3、解锁 SAP 数据价值：数据科学与机器学习应用指南

解锁 SAP 数据价值：数据科学与机器学习应用指南

1. 数据获取与角色职责

在处理 SAP 数据时，我们常常会遇到不同的获取数据的场景。有时候，我们清楚自己想要的数据，也了解 SAP 应用数据模型能提供什么，但却缺乏 ABAP 技能来自行构建数据获取方案，这时可能就需要采用直接数据库访问（Direct DB access）的方式。还有一种情况，别人知道我们想要的数据，但只能通过到屏幕上获取并以 Excel 形式提供给我们。

数据科学涉及一系列技能，包括统计学、编程、机器学习、分析、架构和工程等。关于数据科学的角色划分，网络上有很多讨论，不同的阵营有不同的界定方式。比如，有的将角色分为数据分析师、数据工程师、数据架构师、数据科学家和数据通才等。但实际上，除非是在拥有数据科学团队的大型公司，否则团队里很难有一个人具备所有这些技能。所以，我们往往需要身兼多职。

如果公司没有 SQL 数据库却想提取和存储 SAP 数据，或者想要自动化数据提取工作流，这些我们都可以进行探索和实践。我们的目标是培养“公民数据科学家”，让他们了解如何在组织中运用数据科学。在这个过程中，可能会缺乏资源支持，甚至在寻求帮助时会遇到阻力，很多时候需要先证明自己的理论可行，才能获得他人的协助。

对于 SAP 专业人士来说，如果想讲述关于自己数据的故事，可以考虑使用 Python 和 R 等编程语言，以及 Tableau 和 Power BI 等可视化工具。而数据科学家若想挖掘 SAP 中的数据，可以通过 BAPIs 以基于函数的方式检索数据，使用 OData 建立可重复和可预测的 HTTP 服务，或者在不得已的情况下将屏幕数据导出到 Excel 或直接查询 SAP 数据库。