SlideShare ist ein Scribd-Unternehmen logo
Simplify
Your Work Life
SAP Datasphere - von Bits und
Bites zu Widgets und Charts
Autoren:
Mohamed Moktatif
Manuel Huber
Heilbronn, 25.04.2023
Agenda
1. Space Management
2. Datenintegration
3. Analytical Model
4. Implementierung einer
Datenzugriffskontrolle (DAC) für das
Reporting
© 2022 -IBsolutionGmbH 3
Space Management
Aufbau einer LSA++ Struktur – Überblick
AL_EC C
N O N _S A P
S 4
EC C
AL_S4
AL_NON
_SAP
Ha r moni za ti on
La yer
Uni on La yer
R epor ti ng
La yer
Quellsysteme
SAP Datasphere
SAC SAC
© 2022 -IBsolutionGmbH 4
▪ Pro Quellsystem ein Layer (AL_ECC_01, AL_S4_01)
▪ Anbindung kann z. B. über einen DP Agent erfolgen, verschiedene Adapter für ABAP oder HANA
Verbindungen verfügbar
▪ Anbindung weiterer Verbindungen wie z. B. Microsoft SQL Server, Oracle oder Google Cloud möglich
▪ Eingangsschicht über remote Tabellen wie z. B. BKPF, LFA1, BSIK, BSAK
▪ Namenskonventionen von der Eingangsschicht bis zur Ausgangsschicht (LFA1_A1 → LFA1_D1)
▪ Selektion der Spalten sowie Filtereinstellungen möglich
Space Management
Aufbau einer LSA++ Struktur – Acquisition Layer
AL_ECC
N O N _S A P
S 4
EC C
AL_S4
AL_NON
_SAP
© 2022 -IBsolutionGmbH 5
▪ Mögliche Semantische Typen
▪ Relationales Datenset
▪ Basis Format eines Models, um die gegenseitigen Beziehungen darzustellen
▪ Dimension
▪ Für die Modellierung von Stammdaten sowie die Verwendung von Hierarchien und Assoziationen
▪ Analytisches Datenset
▪ Für die Verwendung von Kennzahlen und deren Verwendung in SAC benötigt
▪ Text
▪ Für die Verwendung eines Mehrsprachenkonzeptes für die Stammdaten
▪ Hierarchie
▪ Für die Verwendung einer Parent-Child Hierarchie
▪ Analytical Model
▪ Nachfolger vom Analytischen Datenset
Space Management
Aufbau einer LSA++ Struktur – Acquisition Layer
© 2022 -IBsolutionGmbH 6
▪ Vereinigung aller Quellsysteme zu einem Layer über einen „ union“
▪ Keine fachlichen oder technischen Veränderungen
▪ Bei unterschiedlichen Feldern in den Quellsystemen muss ein leerer String hinzugefügt werden
Space Management
Aufbau einer LSA++ Struktur – Union Layer
AL_EC C AL_S4
AL_NON
_SAP
Uni on La yer
© 2022 -IBsolutionGmbH 7
▪ Harmonisierung der Daten zwischen den verschiedenen Quellsystemen
▪ Berechnungslogiken können in diesem Layer vorgenommen werden
▪ Komplexe Views sollten aufgeteilt werden, um eine bessere Performance zu erzielen
▪ Eingangsschicht vom Union Layer: INVOICE_POSITION_00
▪ Berechnungslogiken in INVOICE_POSITION_10, INVOICE_POSITION_20…
▪ Ausgabeschicht für den Reporting Layer: INVOICE_POSITION_90
Space Management
Aufbau einer LSA++ Struktur – Harmonization Layer
Ha r moni za ti on
La yer
Uni on La yer
© 2022 -IBsolutionGmbH 8
▪ Aufbereitung der Views für das Reporting (Business Names, Assoziationen, Analytical Dataset)
▪ Bisheriger Ansatz: großer View am Ende wie z. B. Invoice Position, welcher trotz Persistierung der
Daten keine gute Performance geboten hat
▪ Neuer Ansatz: Analytical Model
▪ Erstellung von „Data Marts“, welche die Informationen aus assoziierten Dimensionen erhalten und
nur den benötigten Teil von Invoice Position enthalten
▪ deutlich bessere Performance
▪ zukünftiger Weg der SAP
Space Management
Aufbau einer LSA++ Struktur – Reporting Layer
R epor ti ng
La yer
SAC
© 2022 -IBsolutionGmbH 9
▪ Kundenspezifische Konfigurationen möglich, welche in den Harmonization Layer oder Reporting Layer
geteilt werden
▪ Kontengruppenfilter
▪ System Name
▪ Standard Sprache
▪ Zentraler Ort für einen geringen Pflegeaufwand
Space Management
Aufbau einer LSA++ Struktur – Configuration Layer
Ha r moni za ti on
La yer
R epor ti ng
La yer
C onfi g ur a ti on
La yer
© 2022 -IBsolutionGmbH 10
▪ Sehr wichtig für einen reibungslosen Ablauf bei dem Zugriff der Views sowie der Persistierung der
