欢迎来到PAi和S/4Hana博客系列的第六部分。在这一期中，我想谈谈用例最重要的一个阶段——定义要预测的目标值。正确定义目标值是至关重要的，因为它会对用例的输出产生重大影响。在这个条目中，我们将看到看似简单的分类用例是如何通过明显不同的目标（一个需要回归，另一个需要分类）来解决的。

让我们想象一下，我们有一个用例，其中的目标是确定一个项目的交付是"迟交"还是"不迟交"（是的，这是在途库存的返回（预测场景）。我们还假设已经与业务利益相关者进行了初步讨论，我们被告知准时交付意味着交付发生在计划交付日期之前或当天。我们还假设技术利益相关者已经确定了与项目交付相关的所有表/视图，企业应用中心，并使其可用。现在乐趣开始了！

从最初的描述来看，这表明解决方案需要一个分类算法。这是一个很好的起点，尽管我们只有在执行初始数据探索后才能验证这一点。当我们探索数据时，我们的目标是确定：

分类任务的目标属性可以具体化从数据中该分类是实现用例目标的最佳方法，并且不存在更好地由数据支持的替代方案。

探索数据并确定目标

技术涉众通知我们与交付相关的数据存在于5个表中，并且这些表中没有一个包含说明交付延迟的列或者不迟。这意味着我们需要设计一种方法，从数据中实现我们的目标。

如图1所示，通过查看数据和与技术利益相关者的讨论，我们发现存在几个日期字段：

订单创建日期–下订单的日期计划包装日期–计划包装订单的日期实际包装日期–订单包装发生的实际日期计划发货日期–订单计划发货的日期实际包装日期–订单发货的实际日期计划交货日期–计划交货日期实际交货日期—实际交货发生日期

图1—识别日期字段

，如图2所示，什么叫淘客，我们通过确定实际交货日期是否在计划交货日期之后，来识别分类目标是否可能实现，即：

图2–定义分类目标

探索数据，我们注意到另一种方法是可能的，我们可以具体化一个不同的目标，这将允许我们实现相同的结果。如果您查看您注意到的数据，有几个日期字段，并且可以预测计划交货日期和实际交货日期之间的天数差异。利用此预测，如果值为1或更多，则可以指示将发生延迟交货。

要实现此目标，需要不同的目标，并使用回归算法。在继续之前，我们决定更多有关日期字段是必需的。我们联系我们的业务和技术干系人同事，并被告知所有计划日期字段都是必需的，当相关操作发生时，大数据的前景，实际交付日期会更新。

这意味着我们的想法是可信的，如图3所示，我们得出了新的目标：

图3–定义回归目标

然后如图4所示，利用预测，我们将通过：

图4-利用回归预测得出延迟交货预测

尽管这还不是结束，中移物联网，如图5所示，在对这个新的预测目标进行进一步审查之后，我们意识到有可能提供一条额外的信息：

图5-计算交货日期预测

我们再次联系业务利益相关者，告知他们这条新的潜在信息，并询问它是否有价值。利益相关者对利用这一新信息作为计划交付日期的修正系数充满活力和热情！这是一个好消息。

正如你所看到的，在最初的分析中，我们考虑了一个分类解决方案，但在对我们发现的数据进行分析时，我们转向了回归。这种回归解决方案不仅满足了最初的用例场景，而且为干系人带来了附加值。

需要注意的是，目标的定义是用例的一个关键组成部分，尽管可以通过用例描述给出目标的初始直觉，淘客怎么赚钱，真正的目标定义只有在研究数据之后才能最终确定。此外，这个过程的一个关键部分是与我们的业务和技术利益相关者进行持续的讨论。