Guia do usuário do SAP Predictive Analysis

Transcrição

SAP Predictive Analysis
Versão do documento: 1.21 - 2014-11-19
Guia do usuário do SAP Predictive
Analysis
Tabela de conteúdo
1
Recursos da documentação do SAP Predictive Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2
Novo no SAP Predictive Analysis 1,21. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3
Sobre este guia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.1
Conteúdo do guia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2
Público alvo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4
Visão geral do SAP Predictive Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
5
Introdução ao SAP Predictive Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.1
Princípios básicos do SAP Predictive Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.2
Como iniciar o SAP Predictive Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.3
Como usar o SAP Predictive Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.3.1
Visão de designer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.3.2
Visão de resultados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.4
Como usar o SAP Predictive Analysis do início ao fim. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.5
Configuração de características avançadas do SAP Predictive Analysis. . . . . . . . . . . . . . . . . . . . . . . . 14
6
Adquirindo dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .16
6.1
Adquirir dados de uma fonte de dados para criar um conjunto de dados. . . . . . . . . . . . . . . . . . . . . . . . 16
6.1.1
Visualizando uma conexão de fonte de dados e seus documentos associados. . . . . . . . . . . . . 17
6.1.2
Adquirindo dados de uma pasta de trabalho do Excel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.1.3
Aquisição de dados de um arquivo de texto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.1.4
Adquirindo dados copiados para a área de transferência. . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
6.1.5
Adquirindo dados das visões do SAP HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.1.6
Aquisição de dados de universos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.1.7
Adquirindo dados utilizando Consulta com SQL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.1.8
Processamento de um conjunto de dados adquirido. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.1.9
Ocultar objetos da lista de objetos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .39
7
Preparando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
7.1
Preparando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
7.1.1
Sala Preparar – visualização, limpeza e manipulação de dados. . . . . . . . . . . . . . . . . . . . . . . 42
7.1.2
Editando e filtrando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
7.1.3
Criação de medidas e hierarquias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
7.1.4
Criação de medidas e dimensões calculadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7.1.5
Trabalhando com múltiplos conjuntos de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
8
Criando análises. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
8.1
Como criar uma análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
8.1.1
2
Aplicação de componentes de pré-processamento em dados. . . . . . . . . . . . . . . . . . . . . . . . 79
© 2014 SAP SE ou empresa afiliada da SAP. Todos os direitos
reservados.
Tabela de conteúdo
8.1.2
Como aplicar os algoritmos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
8.1.3
Opcional: Como armazenar os resultados da análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
8.2
Como executar a análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
8.3
Como salvar a análise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
8.4
Como excluir uma análise do documento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .83
8.5
Como visualizar os resultados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
8.6
Exportação de uma análise como um procedimento armazenado. . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
9
Adicionando um componente personalizado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
9.1
Personalizar componente R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
9.2
9.1.1
Assistente de criação do componente R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
9.1.2
Como criar um componente R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Componente PAL personalizado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
9.2.1
Assistente de criação do componente PAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
9.2.2
Criando um componente da PAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .94
10
Analisando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10.1
Como analisar os dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10.2
Gráfico de matriz de dispersão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
10.3
Gráfico de resumo estatístico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
10.4
Coordenadas paralelas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
10.5
Árvore de decisão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
10.6
Gráfico de tendência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .101
10.7
Gráfico de cluster. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .102
10.8
Gráfico de nuvem de tags Apriori. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .103
10.9
Matriz de confusão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .104
10.10
Gráfico de componente R customizado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
11
Visualizando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
11.1
Visualizando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
11.1.1
Como criar gráficos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
11.1.2
Classificando dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
11.1.3
Filtragem de dados do gráfico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
11.1.4
Aplicação de formatação condicional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
11.1.5
Como interagir com dados hierárquicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
11.1.6
Localizando medidas, dimensões e valores de dados específicos. . . . . . . . . . . . . . . . . . . . . 128
11.1.7
Visualizando medidas associadas a dimensões. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
11.1.8
Como solicitar suporte. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
11.1.9
Tipos de agregação suportados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .130
12
Criando histórias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
12.1
Criando histórias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
12.1.1
Criar histórias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
Tabela de conteúdo
reservados.
3
12.1.2
Como salvar uma história. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.1.3
Modificando uma história. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.1.4
Como explorar uma visualização em uma história. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.1.5
Como atualizar dados em uma página de infográfico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
13
Compartilhando dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
13.1
Como publicar no SAP Lumira Server. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .137
13.1.1
Como publicar histórias e conjuntos de dados no SAP Lumira Server. . . . . . . . . . . . . . . . . . 137
14
Trabalhando com modelos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
14.1
Como criar um modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
14.2
Como exportar um modelo como PMML. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
14.3
Como exportar um modelo em um arquivo .spar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .140
14.4
Exportando um modelo da PAL como procedimento armazenado. . . . . . . . . . . . . . . . . . . . . . . . . . . .141
14.4.1
Removendo o procedimento armazenado e exportado do SAP HANA. . . . . . . . . . . . . . . . . . 142
14.5
Como importar um modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
14.6
Como excluir um modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
15
Propriedades do componente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
15.1
Algoritmos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
15.2
15.3
15.4
4
15.1.1
Regressão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
15.1.2
Valores atípicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
15.1.3
Série de tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
15.1.4
Árvores de decisão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
15.1.5
Rede neural. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
15.1.6
Clustering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
15.1.7
Associação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
15.1.8
Classificação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .207
Componentes de preparação de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
15.2.1
Fórmula. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
15.2.2
Amostra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
15.2.3
Definição de tipo de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
15.2.4
Filtro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
15.2.5
Normalização. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
15.2.6
Categorização HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
15.2.7
Normalização HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
15.2.8
Partição HANA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
Gravadores de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
15.3.1
CSV Writer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
15.3.2
JDBC Writer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
15.3.3
HANA Writer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
Modelos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
reservados.
Tabela de conteúdo
1
Recursos da documentação do SAP
Predictive Analysis
A tabela a seguir fornece a lista de guias disponíveis para o SAP Predictive Analysis:
Tabela 1:
O que você quer fazer?
Então vá para...
Obter ajuda instantânea sobre como usar o SAP Pre
dictive Analysis ou encontrar informações sobre uma
função ou fluxo de trabalho.
A Ajuda online está disponível no aplicativo, da se
guinte forma:
●
Clique no ícone de Ajuda (?) em uma caixa de diá
logo ou janela.
●
Selecione
Ajuda
Ajuda .
Obtenha a documentação completa sobre como usar o Página Inicial do SAP Predictive Analysis
SAP Predictive Analysis (inglês)
Obtenha a documentação completa sobre como usar o Página Todos os produtos SAP
SAP Predictive Analysis em outro idioma
Clique em um idioma, depois selecione SAP Predictive
Analysis e a versão desejada nas listas suspensas.
Obtenha as últimas informações sobre o suporte de
software e banco de dados do SAP Predictive Analysis.
Recursos da documentação do SAP Predictive Analysis
Matriz de disponibilidade do produto SAP.
reservados.
5
2
Novo no SAP Predictive Analysis 1,21
Os seguintes recursos novos estão disponíveis nessa versão do SAP Predictive Analysis:
Novo nesta versão
Descrição
Capacidade de criação de componentes PAL
Você pode agora criar componentes SAP HANA Pre
dictive Analysis Library (PAL) customizados para que
possam ser adicionados em suas análises na sala
Previsão.
Estes componentes PAL customizados são criados
utilizando algoritmos da biblioteca do SAP HANA Pre
dictive Analysis. Os seguintes algoritmos PAL são
compatíveis atualmente com o SAP Predictive
Analysis:
6
reservados.
●
Análise ABC
●
Clustering hierárquico aglomerado
●
ARIMA
●
Categorização
●
Árvore de decisão C4.5
●
Regressão exponencial
●
Crescimento FP
●
K-Medoids
●
Naive Bayes
●
Intervalo de escala
Novo no SAP Predictive Analysis 1,21
3
Sobre este guia
3.1
Conteúdo do guia
Este guia contém as seguintes informações:
●
Uma visão geral do aplicativo
●
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 aplicativo
●
Informações sobre como criar análises e modelos
●
Informações sobre como analisar os dados usando técnicas de visualização de análise preditiva
●
Como criar quadros de síntese
●
Como compartilhar gráficos e conjuntos de dados
Nota
O SAP Predictive Analysis 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 Guia de
instalação do SAP Predictive Analysis.
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 a aplicação SAP Predictive Analysis para analisar e visualizar os dados
usando algoritmos preditivos.
Nota
Para usar a aplicação SAP Predictive Analysis, você precisa conhecer algoritmos de análise estatística e de
mineração de dados e saber usá-los.
Sobre este guia
reservados.
7
4
Visão geral do SAP Predictive Analysis
O SAP Predictive Analysis é uma solução 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.
Com o SAP Predictive Analysis, 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. Com a aplicação, você analisa os dados usando diferentes técnicas de visualização, como gráficos de
matriz de dispersão, coordenadas paralelas, gráficos de cluster e árvores de decisão.
O SAP Predictive Analysis oferece uma ampla gama de algoritmos de análise preditiva, suporta o uso de
linguagem de análise estatística de fonte aberta R e oferece recursos de mineração de dados na memória (inmemory) para um processamento eficiente de análise de dados volumosos.
Nota
O SAP Predictive Analysis 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 conectar-se 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.
8
reservados.
Visão geral do SAP Predictive Analysis
5
Introdução ao SAP Predictive Analysis
5.1
Princípios básicos do SAP Predictive Analysis
Conceitos importantes que são relevantes ao se utilizar o SAP Predictive Analysis.
Componente
Componente é a unidade básica de processamento do SAP Predictive Analysis. 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.
O SAP Predictive Analysis contém estes componentes:
●
Pré-processadores
●
Algoritmos
●
Gravadores de dados
Você pode acessar os componentes da visão de designer do painel de previsão. 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.
reservados.
9
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).
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 de análise preditiva. 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 (análise fora do banco de dados).
Nota
Para informações sobre os requisitos de hardware necessários para a execução da análise no processo,
consulte a matriz da disponibilidade de produto em http://service.sap.com/pam
10
reservados.
5.2
Como iniciar o SAP Predictive Analysis
Contexto
Para iniciar o SAP Predictive Analysis, selecione
SAP Predictive Analysis
5.3
Iniciar
Todos os Programas
SAP Business Intelligence
SAP Predictive Analysis .
Como usar o SAP Predictive Analysis
Quando você inicia o SAP Predictive Analysis, a página inicial é exibida. A página inicial contém informações para
ajudá-lo a começar a trabalhar com o aplicativo.
Também exibe a opção Experimentar amostras . Essa opção permite experimentar as funções do aplicativo
utilizando os conjuntos de dados da amostra. Você também pode visualizar os documentos de amostra do SAP
Predictive Analysis no SAP Lumira utilizando sua chave de teste de licença do SAP Predictive Analysis.
Para iniciar a análise de dados utilizando o SAP Predictive Analysis, 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.
reservados.
11
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.
12
reservados.
5.4
Como usar o SAP Predictive Analysis 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.
Etapas para trabalhar com
seus dados
Descrição
Faça a conexão com a fonte de
dados.
Se a fonte de dados for:
●
RDBMS: insira suas credenciais, conecte-se ao servidor do banco de da
dos e selecione uma fonte de dados; por exemplo, se você estiver se co
nectando ao SAP HANA, selecione uma visualização e um cubo para
construir um gráfico.
●
Arquivo simples: selecione as colunas que devem ser adquiridas, recorta
das ou exibidas e ocultadas.
●
Universo: insira suas credenciais do universo, conecte-se ao repositório
Central Management Server e selecione um universo para construir seu
gráfico.
reservados.
13
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 organizar a exibição de dados para facilitar a construção do gráfico
desta forma:
●
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 ma
nipulação
●
Crie colunas com fórmulas, usando a ampla seleção de funções disponí
veis
Analise os dados usando algorit Depois de adquiridos os dados relevantes na sala Preparar, alterne para a sala
mos de análise preditiva.
Previsão e crie uma análise para encontrar padrões nos dados e prever resul
tados futuros.
Na sala Previsão, você pode fazer o seguinte:
Salve a análise
●
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 documento com o formato de arquivo .lums na pasta do aplicativo, em
Documentos, no caminho do seu perfil.
5.5 Configuração de características avançadas do SAP
Predictive Analysis
Você pode configurar as características avançadas do aplicativo, como otimização de desempenho e habilitação
de suporte de tipo de dados para algoritmos PAL utilizando o arquivo SAPPredictiveAnalysis.ini.
Procedimento
1.
Feche o aplicativo SAP Predictive Analysis.
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.
14
reservados.
Parâmetro
Descrição
Valor padrão
-Dpa.batch.sql
Este parâmetro otimiza o desem
penho do aplicativo utilizando a
execução em lote de SQLs.
Verdadeiro
-Dpa.decimal.enabled
Este parâmetro ativa o suporte de Falso
tipo de dados decimal para algorit
mos 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 o SAP Predictive Analysis.
reservados.
15
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
opcionalmente 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. Você pode adquirir dados das seguintes fontes de dados:
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 no conjunto de dados.
Informações relacionadas
Aquisição de dados de um arquivo de texto [página 20]
16
reservados.
Adquirindo dados
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).
Adquirindo dados das visões do SAP HANA [página 24]
Você pode adquirir dados da análise SAP HANA ou de visões de cálculo.
Adquirindo dados de uma pasta de trabalho do Excel [página 18]
Adquirindo dados utilizando Consulta com SQL [página 31]
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.
Conexão a uma fonte de dados de universo [página 30]
Processamento de um conjunto de dados adquirido [página 38]
Após um conjunto de dados ter sido adquirido, você pode processá-lo.
Ocultar objetos da lista de objetos [página 39]
Utilize o arquivo de proposta de enriquecimento para impedir que as colunas específicas sejam propostas como
Medidas no aplicativo quando os dados são adquiridos.
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.
Procedimento
1.
Abra a Página inicial do aplicativo.
Se houver um documento aberto na divisão Preparar ou Compartilhar, você precisará salvá-lo e fechá-lo
antes de exibir a Página inical.
2.
Clique em Conexões.
O painel Conexões lista todas as conexões disponíveis. O painel Documentos (à direita do painel Conexões)
lista documentos associados a cada conexão.
3.
Clique duas vezes em uma conexão local da lista para exibir sua fonte de dados de destino.
Se necessário, você pode navegar até outra fonte de dados e selecioná-la.
4.
(Opcional) Para alterar a conexão para um ou mais documentos associados, execute as ações seguintes:
a.
Selecione a conexão a ser alterada.
b.
No painel direito, selecione os documentos para os quais você deseja alterar a fonte da conexão.
c.
No painel da esquerda, navegue até e selecione uma nova fonte de dados para os documentos
selecionados e clique em Aplicar.
Adquirindo dados
reservados.
17
6.1.2
Adquirindo dados de uma pasta de trabalho do Excel
Procedimento
1.
Na Página inicial, clique em Adquirir dados.
2.
Ma janela Novo conjunto de dados clique em Microsoft Excel e clique em Next.
3.
Selecione um ou mais arquivos do Excel e clique em Abrir.
Os dados dos arquivos do Excel são visualizados na janela Novo conjunto de dados.
4.
Modifique as opções do Excel para a aquisição de dados, caso necessário.
5.
Clique em Criar.
Resultados
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.
6.1.2.1
Opções de janela Novo 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.
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 dados para o novo conjunto de dados.
Planilha
Quando uma pasta de trabalho do Excel contém várias fo
lhas 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 trabalho 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 co
luna no conjunto de dados.
18
reservados.
Adquirindo dados
Opção
Descrição
Tipo de cabeçalho da tabela
Selecione ou um tipo Tabela vertical ou um Tabela de
referência cruzada.
Opções avançadas
Mostar colunas ocultas
Marque essa caixa de seleção para exibir colunas de folha
de trabalho ocultas como cabeçalho de coluna em conjunto
de dados.
Opções avançadas
Mostar linhas ocultas
Marque essa caixa de seleção para exibir linhas de folhas de
trabalho ocultas no conjunto de dados.
Opções avançadas
Detectar células
Marque essa caixa de seleção para realçar células mescla
das no conjunto de dados.
Opções avançadas
Seleção de intervalo
Se a planilha contém um ou mais intervalos nomeados, se
lecione o intervalo para aplicar as colunas adquiridas para o
conjunto de dados. Um conjunto de dados é limitado às co
lunas definidas no Intervalo.
Opções avançadas
Coluna
Para tabelas de referência cruzada, especifique o número
de colunas a ser utilizado no cabeçalho à esquerda.
Opções avançadas
Linha
Especifique o número de linhas a ser utilizado para o cabe
çalho superior.
mescladas
6.1.2.2
Excel
Adquirindo dados de várias pastas de trabalho do
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.
Procedimento
1.
2.
Ma janela Novo conjunto de dados clique em Microsoft Excel e clique em Next.
3.
Selecione um ou mais arquivos do Excel e clique em Abrir.
Os dados dos arquivos do Excel são visualizados na janela Novo conjunto de dados.
4.
No campo Nome do conjunto de dados, insira um nome para o conjunto de dados.
5.
Ao lado de Arquivos, clique em Navegar 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.
Adquirindo dados
reservados.
19
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 janela Novo conjunto de dados.
7.
(Opcional) Para exibir linhas ou colunas ocultas da folha de trabalho no conjunto de dados, clique em 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. Clique em Criar.
Resultados
Os dados são adquiridos e exibidos na divisão Preparar.
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).
Contexto
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".
20
reservados.
Adquirindo dados
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.
Procedimento
1.
2.
Na janela Novo conjunto de dados, clique em Texto e clique em Avançar.
3.
Selecione um ou mais arquivos e clique em Abrir.
Os dados dos arquivos de texto são visualizados na janela Novo conjunto de dados. Você pode ajustar essas
opções antes de adquirir os dados:
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 vá
rios arquivos, separe os caminhos de arquivos no campo Arquivo(s) com pon
tos e vírgulas, ou clique em Adicionar arquivos e selecione um ou mais arqui
vos para adicionar à seleção.
Separador
Escolha se os dados nos seus arquivos são separados por delimitadores ou
se são inseridos em colunas de largura fixa. Os delimitadores são símbolos,
como vírgulas, tabs ou espaços, que separam campos na fonte de dados e
que especificarão as colunas no conjunto de dados no SAP Lumira.
Configurar a primeira linha
com os nomes das colunas
Marque essa caixa de seleção para definir a primeira linha de dados como os
nomes de 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
O formato para as colunas numéricas no conjunto de dados.
Formato de número
Opções avançadas
O formato para as colunas de data no conjunto de dados.
Formato de data
Adquirindo dados
reservados.
21
Opção
Opções avançadas
Quebrar coluna
Descrição
Ao adquirir dados armazenados como colunas de largura fixa, o SAP Lumira
analisa o arquivo de dados e sugere larguras de coluna, em caracteres, para
separar os dados em colunas no conjunto de dados. Se as larguras sugeridas
não forem adequadas, você pode alterar essas larguras digitando valores se
parados por vírgulas.
Por exemplo, se os seus dados tiverem três colunas e se as larguras da co
luna forem de cinco, dez e quinze caracterers, você digitaria “5,10,15” no
campo Quebrar coluna. Clique em Aplicar para uma visualização do conjunto
de dados resultante,
Opções avançadas
Recortar valores
4.
Marque esse campo de seleção para remover valores iniciais e finais de nú
meros 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 es
paço) aparecerá como o cabeçalho da coluna.
Clique em Criar.
Resultados
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.
Contexto
Nota
O navegador Microsoft Internet Explorer (IE) apresenta um problema conhecido ao copiar texto da área de
transferência. Se esse problema ocorrer, utilize então um navegador suportado diferente.
22
reservados.
Adquirindo dados
Procedimento
1.
Copie o texto para a área de transferência.
2.
No aplicativo, crie um documento.
3.
Ma janela Novo conjunto de dados clique em Copiar do clipboard e clique em Next.
4.
(Opcional) Clique em Recortar espaços para remover espaços à esquerda e à direita de textos e números no
conjunto de dados, ou clique Recortar linha para remover linhas em branco do conjunto de dados e então
clique em Continuar.
Os dados da área de transferência são visualizados na janela Novo conjunto de dados. Você pode ajustar
essas opções antes de adquirir os dados:
Opção
Descrição
O nome do conjunto de dados.
Separador
Escolha se os dados na área de transferência são separados por delimitado
res ou se são inseridos em colunas de largura fixa. Os delimitadores são sím
bolos, como vírgulas, tabulações 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 os nomes das colunas
Marque essa caixa de seleção para definir a primeira linha de dados como os
nomes de 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
O formato para as colunas numéricas no conjunto de dados.
Formato de número
Opções avançadas
O formato para as colunas de data no conjunto de dados.
Formato de data
Opções avançadas
Quebrar coluna
Ao adquirir os dados armazenados como colunas de largura fixa, o aplicativo
analisa o arquivo de dados e sugere larguras de coluna, em caracteres, para
separar os dados em colunas no conjunto de dados. Se as larguras sugeridas
não forem adequadas, você pode alterar essas larguras digitando valores se
parados por vírgulas.
Por exemplo, se os seus dados tiverem três colunas e se as larguras da co
luna forem de cinco, dez e quinze caracterers, você digitaria “5,10,15” no
campo Quebrar coluna. Clique em Aplicar para uma visualização do conjunto
de dados resultante,
Adquirindo dados
reservados.
23
Opção
Descrição
Opções avançadas
Recortar valores
5.
Marque esse campo de seleção para remover valores iniciais e finais de nú
meros 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 es
paço) aparecerá como o cabeçalho da coluna.
Clique em Criar.
Resultados
6.1.5
Adquirindo dados das visões do SAP HANA
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 27]
É possível manipular dados e criar visualizações a partir de um cubo SAP HANA.
Como se conectar com o SAP HANA [página 26]
Ao se conectar com o SAP HANA, você pode ver dados e criar visualizações a partir do cubo SAP HANA.
Acessando dados do SAP BW por meio de visualizações do SAP HANA [página 28]
24
reservados.
Adquirindo dados
Você pode acessar dados SAP Business Warehouse (BW) disponíveis na visão de análise ou cálculo do SAP
HANA.
Especificando valores para variáveis e parâmetros de entrada de string do SAP HANA [página 28]
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.
6.1.5.1
Restrições para conexões com SAP HANA One
Essas restrições se aplicam ao utilizar a fonte de dados Conectar ao SAP HANA One.
Restrição
Descrição
Apenas um nível está dis
ponível para hierarquias
geográficas.
Somente um atributo único por vez pode ser utilizado ao criar uma hierarquia geo
gráfica.
Medidas com dimensões
numéricas ou de string
não podem ser criadas.
Medidas são detetadas a partir da visão analítica do SAP HANA. Elas devem ser cri
adas na visão SAP HANA , antes que o aplicativo possa automaticamente adquirí
-las.
É impossível publicar con
juntos de dados no SAP
HANA
Algumas funções não são
suportadas.
As seguintes funções do SAP HANA não recebem suporte:
●
AddMonthToDate
●
AddYearToDate
●
LastDayOfMonth
●
DayOfYear
●
Week
●
LastWord
●
ExceptLastWord
Algumas características
Quando uma visão analítica utilizar uma visão de cálculo–por exemplo, quando
não estão disponíveis para uma visão de atributo dentro de uma visão analítica tiver uma medida calculada ou
visões analíticas que utili uma ou mais colunas calculadas:
zam uma visão de cálculo.
● A visão de grade não está disponível na sala Preparar.
Adquirindo dados
●
As facetas não mostrarão valores quando uma medida for selecionada na sala
Preparar.
●
Não será possível ordenar uma medida na sala Visualizar.
reservados.
25
6.1.5.2
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.
Procedimento
1.
2.
Ma janela Novo conjunto de dados clique em Conectar com o SAP HANA One e clique em Next.
Um Novo conjunto de dados: A janela Conectar com SAP HANA aparece.
3.
Na lista do Servidor, selecione o servidor para efetuar o logon.
4.
Na caixa Instância/Porta, insira o número da porta para efetuar logon.
5.
Se você se conecta ao servidor SAP HANA inserindo credenciais, digite o seu nome de usuário e senha e
clique em Conectar.
6.
Se você se conectar ao servidor SAP HANA com o single sign on (SSO), selecione a caixa de seleção
Autenticar por sistema operacional (SSO) e clique em Conectar.
