SlideShare ist ein Scribd-Unternehmen logo
1 von 18
Downloaden Sie, um offline zu lesen
Geänderte Erwartungen
an ein SAP BW
ISR Information Products AG | isr.de2
UNERFÜLLTE ERWARTUNGEN
Data Warehousing unter Druck
"Wie werden
sich die Zahlen
in der Zukunft
entwickeln?"
"Wie kann ich
die Datenquelle
flexibel um
meine Excel
Daten
erweitern?"
"Warum benötigt
meine Erweiterung des
Berichts so lange?"
"Ich möchte gerne
die Daten unserer
vernetzten
Maschinen
ebenfalls
auswerten"
ISR Information Products AG | isr.de3
Was lange galt…
ISR Information Products AG | isr.de4
Bisherige Anforderungen an ein SAP BW
Stabilität Integration
operativer
Systemen
Qualität Single Point
of Truth
Klassisches SAP BW Data Warehouse
Reporting und Dashboards
• Vergangenheitsorientierte Auswertung von Ist-
Zahlen
Single-Point-of-truth
• Verpflichtende Aufbereitungsschichten führen
zu redundanten Daten
• Wenig Agilität & viel Aufwand durch
Top-Down-Modellierung
• Monolithische Architektur sorgt gleichzeitig für
hohe Stabilität und Qualität
• Anpassungswünsche führen schnell zu hohen
Entwicklungsaufwänden
• Das System ist damit weder flexibel, noch
unterstützt es inkrementelle
Weiterentwicklungen.
ISR Information Products AG | isr.de6
ISR Information Products AG | isr.de7
Was lange galt…gilt nicht mehr!
ISR Information Products AG | isr.de8
Die Anforderungen haben sich verändert!
Stabilität Integration
operativer
Systemen
Bedarfsgerechte
Qualität
Integration
neuer Daten
Flexibilität Agilität Time-to Value
ISR Information Products AG | isr.de9
Bedarfsgerechte Qualität
• Hohe Datenqualität und Verlässlichkeit auch weiterhin sehr hohen
Stellenwert
• Aber: Auch Daten mit hinreichender Qualität (z.B. 3%
Fehlerquote) können einen analytischen Mehrwert besitzen
• Beispiel: So ist bei Social Media Daten nicht damit zu rechnen,
dass bei jedem Datensatz vollständige Daten vorliegen. Trotzdem
würde dadurch niemand auf diesen Daten komplett verzichten.
ISR Information Products AG | isr.de10
Mehr Flexibilität
• SAP BW Datenmodelle werden nicht (mehr) für die Ewigkeit
konzipiert und entwickelt
• Die Erwartung von Nutzern ist, dass sich bestehende
Datenstrukturen flexibel erweitern lassen um neue Inhalte - durch
die IT oder Fachbereiche in eigens dafür bereitgestellten
Lösungen.
• Das Data Warehouse Design muss diese Flexibilität und
kontinuierliche Veränderungen von Anfang an einplanen.
ISR Information Products AG | isr.de11
Agilität und die Reduktion von Time-to-Value/Analytics
• Klassische Entwicklungsmethoden, bei denen Nutzer erste
Ergebnisse erst nach mehreren Wochen oder Monaten sehen
haben keine Zukunft - Amazon & Co machen es vor
• Nutzer erwarten schnell erste nutzbare Versionen, statt die 100%-
Lösungen einer mittlerweile veralteten Anforderung
Integration neuer Daten
• Basis des SAP BW bleibt weiterhin die
Integration
strukturierter Daten aus operativen
Systemen
• Aber: Neue Prozesse und Datenquellen
führen zu hohen Datenmengen und
