30
Alex
500
201
0.17
John
500
78
0.06
Ted
500
504
0.42
Execute as mesmas etapas para normalização Pontuação Z e a normalização Escala decimal como
mencionado na normalização Mín-Máx. Entretanto, no caso da normalização Pontuação Z e a normalização
Escala decimal, você não precisa inserir os valores Novo máximo e Novo mínimo.
Saída de normalização Pontuação Z:
Tabela de saída:
Nome
Tempo (em segundos)
Laura
500
-0.49
Desy
500
1.77
Alex
500
0.55
John
500
-0.40
Ted
500
2.88
Saída de normalização Escala decimal:
Tabela de saída:
Nome
Tempo (em segundos)
Laura
500
0.01
Desy
500
0.04
Alex
500
0.02
John
500
0.01
Ted
500
0.05
15.2.8 Partição HANA
As propriedades que podem ser configuradas para o componente de preparação da Partição HANA.
Sintaxe
O componente da Partição HANA divide um conjunto de dados de entrada aleatoriamente em três
subconjuntos disjuntos chamados de conjuntos de treinamento, teste e validação. A proporção de cada
subconjunto é definida como um parâmetro. A união de três subconjuntos não precisa ser o conjunto de dados
inicial completo.
É possível particionar o conjunto de dados utilizando os métodos de partição a seguir:
PUBLIC
reservados.
221
●
Partição aleatória, que divide aleatoriamente todos os dados.
●
Partição estratificada, que divide cada subcategoria aleatoriamente.
No segundo caso, o conjunto de dados precisa ter pelo menos um atributo categórico (por exemplo, do tipo
varchar). O conjunto de dados inicial é subdividido de acordo com os valores categóricos diferentes desse
atributo. Cada subconjunto excluído mutuamente é dividido aleatoriamente para obter os subconjuntos de
treinamento, teste e validação. Isso garante que todos os "valores categóricos" ou "strata" estejam presentes
no subconjunto de amostra.
Propriedades da Partição HANA
Propriedade
Descrição
Método de partição
Selecione o método para particionar dados em conjuntos de
treinamento, teste e validação.
●
Aleatório
●
Estratificado
Propagação aleatória
Insira um número aleatório com o qual deseja executar o cál
culo.
Linhas de partição por
Selecione o método para particionar linhas.
●
Percentual de linhas
●
Número de linhas
Conjunto de treinamento
Insira o número de linhas ou porcentagem de linhas para o
conjunto de treinamento.
Conjunto de teste
conjunto de teste.
Conjunto de validação
conjunto de validação.
Nome da coluna de partição
particionados.
Número de threads
Inserir o número de threads que o algoritmo deva utilizar para
execução.
15.3 Gravadores de dados
Use gravadores de dados para armazenar os resultados da análise em arquivos planos ou bancos de dados para
uma análise posterior.
222
PUBLIC
reservados.
15.3.1
CSV Writer
As propriedades que podem ser configuradas para o CSV Writer.
Sintaxe
Use este componente para gravar os dados em arquivos planos, como arquivos CSV, TEXT e DAT.
Propriedades do CSV Writer
Tabela 113: Propriedades do gravador de dados
Propriedade
Descrição
Nome do arquivo
Selecione o caminho de arquivo e insira um nome para ar
quivo .csv, .dat ou .txt.
Sobregravar, se existir
Para sobregravar um arquivo existente, selecione esta opção.
Separador de colunas
Selecione um delimitador de colunas que separe os tokens de
dados no arquivo.
Inserir caractere de aspas duplas
Selecione o caractere para substituição dos separadores de
coluna ao gravar os dados.
Incluir cabeçalhos de coluna
Selecione esta opção para usar a primeira linha como cabeça
lho da coluna.
Codificação
Selecione o método criptografado em texto para gravar os da
dos.
Separador de decimal
Selecione o caractere para representação decimal em agru
pamento de dígitos.
Separador de agrupamento
Selecione o caractere para o separador de milhares.
Formato numérico
Insira o formato numérico que você deseja aplicar aos dados
numéricos.
Formato de data e hora
Selecione o formato de data que você deseja aplicar às datas.
15.3.2 JDBC Writer
As propriedades que podem ser configuradas para o JDBC Writer.
Sintaxe
Use este componente para gravar os dados em bancos de dados relacionais, como MySQL, MS SQL Server,
DB2, Oracle, SAP MaxDB e SAP HANA.
PUBLIC
reservados.
223
Propriedades do JDBC Writer
Propriedade
Descrição
Tipo de banco de dados
Selecione o tipo de banco de dados.
Caminho do driver do banco de dados
Insira o local do caminho do driver do JDBC. Por exemplo,
para gravar no banco de dados Oracle, você precisa especifi
car o local do Oracle JDBC jar (C:\ojdbc6.jar)
Nome da máquina do banco de dados
Insira o nome da máquina em que o banco de dados está ins
talado.
Número da porta
Insira o número da porta do banco de dados ou do serviço.
Nome do banco de dados
Insira o nome do banco de dados.
Nome do usuário
Insira o nome do usuário do banco de dados.
Senha
Insira a senha do usuário do banco de dados.
Tipo da tabela
Insira o tipo da tabela. Esta propriedade é aplicável durante a
gravação em banco de dados SAP HANA.
Nome da tabela
Insira o nome da tabela.
Selecione esta opção para sobregravar a tabela se ela já exis
tir.
15.3.3 HANA Writer
As propriedades que podem ser configuradas para o HANA Writer.
Sintaxe
