Przekształcaj ustrukturyzowane dane za pomocą SAP-RPT

Wdróż operacyjnie model relacyjnego wstępnie wytrenowanego transformera firmy SAP, aby uzyskać predykcyjne i wyjaśnialne wnioski z danych przedsiębiorstwa bez konieczności budowania modeli od podstaw.
Mężczyzna pracujący na laptopie, z widocznymi zrzutami interfejsu użytkownika środowiska testowego SAP RPT-1 playground do generowania prognoz analitycznych z danych ustrukturyzowanych za pomocą tabelarycznej AI.

Czym jest SAP-RPT?

SAP-RPT to w pełni zarządzany model relacyjnego wstępnie wytrenowanego transformera, który wykorzystuje uczenie w kontekście, aby dostarczać dokładne i wyjaśnialne prognozy analityczne z ustrukturyzowanych danych biznesowych.

placeholder

Tabelaryczny model SAP-RPT obejmuje:

  • Wstępne wytrenowanie pod kątem danych ustrukturyzowanych, eliminujące kosztowny i czasochłonny proces uczenia modeli;

  • Uczenie w kontekście, zapewniające wiarygodne prognozy w czasie rzeczywistym w obliczu zmiennych i niekompletnych danych;

  • Wbudowany nadzór, niezawodność i wyjaśnialność, które umożliwiają kompleksowe zarządzanie potokami;

  • Dwie wersje komercyjne w centrum generatywnej AI, zoptymalizowane pod kątem różnego stosunku szybkości do dokładności.

Główne korzyści

Szybsze uzyskiwanie informacji analitycznych

Błyskawicznie wdrażaj analizę predykcyjną i skróć czas przygotowywania danych z tygodni do godzin — bez konieczności trenowania modeli i posiadania specjalistycznej wiedzy z zakresu uczenia maszynowego.

Generuj trafne wnioski z niedoskonałych danych

Uzyskaj nawet 2-krotnie wyższą jakość prognoz w porównaniu z wąskimi modelami AI oraz 3,5-krotnie wyższą w porównaniu z modelami językowymi, nawet gdy dane biznesowe są niekompletne lub ulegają zmianom. Odporna architektura SAP-RPT, uczenie w kontekście oraz wyjaśnialne wnioski ułatwiają identyfikację sygnałów wpływających na wyniki, eliminując jednocześnie problemy z jakością danych*.

Skaluj możliwości predykcyjne w całym przedsiębiorstwie

Jednym modelem realizuj zadania klasyfikacji i regresji we wszystkich jednostkach biznesowych i scenariuszach, upraszczając wdrażanie oraz ograniczając potrzebę tworzenia wielu modeli predykcyjnych dla poszczególnych zastosowań.

Najważniejsze funkcje

placeholder

Interfejs API do uczenia w kontekście

SAP-RPT przetwarza zadania klasyfikacji i regresji przy użyciu istniejących biznesowych źródeł danych lub przykładowych rekordów przekazywanych bezpośrednio w wywołaniach API. Model identyfikuje wzorce danych w kontekście danych każdego żądania, aby generować trafne prognozy.

Wstępnie wytrenowana architektura relacyjna

Zbudowany w oparciu o naturalne rozumienie struktur tabelarycznych, relacji między danymi i logiki biznesowej, SAP-RPT obsługuje ustrukturyzowane zbiory danych, zmieniające się wartości i formaty danych korporacyjnych bez konieczności dedykowanego przetwarzania wstępnego czy inżynierii cech.

Przepływy pracy orkiestracji danych tabelarycznych

Wprowadź model SAP-RPT do operacji dzięki funkcjom orkiestracji w AI Core, aby osadzać inteligencję predykcyjną w potokach danych i zarządzać nimi z wykorzystaniem wbudowanego nadzoru, niezawodności oraz wyjaśnialności.

KUP

Opcje cenowe

Oferujemy trzy różne opcje cenowe SAP BTP. Te typy kont umożliwiają testowanie własnych scenariuszy i zasadniczo dają możliwość przejścia na płatne plany usług.

Dwie wersje dające nieograniczone możliwości zastosowań

SAP-RPT

  • Niskie opóźnienia

  • Wysoka przepustowość prognozowania

  • Pełna zdolność do obsługi większości scenariuszy predykcyjnych

SAP-RPT Large

  • Wysoka dokładność

  • Najniższe wskaźniki błędów

  • Złożone scenariusze prognozowania

Zasoby

placeholder

SAP‑RPT: prognozy klasy korporacyjnej bezpośrednio z Twoich danych ustrukturyzowanych

Otwórz kartę modelu dla najnowszej wersji SAP-RPT, aby zapoznać się ze wskazówkami dotyczącymi jej przeznaczenia, wydajności, ograniczeń oraz odpowiedzialnego wdrażania z ustrukturyzowanymi danymi biznesowymi.

placeholder

Wersja SAP-RPT-1.6 jest już ogólnie dostępna

Najnowsza wersja SAP-RPT-1.6, dostępna teraz w bibliotece modeli w AI Core wraz z ulepszeniami, które pomagają firmom podejmować pewniejsze decyzje dzięki tabelarycznej AI.

placeholder

ConTextTab: uczenie danych tabelarycznych z uwzględnieniem semantyki

ConTextTab łączy semantykę modeli językowych z wydajnością przetwarzania tabelarycznego, osiągając wysoką skuteczność w zadaniach predykcyjnych na rzeczywistych tabelach biznesowych.

placeholder

Uczenie w kontekście dla danych relacyjnych

Dowiedz się więcej o rewolucyjnym modelu bazowym firmy SAP natywnym dla struktur tabelarycznych, który wykorzystuje uczenie w kontekście do realizacji zadań predykcyjnych w przedsiębiorstwie bez konieczności dedykowanego trenowania.