unstrukturierten Daten.
• Das SAP BW ist keine Lösung zur Ablage
unstrukturierter Massendaten. Dafür gibt es
„Data Lake Lösungen“.
• Benötigt wird aber eine Integration zwischen
den kfm. Daten eines SAP BW mit den
Informationen des Data Lake. Das SAP BW
kann diese Rolle übernehmen.
ISR Information Products AG | isr.de12
Operative Systeme werden gleichwertig(er)
• S/4 HANA ermöglicht performantes
operatives Reporting
direkt im operativen System
• Damit verliert das SAP BW seinen alten
„Selbstzweck“ und wird sich mehr auf die
Aufgaben eines Data Warehouse
konzentrieren
• Gleichzeitig wächst die Systemvielfalt. Es ist
weniger damit zu rechnen, dass Firmen nur
ein SAP ERP
haben als Quellsystem für ein Data
Warehouse.
• Die Integration und Harmonisierung dieser
komplexen Systemwelt ist wichtig und die
Aufgabe des SAP BW
ISR Information Products AG | isr.de13
Net-of-Truth statt Single-Point-of-Truth
• Lange wurde das SAP BW als Single-Point-of-Truth
(SPOT) für
Reporting positioniert
• In der Realität hat es schon immer weitere
Lösungen gegeben. Beispielsweise lokal bei
Fachbereichen (Schatten-IT) oder auch
zweckgebunden (Produktionsorientiertes DWH).
• Einen wirklichen Single-Point-of-Truth hat es
vermutlich nie gegeben. S/4 HANA rüttelt
zusätzlich an diesem Selbstverständnis mit der
Folge, da es eine gute Quelle für operatives
Reporting ist.
• Wichtig ist die enge Koppelung und Orchestration
dieser verteilten analytischen Landschaft zu
einem sog. Net-of-Truth.
• Das SAP BW kann darin bspw. die Aufgabe
übernehmen historische kfm. Daten
bereitzustellen
ISR Information Products AG | isr.de14
Integration mit Advanced Analytics
• Für die Umsetzung von Advanced Analytics
haben openSource Lösungen eine
Bedeutung.
• Das SAP BW kann wertvolle Informationen
enthalten für die Anwendung von
Algorithmik
und ist gleichzeitig häufig die Quelle für
Analytics Werkzeuge
• In einfachen Fällen kann das SAP BW die
Orchestration übernehmen – in der Regel
werden aber darauf spezialisierte
Werkzeuge eingesetzt (z.B. Data
Intelligence)
• In der engen Integration zwischen
Advanced Analytics und dem SAP BW
liegen Potentiale. Das SAP BW muss lernen
sich in dieser Welt zurecht zu finden.
ISR Information Products AG | isr.de15
ISR Information Products AG | isr.de16
Die Welt hat sich verändert!
ISR Information Products AG | isr.de17
Das SAP BW muss sich in einer neuen Welt zurecht finden!
JSON BILDER TABELLEN TEXTE XML
S/4 C/4 …
QUELLENPROZESSEANALYTISCHEPLATTFORM
S/4 C/4 VIRTUAL LAYER
ACQUISTION LAYER
BUSINESS
DATA MARTS
DATA
WAREHOUSE
ANALYTICS
VISUALIZATION ADVANCED ANALYTICS
(BIG)
DATA
LAKE
JSON
Bilder
Tabellen
Texte
XML
…
INTEGRATION INTEGRATION
Ich freue mich
auf Ihren Anruf.
CHRISTOPHER KAMPMANNSenior Manager
SAP Information Management
Kaiser-Wilhelm-Ring 26 | 50672 Köln
+49-151 42205-448 | christopher.kampmann@isr.de
ISR Information Products AG | isr.de18
Geänderte Anforderungen an eine Data-Warehouse-Landschaft