7.
Clique em Seguinte.
Um Novo conjunto de dados: A janela Visões SAP HANA aparece, exibindo as visões SAP HANA disponíveis.
8.
Amplie uma visão SAP HANA e selecione o cubo que contém seus dados.
9.
Para escolher os dados que deseja adquirir, execute uma das seguintes ações:
○
Para adquirir dimensões e medidas específicos nos dados, clique em Sequinte, selecione as dimensões e
medidas e clique em OK.
○
Para adquirir todos os dados clique em Criar.
Resultados
Restrições para conexões com SAP HANA One [página 25]
Essas restrições se aplicam ao utilizar a fonte de dados Conectar ao SAP HANA One.
26
reservados.
Adquirindo dados
6.1.5.3
Feitura de download de dados do SAP HANA
Pré-requisitos
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.
Procedimento
1.
2.
Na janela Novo conjunto de dados clique em Download do SAP HANA One e clique em Avançar.
3.
Na lista do Servidor, selecione o servidor para efetuar o logon.
4.
Na caixa Instância/Porta, insira o número da porta para efetuar logon.
5.
Se você se conecta ao servidor SAP HANA inserindo credenciais, digite o seu nome de usuário e senha e
clique em Conectar.
6.
Se você se conectar ao servidor SAP HANA com o single sign on (SSO), selecione a caixa de seleção
Autenticar por sistema operacional (SSO) e clique em Conectar.
7.
Clique em Next.
Um Novo conjunto de dados: A janela Visões SAP HANA aparece, exibindo as visões SAP HANA disponíveis.
8.
Amplie uma visão SAP HANA e selecione o cubo que contém seus dados.
9.
Para escolher os dados que deseja adquirir, execute uma das seguintes ações:
Um Novo conjunto de dados: A janela Conectar com SAP HANA aparece.
○
○
10. Expanda a visão SAP HANA que contém os dados para visualizar e selecionar o cubo que contém os dados.
11. Para escolher os dados que deseja adquirir, execute uma das seguintes ações:
○
○
Resultados
Adquirindo dados
reservados.
27
Adquirindo dados das visões do SAP HANA [página 24]
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 BW (por exemplo cubos otimizados SAP HANA, Data Store Objects (DSO) e consulta instantânea 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 sistemaSAP 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 27]
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.
Contexto
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.
28
reservados.
Adquirindo dados
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.
Procedimento
1.
Conecte com uma instância do SAP HANA no modo Download do SAP HANA ou no modo Conectar ao SAP
HANA.
2.
Selecione os dados para adquirir ou adquirir todos os dados disponíveis:
○
Para adquirir dados específicos, selecione uma visão analítica, selecione Visualizar e selecionar dados,
clique em Selecionar, selecione os valores e medidas da dimensão e clique em Processar variáveis.
Nota
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, selecione a visão e clique em 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.
Clique em uma variável ou parâmetro de entrada para selecioná-lo.
O valor da dimensão ou do parâmetro de entrada são exibidos no painel à direita.
4.
Selecione um ou mais valores e clique em Adicionar.
Para selecionar vários valores individuais, pressione e segure Ctrl e clique em cada valor. Para selecionar
um intervalo de valores, pressione e segure Shift e clique no primeiro e no último valor no intervalo.
Os valores selecionados são exibidos no painel inferior.
5.
Clique em OK.
6.
Se estiver adquirindo dados por meio de Visualizar e selecionar dados, clique em 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.
Resultados
O botão Variáveis aparece na parte superior da área de janela das facetas. Clique no botão para visualizar os
valores selecionados 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.
Adquirindo dados
reservados.
29
Arquivos do universo (.unx) para acesso BW do SAP NetWeaver são criados com o information design tool, que é
instalado com a plataforma SAP BusinessObjects Business Intelligence. Para informações sobre o information
design tool, 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
Procedimento
1.
2.
Na janela Novo conjunto de dados, clique em Universo e clique em Avançar.
3.
No painel Credenciais do universo, digite estes detalhes:
a.
Nome ou endereço IP do servidor que hospeda o servidor central de gerenciamento (CMS).
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.
Para usar o modo de autenticação do Windows AD a fim de se conectar ao CMS, anexe as duas 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
Por exemplo:
-Djava.security.auth.login.config=C:\Windows\bscLogin.conf
-Djava.security.krb5.conf=C:\Windows\krb5.ini
c.
Clique em Conectar.
Uma lista de universos disponíveis no CMS é exibida.
4.
Selecione um universo e clique em Selecionar.
5.
Na árvore do universo, selecione os objetos necessários e clique em 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:
30
○
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. Insira o tempo em segundos.
○
Recuperar linhas duplicadas: selecione essa opção para recuperar linhas duplicadas.
reservados.
Adquirindo dados
A divisão Visualizar é aberta, e você pode começar a criar gráficos e analisar dados. Caso queira modificar um
conjunto de dados primeiro, use a divisão Preparar.
6.1.6.2 Dicas para solução de problemas para conexões de
dados de universo
Esta seção descreve as mensagens de erro que você pode encontrar durante o trabalho com fontes de dados do
universo e suas possíveis causas.
Mensagem de erro
Motivos
Não é possível estabelecer conexão com Servidor central de
gerenciamento (CMS)
Esse erro pode ocorrer nas seguintes situações:
Não é possível carregar o universo selecionado.
●
O CMS está fora de operação.
●
O nome de usuário ou a senha está incorreto.
●
O tipo de autenticação está incorreto.
●
Problema de rede.
●
O universo está corrompido.
●
O CMS está fora de operação.
●
A conexão com o universo não foi configurada
corretamente.
Não é possível validar a consulta.
●
Há um problema na conexão com o banco de dados.
●
Os tipos de dados do objeto selecionado não são
compatíveis.
●
O resultado fornecido pelo servidor alcança o limite
determinado para o parâmetro de configuração
Tamanho máximo do fluxo de caracteres (MB) do Web
Intelligence Report Server.
●
Os objetos do universo não estão configurados
corretamente.
A consulta não retorna nenhum conjunto de linha
6.1.7
Os objetos selecionados geram uma consulta que retorna
dados vazios.
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.
Os seguintes pré-requisitos precisam ser atendidos antes que você possa usar a consulta com SQL:
●
Você precisa ter conhecimento sobre banco de dados e a linguagem SQL
Adquirindo dados
reservados.
31
●
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.
Para uma lista completa de middleware de banco de dados que a Consulta com SQL pode acessar, consulte oSAP
Product Availability Matrix .
Instalando drivers de acesso a dados [página 32]
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.
Conectando-se a uma fonte de dados Consulta com SQL [página 35]
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.
Especificando as propriedades de conexão da consulta com SQL [página 37]
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.
6.1.7.1
Instalando drivers de acesso a dados
Contexto
O driver de acesso dados é um arquivo .jar. Você precisa baixá-lo do site do fornecedor do banco de dados,
copiar o arquivo para uma pasta local e registrar o caminho do driver selecionando o driver no aplicativo. Você
especifica uma fonte de dados do tipo Consulta com SQL na guia Drivers SQL na página Preferências do
aplicativo. Você pode selecionar um driver de SQL instalado ou instalar o driver necessário.
32
reservados.
Adquirindo dados
Utilize um dos seguintes middlewares de banco de dados:
Middleware do banco de
dados
Para obter o driver
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 . Clique no driver apropri
ado para o seu banco de dados, salve o arquivo de instalação comprimido em seu
computador, extraia o arquivo comprimido (db2jcc.jar) em um diretório local e
execute o instalador a partir de 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 pos
teriores à 9.5. Para obter mais informações, entre em contato com o administrador
do banco de dados.
IBM Netezza
Para mais informações sobre como obter o driver correto para o aplicativo, consulte
seu administrador da Netezza.
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
. Clique no driver apropriado para o seu banco de dados, salve o arquivo de insta
lação em seu computador e execute o instalador a partir dele.
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 instalando o Microsoft JDBC 4.0 para SQL Server, o driver é pra um sis
tema operacional Windows é sqljdbc_4.0.2206.100_enu.exe. O arquivo de dri
ver sqljdbc4.jar é extraído em \sqljdbc_4.0\enu\, dentro da pasta de extra
ção especificada.
Oracle
Acesse a página de downloads de driver Oracle JDBC em http://www.oracle.com/
technetwork/database/features/jdbc/index-091264.html
Antes de poder efetuar o download de um driver, você deve criar uma conta de usu
ário gratuita. 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.
Adquirindo dados
reservados.
33
Middleware do banco de
dados
Para obter o driver
Teradata
Acesse a página de download de conectividade da Teradata em http://down
loads.teradata.com/download/connectivity/jdbc-driver . Clique no driver apropri
ado para o seu banco de dados, salve o arquivo de instalação comprimido em seu
computador, extraia o arquivo comprimido em um diretório local e execute o instala
dor a partir de seu computador.
Antes de poder efetuar o download de um driver, você deve criar uma conta de usu
ário gratuita. Se não souber qual versão do driver deve ser usada, use o driver Tera
data 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.
Procedimento
1.
Selecione Arquivo Preferências Drivers da SQL Drivers .
A página Novo conjunto de dados é exibida, listando nomes de middlewares de banco de dados e o status dos
drivers. Quando a marca de verificação estiver verde, o driver está instalado corretamente e você pode iniciar
a utilização da Consulta com SQL. Se a marca de verificação estiver vermelha, o driver não está instalado
para esse middleware e você deverá instalá-lo. Se 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.
2.
Clique em uma fonte de dados e execute umas das seguintes ações:
○
Se o middleware da fonte de dados possui uma marca de verificação verde, clique em Seguinte, insira as
informações de conexão do middleware e clique em Criar.
O driver de acesso a dados está instalado. Você não precisa executar as etapas restantes desta tarefa.
○
Se o middleware da fonte de dados tiver uma marca de seleção amarela, reinicie o aplicativo e repita a
etapa 1 desta tarefa.
Quando o middleware possuir uma marca de verificação verde, o driver de acesso a dados está instalado.
Você não precisa executar as etapas restantes desta tarefa.
○
Se o middleware da fonte de dados possui uma marca de verificação vermelha, execute as etapas
restantes desta tarefa.
3.
Se o driver do middleware não estiver configurado, clique no botão Instalar, selecione o driver do banco de
dados e clique em 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:
○
○
Se o arquivo .jar correto estiver disponível, vá para a etapa 6.
Se o arquivo .jar correto não estiver disponível, você deve efetuar o download do driver a partir do site
de suporte do fornecedor, instalar o driver, clicar em Cancelar para fechar a caixa de seleção do driver e
então efetuar o download de e instalar 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.
34
reservados.
Adquirindo dados
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, localize a pasta que contém os arquivos extraídos do driver JDBC para o middleware de
seu banco de dados. Alguns exemplos são listados da seguinte maneira:
Consulte a tabela acima para os detalhes do driver do middleware.
Middleware do banco de dados Driver
Oracle
ojdbc14.jar
MS SQL Server
sqljdbc4.jar
Teradata
terajdbc4.jar e tdgssconfig.jar
Sybase
jconn4.jar
IBM DB2
db2jcc.jar ou, para versões anteriores à 9.5: db2cc.jar e
db2jcc_license_cu.jar
IBM Netezza
nzjdbc.jar
Há uma lista completa dos drivers JDBC suportados em Product Availability Matrix no site do SAP Service
Marketplace em https://support.sap.com/pam .
7.
Reinicie o aplicativo.
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. Se você não reiniciar o aplicativo, a lista de drivers disponíveis não será atualizada.
6.1.7.2
SQL
Conectando-se a uma fonte de dados Consulta com
Pré-requisitos
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.
Procedimento
1.
Adquirindo dados
reservados.
35
2.
Na janela Novo conjunto de dados, clique em Consulta com SQL e clique em Avançar.
Uma lista de middlewares do banco de dados será exibida. Se o middleware para o banco de dados que você
deseja acessar utilizando a consulta com SQL for exibido com uma cruz vermelha, significa que o driver para
o middleware em questão não está instalado. Consulte as informações relacionadas sobre a localização e a
instalação do driver de acesso a dados. Se o middleware apresentar uma marca de seleção verde, é sinal de
que você pode começar a usar a Consulta com SQL.
3.
Clique no nome do middleware do banco de dados de destino.
○
Se o driver estiver disponível, clique em Avançar.
○
Se o driver não estiver disponível, clique em Instalar para instalar o driver de acesso a dados. Consulte as
informações relacionadas sobre a instalação de seu driver. O resto do procedimento descreve a conexão
ao seu banco de dados com um driver de acesso de dados instalado e corretamente configurado.
4.
Insira suas credenciais de logon na aba Login e, se necessário, especifique os parâmetros do driver na guia
Avançado.
5.
Clique em Criar.
O editor SQL é aberto.
6.
Digite o comando SQL para buscar as tabelas desejadas, visualize a consulta SQL e clique em Criar.
A divisão Visualizar é exibida, e você pode começar a criar gráficos e analisar dados. Caso queira modificar o
Especificando as propriedades de conexão da consulta com SQL [página 37]
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.
Usando o editor de SQL para consulta com SQL [página 36]
Instalando drivers de acesso a dados [página 32]
6.1.7.2.1
Usando o editor de SQL para consulta com SQL
É possível usar o editor de SQL para criar uma consulta com fonte de dados 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.
Nota
A aquisição de dados de tabelas do banco de dados só é permitida por meio da declaração "SELECT" do editor
de SQL.
O editor de SQL tem as seguintes opções para ajudar a selecionar tabelas para a fonte de dados:
36
reservados.
Adquirindo dados
Opções do editor de Descrição
SQL
Catálogo
Contas disponíveis para o banco de dados conectado. Expanda os nós para ver as tabe
las disponíveis. Clique duas vezes para abrir uma tabela na consulta SQL.
Consulta
Consulta de seleção para buscar tabelas. Somente a declaração "SELECT" é suportada.
Você pode adicionar nomes de tabelas ao clicar duas vezes na tabela existente no nó da
conta, no painel à esquerda.
Histórico de SQL
Mantém um log das declarações "SELECT" usadas no painel de consulta. Clique em uma
declaração para que ela seja incluída na consulta.
Visualização dos da
dos
Clique para visualizar as tabelas que são adquiridas pela declaração "SELECT".
Selecionar tudo/
nada
É possível selecionar todas as colunas ou nenhuma delas. Além disso, é possível selecio
nar colunas individualmente para aquisição.
Conectando-se a uma fonte de dados Consulta com SQL [página 35]
6.1.7.3
Especificando as propriedades de conexão da
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.
Estas opções de logon e otimização estão disponíveis:
Parâmetros de logon
Descrição
Nome de usuário
Senha
Servidor
(<host>:<port>)
Nome e porta do servidor que hospeda o banco de dados
Banco de dados
Nome do banco de dados
Parâmetros avançados
Descrição
Modo de pool de conexões
Se você estiver usando um pool de conexões, trata-se do método que deve ser
empregado para manter ativa a conexão do modo pool de conexões.
Adquirindo dados
reservados.
37
Parâmetros avançados
Descrição
Tempo limite do pool
Se o modo de pool de conexões estiver configurado como "Manter a conexão
ativa por", trata-se da duração em minutos durante a qual a conexão permane
cerá 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 tamanho da matriz de busca. Os dados são recuperados
linha por linha.
Nota
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 recupera
ção das linhas. É preciso, no entanto, que você se certifique de possuir me
mória necessária no sistema cliente.
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) carre
gadas por operação e melhor, o desempenho.
Tempo limite de login
O número de minutos antes de a tentativa de conexão atingir o tempo limite e
uma mensagem de erro ser exibida.
Propriedades do driver JDBC
Valores das propriedades do driver JDBC. É possível definir o valor de mais de
uma propriedade. Eles devem ser separados por vírgulas. Por exemplo, o se
guinte valor para as propriedades do driver JDBC define as propriedades do dri
ver oracle.jdbc.defaultNChar e
defaultNChar:oracle.jdbc.defaultNChar=true,defaultNChar=true
6.1.8
Processamento de um conjunto de dados adquirido
Após um conjunto de dados ter sido adquirido, você pode processá-lo.
Contexto
Você poderá processar as informações seguintes nos conjuntos de dados adquiridos:
●
Adicionar novas colunas que tenham sido 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.
38
reservados.
Adquirindo dados
Procedimento
1.
Abra um conjunto de dados que já tenha sido adquirido no aplicativo.
2.
Selecionar
3.
Execute uma ou várias das seguintes ações:
4.
Dados
Processar .
○
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 existente.
○
Marque ou desmarque as opções para adicionar ou remover dimensões e medidas.
○
Para modificar variáveis e parâmetros de entrada do SAP HANA, clique em Processar variáveis, insira ou
exclua valores para variáveis ou parâmetros de entrada e clique em OK.
Clique em OK.
Resultados
O conjunto de dados é atualizado com as colunas, medidas, variáveis ou dimensões adicionadas ou removidas.
6.1.9
Ocultar objetos da lista de objetos
Utilize o arquivo de proposta de enriquecimento para impedir que as colunas específicas sejam propostas como
Medidas no aplicativo quando os dados são adquiridos.
Para impedir que as colunas especificadas sejam propostas como Medidas quando seus dados são adquiridos, o
aplicativo utiliza o arquivo enrichment_suggestions.<versionnumber>.txt para definir quais colunas não
devem ser propostas como Medidas. A primeira vez que criar um documento, este arquivo é salvo em seu
diretório @user.home/.sapvi (por exemplo C:\Users\<yourusername>\.sapvi). Por padrão, os nomes da
coluna no arquivo estão em inglês. É possível definir nomes em outros idiomas ou adicionar nomes de coluna que
deseja ocultar da lista de objetos. Também é possível impedir que os objetos sejam considerados como objetos
de tempos ou objetos geográficos. O enriquecimento será processado se, nas configurações de Preferências,
você escolher utilizar a detecção automática de enriquecimentos.
Nota
Ao atualizar o aplicativo, uma nova versão do arquivo é gravada sem sobregravar seu arquivo original. Utilize o
arquivo antigo como referência para modificar o novo arquivo de sugestões. O aplicativo irá utilizar o nome do
arquivo que corresponde à versão instalada do aplicativo.
6.1.9.1
Como editar o arquivo de sugestões de
enriquecimento
Edite o arquivo de sugestões de enriquecimento para determinar quais objetos não devem ser propostos como
atributos de Medidas, Tempo ou Geografia no painel Medidas e dimensões.
Adquirindo dados
reservados.
39
Contexto
A seguinte tabela mostra as propriedades declaradas no arquivo
enrichment_suggestions.<versionnumber>.txt. É possível definir quantas regras forem necessárias no
mesmo arquivo .txt. A sintaxe é uma sintaxe Java regex. Os metadados não diferenciam letras maiúsculas de
minúsculas. Para cada regra, é necessário definir quatro propriedades como descrito na tabela abaixo.
Atributo
Descrição
objectName
Um modelo correspondente no nome do objeto (cabeçalho da coluna).
Todos os caracteres podem ser utilizados. Quando .*DIA.* é utilizado,
qualquer objeto com a string DIA é incluído na regra (SEGUNDA-FEIRA,
TERÇA-FEIRA etc).
dataType
Lista de um ou mais tipos de dados. Qualquer nome de coluna, com qual
quer um dos tipos de dados, será considerado para exclusão pelo painel
de proposta. Tipos de dados reconhecidos são:
●
integer
●
biginteger
●
double
●
string
●
date
●
boolean
Se nenhum dataType foi declarado, todos os tipos de dados são consi
derados.
enrichment
Esse é o enriquecimento onde não é desejado que os objetos apareçam;
valores: MEASURE ou TIME (objetos de hierarquia de tempo), ou GEO (ob
jetos de hierarquia geográfica).
Nenhum outro valor é permitido, exceto hide.
rule
Abaixo um exemplo do conteúdo do 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.*",
"rule":"hide"
},
{
"objectName":"(?i).*_id\\d*",
40
reservados.
Adquirindo dados
"rule":"hide"
},
{
}
"objectName":"(?i).*key.*",
"dataTypes":["integer", "biginteger",
"rule":"hide"
},
{
"objectName":"(?i).*zip.*",
"enrichment":"TIME",
"rule":"hide"
},
{
"objectName":"(?i).*_id\\d*",
"rule":"hide"
},
{
"objectName":"(?i).*key.*",
"rule":"hide"
}
]
"double"],
"double"],
"double"],
"double"],
Procedimento
1.
Abra o arquivo enrichment_suggestions.<versionnumber>.txt em um editor de texto.
2.
Edite os parâmetros conforme necessário. Para cada objeto, defina os tipos de dados, o enriquecimento e
mantenha a configuração da regra como "hide".
3.
Salve o arquivo. Não modifique o nome do arquivo.
Adquirindo dados
reservados.
41
7
Preparando dados
7.1
Preparando dados
Quando os dados são adquiridos primeiro 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 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]
Você pode converter dados de um tipo em outro. Por exemplo, você pode converter textos em números ou
datas, ou converter números em texto.
Como criar hierarquias de tempo e geográfica [página 52]
Como criar uma medida de uma coluna ou dimensão [página 57]
Você pode criar medidas a partir de um menu de contexto clicando na seta para baixo em um cabeçalho da
coluna ou clicando na engrenagem de opções de uma dimensão.
Como adicionar um conjunto de dados [página 74]
Você pode abrir múltiplos conjuntos de dados no mesmo documento, e pode adicionar um conjunto de dados
aos disponíveis no documento.
Alternando para outro conjunto de dados [página 75]
Mesclando conjuntos de dados [página 75]
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
reservados.
Preparando dados
Gráfico de área
Descrição
Painel Dados
Essa área central exibe os dados em linhas e colunas (visão em Grade) ou em facetas (vi
são Facets). É aqui onde você pode visualizar dados e aplicar as seguintes ferramentas
(quando disponíveis) a valores 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 di O painel Medidas e dimensões (localizado à esquerda da área de dados) lista as medidas e
mensões
dimensões que o aplicativo detectou nos dados. Utilize as ferramentas no painel Medidas
e dimensões para processar ou definir novas medidas e para criar hierarquias temporais e
geográficas.
Painel Ferramentas Utilize as ferramentas no painel Ferramentas de manipulação do lado direito da área de
de manipulação
dados para processar texto e converter valores em uma célula ou coluna de dados especí
fica, para criar novas colunas com fórmulas e para 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
reservados.
43
7.1.1.1
Painel Medidas e dimensões
O painel Medidas e dimensões é exibido à esquerda do painel central Dados. O painel Medidas e dimensões lista
medidas, dimensões, hierarquias e dimensões presumidas no conjunto de dados:
Objetos do painel Me
didas e dimensões
Descrição
Medida
Mapeia os dados agregados de colunas ou cálculos. As medidas são usadas para obter
o resultado calculado quando colunas diferentes são combinadas. Por exemplo, a me
dida "Receita de vendas" representa a coluna de mesmo nome que contém o valor so
mado das vendas. As medidas são detectadas e listadas automaticamente.
Hierarquias
Referências relacionadas a mais de uma coluna do conjunto de dados. Essas colunas
possuem relações hierárquicas. Por exemplo, as informações de "Ano", "Trimestre" e
"Mês" podem ser organizadas em uma estrutura hierárquica subordinadas ao objeto
"Tempo".
Atributos
Mapeamento das colunas do conjunto de dados.
Dimensões inferidas
Uma ou mais colunas criadas com base na geografia ou nos dados de tempo disponí
veis para o aplicativo a fim de oferecer suporte a uma hierarquia.
Criando medidas [página 56]
Criação de medidas e hierarquias [página 51]
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.
7.1.1.2
Painel Dados
O painel Dados é o painel central da sala Preparar que exibe seus dados. O Painel de dados é usado para
visualizar, organizar e preparar os dados para visualização. As seguintes ferramentas estão disponíveis na parte
superior do painel Dados, para ajudá-lo a gerenciar e editar seu conjunto de dados:
Ferramenta
Descrição
Lista de seleção de fontes
de dados
As fontes de dados conectadas na sessão atual estão disponíveis aqui. É possível
alternar entre os conjuntos de dados. Você também pode adicionar um novo con
junto de dados à sessão atual.
Filtros de dados
É possível definir limites para filtrar os dados de uma coluna.
Grade
Os dados são apresentados em colunas e linhas. Todas as linhas são exibidas.
44
reservados.
