本書向SAP專業人員介紹了機器學習和神經網絡等數據科學基本原理，也向數據科學家介紹了SAP繫統的數據結構和數據服務等概念和過程。接著介紹了數據探索性分析和異常檢測這兩個非常基礎又十分重要的數據準備階段，最後通過模擬Big Bonanza Warehouse的業務場景，進行基於時間序列的銷量預測分析、基於聚類的客戶細分、基於關聯規則的數據挖掘和基於自然語言處理的情感分析等實際分析過程。

●前言
第1章 緒論
1.1 用數據講述更好的故事
1.2 面向SAP專業人員的數據科學
1.3 面向數據科學家的SAP
1.4 角色與職責
1.5 小結
第2章 面向SAP專業人員的數據科學
2.1 機器學習
2.2 神經網絡
2.3 小結
第3章 面向數據科學家的SAP
3.1 SAP入門
3.2 ABAP數據字典
3.3 OData服務
3.4 核心數據服務
3.5 小結
第4章 用R語言進行探索性數據分析
4.1 EDA的四個階段
4.2 階段1：數據收集
4.3 階段2：數據清洗
4.4 刪除多餘的列
4.5 階段3：數據分析
4.6 階段4：數據建模
4.7 小結
第5章 使用R和Python進行異常檢測
5.1 異常的類型
5.2 R中的工具
5.3 發現異常
5.4 小結
第6章 使用R和Python進行預測分析
6.1 使用R預測銷量
6.2 使用Python預測銷量
6.3 小結
第7章 使用R進行聚類和細分
7.1 理解聚類和細分
7.2 步驟1：數據收集
7.3 步驟2：數據清洗
7.4 步驟3：數據分析
7.5 步驟4：結果報告
7.6 小結
第8章 關聯規則挖掘
8.1 了解關聯規則挖掘
8.2 操作化概述
8.3 收集數據
8.4 清洗數據
8.5 分析數據
8.6 小結
第9章 使用谷歌雲自然語言API進行自然語言處理
9.1 理解自然語言處理
9.2 準備雲API
9.3 收集數據
9.4 分析數據
9.5 小結
第10章 結語
10.1 不忘初心
10.2 內容回顧
10.3 提示和建議
10.4 保持聯繫

本書向SAP專業人員介紹了機器學習和神經網絡等數據科學基本原理，也向數據科學家介紹了SAP繫統的數據結構和數據服務等概念和過程。接著介紹了數據探索性分析和異常檢測這兩個非常基礎又十分重要的數據準備階段，然後通過模擬Big Bonanza Warehouse的業務場景，進行基於時間序列的銷量預測分析、基於聚類的客戶細分、基於關聯規則的數據挖掘和基於自然語言處理的情感分析等實際分析過程。