Weitere ähnliche Inhalte

Was ist angesagt?

Storage economics 2009
Storage economics 2009Storage economics 2009
Storage economics 2009Sascha Oehl
 
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...Business Intelligence Research
 
Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...
Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...
Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...Business Intelligence Research
 
Data Quadrant - Daten Management Methode
Data Quadrant - Daten Management MethodeData Quadrant - Daten Management Methode
Data Quadrant - Daten Management MethodeTorsten Glunde
 
Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...
Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...
Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...Business Intelligence Research
 
Der HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory Plattform
Der HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory PlattformDer HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory Plattform
Der HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory PlattformDetlev Sandel
 
Hif 2012 storage economics strategy services
Hif 2012 storage economics strategy servicesHif 2012 storage economics strategy services
Hif 2012 storage economics strategy servicesSascha Oehl
 
OpenDMA - Daten Management Solution
OpenDMA  - Daten Management SolutionOpenDMA  - Daten Management Solution
OpenDMA - Daten Management SolutionTorsten Glunde
 
Hpf 2012 consumption model
Hpf 2012 consumption modelHpf 2012 consumption model
Hpf 2012 consumption modelSascha Oehl
 
Data Warehouse (DWH) with MySQL
Data Warehouse (DWH) with MySQLData Warehouse (DWH) with MySQL
Data Warehouse (DWH) with MySQLFromDual GmbH
 
Zeit für migration auf SAP HANA
Zeit für migration auf SAP HANAZeit für migration auf SAP HANA
Zeit für migration auf SAP HANABCC_Group
 
Hif 3 d information center 0.7
Hif 3 d information center 0.7Hif 3 d information center 0.7
Hif 3 d information center 0.7Sascha Oehl
 
Hitachi marktforum it beschaffung 2012 0.2
Hitachi   marktforum it beschaffung 2012 0.2Hitachi   marktforum it beschaffung 2012 0.2
Hitachi marktforum it beschaffung 2012 0.2Sascha Oehl
 
Caching: In-Memory Column Store oder im BI Server
Caching: In-Memory Column Store oder im BI ServerCaching: In-Memory Column Store oder im BI Server
Caching: In-Memory Column Store oder im BI ServerAndreas Buckenhofer
 
Data lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid ArchitecturesData lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid ArchitecturesComsysto Reply GmbH
 
Tochtergesellschaften in die Konzern ERP-Welt integrieren
Tochtergesellschaften in die Konzern ERP-Welt integrierenTochtergesellschaften in die Konzern ERP-Welt integrieren
Tochtergesellschaften in die Konzern ERP-Welt integrierenall4cloud GmbH & Co. KG
 
Data Is The New Oil
Data Is The New OilData Is The New Oil
Data Is The New OilParStream
 

Was ist angesagt? (20)

Storage economics 2009
Storage economics 2009Storage economics 2009
Storage economics 2009
 
Portfolio 2016
Portfolio 2016Portfolio 2016
Portfolio 2016
 
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
 
Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...
Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...
Weitere Dezentralisierung der BI - mehr Selbständigkeit der Fachbereiche durc...
 
Data Quadrant - Daten Management Methode
Data Quadrant - Daten Management MethodeData Quadrant - Daten Management Methode
Data Quadrant - Daten Management Methode
 
Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...
Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...
Analytical Sandboxing: Data-Warehousing und Datenanalysen im Spannungsfeld zw...
 
Der HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory Plattform
Der HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory PlattformDer HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory Plattform
Der HANA Effekt - Neue Möglichkeiten durch SAP's In-Memory Plattform
 
Hif 2012 storage economics strategy services
Hif 2012 storage economics strategy servicesHif 2012 storage economics strategy services
Hif 2012 storage economics strategy services
 
The cloud 2011
The cloud 2011The cloud 2011
The cloud 2011
 
OpenDMA - Daten Management Solution
OpenDMA  - Daten Management SolutionOpenDMA  - Daten Management Solution
OpenDMA - Daten Management Solution
 
Hpf 2012 consumption model
Hpf 2012 consumption modelHpf 2012 consumption model
Hpf 2012 consumption model
 
Data Warehouse (DWH) with MySQL
Data Warehouse (DWH) with MySQLData Warehouse (DWH) with MySQL
Data Warehouse (DWH) with MySQL
 
Zeit für migration auf SAP HANA
Zeit für migration auf SAP HANAZeit für migration auf SAP HANA
Zeit für migration auf SAP HANA
 
Hif 3 d information center 0.7
Hif 3 d information center 0.7Hif 3 d information center 0.7
Hif 3 d information center 0.7
 
Hitachi marktforum it beschaffung 2012 0.2
Hitachi   marktforum it beschaffung 2012 0.2Hitachi   marktforum it beschaffung 2012 0.2
Hitachi marktforum it beschaffung 2012 0.2
 
Lambdaarchitektur für BigData
Lambdaarchitektur für BigDataLambdaarchitektur für BigData
Lambdaarchitektur für BigData
 
Caching: In-Memory Column Store oder im BI Server
Caching: In-Memory Column Store oder im BI ServerCaching: In-Memory Column Store oder im BI Server
Caching: In-Memory Column Store oder im BI Server
 
Data lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid ArchitecturesData lake vs Data Warehouse: Hybrid Architectures
Data lake vs Data Warehouse: Hybrid Architectures
 
Tochtergesellschaften in die Konzern ERP-Welt integrieren
Tochtergesellschaften in die Konzern ERP-Welt integrierenTochtergesellschaften in die Konzern ERP-Welt integrieren
Tochtergesellschaften in die Konzern ERP-Welt integrieren
 
Data Is The New Oil
Data Is The New OilData Is The New Oil
Data Is The New Oil
 

Ähnlich wie Geänderte Anforderungen an eine Data-Warehouse-Landschaft

Analytics meets Big Data – R/Python auf der Hadoop/Spark-Plattform
Analytics meets Big Data – R/Python auf der Hadoop/Spark-PlattformAnalytics meets Big Data – R/Python auf der Hadoop/Spark-Plattform
Analytics meets Big Data – R/Python auf der Hadoop/Spark-PlattformRising Media Ltd.
 
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015Marcel Franke
 
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTiggesDas modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTiggesOPITZ CONSULTING Deutschland
 
DXC Technology - THRIVE Blog: Das nächste BI-Level
DXC Technology - THRIVE Blog: Das nächste BI-LevelDXC Technology - THRIVE Blog: Das nächste BI-Level
DXC Technology - THRIVE Blog: Das nächste BI-LevelDaniel Eiduzzis
 
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...Harald Erb
 
Echtzeitanwendungen aus der Cloud - Partnervortrag vom AWS Summit
Echtzeitanwendungen aus der Cloud - Partnervortrag vom AWS SummitEchtzeitanwendungen aus der Cloud - Partnervortrag vom AWS Summit
Echtzeitanwendungen aus der Cloud - Partnervortrag vom AWS SummitAWS Germany
 
3 Möglichkeiten zur Konsolidierung von SAP Landschaften
3 Möglichkeiten zur Konsolidierung von SAP Landschaften3 Möglichkeiten zur Konsolidierung von SAP Landschaften
3 Möglichkeiten zur Konsolidierung von SAP LandschaftenIT-Onlinemagazin
 
Big Data Konnektivität
Big Data KonnektivitätBig Data Konnektivität
Big Data KonnektivitätTrivadis
 
Data Mining und OLAP
Data Mining und OLAPData Mining und OLAP
Data Mining und OLAPmurat9393
 
Oracle Database 12c Release 2
Oracle Database 12c Release 2 Oracle Database 12c Release 2
Oracle Database 12c Release 2 oraclebudb
 
Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2Ulrike Schwinn
 
Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!Harald Erb
 
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...Daniel Eiduzzis
 
SAP Cloud for Analytics Überblick
SAP Cloud for Analytics ÜberblickSAP Cloud for Analytics Überblick
SAP Cloud for Analytics ÜberblickMohamed Abdel Hadi
 
Azure SQL Database vs. Azure SQL Data Warehouse
Azure SQL Database vs. Azure SQL Data WarehouseAzure SQL Database vs. Azure SQL Data Warehouse
Azure SQL Database vs. Azure SQL Data WarehousepmOne Analytics GmbH
 
Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02
Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02
Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02Gunther Pippèrr
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtIBsolution GmbH
 

Ähnlich wie Geänderte Anforderungen an eine Data-Warehouse-Landschaft (20)

Analytics meets Big Data – R/Python auf der Hadoop/Spark-Plattform
Analytics meets Big Data – R/Python auf der Hadoop/Spark-PlattformAnalytics meets Big Data – R/Python auf der Hadoop/Spark-Plattform
Analytics meets Big Data – R/Python auf der Hadoop/Spark-Plattform
 
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
In Memory-Technologien im Vergleich - SQL Server Konferenz 2015
 
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTiggesDas modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
 
SAP BusinessObjects Cloud
SAP BusinessObjects CloudSAP BusinessObjects Cloud
SAP BusinessObjects Cloud
 
Big Data Appliances
Big Data AppliancesBig Data Appliances
Big Data Appliances
 
DXC Technology - THRIVE Blog: Das nächste BI-Level
DXC Technology - THRIVE Blog: Das nächste BI-LevelDXC Technology - THRIVE Blog: Das nächste BI-Level
DXC Technology - THRIVE Blog: Das nächste BI-Level
 
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
 
Echtzeitanwendungen aus der Cloud - Partnervortrag vom AWS Summit
Echtzeitanwendungen aus der Cloud - Partnervortrag vom AWS SummitEchtzeitanwendungen aus der Cloud - Partnervortrag vom AWS Summit
Echtzeitanwendungen aus der Cloud - Partnervortrag vom AWS Summit
 
3 Möglichkeiten zur Konsolidierung von SAP Landschaften
3 Möglichkeiten zur Konsolidierung von SAP Landschaften3 Möglichkeiten zur Konsolidierung von SAP Landschaften
3 Möglichkeiten zur Konsolidierung von SAP Landschaften
 
Big Data Konnektivität
Big Data KonnektivitätBig Data Konnektivität
Big Data Konnektivität
 
Data Mining und OLAP
Data Mining und OLAPData Mining und OLAP
Data Mining und OLAP
 
Oracle Database 12c Release 2
Oracle Database 12c Release 2 Oracle Database 12c Release 2
Oracle Database 12c Release 2
 
Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2Überblick zu Oracle Database 12c Release 2
Überblick zu Oracle Database 12c Release 2
 
DE-E3-Jones
DE-E3-JonesDE-E3-Jones
DE-E3-Jones
 
Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!
 
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
Reporting- und Business-Intelligence-Werkzeuge für den Controller: Grundlagen...
 
SAP Cloud for Analytics Überblick
SAP Cloud for Analytics ÜberblickSAP Cloud for Analytics Überblick
SAP Cloud for Analytics Überblick
 
Azure SQL Database vs. Azure SQL Data Warehouse
Azure SQL Database vs. Azure SQL Data WarehouseAzure SQL Database vs. Azure SQL Data Warehouse
Azure SQL Database vs. Azure SQL Data Warehouse
 
Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02
Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02
Doag 2104 manuskript_hadoop_oracle_integration_gunther_pipperr_v02
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
 

Geänderte Anforderungen an eine Data-Warehouse-Landschaft

  • 2. ISR Information Products AG | isr.de2 UNERFÜLLTE ERWARTUNGEN Data Warehousing unter Druck "Wie werden sich die Zahlen in der Zukunft entwickeln?" "Wie kann ich die Datenquelle flexibel um meine Excel Daten erweitern?" "Warum benötigt meine Erweiterung des Berichts so lange?" "Ich möchte gerne die Daten unserer vernetzten Maschinen ebenfalls auswerten"
  • 3. ISR Information Products AG | isr.de3 Was lange galt…
  • 4. ISR Information Products AG | isr.de4 Bisherige Anforderungen an ein SAP BW Stabilität Integration operativer Systemen Qualität Single Point of Truth
  • 5. Klassisches SAP BW Data Warehouse Reporting und Dashboards • Vergangenheitsorientierte Auswertung von Ist- Zahlen Single-Point-of-truth • Verpflichtende Aufbereitungsschichten führen zu redundanten Daten • Wenig Agilität & viel Aufwand durch Top-Down-Modellierung • Monolithische Architektur sorgt gleichzeitig für hohe Stabilität und Qualität • Anpassungswünsche führen schnell zu hohen Entwicklungsaufwänden • Das System ist damit weder flexibel, noch unterstützt es inkrementelle Weiterentwicklungen. ISR Information Products AG | isr.de6
  • 6. ISR Information Products AG | isr.de7 Was lange galt…gilt nicht mehr!
  • 7. ISR Information Products AG | isr.de8 Die Anforderungen haben sich verändert! Stabilität Integration operativer Systemen Bedarfsgerechte Qualität Integration neuer Daten Flexibilität Agilität Time-to Value
  • 8. ISR Information Products AG | isr.de9 Bedarfsgerechte Qualität • Hohe Datenqualität und Verlässlichkeit auch weiterhin sehr hohen Stellenwert • Aber: Auch Daten mit hinreichender Qualität (z.B. 3% Fehlerquote) können einen analytischen Mehrwert besitzen • Beispiel: So ist bei Social Media Daten nicht damit zu rechnen, dass bei jedem Datensatz vollständige Daten vorliegen. Trotzdem würde dadurch niemand auf diesen Daten komplett verzichten.
  • 9. ISR Information Products AG | isr.de10 Mehr Flexibilität • SAP BW Datenmodelle werden nicht (mehr) für die Ewigkeit konzipiert und entwickelt • Die Erwartung von Nutzern ist, dass sich bestehende Datenstrukturen flexibel erweitern lassen um neue Inhalte - durch die IT oder Fachbereiche in eigens dafür bereitgestellten Lösungen. • Das Data Warehouse Design muss diese Flexibilität und kontinuierliche Veränderungen von Anfang an einplanen.
  • 10. ISR Information Products AG | isr.de11 Agilität und die Reduktion von Time-to-Value/Analytics • Klassische Entwicklungsmethoden, bei denen Nutzer erste Ergebnisse erst nach mehreren Wochen oder Monaten sehen haben keine Zukunft - Amazon & Co machen es vor • Nutzer erwarten schnell erste nutzbare Versionen, statt die 100%- Lösungen einer mittlerweile veralteten Anforderung
  • 11. Integration neuer Daten • Basis des SAP BW bleibt weiterhin die Integration strukturierter Daten aus operativen Systemen • Aber: Neue Prozesse und Datenquellen führen zu hohen Datenmengen und unstrukturierten Daten. • Das SAP BW ist keine Lösung zur Ablage unstrukturierter Massendaten. Dafür gibt es „Data Lake Lösungen“. • Benötigt wird aber eine Integration zwischen den kfm. Daten eines SAP BW mit den Informationen des Data Lake. Das SAP BW kann diese Rolle übernehmen. ISR Information Products AG | isr.de12
  • 12. Operative Systeme werden gleichwertig(er) • S/4 HANA ermöglicht performantes operatives Reporting direkt im operativen System • Damit verliert das SAP BW seinen alten „Selbstzweck“ und wird sich mehr auf die Aufgaben eines Data Warehouse konzentrieren • Gleichzeitig wächst die Systemvielfalt. Es ist weniger damit zu rechnen, dass Firmen nur ein SAP ERP haben als Quellsystem für ein Data Warehouse. • Die Integration und Harmonisierung dieser komplexen Systemwelt ist wichtig und die Aufgabe des SAP BW ISR Information Products AG | isr.de13
  • 13. Net-of-Truth statt Single-Point-of-Truth • Lange wurde das SAP BW als Single-Point-of-Truth (SPOT) für Reporting positioniert • In der Realität hat es schon immer weitere Lösungen gegeben. Beispielsweise lokal bei Fachbereichen (Schatten-IT) oder auch zweckgebunden (Produktionsorientiertes DWH). • Einen wirklichen Single-Point-of-Truth hat es vermutlich nie gegeben. S/4 HANA rüttelt zusätzlich an diesem Selbstverständnis mit der Folge, da es eine gute Quelle für operatives Reporting ist. • Wichtig ist die enge Koppelung und Orchestration dieser verteilten analytischen Landschaft zu einem sog. Net-of-Truth. • Das SAP BW kann darin bspw. die Aufgabe übernehmen historische kfm. Daten bereitzustellen ISR Information Products AG | isr.de14
  • 14. Integration mit Advanced Analytics • Für die Umsetzung von Advanced Analytics haben openSource Lösungen eine Bedeutung. • Das SAP BW kann wertvolle Informationen enthalten für die Anwendung von Algorithmik und ist gleichzeitig häufig die Quelle für Analytics Werkzeuge • In einfachen Fällen kann das SAP BW die Orchestration übernehmen – in der Regel werden aber darauf spezialisierte Werkzeuge eingesetzt (z.B. Data Intelligence) • In der engen Integration zwischen Advanced Analytics und dem SAP BW liegen Potentiale. Das SAP BW muss lernen sich in dieser Welt zurecht zu finden. ISR Information Products AG | isr.de15
  • 15. ISR Information Products AG | isr.de16 Die Welt hat sich verändert!
  • 16. ISR Information Products AG | isr.de17 Das SAP BW muss sich in einer neuen Welt zurecht finden! JSON BILDER TABELLEN TEXTE XML S/4 C/4 … QUELLENPROZESSEANALYTISCHEPLATTFORM S/4 C/4 VIRTUAL LAYER ACQUISTION LAYER BUSINESS DATA MARTS DATA WAREHOUSE ANALYTICS VISUALIZATION ADVANCED ANALYTICS (BIG) DATA LAKE JSON Bilder Tabellen Texte XML … INTEGRATION INTEGRATION
  • 17. Ich freue mich auf Ihren Anruf. CHRISTOPHER KAMPMANNSenior Manager SAP Information Management Kaiser-Wilhelm-Ring 26 | 50672 Köln +49-151 42205-448 | christopher.kampmann@isr.de ISR Information Products AG | isr.de18