Preparando dados
Ferramenta
Descrição
Facetas
Os dados são apresentados em colunas, mas somente os valores únicos são exibi
dos. Os valores repetidos permanecem ocultos. As facetas podem ser úteis
quando há muitos valores repetidos.
Mostrar/Ocultar colunas
Cálculo
Você pode adicionar dimensões ou medidas calculadas.
Combinar como
●
Mesclar: É possível mesclar dados de diferentes conjuntos e exibi-los no con
junto de dados atual. Os dados devem ser compatíveis.
●
Anexar: É possível adicionar outro conjunto de dados ao atual. Os dados em
colunas comuns são anexos ao conjunto de dados atual, mas os dados nas
colunas únicas são adicionados como novas colunas.
Desfazer/Refazer
Editando e filtrando dados [página 46]
Filtrando dados em colunas e gráficos [página 49]
Criação de medidas e dimensões calculadas [página 58]
Você pode criar medidas e dimensões calculadas utilizando a linguagem de fórmula do SAP Lumira.
7.1.1.3
Painel Ferramentas de manipulação
O painel Ferramentas de manipulação, à direita da sala 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
●
Fazer edição em strings de texto
Preparando dados
reservados.
45
7.1.2
Editando e filtrando dados
Contexto
É possível usar o painel de Ferramentas de manipulação à direita do painel central, para editar e formatar os
valores em uma coluna. É possível usar o editor na visão Grade ou Faceta.
Nota
Algumas das opções disponíveis no painel de Ferramentas de manipulação também são acessíveis clicando na
seta para baixo no nome da coluna ou clicando com o botão direito do mouse no nome da coluna.
Procedimento
1.
Faça um dos seguintes procedimentos:
Para editar todos os valores em uma única coluna.
Clique no cabeçalho da coluna.
Para editar todos os valores em diversas colunas.
Pressione CTRL e clique no cabeçalho de cada coluna.
Para editar um valor individual.
Clique em cada célula.
Para editar diversos valores em uma coluna.
Pressione CTRL e clique em cada uma das células.
Para editar um intervalo de caracteres ou uma palavra em
uma célula (seleção interna da célula).
Clique duas vezes na visualização Grade ou dê um lento
clique duplo na visualização Faceta e selecione um
intervalo de caracteres ou uma palavra.
Nota
Essa operação está disponível somente para valores de
caracteres.
2.
Abra o painel de Ferramentas de manipulação à direita do painel central.
Os valores específicos da coluna são exibidos na caixa Todos os valores, na parte superior do painel. É
possível selecionar um ou mais valores para edição nessa caixa, ou inserir uma sequência de pesquisa na
caixa Filtrar itens. As seleções feitas no painel do editor substituem as seleções de valor feitas diretamente na
coluna. As opções de edição de coluna dependem do tipo de dados da coluna e da existência de seleção da
coluna, da célula ou de um intervalo de caracteres dentro de uma célula. Você tem estas opções:
Ferra
menta de
edição
Descrição
Duplicar
Criar uma coluna que é uma duplicação da co
luna selecionada.
Renomear Alterar o nome da coluna.
46
reservados.
Disponível no
menu do nome
da coluna (ou no
menu do con
texto)
Disponível para ...
Carac
tere
Data
Nú
mero
Sim
Sim
Sim
Sim
Sim
Sim
Sim
Sim
Preparando dados
Ferra
menta de
edição
Descrição
Disponível no
menu do nome
da coluna (ou no
menu do con
texto)
Carac
tere
Data
Nú
mero
Remover
Remover a coluna selecionada.
Sim
Sim
Sim
Sim
Dividir
Criar uma coluna cujos valores sejam valores de Não
string exibidos após um ponto de divisão defi
nido. A divisão pode ser uma marca de pontua
ção, como vírgula ou string de texto.
Sim
Não
Não
Criar
Criar uma coluna com os tipos número e data
Não
que aplicam uma função aos valores. Por exem
plo, uma função “Plano” pode ser aplicada a
uma coluna “Margem” para criar uma coluna de
valores de margem arredondada para o número
inteiro inferior mais próximo.
Não
Sim
Sim
Definir le
tras
maiúscu
las e mi
núsculas
Alterar os valores da string para letras maiúscu Não
las ou minúsculas.
Sim
Não
Não
Não
Sim
Não
Não
Preencher
com
Especificar um caractere como prefixo ou sufixo Não
de uma string para um comprimento de carac
teres definido.
Sim
Não
Não
Converter
Co
luna
para
texto
Inserir uma cópia da coluna com valo
res como formato texto.
Sim
Não
Não
Sim
Co
luna
para
nú
mero
Inserir uma cópia da coluna com valo
res como formato número
Sim
Sim
Não
Não
Co
luna
para
data
Selecione um formato de data e depois
valide. Uma cópia da coluna é inserida
com valores como o novo formato de
data.
Sim
Sim
Não
Não
Não
Sim
Não
Não
Localizar e Fazer uma pesquisa para localizar uma string e
substituir substituí-la por outra.
Recortar
Remova os caracteres que antecedem ou se
guem uma marca de pontuação específica ou
um caractere.
Preparando dados
reservados.
47
3.
Ferra
menta de
edição
Descrição
Disponível no
menu do nome
da coluna (ou no
menu do con
texto)
Carac
tere
Data
Nú
mero
Agrupa
mento
Criar coluna na qual seja possível gerar novos
grupos de linhas (por exemplo, grupo 1, grupo 2
etc.) para organizar suas linhas. As linhas que
não estejam em grupos específicos podem ser
organizadas em um grupo com o nome de "Ou
tras" ou ser mantidas como linhas independen
tes.
Não
Sim
Sim
Sim
Seleção in Quando você clica duas vezes na visualização
Não
terna da
Grade, ou clica duas vezes lentamente na visua
célula
lização Faceta e seleciona um intervalo de ca
racteres ou uma palavra, você pode fazer o se
guinte:
Sim
Não
Não
○
Remover, substituir partes do texto
○
Criar uma nova coluna com as mesmas li
nhas mas desmarcadas (exemplo remover
"resort" de valores. )
○
Mover o texto selecionado para o começo
do valor da linha.
Clique em uma opção de edição no painel de Ferramentas de manipulação. Selecione ou digite a modificação
a ser realizada nos valores e clique em Aplicar.
7.1.2.1
Usando o painel de filtro
Você utiliza o painel de filtro para definir um filtro. Para acessar o painel de filtro, clique no cabeçalho de uma
coluna ou clique na engrenagem de propriedades da dimensão ou da medida.
Contexto
Cada filtro se aplica apenas ao gráfico para o qual foi definido.
Procedimento
1.
Para abrir o painel de filtro, execute uma das seguintes ações:
○
48
Clique na seta para baixo em um cabeçalho de coluna e selecione uma opção de filtro no menu que é
exibido.
reservados.
Preparando dados
○
2.
Clique na engrenagem de propriedades para uma dimensão ou medida e selecione uma opção de filtro a
partir do menu que é exibido.
No painel de filtro, selecione opções para dados baseados em texto:
Opção de filtragem
Descrição
Pesquisar
Para localizar um valor, insira um ou mais caracteres no campo de pes
quisa.
Valores
Lista todos os valores disponíveis. Selecione um ou mais valores nos quais
será filtrada a coluna ou dimensão.
Visualizar registros
Clique para exibir o número de ocorrências para cada valor da coluna.
Manter apenas
Selecione essa opção para manter os valores selecionados na coluna ou
dimensão. Nenhum outro valor será exibido.
Excluir valores
Selecione essa opção para excluir os valores selecionados da coluna ou di
mensão. Todos os outros valores são exibidos.
Para selecionar vários valores, pressione e segure Ctrl e clique em cada valor.
3.
Clique em OK.
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. Por exemplo, se o
gráfico mostra a receita para produtos vendidos entre 1995 e 2012, e você quer ver apenas os dados referentes
aos anos de 2010 a 2012, é possível criar um filtro com a dimensão Ano para limitar os valores exibidos referentes
ao período.
Os filtros são exibidos na barra de filtros na parte superior do painel de dados. Você pode processar filtros
diretamente a partir da barra de filtros.
Estes são os tipos de filtros que podem ser definidos:
Escopo do filtro
Descrição
Filtro do conjunto de dados
O filtro definido para a coluna aplica-se aos dados e aos gráficos que usam
os dados da coluna em questão.
Filtro de nível de visualização
O filtro é definido para um gráfico e aplica-se somente a ele. Esse filtro não é
aplicado aos dados no nível do conjunto de dados.
Filtrando dados em colunas e facetas [página 50]
Usando o painel de filtro [página 48]
Preparando dados
reservados.
49
Filtragem de dados do gráfico [página 121]
7.1.2.1.2
Filtrando dados em colunas e facetas
Contexto
Você pode criar um filtro em uma coluna ou faceta a partir do cabeçalho da coluna. O filtro aparece na barra Filtro
acima da grade de dados.
Procedimento
1.
Clique no botão Grade para exibir as colunas de suas fontes de dados.
2.
Clique na seta de propriedades no cabeçalho da coluna e selecione a opção de filtro.
O painel Filtrar é exibido. Ele contém as opções disponíveis para definir o filtro.
3.
Defina o filtro no painel Filtrar. O uso do painel Filtrar é descrito na seção "Tópicos relacionados".
Usando o painel de filtro [página 48]
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,
ou converter números em texto.
Procedimento
1.
50
Abra a caixa de diálogo de conversão de dados no painel Medidas e dimensões ou no painel Dados:
○
No painel Medidas e dimensões, clique na engrenagem ao lado de uma dimensão e selecione uma opção.
Por exemplo, selecione Converter para texto.
○
No painel Dados, clique na seta no cabeçalho de uma coluna numérica ou de data e selecione uma opção
de conversão.
reservados.
Preparando dados
Por exemplo, selecione Converter para texto.
2.
Selecione as opções exigidas e clique em OK.
7.1.2.3
Formatando números e datas
Você pode escolher um formato de exibição para as colunas da data e do número.
Contexto
Nas salas Preparar e Visualizar, você pode definir o formato de exibição para as colunas de data e número. Por
exemplo, você pode exibir números como porcentagens, utilizar a notação científica ou exibir números negativos
entre parênteses.
Procedimento
1.
2.
Abra a caixa de diálogo do formato de exibição no painel Medidas e dimensões ou no painel de Dados na sala
Preparar:
○
No painel Medidas e dimensões, clique na engrenagem ao lado de uma dimensão ou medida, e selecione
Exibir formatação.
○
No painel Dados ou na sala Preparar, clique na seta no cabeçalho de uma coluna de data ou número e
selecione Exibir formatação.
Selecione as opções de formatação e clique em 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 clicar na engrenagem de opções de uma dimensão para criar manualmente as
hierarquias indicadas.
Preparando dados
reservados.
51
Criando medidas [página 56]
7.1.3.1
Como criar hierarquias de tempo e geográfica
Contexto
É possível criar hierarquias de tempo, geográficas e personalizadas para enriquecer seu conjunto de dados. Essas
hierarquias são detectadas automaticamente quando o conjunto de dados é adquirido. No entanto, também é
possível criar as hierarquias manualmente a qualquer momento.
Para criar uma hierarquia personalizada, veja a seção Criando uma hierarquia personalizada [página 56].
Essa seção descreve a criação de hierarquias geográficas com base em nomes. Se deseja criar uma hierarquia
utilizando as coordenadas de latitude e longitude, veja Criando uma hierarquia geográfica com dados de latitude e
longitude [página 54].
Nota
As hierarquias de tempo podem ser criadas em colunas de tipo numérico e data. 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 cria hierarquias pelos menus contextuais dos cabeçalhos ou das dimensões da coluna.
Procedimento
1.
Clique na seta para baixo no cabeçalho de uma coluna ou na engrenagem de propriedades em uma dimensão.
2.
Selecione um desses pelo menu contextual:
○
○
Hierarquia geográfica
Por nomes
Criar uma hierarquia de tempo
De acordo com o tipo de hierarquia que você deseja criar, há as seguintes opções de enriquecimento da
coluna ou dimensão:
52
Opção da hierarquia
Descrição
Horário
Selecione a hierarquia de tempos. É possível selecionar as colunas a serem ma
peadas para os níveis Dia, Mês e Ano.
Geografia
Selecione os níveis da hierarquia de geografia. É possível selecionar 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 correspon
dências com o banco de dados interno de geografia usado pelo aplicativo.
reservados.
Preparando dados
3.
Opção da hierarquia
Descrição
Colunas detectadas
As colunas detectadas como possíveis correspondências são exibidas nas listas
suspensas do nível. Se nenhuma coluna for detectada, as listas ficarão vazias. É
preciso selecionar o botão "Todas as colunas" para permitir a escolha de todas as
colunas para os níveis.
Todas as colunas
Todas as colunas são exibidas nas listas suspensas do nível.
Selecione as colunas que podem corresponder aos níveis da hierarquia e clique em OK.
De acordo com o tipo de hierarquia criado, você tem o seguinte resultado:
Tipo de hierarquia
Resultado
Horário
As novas colunas de tempo selecionadas como níveis são adicionadas automatica
mente ao conjunto de dados, e a nova hierarquia de tempo é exibida na guia semân
tica Hierarquias.
Geografia
Uma caixa de solução geográfica local é exibida. As colunas que correspondem ao
banco de dados interno são indicadas em verde, as correspondências ambíguas, em
laranja, e as colunas que não têm correspondência, em vermelho.
Dimensões inferidas Colunas criadas para as hierarquias.
Para as correspondências propostas de geografia, é possível aceitar ou modificar as opções propostas para
os locais com correspondência e os locais ambíguos.
4.
5.
Para selecionar outro local, clique na linha da proposta e selecione uma destas opções:
○
Escolher: selecione para aceitar o local proposto.
○
Não encontrado: remova das opções propostas.
Clique em OK.
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.
Nota
Você pode modificar os níveis com correspondência de uma hierarquia proposta por meio do aplicativo a
qualquer momento. Clique na engrenagem de propriedades ao lado do nome da hierarquia, selecione
Editar reconciliação, altere a correspondências propostas para um nível e clique em OK.
Criando uma hierarquia geográfica com dados de latitude e longitude [página 54]
Criando uma hierarquia personalizada [página 56]
Preparando dados
reservados.
53
7.1.3.2
Criando uma hierarquia geográfica com dados de
latitude e longitude
Contexto
Se seu conjunto de dados contém informações de latitude e longitude, é possível personalizar a hierarquia
geográfica, para utilização desses dados. Os dados de latitude e longitude devem ser valores numéricos. Caso
não sejam numéricos, converta os valores da coluna por meio de uma fórmula de conversão tal como,
ToNumber(). Se as colunas de latitude e longitude contiverem valores numéricos, o aplicativo criará uma medida
para cada coluna na aquisição de dados.
Nota
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 da dimensão geográfica selecionada.
Você pode aceitar os níveis calculados na hierarquia ou substituí-los pelos níveis definidos pelo usuário, com base
nos dados de latitude e longitude.
Nota
A criação de hierarquias geográficas com dados de latitude e longitude atualmente não recebe suporte para
fontes de dados SAP HANA.
Procedimento
1.
Verifique se as medidas foram criadas para as colunas de latitude e longitude:
○
Em caso afirmativo, passe para a próxima etapa.
○
Em caso negativo, siga estas instruções:
Faça o seguinte
Descrição
Converta as colunas de 1.
latitude e longitude para 2.
dados numéricos.
3.
4.
Clique na engrenagem no cabeçalho da coluna ou dimensão da latitude.
Selecione Criar dimensão calculada. A caixa de diálogo Nova dimensão calculada é
aberta, com o nome da coluna já na fórmula. Exemplo: {column_1}.
Clique duas vezes na função ToNumber(<param>) para inseri-la na fórmula.
Mova o nome da coluna exibido na etapa b para a função ToNumber(). A fórmula inteira
deve ser agora: ToNumber({column_1}).
Defina como medidas
as novas dimensões
numéricas de latitude e
longitude.
54
5.
Digite um nome para a dimensão calculada e clique em OK.
6.
Repita essas etapas para a coluna ou dimensão de longitude.
Clique na engrenagem de prioridades para a nova dimensão numérica de latitude e selecione
Criar uma medida. Execute o mesmo processo para a nova dimensão de longitude.
reservados.
Preparando dados
2.
Clique na seta para baixo, existente no cabeçalho da coluna, ou na dimensão referente à localização
geográfica que você desejar usar como base para a hierarquia.
3.
Selecione Criar hierarquia geográfica Por latitude/longitude .
Uma caixa de detalhamento geográfico é exibida. O painel Nome do nível à direita da caixa relaciona os níveis
hierárquicos calculados pelo aplicativo. A dimensão original é exibida em vermelho e os demais níveis
hierárquicos calculados são exibidos em verde. Você pode aceitar a hierarquia proposta com base nos dados
de latitude/longitude ou personalizar os níveis. As propriedades de cada nível são exibidas no painel da
esquerda. Clique em um nível para ver as propriedades no painel da esquerda. Você tem estas propriedades:
4.
5.
Nível da propriedade
Descrição
Categoria
Definição do nível. Ela é calculada com base nos dados de
latitude/longitude ou pode ser definida pelo usuário,
quando a coluna usada como base para o nível é
selecionada.
Coluna
Disponível para níveis definidos pelos usuários. Você deve
selecionar uma coluna para o nível de hierarquia.
Latitude
selecionar os dados de latitude que deseja usar no nível.
Longitude
selecionar os dados de longitude que deseja usar no nível.
Tipo de nível
O nome do nível na hierarquia.
Você pode:
○
Se quiser aceitar os níveis calculados propostos, clique em OK.
○
Se quiser personalizar os níveis propostos, passe para a próxima etapa.
Clique em um nível e faça o seguinte:
a.
Selecione Definido pelo usuário na lista suspensa "Categoria" e selecione nas outras listas suspensas, as
propriedades para o nível.
b.
Clique nas setas para cima e para baixo à esquerda de cada nível, para mover os níveis para cima ou para
baixo na hierarquia, conforme necessário.
Nota
Para remover o nível, clique no ícone X à esquerda do nível.
6.
c.
Se necessário, clique em Adicionar nível para adicionar um novo nível à hierarquia. Esse nível é usado pelo
usuário.
d.
Repita essas etapas para cada nível definido pelo usuário na hierarquia.
Clique em OK.
A nova hierarquia da localidade geográfica é adicionada à categoria "Hierarquias" no "Painel semântico".
Nota
Você pode modificar os níveis combinados de uma hierarquia proposta pelo aplicativo a qualquer
momento, da seguinte forma: Clique na engrenagem de propriedades próxima ao nome da hierarquia e
selecione Editar reconciliação. Você pode alterar as combinações propostas para qualquer nível e depois
clicar em OK.
Preparando dados
reservados.
55
7.1.3.3
Criando uma hierarquia personalizada
Contexto
Você pode criar uma hierarquia utilizando qualquer combinação de dimensões disponíveis.
Procedimento
1.
Clique na seta para baixo, existente no cabeçalho da coluna, ou na engrenagem de opções da dimensão que
você desejar usar como base para a hierarquia.
2.
Selecione Criar uma hierarquia customizada.
A caixa de diálogo Criar hierarquia é exibida. As dimensões disponíveis no painel Medidas e dimensões são
listadas no painel à esquerda. Você pode inserir uma string de pesquisa; por exemplo, as primeiras letras de
uma dimensão, para facilitar a localização de uma dimensão.
3.
Clique duas vezes em uma dimensão ou arraste uma dimensão para o painel à direita. Você pode adicionar
dimensões múltiplos à hierarquia. Utilize as setas para cima e para baixo ao lado da lista de hierarquias para
mover uma dimensão selecionada para cima ou para baixo na hierarquia.
4.
Digite um nome para a hierarquia.
5.
Clique em Criar.
A nova hierarquia customizada é exibida no painel Medidas e dimensões. Novas colunas são criadas para
cada nível da nova hierarquia.
7.1.3.4
Criando medidas
É possível criar medidas para enriquecer seu conjunto de dados. As medidas são detectas automaticamente na
coluna dos tipos de dados numéricos, quando o conjunto de dados é adquirido. Entretanto, você também pode
criar manualmente medidas a qualquer momento diretamente de uma coluna ou dimensão, ou usando o idioma
da fórmula para criar uma medida calculada.
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.
56
reservados.
Preparando dados
7.1.3.4.1
Como criar uma medida de uma coluna ou
dimensão
Contexto
Você pode criar uma medida a partir de qualquer coluna ou dimensão, com as seguintes exceções:
●
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.
Procedimento
1.
Clique na seta para baixo de um cabeçalho da coluna ou clique na engrenagem de opções para uma dimensão
que deseja utilizar como a base da medida.
2.
Selecione Criar uma medida.
Uma nova medida é criada na seção Medidas do painel Medidas e dimensões.
3.
Clique na engrenagem de opções da nova medida, selecione Alterar agregação e selecione uma das seguintes
funções agregadas:
○
Selecione Soma para retornar a soma de uma medida.
○
Selecione Mín para retornar o menor valor em um conjunto de valores.
○
Selecione Máx para retornar o maior valor em um conjunto de valores.
○
Selecione Contar (distinto) para retornar o número de valores distintos em um conjunto de valores.
○
Selecione Contar (todos) para retornar o número de valores em um conjunto de valores.
○
Selecione Média para retornar o valor médio de uma medida.
○
Selecione Nenhum para permitir que uma dimensão numérica seja utilizada como medida, sem
agregação.
Uma medida definida como Nenhum 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
Preparando dados
reservados.
57
valores de quantidades de venda, utilizar Nenhum exibe todos os pontos no gráfico de dispersão e mostra
o alcance de valores individuais que não estariam aparentes com o uso de uma função agregada.
4.
Para ver a medida aplicada aos dados no conjunto de dados, alterne para a visão Facetas.
5.
Para ver as alterações nos valores de dados causadas pela agregação, clique em uma medida.
7.1.4
Criação de medidas e dimensões calculadas
Contexto
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.
●
Use cláusulas "If...Then...Else".
●
Use o recurso de autocompletar para melhorar a velocidade de processamento.
●
Use um seletor de calendário para os parâmetros de data.
●
Copie e cole qualquer texto ou sintaxe na definição de função.
Procedimento
1.
Clique no botão Cálculo e selecione Nova dimensão calculada ou Nova medida calculada.
Você também pode criar uma medida ou dimensão calculada a partir da engrenagem de opções ao lado de
uma medida ou dimensão, ou ao selecionar Criar dimensão calculada no painel Ferramentas de manipulação.
2.
Digite um novo nome de medida ou dimensão.
3.
Clique duas vezes em medidas ou dimensões, e em funções, para inseri-las na 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 sugere os nomes
das colunas após a digitação da primeira letra.
5.
Se você estiver inserindo informações de calendário, clique no 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 nova medida ou dimensão é criada.
Exemplo
Se deseja criar uma nova dimensão que multiplica os valores na coluna <margin_gross_percent> por 100, e
arredonda até o próximo número inteiro, siga essas etapas:
58
reservados.
Preparando dados
Etapa
Descrição
Clique no botão Cálculo e selecione Nova
dimensão calculada.
A caixa de diálogo Nova dimensão calculada é exibida.
Clique duas vezes no objeto de uma dimen
são ou na função.
Isso insere a dimensão ou função no campo Fórmula. Por
exemplo, clique duas vezes em Ceil(num) .
Edite a fórmula e adicione outros objetos de
dimensão, conforme necessário.
Ceil(margin_gross_percent )*100 .
Uma nova coluna com um nome da fórmula
predefinido é criada.
A coluna é chamada Ceil(margin_gross_percent )*100.
Digite o nome de uma dimensão para sua
nova dimensão calculada.
Esse é o nome da coluna que está criando.
Clique em 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 personalizar valores em uma ou mais colunas definindo funções disponíveis na barra de fórmulas.
As funções são divididas nas seguintes categorias:
Categoria
Descrição
Agregação
Agrega dados, por exemplo, somando ou tirando a mé
dia de um conjunto de valores.
Nota
Funções de agregação são implementadas na defini
ção de 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
Funções que não se ajustam às categorias acima
Preparando dados
reservados.
59
Funções de caractere [página 60]
Uma função de caractere permite a você manipular sequências de caracteres em uma fórmula. A entrada é
uma coluna do conjunto de dados e as funções são aplicadas ao conteúdo da célula.
Funções de data e hora [página 65]
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.
Funções numéricas [página 68]
Utilize funções numéricas para retornar valores numéricos em uma fórmula.