Najczęstsze pytania

Tabelaryczny model bazowy to wstępnie wytrenowany model AI zaprojektowany z myślą o rozumieniu wierszy, kolumn i relacji w danych ustrukturyzowanych, co umożliwia generowanie prognoz w różnych zadaniach bez konieczności trenowania osobnego modelu. W przeciwieństwie do dużych modeli językowych (LLM), które przetwarzają tekst poprzez przekształcanie danych w pojedynczą sekwencję, tabelaryczny model bazowy, taki jak SAP-RPT, został zaprojektowany z myślą o zachowaniu relacji w danych ustrukturyzowanych pochodzących ze źródeł takich jak rejestry sprzedaży czy transakcje dotyczące wydajności dostawców. Zapewnia to dokładniejsze wyniki i prognozy AI w kontekście konkretnej domeny biznesowej, działalności i procesu.

Uczenie kontekstowe pozwala modelowi na bieżąco wychwytywać wzorce i natychmiast dostosowywać się do nowych scenariuszy na podstawie przykładowych rekordów w wywołaniu API, zapewniając bezzwłoczne i precyzyjne prognozy kontekstowe.

Tak. Najnowszą wersję SAP-RPT można bezpłatnie przetestować w środowisku testowym SAP-RPT pod adresem https://rpt.cloud.sap. Konfiguruj scenariusze predykcyjne, oceniaj wydajność modelu, generuj prognozy oraz modyfikuj dane i wchodź z nimi w interakcję za pomocą języka naturalnego. SAP-RPT zapewnia wgląd w zmiany danych i uwidacznia relacje zachodzące w Twoich danych. Odkrywaj wzorce statystyczne wykryte przez model za pomocą intuicyjnego interfejsu do testowania klasyfikacji wieloklasowej oraz regresji numerycznej przy użyciu własnych plików CSV lub próbek dostarczonych przez SAP.

Tak. Wersja open source modelu SAP-RPT jest dostępna na platformach Hugging Face i GitHub do celów badawczych oraz niekomercyjnych. Wersje komercyjne są dostępne dla klientów za pośrednictwem biblioteki modeli w SP AI Core.

Funkcja przepływu pracy orkiestracji tabelarycznej (ogólnie dostępna pod koniec 2026 r.) pozwoli na wdrożenie operacyjne tabelarycznego modelu bazowego SAP-RPT. Funkcja orkiestracji zostanie udostępniona na platformie SAP AI Core, będzie dostępna za pośrednictwem interfejsów API i uruchomiona wraz z modułami wyboru kontekstu oraz wyboru modelu. Przepływ pracy wyeliminuje konieczność ręcznego tworzenia kontekstu i obsługi modeli dzięki automatycznemu doborowi właściwego kontekstu, budowaniu wywołania API i zwracaniu prognoz na podstawie wierszy zapytania przekazanych w czasie wykonywania.

Tak. Obserwowalność modelu (ogólnie dostępna w lipcu 2026 r.) zwiększy zaufanie i przejrzystość dzięki prognozom, szczegółowej analizie wpływu czynników oraz atrybucji danych, stanowiąc uzupełnienie prognoz top-k i ulepszeń przedziałów ufności obecnych już w SAP-RPT.

Tak. Model określany wcześniej jako wersja small jest teraz po prostu standardowym modelem SAP-RPT, który w pełni radzi sobie z większością scenariuszy predykcyjnych, zapewniając niskie opóźnienia, wysoką szybkość i dużą dokładność.

Karta modelu to ustandaryzowana dokumentacja techniczna opisująca przeznaczenie tabelarycznego modelu bazowego, jego możliwości, przewidziane zastosowania, wyniki oceny, ograniczenia oraz kwestie odpowiedzialnego korzystania. Pomaga użytkownikom technicznym i biznesowym ocenić, czy model jest odpowiedni dla danego przypadku użycia, oraz wdrożyć go z zachowaniem odpowiednich zabezpieczeń.

Poznaj karty modelu dla wersji SAP-RPT, którą planujesz ocenić lub wykorzystać:

*Wartości przyjęte dla firmy z branży dóbr konsumpcyjnych o przychodach rzędu 1 mld EUR i zatrudniającej 2000 pracowników. Roczne korzyści wynikają z co najmniej jednego czynnika generującego wartość. Źródło: SAP Value Management.
**Zastrzeżenie prawne: naliczane są koszty tokenów oraz optymalizacji po okresie promocyjnym

twitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixel