Cloud First, so die Strategie der SAP. Was bei der SAP Analytics Cloud (SAC) begann, setzt sich nun auch im Backend fort. Wie sich zeigt, ist die Migration vorhandener BW-Installationen auf BW/4HANA nicht unbedingt einfach sowie mit hohem Aufwand und Kosten verbunden – selbst wenn es mittlerweile viele Migrationstools gibt, die bei der Umsetzung unterstützen. Aus Business-Sicht wird der Nutzen und die Kostensenkung einer BW/4HANA Migration also oft nicht erkannt.
Die Cloud-First-Strategie setzt sich damit auch bei der DWC fort. Diese nutzt bewährte Cloud-Produkte wie die SAP HANA Cloud und die SAP Analytics Cloud für BI, Planung und Predictive.
Quelle: SAP SE
Wie sieht es nun auf der Backend-Seite aus?
Es kommt darauf an, ob man schon BW on HANA 7.5 oder BW/4HANA im Einsatz hat, was dort alles eingerichtet ist und welche BI-Strategie für das Unternehmen definiert wurde. Warum braucht es dann ein SAP DWC? Sollen Neukunden darauf setzen und BW erst gar nicht einführen?
Die SAP Data Warehouse Cloud, ein Cloud-Produkt, hat folgende Eigenschaften:
Quelle: Eigene Darstellung
Die drei Bereiche der Architektur bestehen aus
- SAP HANA Cloud
- SAP Data Warehouse Cloud
- und Analytics
Folgende Darstellung zeigt diese Bereiche der Architektur im Detail:
Quelle: SAP SE
Folgende Produkteigenschaften möchten wir hervorheben:
| Simplicity: | Analytisch und Personen – getriebenes Data Warehouse as a Service für Business und IT |
| Connectivity: | Zugang zu Anwendungsdaten mittels vordefinierter Adapter, um Daten von verschiedenen Sources zu integrieren |
| Hybrid SAP DWC Scenarios: | Tiefe Integration von SAP BW/4HANA und SAP Data Warehouse Cloud |
| Openness: | Integration und Vorteil von bestehenden Assets und neuen Technologien |
| Business Layer: | Semantischer Business Layer, um „Data Language“ in „Natural Language“ Formulierungen zu transferieren |
| Spaces: | Skalierbar, elastisch, offen und flexible für Firmen jeder Größe |
Soweit die Produkteigenschaften aus Sicht der SAP. Wie sieht es aber bei der täglichen Arbeit aus?
Simplicity:
Die DWC Cloud soll also die Zielgruppen (Fachbereiche und IT-Mitarbeitende) mit einbinden, die Flat Files, Daten von Cloud Systemen, On-Premise ins System laden können. Natürlich ist es nicht schwer eine einfache Tabelle hochzuladen, komplizierte Auswertungen oder mehrere Datenquellen wie SAP S/4HANA und ABAP CDS Views in Real-Time zu verknüpfen, umfangreiche BW Infoprovider oder Hadoop Quellen anzubinden ist jedoch nicht mehr so einfach.
Dazu bedarf es vorab der Klärung von:
- Einrichtung von Berechtigungen, Verbindungen und Spaces
- Namenskonvention der Views
- Beschreibung der Views
- Vorabanalyse und Definition der ER-Modelle
- Kenntnisse über die Datenquellen und Prozesse
Und warum? Weil sonst viele unnötige Views entstehen, von denen später niemand mehr weiß, welche Daten diese aufbereiten und ob sie auch so funktionieren, wie sie sollen. Nun könnte man sagen, dass es genau dafür die Spaces gibt. Das stimmt zwar, aber auch hier sollte man sich überlegen, wie viele Spaces man braucht und für welche Bereiche man diese nutzen will. Gleichwohl erfordert die Erstellung von Views/Datenflüssen analytische Skills, z. B. Verknüpfung über eindeutige Schlüssel, damit die Ergebnisse korrekt sind und keine Anomalien oder redundante Datenflüsse entstehen. Also einfache Tabellen-/Excel-Files können ohne großen Aufwand ins DWC geladen werden (Data View Builder). Um komplexe Datenmodelle (inkl. dem Datenfluss aus unterschiedlichen Quellsystemen) erstellen zu können (Data Flow Builder), bedarf es einer Zusammenarbeit mit der IT-Abteilung.