Funções lógicas [página 71]
Você pode usar funções lógicas em uma fórmula para retornar TRUE ou FALSE.
Funções diversas [página 73]
Essas funções podem ser utilizadas em uma fórmula, mas não se encaixam em uma categoria padrão de
famílias de funções.
7.1.4.1.1
Funções de caractere
Uma função de caractere permite a você manipular sequências de caracteres em uma fórmula. A entrada é uma
coluna do conjunto de dados e as funções são aplicadas ao conteúdo da célula.
<matchExpr> like <pattern>
Essa sintaxe determina se uma string de caracteres corresponde a um padrão especificado. A pesquisa não
diferencia letras maiúsculas de minúsculas. O padrão pode incluir caracteres regulares e os seguintes caracteres
especiais:
●
"_" corresponde a um único caractere
●
"%" corresponde o zero a muitos caracteres
Antes de poder utilizar um caractere especial como um caractere regular, você deve isolá-lo, utilizando "\".
Nota
"[", "^", "-" e "]" estão reservados para um uso futuro.
●
matchExpr: Expressão de string para pesquisar
●
pattern: Constante da string do padrão a ser pesquisada para
Esta fórmula retorna true: "Hiking is fun" like "H% is _un".
Concatenate(str1, str2)
Esta sintaxe concatena duas strings em uma única string. O operador + também pode concatenar strings.
60
reservados.
Preparando dados
●
str1: primeira string
●
str2: segunda string
Esta fórmula retorna "MrBrown": Concatenate("Mr", "Brown").
Contain (<whereStr>, <whatStr>)
Essa sintaxe retorna ocorrências de uma string em outra string. A pesquisa não diferencia letras maiúsculas de
minúsculas.
●
whereStr: string em que uma pesquisa é conduzida
●
whatStr: substring que é o objeto de pesquisa
Esta fórmula retorna true: Contain("Cats are grey", "aRe").
ExceptFirstWord(str, sep)
Esta sintaxe retorna uma cópia de uma string com a primeira palavra removida.
●
str: string de entrada
●
sep: um separador
Esta fórmula retorna "Standford Street": ExceptFirstWord("Level 3, Standford Street", ", ").
ExceptLastWord(str, sep)
Esta sintaxe retorna uma cópia de uma string com a última palavra removida.
●
●
sep: um separador
Esta fórmula retorna "james.brown": ExceptLastWord("[email protected]", "@").
FirstWord(str, sep)
Essa sintaxe retorna a primeira palavra de uma string.
●
●
sep: um separador
Esta fórmula retorna "Senior": FirstWord("Senior Developer", " ").
Preparando dados
reservados.
61
LastWord(str, sep)
Essa sintaxe retorna a última palavra de uma string.
●
●
sep: um separador
Esta fórmula retorna "Purple": LastWord("Red/Purple", "/").
Length(str)
Essa sintaxe retorna o comprimento de uma string.
●
Esta fórmula retorna 8: Length("How long").
LowerCase(str)
Essa sintaxe retorna uma cópia de uma string na qual todos os caracteres são convertidos em minúsculas.
●
Esta fórmula retorna "good job": LowerCase("GOOD JOB").
Lpad(str, length, pad)
Essa sintaxe retorna a cópia de uma string que foi preenchida com caracteres à esquerda do comprimento total
especificado.
●
●
length: comprimento esperado
●
pad: Sequência de caracteres a ser adicionada
Esta fórmula retorna "####Incomplete field": Lpad("Incomplete field", 20, "#").
Replace(str, target, replacement)
Essa sintaxe retorna uma string na qual todas as ocorrências de uma determinada string são substituídas por
uma outra string especificada.
●
●
target: A string a ser substituída
62
reservados.
Preparando dados
●
replacement: O valor da string a ser inserido
Esta fórmula retorna "Very guud sung": Replace("Very good song", "o" , "u").
Rpad(str, length, pad)
Essa sintaxe retorna a cópia de uma string que foi preenchida com caracteres à direita do comprimento total
especificado.
●
●
length: comprimento esperado
●
pad: Sequência de caracteres a ser adicionada
Esta fórmula retorna "Incomplete field####": Rpad("Incomplete field", 20, "#").
SubString(str, start)
Essa sintaxe retorna a substring de uma string.
●
str: A string a partir da qual uma substring é calculada
●
start: A posição inicial na substring de entrada
Esta fórmula retorna "ng": SubString("Wong", 3).
SubString(str, start, length)
Essa sintaxe retorna a substring de uma string.
●
str: A string a partir da qual uma substring é calculada
●
start: A posição inicial na substring de entrada
●
length: O comprimento da substring a retornar
Esta fórmula retorna "on": SubString("Wong", 2, 2).
ToText(param)
Essa sintaxe converte um parâmetro em uma string. Todos os parâmetros são válidos e números são truncados a
0 casas decimais.
●
param: O parâmetro a ser convertido
Preparando dados
reservados.
63
Trim(str, toTrim)
Essa sintaxe retorna uma cópia da string com repetições à esquerda e à direita de um caractere removido. Esta
função diferencia letras maiúsculas e minúsculas.
●
●
toTrim: O caracetere a ser removido
Esta fórmula retorna "Auror": Trim("Aurora", "a").
Exemplo: Trim ({Name},"a")
Nome
String recortada
Aurora
Auror
Auror
Auror
auror
uror
aurora
uror
uror
uror
TrimLeft(str, toTrim)
Essa sintaxe retorna uma cópia da string com ocorrência à esquerda de um caractere removido. Esta função
diferencia letras maiúsculas e minúsculas.
●
●
toTrim: O caractere a ser removido
Esta fórmula retorna "bove": TrimLeft("Above", "A").
TrimRight(str, toTrim)
Essa sintaxe retorna uma cópia da string com ocorrência à direita de um caractere removido. Esta função
diferencia letras maiúsculas e minúsculas.
●
●
toTrim: O caracetere a ser removido
Esta fórmula retorna "Laur": TrimRight("Laura", "a").
UpperCase(str)
Essa sintaxe retorna uma cópia de uma string na qual todos os caracteres são convertidos em maiúsculas.
64
reservados.
Preparando dados
●
Esta fórmula retorna "LITTLE BOY": UpperCase("Little Boy").
ToDate(string, format)
Essa sintaxe converte uma string de entrada em um conjunto de dados em uma data em um formato
especificado. Utilize essa sintaxe quando as datas de uma coluna de uma fonte de dados original estão em
formato de string. O formato da data é uma combinação dos tokens reservados a seguir, separados
delimitadores:
●
d ou dd: Dia do mês (1-31)
●
M ou MM: Mês do ano (1-12)
●
y ou yy: Ano abreviado sem o século (00-99)
yyyy: Ano com o século (1956, 2012, 2014 e assim por diante)
Todas as outras sequências são consideradas delimitadores.
●
string: String de entrada a ser convertida
●
format: constante de string de formato da data
Essa fórmula converte uma string no formato yyyy/dd/MM em uma data: ToDate(Obj, 'yyyy/dd/MM').
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.
AddMonthToDate(#date#,periods)
Essa sintaxe retorna uma data produzida com a adição de um número específico de meses a uma data.
●
#date#: A data original
●
periods: O número de períodos a serem adicionados
Por exemplo, esta fórmula retorna 2012-02-01: AddMonthToDate(#2012-01-01#,1).
AddMonthToDate(#date#,periods)
Essa sintaxe retorna uma data produzida com a adição de um número específico de semanas a uma data.
●
●
Preparando dados
reservados.
65
Por exemplo, esta fórmula retorna 08.01.12: AddWeekToDate(#2012-01-01#,1).
AddYearToDate(#date#,periods)
Essa sintaxe retorna uma data produzida com a adição de um número específico de anos a uma data. Você pode
utilizar números negativos para remover um ano.
●
●
Por exemplo, esta fórmula retorna 01.01.13: AddYearToDate(#2012-01-01#,1).
CurrentDate()
Essa sintaxe retorna a data atual como a data.
Por exemplo, esta fórmula retorna <CurrentDate>:CurrentDate().
DateDiffInDays(#start#,#end#)
Essa sintaxe retorna o número de dias entre duas datas.
●
#start#: A data de início do intervalo
●
#end#: A data de término do intervalo
Por exemplo, essa fórmula retorna -53. DateDiffInDays(#2012-03-23#,#2012-01-30#).
DateDiffInMonths(#start#,#end#)
Essa sintaxe retorna o número de meses entre duas datas específicas.
●
#start#: A data de início do intervalo
●
#end#: A data de término do intervalo
Por exemplo, essa fórmula retorna 11. DateDiffInMonths(#2013-02-01#,#2014-01-01#).
Day(#date#)
Essa sintaxe etorna o dia do mês como um número de 1 a 31.
●
66
#date#: uma data
reservados.
Preparando dados
Por exemplo, esta fórmula retorna 23: Day(#2012-03-23#).
DayOfWeek(#date#)
Essa sintaxe retorna o dia da semana como um número de 1 (domingo) à 7 (sábado).
●
#date#: uma data
Por exemplo, esta fórmula retorna 6: DayOfWeek(#2012-03-23#).
DayOfYear(#date#)
Essa sintaxe retorna o dia do ano como um número.
●
#date#: uma data
Por exemplo, esta fórmula retorna 83: DayOfYear(#2012-03-23#).
LastDayOfMonth(#date#)
Essa sintaxe retorna a data gerada pelo cálculo do último dia do mês de uma determinada data.
●
#date#: uma data
Por exemplo, esta fórmula retorna a data 2012-03-31: LastDayOfMonth(#2012-03-23#).
LastDayOfWeek(#date#)
Essa sintaxe retorna a data gerada pelo cálculo do último dia da semana de uma determinada data.
●
#date#: uma data
Por exemplo, esta fórmula retorna a data 24.03.12: LastDayOfWeek(#2012-03-23#).
MakeDate(year,month,day)
Essa sintaxe retorna uma data que é criada a partir do ano, mês e dia especificados.
●
year: Um número que representa um ano
●
month: Um número que representa um mês
●
day: Um número que representa um dia do mês
Por exemplo, esta fórmula retorna a data 2011-06-12. MakeDate(2011,6,12).
Preparando dados
reservados.
67
Month(#date#)
Essa sintaxe retorna o mês do ano como um número de 1 a 12.
●
#date#: uma data
Por exemplo, esta fórmula retorna 3: Month(#2012-03-23#).
Quarter(#date#)
Essa sintaxe retorna um número que representa o trimestre de uma determinada data.
●
#date#: uma data
Por exemplo, esta fórmula retorna 1: Quarter(#2012-03-23#).
Week(#date#)
Essa sintaxe retorna um número que representa a semana de uma determinada data.
●
#date#: uma data
Por exemplo, esta fórmula retorna 12: Week(#2012-03-23#).
Year(#date#)
Essa sintaxe retorna o ano de uma determinada data.
●
#date#: uma data
Por exemplo, esta fórmula retorna 2012: Year(#2012-03-23#).
7.1.4.1.3
Funções numéricas
Utilize funções numéricas para retornar valores numéricos em uma fórmula.
Ceil(num)
Essa sintaxe retorna o menor número inteiro maior que ou igual a um número fornecido.
●
num: um número
Esta fórmula retorna 15: Ceil(14.2).
68
reservados.
Preparando dados
Floor(num)
Essa sintaxe retorna o maior número inteiro não maior que um número fornecido.
●
num: um número
Esta fórmula retorna 14: Floor(14.8).
Log(num)
Essa sintaxe retorna o logaritmo natural de um determinado número.
●
num: um número
Esta fórmula retorna 4,605: Log(100).
Log10(num)
Essa sintaxe retorna o logaritmo de base 10 de um determinado número.
●
num: um número
Esta fórmula retorna 2: Log10(100).
Mod(num, divisor)
Essa sintaxe retorna o restante da divisão de um número por outro número.
●
num: um número
●
divisor: o divisor
Esta fórmula retorna 1: Mod(15,2).
Power(num, exponent)
Essa sintaxe eleva um número a uma potência. O operador ^ (circunflexo) pode ser utilizado no lugar desta
função.
●
num: um número
●
exponent: o expoente
Esta fórmula retorna 8: Power(2,3).
Preparando dados
reservados.
69
Round(num, digits)
Essa sintaxe retorna um valor numérico arredondado para um número especificado de casas decimais.
●
num: um número
●
digits: O número de casas decimais para arredondar
Esta fórmula retorna 14,8: Round(14.81, 1).
Sign(num)
Essa sintaxe retorna -1 se um determinado número for negativo, 0 se tal determinado número for zero ou +1 se o
determinado número for positivo.
●
num: um número
Esta fórmula retorna -1: Sign(-2).
ToText(num, digits)
Essa sintaxe converte um determinado número em uma string. O número é truncado para um número específico
de casas decimais.
●
num: um número
●
digits: O número de casas decimais a usar. Este parâmetro é opcional, seu valor predefinido é 0.
Esta fórmula retorna 12,14: ToText(12.1451, 2).
Exemplo: 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
Truncate(num, digits)
Essa sintaxe retorna um valor numérico truncado para um número especificado de casas decimais.
70
reservados.
Preparando dados
●
num: um número
●
digits: O número de casas decimais a truncar
Esta fórmula retorna 12,200: Truncate(12.281, 1).
Exemplo: 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
7.1.4.1.4
Funções lógicas
Você pode usar funções lógicas em uma fórmula para retornar TRUE ou FALSE.
IsNotNull(obj)
Essa sintaxe retorna 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 valores, a função retorna 'true'.
●
obj: um objeto do usuário (coluna)
IsNull(obj)
Essa sintaxe retorna um valor booleano que indica se um campo fornecido contém um valor nulo. Quando um
campo contém um valor nulo, a função retorna 'true'. Para todos os outros valores, a função retorna 'false'.
●
obj: um objeto do usuário
<esquerdo> e <direito>
Essa sintaxe retorna a conjunção lógica de suas entradas booleanas.
●
left: Operador esquerdo
Preparando dados
reservados.
71
●
right: Operador direito
Esta fórmula retorna false: true and false.
Esquerda
Direita
Resultado de {Esquerdo} e {Di
reito}
Verdadeiro
Verdadeiro
true
Verdadeiro
Falso
false
Falso
Verdadeiro
false
Falso
Falso
false
<esquerdo> ou <direito>
Essa sintaxe retorna a disjunção lógica de suas entradas booleanas.
●
left: Operador esquerdo
●
right: Operador direito
Esta fórmula retorna true: true or false.
Esquerda
Direita
Resultado de {Esquerdo} ou {Di
reito}
Verdadeiro
Verdadeiro
true
Verdadeiro
Falso
true
Falso
Verdadeiro
true
Falso
Falso
false
se <cond>, então <alt1> senão <alt2>
Essa sintaxe escolhe entre duas alternativas com base em uma condição booleana. A segunda alternativa é
opcional e avalia como 'null' quando em falta.
●
cond: A condição booleana a ser testada
●
alt1: Alternativa 1
●
alt2: Alternativa 2
<testExpr> em <candidateList>
Essa sintaxe determina se sua primeira entrada corresponde a qualquer valor na lista da segunda entrada.
●
72
testExpr: A expressão a ser testada
reservados.
Preparando dados
●
candidateList: A lista de candidatos correspondentes
Esta fórmula retorna false: 3 in [2, 4, 6].
não<bool>
Essa sintaxe nega a sua entrada booleana.
●
bool: Uma booleana
Esta fórmula retorna true: not 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.
Sintaxe da função
Descrição
GroupValues(column, ListOfValues, newValue)
Utilize para agrupar uma lista de valores:
●
column: O objeto do usuário ao qual o agrupa
mento será aplicado
●
ListOfValues: A lista de valores a serem
●
newValue: O valor que deve substituir os valo
agrupados
res agrupados
Essa fórmula retorna "My Countries" quando a
coluna CountryColumn conter "USA", "India"
ou "France":
GroupValues(CountryColumn, ["USA",
"India", "France"], "My Countries")
ToNumber(param)
Utilize para converter um parâmetro em um valor
numérico:
●
param: O parâmetro a ser convertido em um
valor numérico. Qualquer tipo é aceito e os nú
meros são truncados a 0 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.
Preparando dados
reservados.
73
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 76]
Como remover um conjunto de dados [página 77]
Você pode excluir um conjunto de dados com o qual não precisa mais trabalhar.
7.1.5.1
Como adicionar um conjunto de dados
Você pode abrir múltiplos conjuntos de dados no mesmo documento, e pode adicionar um conjunto de dados aos
disponíveis no documento.
Procedimento
1.
A partir da lista de opções de conjunto de dados na parte superior do painel Dados, selecione Adicionar
conjunto de dados.
A caixa de diálogo Novo conjunto de dados é exibida.
2.
Clique em uma fonte de dados no painel Selecione uma fonte ou Todas as utilizadas recentemente e clique em
Seguinte.
3.
Digite as informações de conexão e clique em Criar.
4.
Clique no botão Alterar para visualizar a fonte de dados.
Adquirir dados de uma fonte de dados para criar um conjunto de dados [página 16]
74
reservados.
Preparando dados
7.1.5.2
Alternando para outro conjunto de dados
Contexto
É possível trabalhar com diversos conjuntos de dados abertos em um só documento. É possível alternar entre os
conjuntos de dados. Isso é útil para preparação da fusão dos dois conjunto de dados.
Procedimento
1.
Clique na lista suspensa do conjunto de dados do lado esquerdo da barra de menus superior.
2.
Clique no nome de um conjunto de dados na lista suspensa.
O conjunto de dados selecionado passa a ser o conjunto ativo.
7.1.5.3
Mesclando conjuntos de dados
Contexto
É possível combinar dados de dois conjuntos de dados diferentes usando JOIN.
A correspondência com as colunas do segundo conjunto de dados baseia-se na compatibilidade com a coluna
principal. A sugestão das colunas correspondentes aparece acompanhada da probabilidade de correspondência.
As seguintes condições devem ser atendidas antes que os conjuntos de dados sejam mesclados:
●
O conjunto de dados a ser mesclado deve ter uma coluna de chave.
●
Apenas as colunas com o mesmo tipo de dado são levadas em consideração.
●
A mesclagem adiciona todas as colunas.
Procedimento
1.
Clique no botão Combinar como na barra de menu e selecione Mesclar.
A caixa de mesclagem do conjunto de dados é exibida. O conjunto de dados atual é exibido no painel da
esquerda.
2.
Clique na coluna de chave principal que deseja usar como coluna de identificação, para estabelecer a
correspondência entre colunas durante a mesclagem.
3.
○
Se o conjunto de dados já estiver disponível para mesclagem no documento, selecione o conjunto de
dados na lista suspensa acima do painel da direita.
○
Se o conjunto de dados não estiver aberto, clique no botão Adicionar novo e selecione uma fonte de
dados para mesclar.
Preparando dados
reservados.
75
São listadas no painel da direita, as colunas para as quais é possível estabelecer a correspondência baseada
na coluna de chave do conjunto de dados da esquerda.
4.
Clique em Mesclar.
○
As colunas são adicionadas ao conjunto de dados original.
Anexando conjuntos de dados (UNION) [página 76]
7.1.5.4
Anexando conjuntos de dados (UNION)
Pré-requisitos
Você pode anexar dois conjuntos de dados usando um operador UNION somente quando cada tabela da união
contiver um número equivalente de colunas com tipos de dados compatíveis. Somente um conjunto de dados
selecionado compatível com o conjunto de dados de destino será exibido na caixa de dados Anexar.
Procedimento
1.
Clique no botão Combinar como na barra de menu e selecione Anexar.
A caixa Mapear conjunto de dados anexado aparecerá. O conjunto de dados atual é exibido no painel da
esquerda.
2.
○
Se o conjunto de dados já estiver disponível para anexar no documento, selecione o conjunto de dados na
lista suspensa acima do painel da direita.
○
Se o conjunto de dados não estiver aberto, clique no botão Adicionar novo e selecione uma fonte de
dados para adquirir e anexar.
Se o conjunto de dados selecionado é compatível com o conjunto de dados atual, as colunas de dimensão são
listadas na lista Conjunto de dados de consulta do lado direito do painel. Uma amostra de valores distintos
para cada dimensão selecionada é exibida na coluna Amostra de valores distintos.
3.
Se quiser selecionar uma dimensão de origem diferente para a união com a dimensão de destino
correspondente, clique na lista suspensa da dimensão e selecione outra dimensão na lista. Se a dimensão
selecionada contiver um tipo de dado compatível, a dimensão será permitida, caso contrário, a mensagem A
união não é possível será exibida e você precisará selecionar uma dimensão compatível.
4.
76
Clique em Anexar.
Os dois conjuntos de dados são combinados. O conjunto de dados combinado retém os nomes das colunas
do conjunto de dados de destino.
reservados.
Preparando dados
7.1.5.5
Como remover um conjunto de dados
Você pode excluir um conjunto de dados com o qual não precisa mais trabalhar.
Procedimento
1.
Clique na lista suspensa do conjunto de dados do lado esquerdo da barra de menus superior.
2.
Clique no ícone Remover conjunto de dados próximo ao conjunto de dados que deseja remover.
Resultados
O conjunto de dados é excluído, junto de qualquer visualização baseado nele.
Preparando dados
reservados.
77
8
Criando análises
8.1
Como criar uma análise
Você pode usar o SAP Predictive Analysis 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 do SAP Predictive Analysis. 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
Adquirir dados de uma fonte de dados para criar um conjunto de dados [página 16]
Aplicação de componentes de pré-processamento em dados [página 79]
Você pode aplica componentes de pré-processamento em seus dados, por exemplo, filtros, antes de executar
uma análise.
Como aplicar os algoritmos [página 80]
Obtidos os dados relevantes para análise, você precisa aplicar os algoritmos apropriados para determinar os
padrões nos dados.
Opcional: Como armazenar os resultados da análise [página 81]
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.
78
reservados.
Criando análises
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.
Contexto
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
sala Preparação, você pode trabalhar em dados estáticos ou em dados brutos importados no SAP Predictive
Analysis. Na sala Previsão, você pode trabalhar nos dados transitórios utilizando componentes do préprocessador.
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.
Procedimento
1.
Na sala Previsão, clique duas vezes no componente do pré-processador necessário na lista Componentes.
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 214]
Criando análises
reservados.
79
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.
Contexto
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.
Encontrando padrões frequentes de conjunto de itens em
conjuntos volumosos de dados transacionais para gerar
regras de associação
●
Amortecimento exponencial individual
●
Amortecimento exponencial duplo
●
Amortecimento exponencial triplo
Algoritmos de regressão
●
Regressão linear
●
●
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
80
reservados.
●
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
Criando análises
Finalidade
Algoritmo
●
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 no SAP Predictive Analysis 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 85]
Procedimento
1.
Na divisão Prever, clique duas vezes no componente de algoritmo necessário na lista Componentes.
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.
Algoritmos [página 144]
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
Procedimento
1.
Na divisão Prever, clique duas vezes no componente de gravação de dados necessário na lista Componentes.
O componente de gravação de dados será adicionado ao editor de análise e conectado ao componente
anterior na análise.
Criando análises
reservados.
81
2.
Pelo menu contextual do componente da gravação de dados, selecione Configurar propriedades.
3.
4.
5.
Gravadores de dados [página 236]
8.2
Como executar a análise
Quando você preparar seus dados e aplicar os algoritmos necessários, você poderá executar uma análise.
Procedimento
●
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.
8.3
(Executar análise) na barra de ferramentas do editor de análise.
Como salvar a análise
Contexto
Depois de criada a análise, você pode salvá-la para reutilizar no futuro. No SAP Predictive Analysis, 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:
82
reservados.
Criando análises
Procedimento
1.
Selecione
2.
Insira um nome para o documento.
Arquivo
Salvar .
3.
Selecione Salvar.
Resultados
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.
Contexto
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
Contexto
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 no banco de dados como um procedimento armazenado no banco de dados SAP
HANA e qualquer usuário do SAP HANA poderá consumir essa análise no SAP HANA Studio para uma análise
posterior.
Criando análises
reservados.
83
Contexto
Antes de exportar uma análise como um procedimento armazenado no banco de dados SAP HANA, certifique-se
de que sua conta está definida no SAP HANA.
Procedimento
1.
Criar uma análise.
2.
Selecione o último componente do algoritmo na análise e, a partir do menu do contexto, selecione Exportar
como procedimento armazenado.
3.
Selecione o nome do esquema.
4.
Insira um nome para o procedimento.
5.