Use este componente para gravar os dados nas tabelas de banco de dados SAP HANA.
Componente HANA Writer
Propriedade
Descrição
Nome do esquema
Selecione um esquema.
Tipo da tabela
Selecione o tipo da tabela no qual você deseja gravar os da
dos.
Nome da tabela
Insira um nome para a tabela.
Selecione esta opção para sobregravar a tabela se ela já exis
tir.
224
PUBLIC
reservados.
15.4 Modelos
Os modelos que você cria salvando o estado dos algoritmos ficam listados na seção Modelos na lista
Componentes.
Expert Analytics não contém modelos predefinidos. Portanto, a menos que você já tenha gravado um algoritmo
configurado como um modelo, a seção Modelos fica vazia.
PUBLIC
reservados.
225
Avisos de isenção importantes e informações
legais
Amostras de codificação
Qualquer codificação de software e/ou linhas/strings de códigos ("Código") incluídas nessa documentação são apenas exemplos e não estão destinadas a serem
utilizadas em um ambiente de sistema de produção. O Código serve apenas para explicar e visualizar melhor a sintaxe e regras de criação de frases da codificação
determinada. A SAP não garante a exatidão e integridade do Código fornecido aqui, e a SAP não está sujeita a erros ou danos causados pela utilização do Código, exceto
se tais danos forem causados pela SAP intencionalmente ou fruto de negligência grosseira.
Acessibilidade
As informações contidas na documentação SAP representam a visão atual da SAP sobre os critérios de acessibilidade a partir da data de publicação; não são de maneira
alguma diretrizes de vinculação sobre como garantir acessibilidade dos produtos de software. A SAP nega especificamente qualquer responsabilidade com respeito a esse
documento. No entanto, esse aviso de isenção não se aplica em casos de negligência grosseira ou transgressão deliberada da SAP. Esse documento não resulta em
nenhuma obrigação contratual direta ou indireta da SAP.
Idioma neutro em relação ao sexo
Na medida do possível, a documentação da SAP é neutra em relação ao sexo. Dependendo do contexto, o leitor será abordado diretamente com "você", ou um substantivo
neutro (como "pessoa de vendas" ou "dias úteis") é utilizado. Entretanto, se ao se referir a ambos os sexos, a terceira pessoa do singular não puder ser evitada ou um
substantivo neutro não existir, a SAP reservará o direito de utilizar a forma masculina do substantivo ou pronome. Isso garante que a documentação permaneça
compreensível.
Hyperlinks da Internet
A documentação da SAP pode conter hyperlinks para a Internet. Esses hyperlinks servem como dica de onde localizar informações relacionadas. A SAP não garante a
disponibilidade e exatidão dessas informações relacionadas ou a aptidão de servir a um propósito específico. A SAP não se responsabiliza por qualquer dano causado pela
utilização dessas informações relacionadas a menos que tais danos sejam causados por negligência grosseira ou transgressão deliberada da SAP. Todos os links são
categorizados para transparência (consulte: http://help.sap.com/disclaimer).
226
PUBLIC
reservados.
Avisos de isenção importantes e informações legais
Avisos de isenção importantes e informações legais
PUBLIC
reservados.
227
www.sap.com/contactsap
reservados.
Nenhuma parte desta publicação pode ser reproduzida ou
transmitida sob qualquer forma, ou para qualquer fim, sem a
expressa permissão da SAP SE ou uma empresa afiliada da SAP. As
informações aqui contidas poderão ser modificadas sem prévio
aviso.
Alguns produtos de software comercializados pela SAP SE e seus
distribuidores contêm componentes de software de propriedade de
outros fornecedores. As especificações nacionais dos produtos
podem variar.
Estes materiais são fornecidos pela SAP SE ou uma empresa
afiliada da SAP apenas para fins informativos, sem representações
ou garantias de qualquer tipo, e a SAP ou suas empresas afiliadas
não se responsabiliza por erros ou omissões em relação aos
materiais. As únicas garantias para os produtos ou das empresas
afiliadas SAP são aquelas definidas nas declarações expressas de
garantia que acompanham os respectivos produtos e serviços, se
houver. O conteúdo deste documento não deve ser interpretado
como constituição de garantia adicional.
SAP e outros produtos e serviços da SAP aqui mencionados, bem
como seus respectivos logotipos, são marcas ou marcas
registradas da SAP SE (ou uma empresa afiliada SAP) na Alemanha
e em outros países. Todos os outros nomes de produtos e serviços
mencionados são marcas de suas respectivas empresas.
Consulte http://www.sap.com/corporate-en/legal/copyright/
index.epx para informações e avisos adicionais relacionados a
marcas.

Guia do usuário do Expert Analytics

Transcrição

Documentos relacionados

Autorização DIREITO DE IMAGEM nova

Como inovar em um mundo tão complexo?: SAP S/4 HANA

Solution Summary Template for Industry / Industry

Configurar Microsoft Outlook 2010 para aceder ao Gmail

Para configurar o canal RBS na sua GVT HDTV siga o passo

Tutorial - Photoshop CS6-CC - Colorir imagem Preto e Branco

Evidência Clínica Completa. Busca Inteligente. Respostas Rápidas

instalacao_diag_pc2

Curso - Valorgest

SAP HANA - SAP Brasil