你是否正在使用SAP ERP，并急切地想释放其数据的巨大价值？通过这本实用指南，资深SAP专家Greg Foss和Paul Modderman展示了如何使用多种数据分析工具来解决有关SAP数据的问题。在本书中，你将跟随一家虚构的公司处理真实的业务场景。
使用真实数据创建示例代码并进行可视化，SAP业务分析师将学到一些实用方法来获取对业务数据更深入的洞见，数据工程师和数据科学家将探索添加SAP数据到分析流程的方法。通过对SAP流程和数据科学工具的基础讲解，你将学习揭示数据真相的强大方法。
使用数据讲述关于客户的有启发性的故事。
利用探索性数据分析建立请购数据模型。
创建SAP销售订单的异常检测系统。
使用R和Python进行销售数据预测。
根据购买行为进行客户聚类和细分。
使用关联规则挖掘客户购买模式。
应用NLP发现最需要回应的客户投诉。

格雷格·福斯是Blue Diesel Data Science的创始人，也是医药行业的竞争情报平台Visiona ryRX的主要开发者和架构师。

前言
第1章 绪论
1.1 用数据讲述更好的故事
1.2 面向SAP专业人员的数据科学
1.3 面向数据科学家的SAP
1.4 角色与职责
1.5 小结
第2章 面向SAP专业人员的数据科学
2.1 机器学习
2.2 神经网络
2.3 小结
第3章 面向数据科学家的SAP
3.1 SAP入门
3.2 ABAP数据字典
3.3 OData服务
3.4 核心数据服务
3.5 小结
第4章 用R语言进行探索性数据分析
4.1 EDA的四个阶段
4.2 阶段1：数据收集
4.3 阶段2：数据清洗
4.4 删除多余的列
4.5 阶段3：数据分析
4.6 阶段4：数据建模
4.7 小结
第5章 使用R和Python进行异常检测
5.1 异常的类型
5.2 R中的工具
5.3 发现异常
5.4 小结
第6章 使用R和Python进行预测分析
6.1 使用R预测销量
6.2 使用Python预测销量
6.3 小结
第7章 使用R进行聚类和细分
7.1 理解聚类和细分
7.2 步骤1：数据收集
7.3 步骤2：数据清洗
7.4 步骤3：数据分析
7.5 步骤4：结果报告
7.6 小结
第8章 关联规则挖掘
8.1 了解关联规则挖掘
8.2 操作化概述
8.3 收集数据
8.4 清洗数据
8.5 分析数据
8.6 小结
第9章 使用谷歌云自然语言API进行自然语言处理
9.1 理解自然语言处理
9.2 准备云API
9.3 收集数据
9.4 分析数据
9.5 小结
第10章 结语
10.1 不忘初心
10.2 内容回顾
10.3 提示和建议
10.4 保持联系