Se você quiser sobregravar o procedimento existente pelo procedimento recém-criado, selecione a opção
Sobregravar, se existir.
6.
Opcional: Insira um nome para a visão.
7.
Selecione Exportar.
Resultados
O procedimento exportado e os objetos a ele associados (tabelas/tipos) são exibidos no esquema selecionado no
banco de dados SAP HANA.
84
reservados.
Criando análises
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 Componentes R personalizados na lista Componentes,
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.
R é uma linguagem e ambiente de programação de software para computação estatística e gráficos. O SAP
Predictive Analysis 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, Componentes R personalizados na lista Componente.
9.1.1
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 2: Geral
Propriedade
Descrição
Nome do componente
Insira um nome para o componente.
Nota
Você não pode renomear um componente persona
lizado 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.
Tabela 3: Script
Propriedade
Descrição
Carregar script R
Clique para carregar um script R.
Adicionando um componente personalizado
reservados.
85
Propriedade
Descrição
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 parâ
metros.
DataFrame de saída
Insira um nome para a variável que deseja utilizar
como DataFrame de saída.
Nome da variável modelo
como variável modelo.
Exibir visualização
Para exibir os resultados da execução do componente
customizado em formato de gráfico, selecione essa op
ção.
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 com
ponente personalizado, selecione essa caixa de sele
ção.
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 apare
cerá.
Opção para exportar como PMML
Para habilitar a opção Exportar como PMML para o
componente personalizado, selecione essa caixa de se
leção.
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 deseja 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
86
reservados.
Selecione o DataFrame de entrada pela lista de parâ
metros.
Propriedade
Descrição
DataFrame de saída
como DataFrame de saída.
Nome da variável do modelo de entrada
Selecione o Nome da variável modelo de entrada pela
lista de parâmetros.
Tabela 4: Configurações
Propriedade
Descrição
Função primária – Definição da tabela de saída
Considere todas as colunas do componente anterior ou Selecione para incluir ou excluir respectivamente a co
nenhuma coluna.
luna prevista do componente-pai na saída do compo
nente personalizado.
Tipo de dados
Selecione o Tipo de dados para a coluna prevista do
componente personalizado.
Nome da nova coluna prevista
Insira um nome para a coluna prevista, que é a coluna
de saída 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 componente 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 Selecione para incluir ou excluir respectivamente a co
nenhuma coluna.
luna prevista do componente-pai na saída da pontua
ção do modelo.
Tipo de dados
Selecione o Tipo de dados para a coluna prevista da
pontuação do modelo.
Nome da nova coluna prevista
Insira um nome para a coluna prevista, que é a coluna
de saída 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 pro
priedade do modelo salvo.
Tipo de controle
Selecione o Tipo de controle para a Coluna
independente e a Coluna dependente.
reservados.
87
Como criar um componente R [página 88]
Como criar um componente R personalizado para uso nas análises.
9.1.2
Como criar um componente R
Como criar um componente R personalizado para uso nas análises.
Pré-requisitos
Antes de criar o componente R, você deve certificar-se de que os seguintes requisitos são cumpridos:
●
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.
Procedimento
1.
Na sala Previsão, na lista Componentes, 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.
88
reservados.
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"
#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))
}
reservados.
89
Os dois exemplos abaixo mostram conversão de um script R em um formato de função R válido,
reconhecido pelo SAP Predictive Analysis:
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$cluster
dataFrame<read.csv("C:\\Datasets\\cnr\
\Iris.csv")
attach(dataFrame) library(rpart)
cnr_model<-rpart
(Species~PetalLength+PetalWidth
+SepalLength+
SepalWidth, method="class")
library(rpart)
predict(cnr_model, dataFrame,type =
c("class"))
5.
kmeansfunction<function(dataFrame,independent,
Clustersize,Iterations,algotype,numbe
rofinitialdsets)
{
set.seed(4321)
kmeans_model<kmeans(data.frame(dataFrame[,independ
ent]),
centers=Clustersize,iter.max=Iteratio
ns, nstart=numberofinitialdsets,
algorithm= algotype)
output<- cbind(dataFrame,
kmeans_model$cluster);
boxplot(output); return
(list(out=output));
}
cnrFunction<function(dataFrame,IndependentColumns
,dep)
{
library(rpart);
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.
90
Formato de função R (reconhecido pelo SAP
Predictive Analysis)
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.
reservados.
6.
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.
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.
Próximas etapas
Dependendo do tipo de análise realizada, você pode criar um modelo assim como qualquer outro componente.
Assistente de criação do componente R [página 85]
Modelos [página 238]
Como criar um modelo [página 139]
Modelo é um componente reutilizável, criado treinando um algoritmo com os dados históricos e salvando a
instância.
reservados.
91
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 sob Componentes PAL personalizadoss na lista
Componentes.
O componente PAL personalizado é criado usando algoritmos da Biblioteca do SAP HANA Predictive Analysis. Os
seguintes algoritmos PAL são compatíveis atualmente com o SAP Predictive Analysis:
Tabela 5: Algoritmos PAL
Algoritmo
Função correspondente
Análise ABC
ABC
Clustering hierárquico aglomerado
HCAGGLOMERATE
ARIMA
ARIMATRAIN
Categorização
BINNING
Árvore de decisão C4.5
CREATEDT
EXPREGRESSION
Crescimento FP
FPGROWTH
K-Medoids
KMEDOIDS
Naive Bayes
NBCTRAIN
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).
92
reservados.
Propriedades do Assistente de criação do componente PAL
Tabela 6: Geral
Propriedade
Descrição
Nome do componente
Insira um nome para o componente.
Nota
Você não pode renomear um componente persona
lizado 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 7: Configurações da função
Propriedade
Descrição
Área
Nome da área da biblioteca. O padrão é AFLPAL.
Função
Selecione uma das funções da lista de opções para de
finir os parâmetros da função:
Parâmetros de entrada
●
ABC
●
HCAGGLOMERATE
●
ARIMATRAIN
●
BINNING
●
CREATEDT
●
EXPREGRESSION
●
FPGROWTH
●
KMEDOIDS
●
NBCTRAIN
●
SCALINGRANGE
Nota
Os parâmetros são dependentes da função selecio
nada.
reservados.
93
Propriedade
Descrição
Nome do parâmetro
Nota
Os parâmetros são dependentes da função selecio
nada. Os nomes de parâmetros não são editáveis.
Nome de exibição
Insira um nome alternativo a ser mostrado para o parâ
metro.
Valor padrão
Insira um valor padrão para o parâmetro. Dependendo
do tipo de dados do parâmetro, pode ser um valor nu
mérico ou de texto.
Nota
Os valores padrão não podem ser inseridos quando
o parâmetro é dependente dos dados de entrada.
Tipo de dados
Pode ser uma string, número inteiro ou duplo, depen
dendo do parâmetro. Os tipos de dados não são editá
veis.
Parâmetros de inclusão
●
Para parâmetros obrigatórios: Esse campo de se
leção é marcado por padrão e não pode ser des
marcado.
●
Para parâmetros obrigatórios: Esse campo de se
leção é marcado por padrão, mas você pode des
marcá-lo para parâmetros que não deseja incluir
no componente.
Parâmetros de modelo
Nota
Os parâmetros de modelo só podem ser especifica
dos para algumas funções. As propriedades são as
mesmas dos parâmetros de entrada: Nome do parâ
metro, Nome de exibição, Valor padrão,Tipo de da
dos e Parâmetro de inclusão.
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.
94
reservados.
Pré-requisitos
Para criar um componente personalizado da PAL, você precisa estar conectado a uma fonte de dados SAP HANA.
Procedimento
1.
Na divisão Prever, na lista Componentes, escolha
2.
Na página Geral, insira as seguinte informações:
a.
Insira um Nome de componente exclusivo.
b.
Selecione Tipo de componente.
Componente da 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 no painel Componentes.
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 está listado na seção Algoritmos Componentes da PAL personalizados no painel
Componentes. 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.
reservados.
95
Próximas etapas
Caso precise fazer alterações nos detalhes do componente, é possível editá-lo.
96
reservados.
10 Analisando dados
10.1 Como analisar os dados
Contexto
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:
Procedimento
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 Componente.
Resultados
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.
Analisando dados
reservados.
97
Tabela 8:
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
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.
98
reservados.
Analisando 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.
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.
Analisando dados
reservados.
99
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
A aplicação não cria 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.
100
reservados.
Analisando dados
Cada nó da árvore de decisão representa a classificação dos dados naquele nível. Você pode visualizar o
conteúdo do nó selecionando
em cada nó.
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.
Analisando dados
reservados.
101
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.
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.
102
reservados.
Analisando dados
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.
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.
Analisando dados
reservados.
103
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.
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.
104
reservados.
Analisando dados
Assistente de criação do componente R [página 85]
Analisando dados
reservados.
105
11
Visualizando dados
11.1
Visualizando dados
A divisão Visualizar permite que você crie gráficos com base em uma vasta seleção de famílias de gráfico.
Estas são as principais áreas que você pode usar para interagir com a divisão Visualizar:
Número
Área
Descrição
1
Painel Medidas e dimensões
Use esse painel para visualizar, organizar, selecionar
e filtrar os dados em uma visualização. No painel, os
dados estão agrupados em facetas, que representam
categorias de dados. Por exemplo, nome do cliente,
endereço e número de telefone. As facetas podem ser
arrastadas diretamente para a Tela do gráfico ou para
as prateleiras no Gerador de gráficos.
Cada orientação fornece uma funcionalidade dife
rente:
106
reservados.
●
No layout vertical, você pode visualizar e ex
pandir hierarquias de dimensão. Você pode pro
curar dimensões por nome.
●
No layout horizontal, os dados associados a
cada dimensão são exibidos em uma coluna
acima da área do gráfico. Você pode procurar va
lores de dados específicos em uma dimensão.
Também é possível selecionar vários valores para
serem incluídos ou excluídos da sua visualização
e visualizar as medidas associadas a uma dimen
são.
Visualizando dados
Número
Área
Descrição
2
Tela do gráfico
Use essa área para criar, modificar ou explorar uma
visualização.
Um gráfico pode ser gerado arrastando medidas, di
mensões ou cabeçalhos de faceta:
●
Diretamente para a Tela do gráfico
●
Para as prateleiras no Gerador de gráficos
Você pode ajustar rapidamente o conteúdo e a apa
rência da sua visualização usando a barra de ferra
mentas na parte superior direita da Tela do gráfico. A
barra de ferramentas contém os seguintes botões:
●
Reprompt: abre a caixa de diálogo de prompt
para que você possa selecionar novos valores de
prompt.
●
Organizar: organiza os dados do gráfico por
medida.
●
Adicionar ou editar uma classificação por
medida: foca o gráfico em um grupo dos maiores
ou menores membros da dimensão.
●
Limpar gráfico: remove todas as dimensões e
medidas do gráfico e os filtros que só estão apli
cados ao gráfico.
●
Visualizando dados
Atualizar: atualiza os dados do gráfico.
●
Configurações: define as propriedades do grá
fico.
●
Maximizar: exibe a Tela do gráfico no modo de
tela cheia.
reservados.
107
Número
Área
3
Ferramentas de visualização
O Gerador de gráficos está selecio
nado no momento.
Descrição
Esse painel contém as guias Gerador de gráficos
e
Visualização relacionadas . Use os ícones na parte
superior desta área para alternar entre as guias.
●
Use o Gerador de gráficos para alterar o tipo de
gráfico e personalizar seu gráfico.
●
Use a guia Visualizações relacionadas para sele
cionar gráficos predefinidos que foram gerados
automaticamente com base nas medidas e di
mensões do conjunto de dados atual. As visuali
zações relacionadas podem ser adicionadas à
história atual e modificadas.
Clique em Mostrar tudo para visualizar todas as
sugestões de gráfico.
Remova as medidas ou dimensões usadas
para gerar visualizações clicando nelas. Isso refi
nará a lista de visualizações relacionadas disponí
veis para você.
4
Selecionador de gráfico
Selecione o tipo de gráfico que você deseja usar para
a visualização.
5
Prateleiras
As facetas podem ser arrastadas ou adicionadas às
prateleiras exibidas; a Tela do gráfico será atualizada
automaticamente.
6
Galeria de visualização
Use essa área para criar outras visualizações e fazer
uma seleção entre as visualizações na história.
Você pode criar uma visualização clicando no botão
Criar visualização (+).
Você pode usar o menu Configurações (
mover ou duplicar visualizações.
) para re
Você pode alterar a ordem das visualizações na Gale
ria de visualização arrastando-as e soltando-as.
Como criar gráficos [página 109]
Trabalhando com o Gerador de gráficos [página 111]
Use o Gerador de gráficos para alterar o tipo de gráfico e personalizar seu gráfico.
Configurando propriedades do gráfico [página 113]
A configuração das propriedades de exibição de um gráfico pode aumentar sua usabilidade. Por exemplo, a
adição de etiquetas e legendas pode aprimorar a análise visual dos dados.
108
reservados.
Visualizando dados
11.1.1
Como criar gráficos
Uma história pode conter um ou mais gráficos. Os gráficos podem ser criados diretamente na Tela do gráfico ou
utilizando o Gerador de gráficos. Todos os gráficos incluídos em uma história são acessíveis na Galeria de
visualização abaixo da Tela do gráfico. A seção a seguir descreve como criar gráficos.
11.1.1.1
Como selecionar um tipo de gráfico
Conjuntos de dados diferentes são adequados a certos tipos de gráfico. A seguir há uma visão geral dos tipos de
gráficos suportados e os usos mais comuns:
Tipo de análise
Descrição
Gráficos disponíveis
Comparação
Tipo de gráfico usado para visualizar diferen
ças entre valores ou exibir uma comparação
simples entre divisões absolutas de medidas.
●
Gráfico em colunas
●
Gráfico em colunas
com 2 eixos Y
Por exemplo, é possível usar gráficos de barra ●
para comparar diferenças na receita gerada
●
pelas vendas em diferentes países.
●
Porcentagem
Você deseja mostrar o percentual das partes
em relação ao todo ou exibir valores como
proporção do todo. A legenda mostra o per
centual e os valores totais.
Por exemplo, você pode usar um gráfico de
pizza para verificar quem teve o melhor de
sempenho proporcionalmente ao valor total
das vendas:
Gráfico em colunas 3D
Gráfico radial
Gráfico de área
●
Nuvem de tags
●
Mapa de Calor
●
Tabela
●
Gráfico de pizza
●
Gráfico de rosca
●
Gráfico de pizza com
profundidade
●
Gráfico em colunas so
brepostas
●
Árvore
●
Gráfico em funil
●
Gráfico de dispersão
●
Gráfico de matriz de
dispersão
●
Gráfico de bolhas
●
Gráfico em rede
●
Ponto numérico
●
Árvore
Vendas totais = $ 200, dos quais, Paul res
ponde por 10% ($ 20), David, 65% ($ 130) e
Susan, 25% ($ 50).
Correlação
Você pode visualizar a relação entre valores
ou comparar vários valores de medidas.
Por exemplo, você pode visualizar a correla
ção entre duas medidas e compreender o im
pacto da primeira na segunda medida.
Visualizando dados
reservados.
109
Tipo de análise
Descrição
Gráficos disponíveis
Tendência
Tipo de gráfico usado para destacar uma ten
dência apontada pelos valores dos dados,
principalmente no caso de dimensões basea
das em tempo, como "Ano". Esse tipo tam
bém pode ser usado para exibição da progres
são dos dados e identificação de possíveis pa
drões.
●
Gráfico de linha
●
Gráfico em linhas com
2 eixos Y
●
binadas
●
binadas com 2 eixos Y
Por exemplo, é possível usar um gráfico de li
nha para visualizar tendências em termos da
receita de venda de um produto ao longo dos
anos.
●
Gráfico em cascata
●
Diagrama de caixa
●
Gráfico de coordena
das paralelas
Tipo de gráfico usado para mostrar um mapa ●
do objeto que representa o país usado na aná
lise. Esse tipo de gráfico também pode ser
●
usado para visualização de dados relativos a
dimensões, classificados pelos países exibi
●
dos no mapa, ou da distribuição geográfica
dos dados em um só país.
●
O conjunto de dados que você utilizar deve
conter os dados geográficos.
Gráfico geográfico de
bolhas
Localização geográfica
Gráfico coroplético ge
ográfico
Gráfico de pizza geo
gráfico
Mapa geográfico
Nota
11.1.1.2
●
Para criar um mapa geográfico, você
deve ter uma conta online do Esri Arc
Gis.
●
Esri e o logotipo Esri são marcas regis
tradas licenciadas da Environmental
Systems Research Institute, Inc.
Criar um gráfico diretamente na Tela do gráfico
Contexto
Você pode criar um gráfico de forma rápida arrastando medidas e dimensões diretamente 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.
As etapas a seguir definem um fluxo de trabalho geral para criar um gráfico e adicioná-lo a uma história:
110
reservados.
Visualizando dados
Procedimento
1.
Na divisão Visualizar, selecione o ícone
Gerador de gráficos.
2.
Selecione um tipo de gráfico nas listas do Gerador de gráficos.
Gráfico de barras é o tipo de gráfico padrão. Você pode 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 em qual eixo a medida deve ser solta. Uma marca de seleção é exibida
quando você passa com a medida por cima de uma área onde ela pode ser solta.
4.
Selecione uma dimensão e arraste-a para a Tela do gráfico.
O texto no corpo do gráfico indica em qual eixo a dimensão deve ser solta. 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 a ambos os eixos Y, no lado esquerdo e no lado direito da Tela do gráfico.
6.
Para filtrar os dados no gráfico, clique no ícone Adicionar filtros na parte superior da Tela do gráfico e
selecione uma dimensão para ser usada como filtro.
7.
Clique no botão de + na Galeria de visualização para adicionar o gráfico à história.
Resultados
O gráfico está disponível na Galeria de visualização e na divisão Criar.
Nota
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. Para garantir que o gráfico estará
disponível na próxima vez que você abrir a história, salve a história.
Como salvar uma história [página 134]
Criando histórias [página 131]
Você pode criar histórias, que descrevem seus dados usando gráficos, textos e imagens.
11.1.1.3
Trabalhando com o Gerador de gráficos
Visualizando dados
reservados.
111
As prateleiras exibidas são determinadas pelo tipo de gráfico selecionado. As facetas podem ser arrastadas ou
adicionadas às prateleiras exibidas. O Gerador de gráficos tem três categorias de prateleira: medidas, dimensões
e treliças.
Medidas
A seguir, temos uma lista das prateleiras que podem ser exibidas na categoria Medidas.
Prateleira
Descrição
Eixo
Um eixo do gráfico. Pode haver várias prateleiras de eixo disponíveis.
Por exemplo, se você selecionar um Gráfico de barras com 2 eixos X, serão exibidas
as prateleiras Eixo X 1 e Eixo X 2.
Cor
Usada para determinar a cor de uma área em gráficos de mapa ou a cor de uma
palavra em uma nuvem de tags.
Setores de pizza
Como um gráfico de pizza é dividido.
Profundidade da pizza
Usada para calcular a espessura de cada seção em um gráfico de pizza.
Ponderação
Usada para determinar 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 a ponderação da palavra, os nomes dos países
com receita maior serão exibidos maiores do que os dos com receita menor.
Valor
O valor primário usado em um gráfico de funil ou o número exibido em um gráfico
de ponto numérico.
Dimensões
A seguir, temos uma lista das prateleiras que podem ser exibidas na categoria Dimensões.
Prateleira
Descrição
Animação
Adiciona uma animação ao gráfico. Um botão de reprodução é exibido abaixo do
gráfico. Quando você clica nesse botão, o gráfico circula pelos valores da dimensão
adicionada a essa prateleira.
Nome da área
As etiquetas usadas para 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
X.
Altura da bolha
112
A altura de uma bolha em um gráfico de bolhas.
reservados.
Visualizando dados
Prateleira
Descrição
Largura da bolha
A largura de uma bolha em um gráfico de bolhas.
Categoria
Divide os dados de um gráfico de funil em categorias.
Cor
Usada para colorir a legenda do gráfico. As cores são atualizadas no gráfico para
corresponderem à legenda.
Formato da legenda
Adiciona uma forma a cada entrada na legenda e a cada ponto de dados para facili
tar a identificação. Só se aplica a gráficos de dispersão.
Geografia
Define os dados geográficos em um gráfico geográfico.
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 vá
rias dimensões são adicionadas, os gráficos de pizza são criados no mapa geográ
fico.
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.
Treliças
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.
Criar um gráfico usando o Gerador de gráficos [página 114]
Adicionar ou modificar gráficos predefinidos [página 115]
A área Visualizações relacionadas contém gráficos predefinidos sugeridos que foram detectados com base nas
medidas e dimensões do conjunto de dados.
11.1.1.3.1
Configurando propriedades do gráfico
A configuração das propriedades de exibição de 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
Visualizando dados
Configurações acima da Tela do gráfico.
reservados.
113
Propriedade do gráfico
Descrição
Mostrar título
Adiciona um título ao gráfico. Você pode editar o título a qualquer mo
mento.
Mostrar legenda
Adiciona uma legenda que exibe uma cor diferente para cada medida
em um gráfico. Para adicionar dimensões à legenda com cores diferen
tes, 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
Definir escala do eixo
Essa opção só se aplica a gráficos com
medidas no eixo Y.
11.1.1.3.2
Define os limites para os valores exibidos no eixo Y, como um intervalo
ou automaticamente como o maior valor de medida.
Criar um gráfico usando o Gerador de gráficos
Contexto
O Gerador de gráficos é exibido à direita da divisão Visualizar e fornece mais controle sobre a criação do gráfico
do que a Tela do gráfico. Somente as opções aplicáveis ao tipo de gráfico selecionado serão exibidas no painel.
As etapas a seguir definem um fluxo de trabalho geral para criar um gráfico e adicioná-lo a uma história:
Procedimento
1.
Na divisão Visualizar, selecione o ícone
2.
Selecione um tipo de gráfico nas listas do Gerador de gráficos.
Gráfico de barras é o tipo de gráfico padrão. Você pode alterar o tipo de gráfico a qualquer momento.
3.
Clique em uma prateleira vazia no Gerador de gráficos e, na lista exibida, selecione as medidas e dimensões
necessárias para atender às necessidades do seu gráfico selecionado. Como alternativa, arraste uma faceta
para uma prateleira vazia para adicioná-la ao gráfico.
Nota
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.
114
reservados.
Visualizando dados
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 a ambos os eixos Y, no lado esquerdo e no lado direito da Tela do gráfico.
5.
6.
Resultados
Nota
11.1.1.3.3
Adicionar ou modificar gráficos predefinidos
A área Visualizações relacionadas contém gráficos predefinidos sugeridos que foram detectados com base nas
medidas e dimensões do conjunto de dados.
Contexto
Você pode selecionar qualquer um dos gráficos na área Visualizações relacionadas para começar a visualizar
seus dados imediatamente. Posteriormente, você pode modificar o gráfico para continuar criando o gráfico que
corresponde melhor às suas necessidades de informações.
Visualizando dados
reservados.
115
Procedimento
1.
Abra a divisão Visualizar.
a.
Se você já tiver um gráfico aberto, clique no botão de + na Galeria de visualização para adicionar o gráfico
atual à história.
Isso garante que o gráfico atual não será substituído por um gráfico predefinido.
2.
Selecione o ícone Visualizações relacionadas.
Uma lista dos gráficos sugeridos é exibida. Clique em Mostrar tudo para visualizar todas as sugestões de
gráfico.
3.
Selecione um gráfico sugerido.
O gráfico é exibido na Tela do gráfico, e as facetas são carregadas no Gerador de gráficos.
4.
Use o Gerador de gráficos para adicionar ou modificar dimensões e medidas.
○
Para adicionar medidas ou dimensões, clique em uma prateleira vazia no Gerador de gráfico e, na lista
exibida, selecione as medidas e dimensões necessárias para atender às necessidades do seu gráfico
selecionado. Como alternativa, arraste uma faceta para uma prateleira vazia para adicioná-la ao gráfico.
○
Para remover uma faceta, posicione o ponteiro do mouse sobre a faceta e clique no ícone. Como
alternativa, arraste uma faceta para fora da prateleira para removê-la.
Nota
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.
5.
6.
Resultados
Nota
116
reservados.
Visualizando dados
11.1.1.3.4
Adicionar um cálculo
Contexto
Você pode adicionar um ou mais cálculos a sua 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
Procedimento
1.
2.
3.
