Τεχνητή Νοημοσύνη στο ERP SAP S/4HANA

Artificial Intelligence in SAP S/4HANA (Αγγλική)

  1. MSc thesis
  2. Στρούνα, Έλενα
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 20 Σεπτεμβρίου 2020 [2020-09-20]
  5. Ελληνικά
  6. 130
  7. Ταμπούρης, Ευθύμιος
  8. SAP | Artificial Intelligence | Μηχανική Μάθηση | SAP S/4HANA | Μοντέλο Τεχνητής Νοημοσύνης | Συσταδοποίηση K-μέσων | Μοντέλο LRFM | Τεχνητή Νοημοσύνη | Machine Learning | K-Means Clustering | LRFM Model | AI Model
  9. 3
  10. 28
  11. Περιέχει : πίνακες, διαγράμματα, εικόνες.
    • Τα συστήματα διαχείρισης επιχειρησιακών πόρων (ERP) είναι από τα πιο ευρέως χρησιμοποιούμενα επιχειρησιακά συστήματα από τις εταιρείες και τους οργανισμούς καθώς παρέχουν την απαραίτητη βάση για την ομαλή λειτουργία και διοίκηση τους. Για να βελτιώσουν τις διαδικασίες λήψης αποφάσεων, τα τελευταία χρόνια τα ERPs τείνουν αφενός να κατανοήσουν την δύναμη των δεδομένων που έχουν στα συστήματα τους και αφετέρου να ενσωματώσουν και να αξιοποιήσουν τις τεχνολογίες τεχνητής νοημοσύνης και μηχανικής μάθησης. Η SAP είναι ηγέτης στην αγορά συστημάτων διαχείρισης επιχειρησιακών πόρων. Το τελευταίο ERP που έχει αναπτύξει είναι το ERP S/4HANA, που βασίζεται σε μια ολοκληρωμένη βάση δεδομένων που έχει αναπτυχθεί από την ίδια την SAP. Στην παρούσα εργασία γίνεται μια προσπάθεια κατανόησης του συστήματος SAP S/4HANA, εστιάζοντας στην ανάδειξη επιχειρησιακών σεναρίων μέσα από τα οποία κατανοείται το επίπεδο αξιοποίησης από την πλευρά του συστήματος, των δυνατοτήτων της τεχνικής νοημοσύνης. Μέσω της ακαδημαϊκής άδειας χρήσης που παρέχεται από την SAP, πραγματοποιείται μια ανασκόπηση και καταγραφή των δεδομένων που υπάρχουν στο σύστημα SAP S/4HANA της εταιρείας Global Bike που έχει δημιουργηθεί από την SAP και αποτελεί μέρος της άδειας χρήσης που χρησιμοποιείται. Επιπροσθέτως, το σύνολο δεδομένων που έχει ανακτηθεί από το σύστημα της Global Bike προετοιμάζεται κατάλληλα, ώστε να εισαχθεί στο μοντέλο LRFM που χρησιμοποιεί ως μεταβλητές την Διάρκεια των Συναλλαγών (Length), την πιο Πρόσφατη συναλλαγή (Recency), την Συχνότητα Συναλλαγών (Frequency) καθώς και την Νομισματική αξία Συναλλαγών (Monetary) των Πελατών. Στην συνέχεια της διπλωματικής, επεκτείνουμε την ανάλυση με την χρήση της συσταδοποίησης Κ-μέσων, όπου οι εγγραφές πελατών τμηματοποιούνται με βάση τις αντίστοιχες τιμές τους LRFM. Σε δεύτερη φάση, προστίθενται και τα δημογραφικά χαρακτηριστικά των πελατών, αναλύοντας ομάδες βάσει της τοποθεσίας των πελατών, ως μέσο ενίσχυσης της ανάλυσης ομαδοποίησης. Τέλος, αναλύονται τα αποτελέσματα και τα ιδιαίτερα χαρακτηριστικά κάθε ομάδας που προκύπτει και βάσει αυτών προτείνονται συγκεκριμένες ενέργειες μάρκετινγκ. Στο πλαίσιο της παρούσας εργασίας, για την συσταδοποίηση των πελατών χρησιμοποιείται το ανοικτού κώδικα λογισμικό, RapidMiner. Ως συμπέρασμα της παρούσας εργασίας, μπορούμε να αναφέρουμε πως το SAP S/4HANA είναι ιδιαίτερα περίπλοκο σύστημα διαχείρισης επιχειρησιακών πόρων, στο οποίο για να κατανοηθεί πλήρως το επίπεδο αξιοποίησης και ενσωμάτωσης δυνατοτήτων της τεχνητής νοημοσύνης, θα πρέπει να επεκταθούν οι άδειες χρήσης που δίνονται για ακαδημαϊκούς σκοπούς στην πανεπιστημιακή κοινότητα.
    • Enterprise Resource Management (ERP) systems are among the most widely used business systems by companies and organizations as they provide the necessary basis for their smooth operation and management. To improve decision-making processes in recent years, ERPs providers tend to understand the power of the data enterprises have in their systems and to integrate with and leverage artificial intelligence and machine learning technologies. SAP is a market leader in enterprise resource management systems. The latest ERP it has developed is the ERP S/4HANA, which is based on a comprehensive database developed by SAP itself. In the present thesis, an attempt is made to understand the SAP S/4HANA system, focusing on the business scenarios through which the level of utilization by the system of the capabilities of technical intelligence is understood. Through the academic license provided by SAP, a review and recording of the data, existing in the S/4HANA system of the company Global Bike created by SAP and part of the license used, is performed. Next, it is investigated how the data set retrieved from the Global Bike system shall be properly prepared so it can be imported into the Length, Recency, Frequency, Monetary (LRFM) customer lifetime value model. This model scores customers according to four attributes; the relationship length with the company (L), recency of latest transaction (R), purchasing frequency (F), and monetary value of customer (M). Secondly, the thesis introduces a proposed enhanced clustering model using the k-means algorithm, where customer records are segmented based on their respective LRFM values. In addition, the firmographics data of each customer are considered by analyzing groups based on the location of customers, as means of enhancing the clustering analysis. Finally, the clustering results are evaluated and discussed. For the clustering purposes of the current thesis, open source software, RapidMiner, was used. As a conclusion of the present thesis, we can mention that SAP S / 4HANA is a very complex enterprise resource management system, in which in order to fully understand the level of utilization and integration of artificial intelligence capabilities, the licenses given to academics should be extended.
  13. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.