Im folgenden Bild wird die Zusammenarbeit mit der IT grafisch dargestellt:
Quelle: SAP SE
Der Data View Builder ermöglicht es, Tabellen in die DWC zu laden und Views darauf zu erstellen:
- Zusammenführen strukturierter, semi-strukturierter und unstrukturierter Daten
- Funktionen: Projektion, Aggregation, Join, Filter, Union
- Datasources: Tables, ABAP CDS Views, Remote Files, Odata
- Outlook: Case, Lookup, Cleanse, Rules and JSON, Excel, XML
Der Data Flow Builder ermöglicht es Datenflüsse zu erstellen:
- Erweiterte Transformationsanforderungen, wie Extraktion von Text
- Embedded Scripting Editor
- Support von Standard Phyton 3 scripting language
Folgende Darstellung beschreibt die jeweiligen Funktionen, wobei man im Data Flow Builder durch Verwendung von Scripting noch mehr Möglichkeiten hat:
Quelle: SAP SE
Connectivity:
Im Space kann man den Zugang zu Systemen definieren – dennoch benötigt man technische Zugangsdaten, User, eine Berechtigung und Adapter, um damit Verbindungen „artgerecht“ und performant einrichten zu können.
Derzeit werden folgende Verbindungen unterstützt:
Quelle: SAP SE
Hybrid SAP Data Warehouse Cloud Scenarios:
- Seit Q1/2021 kann das Meta Datenmodell von BW vollumfänglich unterstützt und über ein BW Query ausgelesen werden.
- Der Workaround zur Anreichung von Infoobjekten (Texte und Attribute) entfällt somit.
Openness:
Die Lösung ist skalierbar (was den Speicher betrifft) und für kleine und große Firmen geeignet. Die Datenmodelle können auch mittels „Content Network“ transportiert werden. Ebenfalls existiert eine automatische Versionierung von Entitäten, wo mithilfe des Repository Services das “Lifecycle Handling“ umgesetzt ist.
Business Layer:
Der semantische Business Layer dient dazu, „Data Language“ in „Natural Language“ Formulierungen abzubilden. Dies ermöglicht komplizierte Views in einer Business Sprache zu vereinfachen, sodass sich Anwender leicht zurecht finden und sich nicht mit technischen Details auseinandersetzen müssen. Im Business Katalog kann man nach den Objekten, Kennzahlen und Datenflüssen suchen. Dies ist sozusagen der Nachfolger des Meta Data Repository im SAP BW.
Spaces:
Spaces unterstützen beim Aufsetzen von spezifischen Use Cases, passend zu den Anforderungen und dem Geschäftsbereich. User, Rollen, Berechtigungen, Systemverbindungen und Speicherplatz können dort den Anforderungen entsprechend eingestellt werden. Die Datenmodelle und Stories werden in diesen Spaces gespeichert.
Enterprise Data Warehouse:
Ein Enterprise Data Warehouse ist mit der DWC immer noch eingeschränkt möglich.
Darunter versteht man Daten aus unterschiedliche Datenquellen in mehreren Layern zu speichern. Diese sollen harmonisiert, angereichert und als Reporting Schicht zur Verfügung gestellt werden. Der Single Point of Truth dieses Konzeptes unterstützt die Nachvollziehbarkeit der Daten von der Quelle bis zur Reportingebene. Damit ist die Konsistenz der Stammdaten im Unternehmen und eine eindeutige gemeinsame Datengrundlage für das gesamte Unternehmen gewährleistet.
Ebenfalls wird in der DWC wie auch in der SAP Analytics Cloud (SAC) Business Content zur Verfügung gestellt. Die SAP Standardprozesse sind aber im SAP BW immer noch sehr gut abgedeckt, auch hinsichtlich optimierten SAP BW/4HANA Content.
Dadurch werden hybride Szenarien mit der SAP Data Warehouse Cloud und SAP BW/4HANA empfohlen.
Quelle: SAP SE
Data Warehouse Virtualization:
Wird im View der Button Expose aktiviert, kann dieser mit dem…
- SAP Analytics Cloud Story Builder…
- SAP Analytics Cloud Data Explorer…
- SQL Interface…
…ausgewertet werden.
3rd Party erlaubt die freie Wahl des Frontends:
- Verwendung generierter SQL views- connect any 3rd-party front end tool*
- Freie Frontend Wahl: “any frontend decision”
Fazit
Mit der DWC wurde ein “Cloud-Produkt” geschaffen, welches in puncto Look‘n‘Feel ähnlich wie die SAC funktioniert und diese auch inkludiert. Der Einsatz der DWC ist stets mit der Unternehmensstrategie abzustimmen. Die Klärung, welche Quellen angebunden werden (remote oder repliziert) ist von entscheidender Bedeutung, da Echtzeitauswertungen möglich sind und Plattenspeicher gespart werden kann.
Da es sich um ein Cloud-Produkt handelt, sollte man Speicher, User, benötigte Funktionen und die zusätzlichen Lizenzen vorab abschätzen (lassen). Die SAP Data Warehouse Cloud (DWC) bietet viele neue technische Möglichkeiten, die vom Fachbereich und den IT-Mitarbeitenden genutzt werden können.