No Gerador de gráficos, selecione uma medida incluída em sua visualização.
Selecione o ícone e escolha Adicionar cálculo.
Selecione um cálculo pela lista exibida.
Resultados
A visualização será atualizada para incluir o cálculo e uma faceta que contém o cálculo será exibida no Gerador de
gráficos. Para remover um cálculo, selecione a faceta e clique no ícone
11.1.1.3.5
.
Como renomear um gráfico
O título exibido acima de um gráfico é gerado automaticamente pelas medidas e dimensões adicionadas ao
gráfico. Para personalizar o título, clique duas vezes no título ou selecione o ícone
Renomear.
Visualizando dados
ao lado do título e selecione
reservados.
117
Para restaurar o título padrão, selecione o ícone
11.1.2
ao lado do título e selecione Restaurar título padrão.
Classificando dados
As medidas e dimensões podem ser ordenadas de maneira crescente ou decrescente.
11.1.2.1
Ordenação por medida
Você pode ordenar dados em um gráfico por medida.
Pré-requisitos
Se os dados do gráfico foram filtrados por classificação, a classificação deve ser removida antes de poder ordenar
por medida.
Procedimento
1.
Selecione uma medida no Gerador de gráficos.
2.
Selecione o ícone
3.
Selecione Ordenar em ordem crescente ou Ordenar em ordem decrescente.
Configurações.
Você também selecionar o ícone
ordenar na barra de ferramentas da Tela do gráfico para ordenar dados.
Resultados
Os dados no gráfico são ordenados.
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.
118
reservados.
Visualizando dados
Procedimento
1.
Selecione
para exibir o painel Medidas e dimensões em um layout horizontal.
2.
Selecione a dimensão a ser ordenada e clique em
3.
Escolha uma ordenação:
○
Configurações.
Para uma dimensão numérica, clique em Ordenar de menor para maior ou Ordenar de maior para menor.
○
Para uma dimensão alfanumérica, clique em Ordenar de A para Z ou Ordenar de Z para A.
○
Para uma dimensão de data ou hora, clique em Mostrar de mais antigo a mais recente ou Mostrar de mais
recente a mais antigo.
Resultados
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.
Procedimento
1.
Clique em
2.
Exibir o número de ocorrências:
a.
Posicione o ponteiro do mouse sobre a dimensão a ser filtrada.
b.
Selecione o ícone
c.
Selecione Mostrar medida e Ocorrências.
Opções.
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.
Selecione
c.
Selecione Ordenar por medida de menor para maior ou Ordenar por medida de maior para menor.
.
Visualizando dados
reservados.
119
Resultados
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.
Contexto
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.
Procedimento
1.
Clique em
2.
Na lista exibida, selecione uma dimensão.
(adicionar filtros).
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 de dimensão e clique na
5.
Selecione Ordenar por ocorrências da menor para a maior ou Ordenar por ocorrências da maior para a menor.
.
Resultados
A lista de valores de dimensões é ordenada por ocorrência.
Adição de filtros [página 121]
Organização de dimensões por ocorrência no painel Medidas e dimensões [página 119]
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.
120
reservados.
Visualizando dados
11.1.3
Filtragem de dados do gráfico
Existem várias maneiras de filtrar os dados exibidos em um gráfico.
●
Utilize o ícone Adicionar filtros.
●
Selecione pontos de dados em um gráfico para filtrar ou excluí-los.
●
Utilize o painel Medida e dimensões para selecionar a exibição de dados específicos.
●
Exiba apenas os pontos de dados de classificação superior ou inferior.
Esses filtros aplicam-se apenas aos dados exibidos no gráfico e não ao banco de dados.
11.1.3.1
Adição de filtros
Procedimento
1.
Selecione o ícone
Adicionar filtros.
O ícone Adicionar filtros está localizado acima da Tela do gráfico na sala Visualizar.
2.
Selecione uma dimensão na lista.
Se uma dimensão inclui um ícone de
(hierarquia da dimensão), clique em
todas as dimensões incluídas na hierarquia.
3.
para ampliar a lista e exibir
Selecione os valores de dados na janela que é exibida.
As ferramentas de filtros que são exibidas dependem do tipo de dimensão que está filtrando:
○
Valor discreto: É exibida uma lista de valores de dados. Você pode escolher um ou mais valores na lista.
Quando você move o ponteiro do mouse sobre o nome da dimensão, um controle de localização
exibido. Você pode pesquisar a lista utilizando o controle de localização.
4.
é
○
Valor de data: Um filtro de intervalo lhe permite incluir todas as datas dentro de um intervalo
especificado. Arraste as barras para aumentar ou diminuir o intervalo das datas. Alternativamente, você
pode inserir manualmente uma data ou utilizar o calendário abaixo do controle do intervalo para
selecionar datas. Você também pode escolher valores em branco.
○
Valor numérico: Um filtro de intervalo lhe permite incluir todos os números dentro de um intervalo
especificado. Arraste as barras para aumentar ou diminuir o intervalo. Alternativamente, você pode clicar
na etiqueta de número e inserir um valor manualmente. Você também pode escolher valores em branco.
Clique em OK.
Resultados
Um token de filtro listando os pontos de dados selecionados aparece acima do gráfico. Para remover um filtro,
clique no ícone
.
Visualizando dados
reservados.
121
11.1.3.2
gráfico
Filtragem ou exclusão de pontos de dados em um
Você pode excluir pontos de dados não relevantes ou filtrar pontos de dados para concentrar seu gráfico em um
conjunto de dados específico na Tela do gráfico.
Procedimento
1.
Na Tela do gráfico, selecione os pontos de dados a serem excluídos ou filtrados.
Você pode clicar e arrastar para desenhar uma caixa ao redor dos pontos de dados que deseja selecionar.
2.
Na dica exibida, selecione Filtrar ou Excluir.
Resultados
Um token de filtro listando os pontos de dados selecionados aparece acima da Tela do gráfico. Para remover um
filtro, selecione o filtro e clique em
.
11.1.3.3 Filtragem de dados utilizando o painel Medidas e
dimensões
Procedimento
1.
Clique em
2.
No painel Medidas e dimensões, selecione um ou mais pontos de dados na dimensão para a filtragem.
3.
Clique em
4.
Dependendo do tipo de filtro a ser aplicado, selecione um dos seguintes:
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.
122
reservados.
Visualizando dados
Resultados
Os dados do gráfico são filtrados. Para remover um filtro, clique no ícone
11.1.3.4
no token do filtro.
Filtragem de dados por classificação
A filtragem de dados por classificação foca a sua visualização em um certo número de pontos de dados com os
valores mais altos ou mais baixos.
Procedimento
1.
Na barra de ferramentas da Tela do gráfico, clique no ícone Adicionar ou processar uma classificação por
medida.
2.
Na caixa de diálogo Classificação, selecione uma medida para a classificação.
3.
Selecione Superior ou Inferior.
4.
Altere o número de resultados que serão exibidos.
Por predefinição, o número é definido como 3.
5.
Escolha (Todos) para classificar os dados com base em todas as dimensões ou selecione uma dimensão na
lista.
Por exemplo, se o seu 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.
Clique em OK.
Resultados
O gráfico exibe os dados que selecionou.
Para processar ou remover a classificação, no Gerador de gráficos, selecione a medida à qual aplicou a
classificação e clique no ícone
11.1.4
. As opções para Processar classificação ou Remover classificação são exibidas.
Aplicação de formatação condicional
A formatação condicional pode lhe ajudar a destacar pontos de dados importantes em uma tabela, ao distinguir
valores que correspondem a uma condição como ser maior que um certo número ou estar dentro de um certo
intervalo.
Por exemplo, em uma tabela com uma medida que mostra uma redução do estoque em cada um dos pontos de
venda de sua empresa, você pode aplicar a formatação condicional para identificar lojas com taxas mais altas de
Visualizando dados
reservados.
123
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.
Trabalho com várias regras de formatação condicional
Você pode definir várias regras de formatação condicional e utilizar a caixa de diálogo Gerente de regras para
gerenciá-las.
Se você criar várias regras de formatação condicional com base na mesma medida, algumas células poderão
corresponder às condições para várias regras. Quando uma ou mais regra estiver ativa para uma célula, a
formatação para cada regra será aplicada como um conjunto ou será ignorada, dependendo da prioridade de
regras na caixa de diálogo Gerente de regras.
Para cada célula, 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 forem conflitantes, isso é, caso modifiquem o mesmo atributo, nenhuma
formatação definida para a regra de prioridade inferior será aplicada à célula.
Para cada célula na tabela, a formatação Negrito e Itálico pode ser aplicada apenas pela regra ativa de maior
prioridade.
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 é
ignorada pois está em conflito com a segunda regra.
11.1.4.1
Para criar uma regra de formatação condicional
Pré-requisitos
Crie uma tabela e adicione uma medida a ela antes de definir uma regra de formatação condicional.
Procedimento
1.
2.
Clique em Criar nova regra formatação condicional.
Na caixa de diálogo Editor de regra, digite um nome para a regra.
Se você não especificar um nome para a regra, essa será nomeada automaticamente com base na condição
que definiu.
3.
A partir da lista Baseda em, escolha um medida.
Essa medida determina os valores que são utilizados para a regra, assim como a coluna na qual a formatação
é exibida.
124
reservados.
Visualizando dados
4.
Defina a condição para a regra ao escolher um operador e digitar o valor ou valores para a condição.
5.
Clique em Formatar. Defina a aparência das células que cumprem a condição e então clique em OK.
6.
Na caixa de diálogo Editor de regra, clique em OK.
Resultados
A regra de formatação condicional é aplicada à tabela. Por predefinição, as novas regras têm prioridade maior
que as regras criadas anteriormente. Você pode abrir a caixa de diálogo Gerente de regras para alterar a
prioridade das regras.
11.1.4.2
Para gerenciar regras de formatação condicional
A partir da caixa de diálogo Gerente de regras, você pode processar regras, adicionar ou remover regras, ativar e
desativar regras e definir a ordem na qual as regras são aplicadas.
Pré-requisitos
Crie uma tabela e adicione uma medida a ela antes de gerenciar regras de formatação condicional.
Procedimento
1.
Clique na seta próxima ao ícone Criar nova regras de formatação condicional e clique em Gerenciar regras.
A caixa de diálogo Gerente de regras é exibida.
2.
Modifique as regras de formatação condicional para a tabela ao executar qualquer uma das tarefas a seguir:
3.
Opção
Descrição
Criar uma regra
Clique no ícone + .
Excluir uma regra
Clique no ícone - .
Modificar uma regra
Selecione a regra na lista e clique em Processar regra.
Desativar uma regra
Desmarque a caixa de seleção na coluna Aplicado próxima ao nome da regra. Regras
desativadas não aplicadas à tabela, mas você poderá ativá-las novamente a partir do
Gerente de regras 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.
Clique em OK para confirmar suas modificações.
Visualizando dados
reservados.
125
11.1.5
Como interagir com dados hierárquicos
O ícone indica que uma hierarquia está associada a uma dimensão. Há diversas maneiras de encontrar e
interagir com informações hierárquicas.
11.1.5.1
Localizar dimensões incluídas em uma hierarquia
As relações hierárquicas entre dimensões podem ser visualizadas no painel Medidas e dimensões.
Procedimento
1.
Se o painel Medidas e dimensões estiver no layout vertical, clique no ícone de + ao lado de uma dimensão
para visualizar todas as dimensões incluídas na hierarquia.
Apenas a faceta que contém o nível mais alto da hierarquia é exibida na lista, a menos que ela esteja
expandida. Você pode selecionar uma dimensão de qualquer nível da hierarquia para ser adicionada a um
gráfico.
2.
Se o painel Medidas e dimensões estiver no layout horizontal, localize as dimensões incluídas em uma
hierarquia ao lado de outra.
11.1.5.2 Para alterar o nível da hierarquia exibida no Gerador
de gráficos
Contexto
Se uma dimensão que contém uma hierarquia estiver incluída em um gráfico, o nível exibido no gráfico poderá ser
alterado no Gerador de gráficos.
Procedimento
1.
Selecione uma faceta que contenha uma hierarquia.
2.
Clique na seta para baixo
126
para selecionar qualquer nível da hierarquia.
reservados.
Visualizando dados
Resultados
O gráfico exibe o nível selecionado. Um filtro que reflete o nível hierárquico é exibido acima da Tela do gráfico.
11.1.5.3
Pesquisar o nível inferior nos dados hierárquicos
Contexto
Se uma dimensão que contém uma hierarquia estiver incluída em um gráfico, você poderá pesquisar o nível
inferior nos dados na Tela do gráfico.
Procedimento
1.
Selecione um ponto de dados no gráfico ou uma etiqueta de eixo.
2.
Na dica exibida, selecione o ícone de pesquisa
.
A pesquisa de nível inferior acontece somente um nível de cada vez.
Resultados
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
Pesquisar o nível superior nos dados hierárquicos
Contexto
Se você pesquisou o nível inferior nos dados em um gráfico, você pode pesquisar níveis superiores na Tela do
gráfico.
Procedimento
1.
Selecione o ícone de pesquisa de nível superior
filtro criados pela pesquisa de nível inferior.
Visualizando dados
acima da Tela do gráfico. Se preferir, remova os tokens do
reservados.
127
Resultados
O gráfico exibe os dados selecionados.
11.1.6 Localizando medidas, dimensões e valores de dados
específicos
Você pode usar o controle de localização para localizar dimensões por nome e valores de dados específicos.
O controle de localização é exibido no painel Medidas e dimensões. Quando o painel é exibido na orientação
vertical, o controle de localização permite que você procure medidas e dimensões por nome. Quando o painel é
exibido na orientação horizontal, o controle de localização permite que você procure valores de dados específicos
em cada dimensão.
Nota
Quando o painel Medidas e dimensões está na orientação horizontal, o controle de localização é exibido
quando o ponteiro é posicionado dentro de uma coluna.
Os seguintes operadores são suportados:
●
O caractere * corresponderá a qualquer caractere, 0 ou mais vezes. Se você digitar a*a, a pesquisa retornará
qualquer palavra que contenha a letra a seguida por uma combinação de letras e outra letra a.
●
O caractere ? corresponderá a qualquer caractere uma vez. Por exemplo, se você digitar a?a, sua pesquisa
retornará qualquer palavra que contenha a letra a seguida por apenas uma letra qualquer e outra letra a.
●
Se uma dimensão contiver etiquetas atribuídas, você poderá clicar no ícone de engrenagem para usar os
recursos Procurar por chave ou Procurar por etiqueta.
Nota
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
Visualizando medidas associadas a dimensões
Você pode usar a orientação horizontal do painel Medidas e dimensões 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.
Por exemplo, se o seu conjunto de dados contiver uma medida chamada “Número de jogos ganhos” (calculada
como soma) e uma dimensão chamada “Nome da equipe”, além do nome da equipe, você poderá exibir o número
total de jogos que cada equipe ganhou no painel Medidas e dimensões.
128
reservados.
Visualizando dados
11.1.7.1
Visualizar uma medida associada a uma dimensão
Procedimento
1.
2.
3.
4.
Visualize o painel Medidas e dimensões no layout horizontal.
Posicione o ponteiro do mouse sobre uma dimensão.
Selecione o ícone exibido.
Selecione Exibir medida e escolha a medida que você deseja visualizar.
Resultados
Um valor de medida é exibido ao lado de cada valor na coluna de dimensão.
11.1.7.2 Visualizar o número de ocorrências dos valores de
dimensão
Você pode visualizar o número de vezes que cada dimensão aparece no seu conjunto de dados.
Procedimento
1.
2.
3.
4.
Visualize o painel Medidas e dimensões no layout horizontal.
Posicione o ponteiro do mouse sobre a dimensão que você deseja filtrar.
Selecione o ícone exibido.
Selecione
Exibir medida
Ocorrências .
Resultados
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 119]
Visualizando dados
reservados.
129
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.
11.1.8
Como solicitar suporte
Quando você abre uma história ou um conjunto de dados que inclui as variáveis ou os parâmetros de entrada do
SAP HANA, uma caixa de diálogo da solicitação é exibida. Uma lista de variáveis necessárias e opcionais é exibida
na solicitação. Selecionar valores na caixa de diálogo da solicitação define os filtros que determinam quais
informações são exibidas em sua história. Diversos valores podem ser selecionados na caixa de diálogo se a
variável do SAP HANA foi desenvolvida para permitir valores múltiplos.
Nota
As variáveis, os parâmetros de entrada e qualquer valor padrão do SAP HANA são definidos no SAP HANA
Studio.
Se você definir os valores da solicitação, então salve uma história, os valores da solicitação serão salvos. Você
não terá de inserir novamente nenhum valor.
Para redefinir os valores da solicitação, selecione o ícone da solicitação, e a caixa de diálogo da solicitação
será exibida novamente.
11.1.9
Tipos de agregação suportados
Os tipos de agregação suportados incluem soma, contagem, mínimo e máximo. Você não pode alterar o tipo de
agregação de uma medida. O autor também pode adicionar medidas que representam cálculos, outras unidades
de medida e valores de moeda mais complexos.
130
reservados.
Visualizando dados
12
Criando histórias
12.1
Criando histórias
Utilize a área Compor para criar e editar documentos de apresentação, chamados histórias, que utilizam
visualizações, blocos de textos, imagens e gráficos, e controles de entrada para descrever seus dados. As
histórias podem incluir diversas páginas e cada página pode ser um quadro, infográfico ou relatório.
Tabela 9: Elementos disponíveis por estilo de página em uma história
Estilo de página
Elementos que po
dem ser adicionados
Descrição
Quadro
Visualizações
Visualizações são gráficos que foram criados e salvos
na divisão Visualizar.
Os quadros são organizados
Texto
em uma ou várias seções.
Cada seção pode ser usada
para adicionar e formatar um
Imagens
gráfico, juntamente com as
anotações, as imagens e os fil Controles de entrada
tros ativos dele. Escolha o mo
delo que corresponde ao
layout desejado para sua pá
gina.
Infográfico
Você pode adicionar uma ou mais imagens à página.
Controles de entrada são filtros que você pode adicio
nar aos gráficos em uma página. Para todos os tipos de
gráfico, é possível selecionar uma dimensão usada no
gráfico, arrastá-la para a página e clicar em um valor
para filtrar os valores exibidos no gráfico.
É possível adicionar os mesmos elementos adicionados a quadros (visualiza
ções, textos e imagens) e mais alguns:
Um infográfico pode ser usado
para apresentar o fluxo de in Pictogramas
formações ou relações entre
as visualizações. Você pode
usar pictogramas padrão para
Formas
representar vários objetos do
mundo real e formas para re
presentar entidades e fluxo de
dados.
Relatório
Você pode digitar um texto na página para descrever ou
complementar os gráficos.
Pictogramas são ícones que representam objetos do
mundo real; por exemplo, pessoas, dispositivos eletrô
nicos, animais, plantas, edifícios, veículos etc.
Você pode adicionar formas (como setas, polígonos e
símbolos matemáticos) para ilustrar/definir processos
ou etapas em qualquer representação do fluxo de infor
mações.
Você pode adicionar qualquer elemento a um relatório.
Um relatório fornece uma ren
derização perfeita em pixels
das visualizações e de outros
objetos presentes na página,
que é adequada para publica
ção e compartilhamento.
Criando histórias
reservados.
131
12.1.1
Criar histórias
Procedimento
1.
Abra a divisão Criar.
2.
Na caixa de diálogo Nova história, escolha um estilo de página para a primeira página na sua história.
Os modelos de layout da página disponíveis são exibidos para cada estilo de página.
3.
Selecione um modelo do layout da página e clique em Criar.
Nas páginas do Infográfico, um dos modelos lhe fornece uma página dividida em seções que são utilizadas
normalmente na descrição de um processo de dados ou uma fluxo de informações. Se escolher esse formato,
a página o guiará por uma estrutura de O que, Quem, Quando, Por que e Como, para ajudá-lo a iniciar sua
apresentação.
Os elementos que podem ser adicionados a sua página aparecem à esquerda da janela. Selecione um grupo
de elementos para visualizar os gráficos diferentes disponíveis.
Qualquer imagem que já foi importada aparece no grupo Imagens. Se nenhuma imagem aparece no grupo,
você pode importar imagens clicando no símbolo “+”.
4.
Arraste os elementos para a página.
○
Nas páginas Quadro e Relatório, você pode adicionar Controles de entrada, que são dimensões que
podem ser adicionadas 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.
○
As páginas do Infographic são divididas em linhas e células para as quais você arrasta seus elementos.
○
Você pode ampliar ou reduzir as linhas e células arrastando as extremidades.
○
Você pode adicionar ou excluir células clicando nos símbolos “x” e “+” nas células existentes.
○
Você pode adicionar ou excluir linhas clicando nas guias em cor cinza nas extremidades à esquerda
das linhas.
○
Você pode redimensionar os elementos dentro das células.
○
Nas páginas de Quadro, você pode reposicionar um elemento clicando e arrastando o ícone em forma de
diamante no canto superior direito do elemento.
○
Nas páginas de Relatório, você pode redimensionar os itens, mas não pode reposicioná-los.
Nota
Os gráficos adicionados às páginas de Quadro e Relatório são atualizados quando modificados na divisão
Visualizar. No entanto, os gráficos adicionados às páginas de Infográfico não são atualizados.
Nota
Nas páginas Relatório, os elementos da tabela podem ser visualizados utilizando a barra de rolagem da
página.
5.
Caso queira criar outras páginas, clique em Adicionar página.
6.
Salve sua história.
Se você fechar o navegador antes de salvar a história, seu trabalho será perdido.
132
reservados.
Criando histórias
12.1.1.1
Formatar histórias
É possível formatar a aparência geral de uma página e cada elemento individual adicionando cor, formatação de
texto, alinhamento de parágrafo, títulos de gráficos, etiquetas de eixo, legendas e formatação de forma e linha.
Procedimento
1.
Clique na divisão Criar.
2.
Abra a página que você deseja formatar.
3.
Clique em um elemento na página.
As opções de formatação são exibidas no painel no lado direito da janela. As opções de formatação
dependerão do elemento selecionado na página:
Elemento
Opções de formatação
Página
Quadro
No painel CONFIGURAÇÕES DA PÁGINA, é possível alterar as seguintes configurações:
Visualizações
○
Exibir ou ocultar o título da página.
○
Selecionar uma cor de fundo para a página.
○
Adicionar uma imagem de plano de fundo à página.
No painel PROPRIEDADES DA VISUALIZAÇÃO, é possível alterar as seguintes configurações:
○
Exibir, ocultar e formatar o título e a legenda.
○
Exibir ou ocultar as etiquetas de dados (os valores para cada dimensão no gráfico).
○
Exibir ou ocultar cada eixo.
○
Exibir, ocultar e formatar o texto para os títulos e as etiquetas de eixo.
Quando você trabalha em uma página de Infográfico, alguns tipos de gráfico têm configura
ções adicionais no painel PROPRIEDADES DA VISUALIZAÇÃO:
Textos
○
para gráficos de linhas, de barras e de colunas, você pode escolher representar os pon
tos de dados com pictogramas. Selecione Coluna, Barra ou Marcador para ver os picto
gramas que você pode inserir diretamente no gráfico.
○
Para gráficos de rosca, você pode realçar uma seção individual para chamar a atenção
para esse ponto de dados.
○
No painel FONTE, é possível definir o estilo, o tamanho e a cor da fonte, assim como ou
tras configurações de fonte.
○
No painel PARÁGRAFO, é possível aplicar alinhamento de parágrafo e usar tipos de lista
diferentes.
○
No painel COR DE FUNDO, é possível escolher uma cor de fundo para o texto.
Criando histórias
reservados.
133
Elemento
Opções de formatação
Imagens
○
No painel COR, é possível aplicar uma cor de fundo ao quadro que contém a imagem.
○
No painel MODO DE EXIBIÇÃO, é possível escolher como a imagem é exibida no quadro:
○
Conter: a imagem inteira é contida dentro do quadro, mantendo a proporção de as
pecto dela.
○
Cobrir: a imagem é dimensionada para cobrir ou preencher o quadro inteiro, man
tendo a proporção de aspecto dela. Parte da imagem pode ser cortada.
○
Expandido: a imagem é expandida para ocupar o quadro inteiro.
○
Panorâmica: a imagem é dimensionada para preencher a dimensão horizontal do
quadro. A parte inferior da imagem pode ser cortada.
Controles de
entrada (fil
tros)
No painel MODO DE SELEÇÃO, é possível escolher entre uma seleção única ou múltipla.
Pictogramas
○
No painel AÇÕES, é possível alterar as seguintes configurações:
○
○
Formas
Mover o pictograma selecionado para frente ou para trás de outros elementos.
○
Alterar os alinhamentos horizontal e vertical do pictograma.
○
Fazer uma cópia do pictograma.
○
Expandir o pictograma para preencher o quadro que o contém.
○
Alterar o tamanho, a posição e o ângulo do pictograma.
Nos painéis COR DE PREENCHIMENTO e COR DA LINHA, é possível escolher as cores do
preenchimento e da linha do pictograma.
Além das configurações disponíveis para pictogramas, é possível escolher a largura da linha.
12.1.2
Como salvar uma história
12.1.3
Modificando uma história
Contexto
Procedimento
1.
Clique em Editar no canto superior direito da janela.
A história será aberta na divisão Criar, onde você pode fazer suas alterações.
134
reservados.
Criando histórias
12.1.4
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.
Procedimento
1.
2.
Em uma página do quadro, clique em Explorar no canto superior direito de uma visualização.
A visualização é aberta em uma nova janela. Estas são algumas das maneiras que você pode explorar uma
visualização:
○
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 gráficos geográficos
○
Altere o título
Quando terminar de explorar a visualização, clique em Atualizar para salvar suas alterações de volta no
quadro.
12.1.5
Como atualizar dados em uma página de infográfico
Por padrão, os dados não são atualizados nos infográficos. No entanto, você pode atualizar opcionalmente os
dados toda vez que abrir uma página de infográfico.
Contexto
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.
Criando histórias
reservados.
135
Procedimento
1.
Na divisão Criar, abra a página do infográfico para atualizar os dados.
2.
Selecione Editar.
3.
Clique no botão Atualizar página ao abrir no painel Configurações da página.
Uma mensagem é exibida e indica que as visualizações serão atualizadas para utilizar os dados mais
recentes, que podem alterar personalizações existentes.
Resultados
Os dados dessa página de infográfico serão atualizados toda vez que o infográfico for aberto.
136
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.
Nota
O acesso compartilhado aos seus conjuntos de dados e histórias publicados não está atribuído a usuários
individuais, mas a funções, onde é atribuída uma função aos usuários, definida no SAP HANA Studio. Você
pode decidir quais funções podem obter acesso aos seus conjuntos de dados e históricos publicados, mas
somente o status Visualizar pode ser atribuído a qualquer função selecionada, pois históricos publicados não
podem ser processados. Consulte o Guia de usuário do SAP Lumira Server para obter informações sobre
funções e compartilhamento no SAP Lumira Server.
Como publicar histórias e conjuntos de dados no SAP Lumira Server [página 137]
Você pode publicar histórias e conjuntos de dados no SAP Lumira Server.
13.1.1 Como publicar histórias e conjuntos de dados no SAP
Lumira Server
Você pode publicar histórias e conjuntos de dados no SAP Lumira Server.
Contexto
As histórias publicadas são para apenas visualização. Se deseja editar uma história que foi publicada no SAP
Lumira Server, modifique a história primeiro e publique-a novamente. Ao publicar no SAP Lumira Server, você
deve verificar os seguinte:
reservados.
137
Restrições para histórias publicadas
Descrição
Insira o URL para SAP Lumira Server.
Selecione Arquivo Preferências Rede e copie o URL do servi
dor na caixa de texto SAP Lumira Server. Certifique-se de ter as cre
denciais de conexão para o SAP Lumira Server.
Restrições na publicação para o SAP
Lumira Server:
●
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,
ExceptLastWord.
Procedimento
1.
Abra a sala Compartilhar.
2.
Dependendo do que deseja publicar, faça um dos seguintes:
Opção
Descrição
Para publicar um
histórico
Clique no link Histórias na parte superior do painel central. As histórias que foram salvas na sala
Compor são exibidas no painel central. Clique em um histórico.
Para publicar um
conjunto de dados
Clique em um conjunto de dados no painel Conjunto de dados.
3.
Clique no botão Publicar no SAP Lumira Server na barra de menu na parte superior da guia.
4.
Insira o nome da conta e a senha e clique em Conectar.
5.
Clique em Seguinte.
Nota
Se publicar novamente um história ou um conjunto de dados que já existe no SAP Lumira Server, um aviso
o informará que a história ou o conjunto de dados já existe. Se deseja criar uma nova cópia no servidor,
você precisa fazer isso no aplicativo e então publicá-la separadamente; caso contrário, a versão do
servidor será sobregravada. Você tem estas opções:
6.
138
○
Se deseja manter a versão publicada e criar uma cópia, marque Não sobregravar na lista suspensa
Detalhe, e clique em Cancelar. Então, você poderá criar uma cópia no aplicativo e publicá-la.
○
Se você deseja substituir a versão publicada com uma versão atualizada, selecione Sobregravar a
partir da lista suspensa Detalhes e então clique em Verificar e então Publicar para sobregravar a
história existente.
Clique em Concluído.
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.
Contexto
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
Procedimento
1.
Adquira os dados da fonte de dados solicitada.
O componente de fonte de dados é adicionado ao editor de análise na divisão Prever.
2.
Na divisão Prever, clique duas vezes no componente de algoritmo R necessário.
3.
Pelo menu de contexto do componente, selecione Definir configurações.
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.
Resultados
O modelo é criado e exibido na seção Modelos da lista Componentes. 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.
Trabalhando com modelos
reservados.
139
14.2 Como exportar um modelo como PMML
Contexto
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:
Procedimento
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
Contexto
Você pode exportar um modelo em um arquivo .spar e compartilhá-lo com seus colegas.
Para exportar um modelo, execute os seguintes procedimentos:
Procedimento
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 SAP Predictive Analysis Archive (.spar).
4.
Selecione Exportar.
5.
Insira um nome para o arquivo .spar.
140
reservados.
6.
Selecione Salvar.
7.
Selecione OK.
Resultados
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 da PAL como procedimento
armazenado
Contexto
Você pode exportar um modelo da biblioteca de análise preditiva SAP HANA (PAL) como procedimento
armazenado no banco de dados do SAP HANA, e qualquer usuário do SAP HANA pode usar esse modelo para
análise.
Antes de exportar o modelo do SAP HANA como um procedimento armazenado, garanta que a conta esteja
definida no SAP HANA.
Procedimento
1.
Crie um modelo.
2.
Na divisão Prever, na lista Componentes, escolha Modelos.
3.
Selecione o modelo necessário e pela seção Ações do componente, selecione Exportar modelo.
4.
Selecione Utilizar essa opção para exportar um Modelo do SAP HANA como um procedimento armanzenado.
5.
Selecione Exportar.
6.
Selecione o esquema necessário em que você deseja que o procedimento apareça.
7.
Especifique um nome para o procedimento.
Nota
Se quiser sobregravar o procedimento existente com o mesmo nome no esquema selecionado, selecione
Sobregravar, se existir.
8.
Selecione Exportar.
reservados.
141
Resultados
O procedimento exportado e os objetos a ele associados (tabelas/tipos) serão exibidos no esquema selecionado
no banco de dados SAP HANA.
14.4.1 Removendo o procedimento armazenado e exportado
do SAP HANA
Pré-requisitos
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.
Contexto
Para remover o procedimento armazenado e exportado do SAP HANA, realize as seguintes etapas:
Procedimento
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.
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.
142
reservados.
14.5 Como importar um modelo
Contexto
Você pode importar um modelo compartilhado por seu colega e usar para análise.
Para importar um modelo, execute os seguintes procedimentos:
Procedimento
1.
Na divisão Prever, na lista Componentes, escolha
2.
Escolha um arquivo .spar válido e escolha Abrir.
Importar modelo .
3.
Selecione os modelos que quer importar e escolha Concluir.
O modelo é importado e exibido na seção Modelos da lista Componentes.
14.6 Como excluir um modelo
Contexto
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:
Procedimento
1.
Na divisão Prever, na lista Componentes, escolha Modelos.
2.
Selecione o modelo necessário e pelas ações do componente, selecione Excluir.
reservados.
143
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.
O SAP Predictive Analysis contém algoritmos incorporados, como de regressão, série de tempo e valor atípico.
No entanto, a aplicação suporta inclusive algoritmos da biblioteca R de fonte aberta, como de árvore de decisão,
valor médio k, rede neural, série de tempo e regressão. 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.
144
reservados.
Propriedades do algoritmo HANA de regressão exponencial
Tabela 10: Propriedades do algoritmo
Propriedade
Descrição
Modo de saída
Selecione o modo em que você deseja usar a saída
deste algoritmo.
Valores possíveis:
●
Preencher: preenche os valores em falta na coluna
de destino.
●
Tendência: prevê os valores da coluna dependente
e adiciona uma coluna extra na saída que contenha
os valores previstos.
Colunas independentes
Selecione as colunas de entrada com as quais você de
seja executar a análise de regressão.
Coluna dependente
Selecione a coluna de destino com a qual você deseja
executar 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 conte
nham os valores em falta na coluna independente
ou dependente.
●
Manter: o algoritmo retém os registros que conte
nham valores em falta durante o cálculo.
Nome da coluna prevista
Insira um nome para a coluna recém-adicionada que
contenha 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.
reservados.
145
Propriedades do algoritmo HANA de regressão geométrica
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna dependente
Valores em falta
falta.
●
ou dependente.
●
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.
146
reservados.
Propriedades do algoritmo HANA de regressão linear múltipla
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna dependente
Valores em falta
falta.
●
ou dependente.
●
Insira um nome para a coluna recém-criada que conte
nha 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
reservados.
147
Propriedades do algoritmo HANA de regressão logarítmica
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna independente
Coluna dependente
Valores em falta
falta.
●
ou dependente.
●
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
148
reservados.
Propriedades do algoritmo HANA de regressão polinomial
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Grau do polinomial
Insira o maior valor expoente de uma expressão polino
mial.
Coluna dependente
Valores em falta
falta.
●
ou dependente.
●
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.
reservados.
149
Nota
Propriedades do algoritmo HANA R de regressão linear múltipla
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna dependente
Valores em falta
falta.
●
ou dependente.
●
●
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
previsões). O valor predeterminado é 0,95.
150
reservados.
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
Propriedades do algoritmo HANA de regressão logística
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
●
de destino.
Coluna dependente
Método de iteração
Selecione o método de iteração.
Valores em falta
falta.
●
ou dependente.
●
reservados.
151
Propriedade
Descrição
Mostrar valores ajustados
Selecione essa opção para visualizar os valores ajusta
dos em uma nova coluna.
Iteração máxima
Insira o número máximo de iterações permitido para
calcular o coeficiente do algoritmo. O valor predetermi
nado é 100.
Limite de saída
Insira o valor limite para a saída das iterações. O valor
predeterminado 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
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
152
reservados.
Propriedades do algoritmo R de regressão exponencial
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna independente
Selecione a coluna de entrada com a qual você deseja
Coluna dependente
Valores em falta
falta.
Permitir único ajuste
●
ou dependente.
●
●
dependente.
Um valor booleano - se definido como verdadeiro, os
coeficientes com alias serão ignorados na matriz de
covariância de coeficiente. Se definido como falso, um
modelo com coeficientes 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.
15.1.1.9
R de regressão geométrica
As propriedades que podem ser configuradas no algoritmo R de regressão geométrica.
reservados.
153
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
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna independente
Coluna dependente
Valores em falta
falta.
154
reservados.
●
ou dependente.
●
●
dependente.
Propriedade
Descrição
Contrastes
15.1.1.10 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
deste algoritmo.
Valores possíveis:
●
de destino.
●
reservados.
155
Propriedade
Descrição
Coluna independente
Coluna dependente
Valores em falta
falta.
●
ou dependente.
●
●
dependente.
Contrastes
15.1.1.11 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
156
reservados.
Propriedades do algoritmo R de regressão logarítmica
Propriedade
Descrição
Modo de saída
Selecione o modo em que você deseja exibir os dados
de saída.
Valores possíveis:
●
de destino.
●
Coluna independente
Selecione a coluna de origem de entrada com a qual
você deseja executar a regressão.
Coluna dependente
Selecione a coluna de destino em que você deseja exe
cutar a regressão.
Valores em falta
falta.
Valores possíveis:
●
ou dependente.
●
●
Parar: o algoritmo para a execução se um valor es
tiver em falta na coluna independente ou na coluna
dependente.
Contrastes
Selecione a lista de contrastes a ser usada para fatores
que aparecem como variáveis no modelo.
15.1.1.12 R de regressão linear múltipla
As propriedades que podem ser configuradas no algoritmo R de regressão linear múltipla.
reservados.
157
Sintaxe
independentes.
Nota
Propriedades do algoritmo R de regressão linear múltipla
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna dependente
Valores em falta
falta.
●
Ignorar: o algoritmo ignora os registros que con
têm os valores em falta nas colunas independente
ou dependente.
●
Manter: retém valores em falta.
●
Parar: o algoritmo para a execução se um valor es
tiver em falta na coluna independente ou na coluna
dependente.
Insira o nível de confiança do algoritmo. O valor prede
terminado é 0,95.
158
reservados.
15.1.1.13 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
deste algoritmo.
Modos possíveis:
●
de destino.
●
Coluna independente
Coluna dependente
Valores em falta
falta.
●
nham os valores em falta nas colunas indepen
dente ou dependente.
●
dependente.
reservados.
159
Propriedade
Descrição
15.1.1.14 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
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna independente
Coluna dependente
160
reservados.
Propriedade
Descrição
Valores em falta
falta.
●
ou dependente.
●
dependente
15.1.1.15 Regressão do InfiniteInsight
As propriedades que podem ser configuradas no algoritmo de regressão do InfiniteInsight.
Sintaxe
O algoritmo Regressão do InfiniteInsight 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 de Regressão do InfiniteInsight
Propriedade
Descrição
Recursos
Variável de destino
15.1.1.16 Regressão linear
As propriedades que podem ser configuradas no algoritmo de regressão linear.
reservados.
161
Sintaxe
uma variável. Ele determina como uma variável individual influencia outra variável com a metodologia de
mínimo quadrado.
Nota
Propriedades da regressão linear
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna independente
Coluna dependente
Valores em falta
falta.
Valores possíveis:
162
reservados.
●
ou dependente.
●
dependente.
15.1.1.17 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
Propriedades da regressão logarítmica
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
de destino.
●
Coluna independente
Coluna dependente
Valores em falta
falta.
●
ou dependente.
●
dependente.
reservados.
163
Propriedade
Descrição
15.1.2
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.
Propriedades do algoritmo HANA de detecção de anormalidade
Propriedade
Descrição
Modo de saída
deste algoritmo.
Selecione as colunas de origem de entrada.
Valores em falta
falta.
Valores possíveis:
Porcentagem de anomalias
164
reservados.
●
ou dependente.
●
Insira o valor percentual que indica a proporção de
anormalidades nos dados de origem. O valor predeter
minado é 10.
Propriedade
Descrição
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 cen
tros
Iterações máximas
Insira o número de iterações permitido para localiza
ção 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 regis
tros 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.
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.
reservados.
165
Propriedades do algoritmo HANA de teste de intervalo interquartil
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
Exibir valores atípicos: adiciona uma coluna boo
leana aos dados de entrada, especificando se o va
lor correspondente é atípico.
●
Remover valores atípicos: remove os valores atípi
cos dos dados de entrada.
Coluna independente
Selecione uma coluna de origem de entrada.
Valores em falta
falta.
●
ou dependente.
●
Coeficiente limitador
Insira o desvio permitido para os valores do intervalo
interquartil. O valor predeterminado é 1,5.
valores 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.
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.
166
reservados.
Propriedades do algoritmo de intervalo interquartil
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
●
Recurso
executar a análise.
Valores em falta
falta.
●
ou dependente.
●
dependente.
Coeficiente limitador
Insira o desvio permitido para os valores do intervalo
interquartil. O valor predeterminado é 1,5.
valores 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.
Nota
A criação de modelos usando o valor atípico vizinho mais próximo não é suportada.
reservados.
167
Propriedades do valor atípico vizinho mais próximo
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
●
Recurso
Valores em falta
falta.
●
ou dependente.
●
dependente.
Contagem da vizinhança
Insira o número de vizinhos para determinar distân
cias. O valor predeterminado é 5.
Número de valores atípicos
Insira o número de valores atípicos que deseja remo
ver.
valores 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.
O multiplicador é um coeficiente do tipo duplo que o ajuda a testar se todos os valores de um vetor numérico
estão no intervalo.
168
reservados.
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
deste algoritmo.
●
●
Selecione as colunas de origem de entrada.
Valores em falta
falta.
Multiplicador
●
ou dependente.
●
Insira o valor do Multiplicador para decidir o intervalo
do limite Inferior e Superior e identificar os valores atí
picos. O valor predeterminado é 3,0.
Nota
O valor informado deve ser inteiro e positivo.
Número de threads
durante a execução.
valores previstos.
reservados.
169
15.1.3
Série de tempo
15.1.3.1
único
Algoritmo HANA de amortecimento exponencial
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
deste algoritmo.
●
Tendência: exibe os dados de origem junto com os
valores previstos para um conjunto de dados infor
mado.
●
Previsão: exibe os valores previstos para o período
informado.
executar 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
ativada se você selecionar "Personalizar" para "Pe
ríodo".
Ano inicial
Insira o ano do qual as observações devem ser consi
deradas. Por exemplo, 2009, 1987, 2019.
Período inicial
Insira o período do qual as observações devem ser
consideradas. 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 conte
170
reservados.
Propriedade
Descrição
Valores de ano
nha os valores de ano.
Valores de trimestre
nha os valores de trimestre.
Valores de mês
nha os valores de mês.
Valores de período
nha os valores de período.
Alfa
Insira uma constante de amortecimento para observa
ções de amortecimento (parâmetros de base). Inter
valo: 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
deste algoritmo.
●
mado.
●
informado.
reservados.
171
Propriedade
Descrição
Período
Períodos por ano
ríodo".
Ano inicial
Período inicial
consideradas.
Valores de ano
Valores de mês
Valores de período
Alfa
valo: 0-1.
Beta
Insira uma constante de amortecimento para encon
trar os parâmetros 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.
172
reservados.
Propriedades de HANA de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
deste algoritmo.
●
mado.
●
informado.
Período
Períodos por ano
ríodo".
Ano inicial
Período inicial
consideradas.
Valores de ano
Valores de mês
Valores de período
Alfa
valo: 0-1.
Beta
Gama
trar os parâmetros de tendência sazonal. Intervalo: 0-1.
reservados.
173
15.1.3.4
HANA R de amortecimento exponencial triplo
As propriedades que podem ser configuradas no algoritmo HANA R de amortecimento exponencial triplo.
Sintaxe
Propriedades do algoritmo R de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
deste algoritmo.
●
mado.
●
informado.
Período
Períodos por ano
ríodo".
Ano inicial
Período inicial
consideradas.
Valores de ano
Valores de mês
174
reservados.
Propriedade
Descrição
Valores de período
Alfa
valo: 0-1.
Beta
Gama
trar os parâmetros de tendência sazonal. Intervalo: 0-1.
Sazonal
Selecione o tipo de algoritmo de amortecimento expo
nencial HoltWinters.
Insira o nível de confiança do algoritmo.
Nº de observações periódicas
Insira o número de observações periódicas necessá
rias 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
tendência (b[0]) (b.start). Por exemplo: 0.4.
Estação
Insira os valores iniciais para encontrar os parâmetros
sazonais (s.start). O valor depende da coluna selecio
nada. 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 necessá
rios 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.
reservados.
175
Propriedades do algoritmo R de amortecimento exponencial individual
Propriedade
Descrição
Modo de saída
deste algoritmo.
●
mado.
●
informado.
Período
Períodos por ano
ríodo".
Ano inicial
Período inicial
consideradas.
Insira o número de períodos a serem previstos.
Valores de ano
Valores de mês
Valores de período
Alfa
ções de amortecimento (parâmetros de base). O valor
predeterminado é 0,3. Intervalo: 0-1.
rias para iniciar o cálculo. O valor predeterminado é 2.
Nível
exemplo: 0.4.
176
reservados.
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.
Propriedades do algoritmo de amortecimento exponencial duplo
Propriedade
Descrição
Modo de saída
deste algoritmo.
●
mado.
●
informado.
Período
Períodos por ano
ríodo".
Ano inicial
Período inicial
consideradas.
Valores de ano
reservados.
177
Propriedade
Descrição
Valores de mês
Valores de período
Alfa
Beta
Insira uma constante de amortecimento para localizar
parâmetros de tendência. O valor padrão é 0.1. Inter
valo: 0-1.
Nível
exemplo: 0.4.
Tendência
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.
178
reservados.
Propriedades do algoritmo R de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
deste algoritmo.
●
mado.
●
informado.
Período
Períodos por ano
ríodo".
Ano inicial
Período inicial
consideradas.
Valores de ano
Valores de mês
Valores de período
Alfa
Beta
trar os parâmetros de tendência. O valor predetermi
nado é 0,1. Intervalo: 0-1.
Gama
trar os parâmetros de tendência sazonal. O valor pre
determinado é 0,1.
reservados.
179
Propriedade
Descrição
Sazonal
Selecione o tipo de algoritmo de amortecimento expo
nencial HoltWinters.
Nível
exemplo: 0.4.
Tendência
Estação
Insira os valores iniciais para encontrar os parâmetros
sazonais (s.start). O valor depende da coluna selecio
nada. 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
Propriedades do logaritmo de amortecimento exponencial triplo
Propriedade
Descrição
Modo de saída
deste algoritmo.
180
reservados.
●
mado.
●
informado.
Propriedade
Descrição
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
ríodo".
Ano inicial
Período inicial
consideradas.
Valores de ano
Valores de mês
Valores de período
Alfa
Beta
trar os parâmetros de tendência. O valor predetermi
nado é 0,1. Intervalo: 0-1.
Gama
trar os parâmetros de tendência sazonal. O valor pre
determinado é 0,1. Intervalo: 0-1.
15.1.4
15.1.4.1
HANA C 4.5
As propriedades que podem ser configuradas para o algoritmo HANA C 4.5.
reservados.
181
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
deste algoritmo.
Valores possíveis:
●
e adiciona uma coluna extra à saída que contenha
●
Preenchimento: preenche os valores em falta na
coluna de destino.
Recursos
seja executar a análise.
Nota
Ele só aceita coluna com tipo de dados inteiros.
Valores em falta
falta.
Porcentagem de dados de entrada
182
reservados.
●
ou dependente.
●
Insira o percentual de dados a ser considerado na aná
lise.
Propriedade
Descrição
Divisão mínima
Insira o número de registros, além do qual a divisão do
nó folha não é permitida. O valor predeterminado é 0.
Colunas
Selecione as colunas independentes que contenham
valores numéricos.
Intervalos de posições
Inserir intervalos de posições.
valores 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
●
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.
reservados.
183
Propriedades do algoritmo HANA R de árvore CNR
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
●
coluna de destino.
Recursos
Valores em falta
falta.
Valores possíveis:
Tipo de algoritmo
●
ou dependente.
●
Selecione o tipo de análise que deseja que o algoritmo
execute.
Valores possíveis:
●
Classificação: use este método se a variável de
pendente tiver valores de categoria.
●
Regressão: use este método - se a variável depen
dente 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:
184
reservados.
●
Gini: impureza Gini
●
Informações: ganho de informações.
Propriedade
Descrição
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.
Profundidade máxima
Insira o nível máximo do nó na árvore final com o nó
raiz computado como nível 0.
Nota
Se a profundidade máxima for maior que 30, o algo
ritmo não produz os resultados esperados (em má
quinas de 32 bits).
Validação cruzada
Insira o número de validações cruzadas. Um valor
maior de validação cruzada aumenta o tempo de cál
culo e produz resultados mais precisos.
Probabilidade prioritária
Insira o vetor de probabilidades prioritárias.
Utilizar substituto
Selecione o substituto para usar no processo de repar
tição.
Valores possíveis:
Estilo de substituto
●
Exibir apenas - uma observação com um valor em
falta para a regra de divisão primária não será envi
ada aos níveis inferiores da árvore.
●
Utilizar substituto - use esta opção para dividir ob
jetos sem a variável principal; se todos os substitu
tos estiverem em falta, a observação não será divi
dida.
●
Interromper se estiver em falta – se todos os sub
stitutos estiverem em falta, a observação será en
viada na direção majoritária.
Insira o estilo que controla a seleção do melhor substi
tuto.
Valores possíveis:
Substituto máximo
●
Usar classificação correta total - o algoritmo usa o
número total de classificações corretas para en
contrar uma variável substituta potencial.
●
Usar percentual de casos que não estão em falta o algoritmo usa o percentual de casos que não es
tão em falta, classificados para encontrar um sub
stituto potencial.
Insira o número máximo de substitutos a ser retido em
cada nó de uma árvore.
reservados.
185
Propriedade
Descrição
Mostrar probabilidade
Selecione a caixa de seleção Mostrar probabilidade
para obter a probabilidade de valores previstos du
rante a pontuação de um modelo de classificação.
15.1.4.3
HANA CHAID
As propriedades que podem ser configuradas para o algoritmo HANA CHAID.
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
deste algoritmo
Valores possíveis:
●
●
coluna de destino.
Recursos
Nota
Ele só aceita coluna com tipo de dados inteiros.
186
reservados.
Propriedade
Descrição
Valores em falta
falta.
Valores possíveis:
●
ou dependente.
●
Porcentagem de dados de entrada
Insira o percentual de dados a ser considerado na aná
lise.
Divisão mínima
Insira o número mínimo de registros de um nó, além do
qual não será permitida a divisão do nó. O valor prede
terminado é 0.
Insira a profundidade máxima da árvore.
Nome da coluna
Selecione o nome da coluna independente que conte
nha valores numéricos.
Inserir intervalos de posições
Inserir intervalos de posições.
valores previstos.
Número de threads
durante 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
●
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.
reservados.
187
Propriedades do algoritmo R de árvore CNR
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
●
coluna de destino.
Recursos
Valores em falta
falta.
Tipo de algoritmo
●
Rpart: o algoritmo exclui todas as observações que
não têm a coluna dependente. No entanto, ele re
tém as observações para as quais uma ou mais co
lunas independentes estão em falta.
●
ou dependente.
●
●
dependente.
execute.
Valores possíveis:
Divisão mínima
188
reservados.
●
Classificação: use este tipo - se a variável depen
dente tiver valores de categoria.
●
Regressão: use este tipo - se a variável dependente
tiver valores numéricos.
Insira um número mínimo de observações necessárias
para divisão de um nó. O valor predeterminado é 10.
Propriedade
Descrição
Critérios de divisão
Selecione os critérios de divisão do nó.
Valores possíveis:
●
Gini: impureza Gini
●
Informações: ganho de informações.
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 computado como nível 0.
Nota
Se a profundidade máxima for maior que 30, o algo
ritmo não produz os resultados esperados (em má
quinas de 32 bits).
Validação cruzada
Insira o número de validações cruzadas. Um valor
maior de validação cruzada aumenta o tempo de cál
culo e produz resultados mais precisos.
Probabilidade prioritária
Insira o vetor de probabilidades prioritárias.
Utilizar substituto
Selecione o substituto para usar no processo de repar
tição.
Valores possíveis:
●
Exibir apenas - uma observação com um valor em
falta para a regra de divisão primária não será envi
ada aos níveis inferiores da árvore.
●
Utilizar substituto - use esta opção para dividir ob
jetos sem a variável principal; se todos os substitu
tos estiverem em falta, a observação não será divi
dida.
●
Interromper se estiver em falta - se todos os sub
stitutos estiverem em falta, a observação será en
viada na direção majoritária.
reservados.
189
Propriedade
Descrição
Estilo de substituto
Insira o estilo que controla a seleção do melhor substi
tuto.
Valores possíveis:
●
Usar classificação correta total - o algoritmo usa o
número total de classificações corretas para en
contrar uma variável substituta potencial.
●
Usar percentual de casos que não estão em falta o algoritmo usa o percentual de casos que não es
tão em falta, classificados para encontrar um sub
stituto 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 du
rante a pontuação de um modelo de classificação.
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.
190
reservados.
Propriedades do algoritmo R de rede neural MONMLP
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
●
coluna de destino.
Recursos
Neurônios da camada1 oculta
Insira o número de nós/neurônios na primeira camada
oculta (hidden1). O valor predeterminado é 5.
Função de transferência de camada oculta
Selecione a função de ativação a ser usada para a ca
mada oculta (Th).
Função de transferência de camada de saída
Selecione a função de ativação a ser usada para a ca
mada de saída (To).
Derivativo de função de transferência de camada
oculta
Selecione o derivativo da função de ativação de ca
mada oculta (Th.prime).
Derivativo de função de transferência de camada de
saída
Selecione o derivativo da função de ativação de ca
mada 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 otimização (iter.max). O valor predeterminado é
5000.
Colunas com monotonicidade
Insira os índices de coluna à qual você deseja aplicar a
restrição 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).
reservados.
191
Propriedade
Descrição
Exceções máximas
Insira o número máximo de exceções para a rotina de
otimização (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 míni
mos locais (n.trials).
Número de membros do conjunto
Insira o número de membros do conjunto a serem ajus
tados (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.
Propriedades do algoritmo R de rede neural NNet
Propriedade
Descrição
Modo de saída
deste algoritmo.
Valores possíveis:
●
●
coluna de destino.
Recursos
192
reservados.
Propriedade
Descrição
Valores em falta
falta.
Valores possíveis:
●
ou dependente.
●
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.
Tipo de algoritmo
execute.
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 selecionar o tipo de algoritmo Classificação, este
valor deverá ser verdadeiro.
Usar Softmax
Selecione Verdadeiro para utilizar os ajustes "modelo
de log linear" e "probabilidade condicional máxima".
Linout, entropy, softmax e censored são mutuamente
excludentes.
Usar entropia
Para utilizar o ajuste de "probabilidade condicional má
xima", selecione Verdadeiro. Por padrão, o algoritmo
usa o método dos mínimos quadrados.
Valores possíveis:
●
Verdadeiro: use o ajuste "probabilidade condicio
nal máxima".
●
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 exem
plo 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 decay).
reservados.
193
Propriedade
Descrição
Insira o número máximo de iterações permitidas.
Matriz hessiana necessária
Para retornar uma medida hessiana no melhor con
junto de pesos, selecione Verdadeiro.
Pesos máximos
Insira o número máximo de pesos permitidos no cál
culo.
Não existe limite intrínseco no código, mas o aumento
no número 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 critérios de ajuste pelo fator: 1 - reltol.
Contrastes
Insira a lista de contrastes a ser usada para fatores que
aparecem 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.
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.
194
reservados.
Propriedades do algoritmo HANA de valor médio K
Propriedade
Descrição
Modo de saída
deste algoritmo.
Recursos
Selecionar as colunas de entrada com as quais você
deseje executar a análise.
Colunas de categorias
Selecionar as colunas de entrada, que você deseje con
siderar como colunas de categorias.
Pesos de categorias
Inserir os pesos de categorias.
Calcular silhueta
Selecionar essa opção para calcular valores de si
lhueta. Silhueta significa a qualidade de clustering. O
valor 1 de silhueta significa que o clustering é bom en
quanto o valor 0 significa que o clustering é ruim.
Valores em falta
falta.
●
ou dependente.
●
Manter: o algoritmo retém o registro que contenha
valores em falta durante o cálculo.
Número de clusters
Insira o número de grupos para clustering. O valor pre
determinado é 5.
Nome do cluster
nha o nome do cluster.
Distância
Insira um nome para a coluna recém-criada que con
tém a distância dos clusters de seus nomes de cen
troids.
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 centro do cluster.
Número de threads
Insira o número de threads a ser usado na execução. O
valor predeterminado é 1.
reservados.
195
Propriedade
Descrição
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 47: Propriedades do HANA R de valor médio K
Propriedade
Descrição
Modo de saída
deste algoritmo
Recursos
Número de clusters
Insira o número de grupos para clustering. O valor pre
determinado é 5.
Nome do cluster
nha os números do cluster.
Número de conjuntos iniciais de centro de cluster
Insira o número de conjuntos iniciais aleatórios do cen
tro de cluster para clustering (n inicial). O valor prede
terminado é 1.
Seed do centro de cluster inicial
Insira um valor para selecionar aleatoriamente os cen
tros de cluster iniciais pelos dados adquiridos.
196
reservados.
Propriedade
Descrição
Tipo de algoritmo
Selecione o tipo de algoritmo a ser usado para execu
ção de clustering do HANA R de valores médios K.
15.1.6.3
Clustering do InfiniteInsight
As propriedades que podem ser configuradas no algoritmo de clustering do InfiniteInsight.
Sintaxe
Clustering do InfiniteInsight 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 Clustering do InfiniteInsight 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 do InfiniteInsight
Propriedade
Descrição
Recursos
Selecionar a coluna de destino com a qual você deseja
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.
15.1.6.4
R de valor médio K
As propriedades que podem ser configuradas no algoritmo R de valor médio K.
reservados.
197
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 49: Propriedades do algoritmo R de valor médio K
Propriedade
Descrição
Modo de saída
deste algoritmo.
Recursos
Número de clusters
Insira o número de grupos para clustering.
Nome do cluster
nha o nome do cluster.
Número de conjuntos iniciais de centro de cluster
Insira o número de conjuntos iniciais aleatórios de cen
tros de cluster para clustering (n inicial). O valor prede
terminado é 1.
Seed do centro de cluster inicial
Insira um valor para selecionar aleatoriamente os cen
tros de cluster iniciais pelos dados adquiridos.
Algoritmo
Selecione o tipo de algoritmo a ser usado para execu
ção de clustering de R de valores médios K.
15.1.6.5
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
198
reservados.
discreta com dimensão baixa (geralmente duas dimensões) do espaço da entrada das amostras de
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
Forma do mapa
Selecione a forma do mapa.
Recursos
Calcular silhueta
Nome do cluster
números do cluster para o conjunto de dados infor
mado.
Valores em falta
falta.
●
ou dependente.
●
reservados.
199
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 sele
cionará um número aleatório para cálculo. O valor pre
determinado é -1.
Insira o número de iterações que você quer que o algo
ritmo use para localizar os clusters. O valor predeter
minado é 100.
Número de threads
15.1.6.6
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 sa
ída desse algoritmo.
200
reservados.
Propriedade
Descrição
Definir parâmetros automaticamente
Para ativar o algoritmo para determinar automatica
mente os parâmetros de radio e pontos mínimos, sele
cionar Verdadeiro, caso contrário selecionar Falso.
Recursos
Calcular silhueta
Nome do cluster
Inserir um nome para a nova coluna que contenha os
números do cluster para o conjunto de dados (cluster)
informado.
Valores em falta
Selecionar o método para manipulação dos valores em
falta.
Métodos possíveis:
●
nham os valores em falta nas colunas indepen
dente ou dependente.
●
Selecionar a opção para computação da distância en
tre itens e centro do cluster.
Número de threads
Inserir o número de threads que o algoritmo deva utili
zar 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]
reservados.
201
Nota
A criação de modelos usando o algoritmo Apriori HANA não é suportada.
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
falta.
Valores possíveis:
●
ou dependente.
●
Manter: o algoritmo retém os valores em falta para
processamento.
Suporte
Insira um valor para o suporte mínimo de um item. O
valor predeterminado é 0,1.
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
dependentes na saída. O valor predeterminado é 5.
Número de threads
Insira o número de threads com o qual o algoritmo
deve executar. 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.
202
reservados.
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.
Propriedades do algoritmo HANA AprioriLite
Propriedade
Descrição
Tipo de Apriori
Clique em AprioriLite.
Coluna do item
Valores em falta
falta.
●
ou dependente.
●
Manter: o algoritmo retém os valores em falta para
processamento.
Suporte
Confiança
Amostragem necessária
Selecione essa opção se deseja realizar uma amostra
dos dados.
Porcentagem da amostragem
Insira a porcentagem da amostragem.
Recálculo necessário
Selecione essa opção se deseja recalcular o suporte e
confiança 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.
reservados.
203
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 HANA R apriori
Propriedade
Descrição
Modo de saída
deste algoritmo.
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
associação
Regras
Insira um nome para a nova coluna que contenha as re
gras apriori para o conjunto de dados informado.
Valores de suporte
Insira um nome para a nova coluna que contenha o su
porte para as regras correspondentes.
Valores de confiança
Insira um nome para a nova coluna que contenha valo
res de confiança para as regras correspondentes.
Valores de aumento
res de aumento para as regras correspondentes.
ID da transação
Insira um nome para a nova coluna que contenha o ID
de transação.
Itens
nomes dos itens.
Regras correspondentes
gras correspondentes.
204
reservados.
Propriedade
Descrição
Item(ns) LE
Insira etiquetas separadas por vírgula para os itens que
devem aparecer à esquerda das regras ou dos conjun
tos de itens.
Item(ns) LD
devem aparecer à direita das regras ou dos conjuntos
de itens.
Ambos os itens
devem aparecer em ambos os lados das regras ou dos
conjuntos de itens.
Nenhum item
não precisam aparecer nas regras ou nos conjuntos de
itens.
Aparência padrão
Insira a aparência padrão dos itens não mencionados
explicitamente.
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 predetermi
nado é 0,1.
Utilizar estrutura em árvore
Para organizar transações como árvore de prefixos, se
lecione 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 velocidade, selecione Verdadeiro.
Carregar transações na memória
Para carregar transações na memória, selecione Ver
dadeiro.
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.
reservados.
205
Sapatos=> Meias [suporte = 0,5, confiança = 0,1]
Propriedades do algoritmo R apriori
Propriedade
Descrição
Modo de saída
deste algoritmo.
Formato de entrada
Selecione o formato dos dados de entrada.
Colunas de item
Suporte
Confiança
Regras
gras apriori para o conjunto de dados informado.
Valores de suporte
Insira um nome para a nova coluna que contenha o su
porte para as regras correspondentes.
Valores de confiança
res de confiança para as regras correspondentes.
Valores de aumento
res de aumento para as regras correspondentes.
ID da transação
Insira um nome para a nova coluna que contenha o ID
de transação.
Itens
nomes dos itens.
Regras correspondentes
gras correspondentes.
Item(ns) LE
devem aparecer à esquerda das regras ou dos conjun
tos de itens.
Item(ns) LD
devem aparecer à direita das regras ou dos conjuntos
de itens.
206
reservados.
Propriedade
Descrição
Ambos os itens
devem aparecer em ambos os lados das regras ou dos
conjuntos de itens.
Nenhum item
não precisam aparecer nas regras ou nos conjuntos de
itens.
Aparência padrão
Insira a aparência padrão dos itens não mencionados
explicitamente.
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 predetermi
nado é 0,1.
Utilizar estrutura em árvore
Para organizar transações como árvore de prefixos, se
lecione 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 velocidade, selecione Verdadeiro.
Carregar transação na memória
Para carregar transações na memória, selecione Ver
dadeiro.
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.
reservados.
207
Propriedades do algoritmo HANA KNN
Propriedade
Descrição
Recursos
Contagem da vizinhança
Insira o número de vizinhos a ser considerado para de
terminar distâncias. O valor predeterminado é 5.
Tipo de votação
Selecione o tipo de votação para o cálculo da conta
gem de vizinhança.
Valores em falta
falta.
●
têm valores 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 trei
nados.
Nome da tabela
Insira o nome da tabela que contenha os dados treina
dos.
Insira as colunas de entrada que deseja considerar no
treinamento dos dados.
Coluna dependente
Insira a coluna de saída que deseja considerar no trei
namento dos dados.
valores de classificação.
Número de threads
Insira o número de threads utilizando aquele que de
seja que o algoritmo execute. O valor predeterminado é
1.
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.
208
reservados.
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
falta.
●
destino.
●
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%. Certifique-se de que a soma das porcenta
gens dos itens nos grupos A, B e C seja igual a 100%.
Detalhamento da porcentagem de B
grupo B. O valor padrão é 30. O intervalo possível é
Detalhamento da porcentagem de C
grupo C. O valor padrão é 30. O intervalo possível é
Número de threads
15.1.8.3
Análise de pontuação ponderada HANA
As propriedades que podem ser configuradas para o algoritmo Análise de pontuação ponderada HANA.
reservados.
209
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
Tipo
Selecione o tipo "Discreto" se a coluna selecionada tem
dados categóricos ou selecione o tipo "Contínuo" se a
coluna selecionada tem dados numéricos.
Pesos
Insira os pesos para a coluna selecionada. O valor pre
determinado é 0,0.
Chaves e pontuações
Insira os valores para chaves e pontuações.
Valores em falta
falta.
●
destino.
●
Manter: O algoritmo retém valores em falta.
Número de threads
Insira o número de threads com o qual o algoritmo
deve executar. O valor predeterminado é 1.
valores previstos.
210
reservados.
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
deste algoritmo.
Recursos
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 de
sativar o amortecimento Laplace.
Valores em falta
falta.
Número de threads
●
destino.
●
reservados.
211
15.1.8.5
Classificação do InfiniteInsight
As propriedades que podem ser configuradas no algoritmo de classificação do InfiniteInsight.
Sintaxe
O algoritmo de Classificação do Infinite Insight 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.
Propriedades de classificação do InfiniteInsight
Propriedade
Descrição
Recursos
Selecione a coluna de destino na qual você deseja exe
cutar a análise.
Insira um nome para uma nova coluna que contenha os
valores previstos.
15.1.8.6
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:
212
reservados.
●
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.
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 execu
tar.
●
Classificação
●
Regressão
●
Ranking
Modo de saída
Selecione o modo pelo qual você deseja utilizar a saída
desse algoritmo.
Recursos
seje executar a análise.
Selecione a coluna de destino na qual você deseja exe
cutar a análise.
ID da consulta
Selecione uma coluna de ID da consulta para Ranking.
reservados.
213
Propriedade
Descrição
Valores em falta
falta.
Valores possíveis:
●
ou dependente.
●
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
considerar entre o erro e a margem de treinamento.
Grau
Insira um grau para kernel polinomial. O valor predeter
minado 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 cálculo.
Número de threads
Insira o número de threads que o algoritmo deva utili
zar para execução. O valor predeterminado é 1.
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.
214
reservados.
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 62: Propriedades do componente de preparação de dados
Propriedade
Descrição
Nome da fórmula
Insira um nome para a nova coluna criada aplicando a
fórmula.
Expressão
Insira a fórmula que você deseja aplicar. Por exemplo,
Average([Age]).
Exemplo
Calculando a idade média dos funcionários
Tabela Employee:
Emp ID (ID do
funcionário)
Emp Name
(Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
Date of Joining
(Data de
contratação)
Date of
Confirmation
(Data 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])
reservados.
215
4.
Selecione Validar para validar a sintaxe da fórmula.
5.
Tabela de saída:
Emp ID (ID
do
funcionário)
Emp Name
(Nome do
funcionário)
DOB (Data
de
nascimento)
Age (Idade)
Date of
Joining (Data
de
contratação)
Date of
Average_Age
Confirmation
(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
Employee)
Descrição
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.
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
216
reservados.
Retorna o número do dia de um ano.
Categoria
Employee)
Descrição
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.
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
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.
reservados.
217
Categoria
Manipulação de dados
Employee)
Descrição
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.
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.
218
reservados.
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
!=
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.
reservados.
219
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.
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
selecionar 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 selecio
nar.
Exemplo
Selecionando um subconjunto de dados de um conjunto de dados informado
Emp ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
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
220
reservados.
Emp ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
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.
2.
3.
4.
Primeiro N: para N=5
Emp ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
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
Emp ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
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 ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
3
Alex
30/5/1978
33
6
Tom
30/6/1970
41
9
Mary
19/9/1985
26
Último N: para N=4
Cada Nth: intervalo=3
Aleatório simples: para número de linhas=2
Quaisquer duas linhas pode ser o resultado.
Emp ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
7
Anna
24/6/1965
46
8
Valerie
6/7/1990
21
reservados.
221
5.
Aleatório sistemático: tamanho do subgrupo numérico=4
Emp ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
2
Desy
12/5/1981
30
6
Tom
30/6/1970
41
10
Martin
21/11/1986
25
Emp ID (ID do
funcionário)
Emp Name (Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
1
Laura
11/11/1986
25
5
Ted
4/7/1987
24
9
Mary
19/9/1985
26
ou
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.
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.
222
reservados.
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.
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:
reservados.
223
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
funcionário)
Emp Name
(Nome do
funcionário)
DOB (Data de
nascimento)
Age (Idade)
Date of Joining
(Data de
contratação)
Date of
Confirmation
(Data 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
●
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.
224
reservados.
Categoria
Employee)
Descrição
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.
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.
reservados.
225
Categoria
Employee)
Descrição
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
Expressão condicional
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.
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.
226
reservados.
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
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
reservados.
227
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:
●
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.
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 predetermi
nado é 1.
Novo mínimo
Insira o valor para o novo mínimo. O valor predetermi
nado é 0.
Exemplo
Normalizando o tempo gasto para cobrir certa distância.
Tabela:
228
reservados.
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).
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:
reservados.
229
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
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 deseja executar a categorização.
230
reservados.
Propriedade
Descrição
Valores em falta
falta.
●
ou dependente.
●
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 po
sição no depósito.
Nomes de colunas com valores amortecidos
Insira o nome para a nova coluna que contenha valores
amortecidos.
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.
reservados.
231
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.
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.
232
reservados.
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.
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.
reservados.
233
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
500
66
0.05
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
234
reservados.
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:
●
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 conjun
tos de treinamento, teste e validação.
●
Aleatório
●
Estratificado
Propagação aleatória
Insira um número aleatório com o qual deseja executar
o cálculo.
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
para o conjunto de teste.
Conjunto de validação
para o conjunto de validação.
reservados.
235
Propriedade
Descrição
Nome da coluna de partição
valores particionados.
Número de threads
Inserir o número de threads que o algoritmo deva utili
zar 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.
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 68: Propriedades do gravador de dados
Propriedade
Descrição
Nome do arquivo
Selecione o caminho de arquivo e insira um nome para
arquivo .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 to
kens de dados no arquivo.
Inserir caractere de aspas duplas
Selecione o caractere para substituição dos separado
res de coluna ao gravar os dados.
Incluir cabeçalhos de coluna
Selecione esta opção para usar a primeira linha como
cabeçalho da coluna.
Codificação
Selecione o método criptografado em texto para gra
var os dados.
236
reservados.
Propriedade
Descrição
Separador de decimal
Selecione o caractere para representação decimal em
agrupamento 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.
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 exem
plo, para gravar no banco de dados Oracle, você pre
cisa especificar 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 instalado.
Número da porta
Insira o número da porta do banco de dados ou do ser
viço.
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 du
rante a gravação em banco de dados SAP HANA.
Nome da tabela
Insira o nome da tabela.
reservados.
237
Propriedade
Descrição
Selecione esta opção para sobregravar a tabela se ela
já existir.
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 dados.
Nome da tabela
Insira um nome para a tabela.
Selecione esta opção para sobregravar a tabela se ela
já existir.
15.4 Modelos
Os modelos que você cria salvando o estado dos algoritmos ficam listados na seção Modelos na lista
Componentes. A aplicação SAP Predictive Analysis não contém modelos predefinidos. Portanto, quando você
inicia pela primeira vez a aplicação, a seção Modelos não é exibida.
Para obter informações sobre a criação de um novo modelo, consulte a seção "Como criar um modelo" em Como
trabalhar com modelos.
238
reservados.
Avisos de isenção importantes em aspectos
legais
Esse documento é apenas para fins de informação. O conteúdo do documento está sujeito a alteração sem notificação, e a SAP não garante que ele seja livre de erros. A
SAP NÃO FAZ GARANTIAS, EXPRESSAS OU IMPLÍCITAS, OU DE COMERCIALIZAÇÃO OU DE ADEQUAÇÃO PARA UM OBJETIVO ESPECÍFICO.
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 e nenhuma obrigação ou compromisso é formada diretamente ou indiretamente por esse documento.
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 grosseria ou transgressão deliberada da SAP. Em relação à
classificação do link, consulte: http://help.sap.com/disclaimer.
Avisos de isenção importantes em aspectos legais
reservados.
239
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 SAP Predictive Analysis

Transcrição

Documentos relacionados

Autorização DIREITO DE IMAGEM nova

Marcelo Kaucher - SAP News Center

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

Solution Summary Template for Industry / Industry

SAP e parceiros registram novo recorde com

Curso - Valorgest

- MARPE Contabilidade e Consultoria

Tecnologia SAP fornece dados em tempo real

SAP HANA - SAP Brasil

this success story