Daten
▪ Space Priority
▪ Bei einem Zugriff der Daten entscheidet die Priorität, welcher Space bevorzugt wird
▪ Storage Assignment
▪ Disk und In-Memory Speicher wird dem Space zugeordnet
▪ Zu wenig Speicher verursacht Probleme bei der Verarbeitung der Daten
▪ Space Configuration
▪ Default
▪ Custom
→ Bei der Persistierung von großen Datenmengen ist es manchmal ratsam auf „ custom“ umzustellen und
kurzzeitig das „total statement thread limit“ und „total statement memory limit“ manuell hochzustellen
→ Oft bei Entwicklungssystemen mit geringeren Kapazitäten nötig
Space Management
Workload Management
© 2022 -IBsolutionGmbH 11
Agenda
1. Space Management
2. Datenintegration
3. Analytical Model
4. Implementierung einer
Datenzugriffskontrolle (DAC) für das
Reporting
© 2022 -IBsolutionGmbH 12
▪ Remote Tabellen (BKPF, BSEG, Extraktoren)
▪ Nach der Anbindung eines Quellsystems kann eine remote Tabelle importiert werden
▪ Lokale Tabellen
▪ Manuell (Geo-Daten, Kurse)
→ Upload der Daten über CSV-Files möglich
→ Download nur über Umwegen möglich (HANA Database Explorer)
▪ Open SQL Schema über HANA Database Explorer (HANA Cloud oder 3. Anbieter)
Datenintegration
Import/Export Funktionalität
© 2022 -IBsolutionGmbH 13
▪ Views
▪ Jeder View kann einzeln als JSON File exportiert werden
▪ ER-Modell
▪ Das komplette Datenmodell kann als ER-Modell exportiert werden
▪ Transportwesen
▪ Export und Import des ER-Modells von DEV nach QA /PROD
▪ Spaces und Verbindungen müssen bereits angelegt und namentlich identisch sein
▪ Nutzung des Content Network von der SAP
Datenintegration
Import/Export Funktionalität
© 2022 -IBsolutionGmbH 14
▪ Virtueller Datenzugriff (Standard)
▪ Persistierte Daten (Partitionierungen)
▪ Real-time (Delta)
▪ Beladung durch Prozessketten
▪ Analytical Model mit Inputvariablen nicht persistierbar
Datenintegration
Datenpersistierung
© 2022 -IBsolutionGmbH 15
Agenda
1. Space Management
2. Datenintegration
3. Analytical Model
4. Implementierung einer
Datenzugriffskontrolle (DAC) für das
Reporting
© 2022 -IBsolutionGmbH 16
© 2022 -IBsolutionGmbH 17
Analytical Model
„Analytical model“ ist der Verbindungsbaustein zwischen Datasphere und
der SAP analytics cloud. Es ist der Nachfolger vom Analytical dataset (ADS)
Welche Abhängigkeiten bestehen zwischen „Analytical model“
und den herkömmlichen Datasphere Objekten?
Welchen Mehrwert hat das „Analytical model“ im Vergleich zu den klassischen Objekten?
Was bedeutet „Analytical model“ für greenfield Projekte?
Was bedeutet „Analytical model“ für bestehende Reportings in Datasphere?
© 2022 -IBsolutionGmbH 18
Analytical Model
Da s Anal yti cal Datase t, der für di e SAC ber ei tg estel l t i st, ver füg t
g l ei chzei ti g über zwei Komponenten:
• Ana l yti sche Komponente, sta r schema
• R el a ti ona l e Komponente, SQL-ba si er te Da tenba nk vi ew
Was ist ein Analytical Dataset
© 2022 -IBsolutionGmbH 20
Analytical Model in Datasphere
Data
Builder
Business
Builder
Physical
Tables/
Views
Sematic
Usage
Used in
Text
Hierarchy ADS*
Dimension
Consumption/Fact Model
Abstract
Entities
Fact**
ADS* Dimension
Analytic Model
Perspective
SAP Analytics Cloud
Phase
2***
*: ADS = Analytical Dataset
**: Semantic Usage Fact will be introduced in Q2/2023
***: Analytic Models will ultimately consume BL entities in the course of 2023
Mischform von Relational
u. analytisch
rein relational
rein analytisch
© 2022 -IBsolutionGmbH 21
Abhängigkeiten des Analytical Model in Datasphere
▪ Das analytische Model wird künftig die zentrale Drehscheibe
für das SAC Reporting im Datasphere sein
▪ Momentan kann das analytische Modell nicht mitdem
Business layer verbunden werden (Erwartet im Laufe des
Jahres 2023)
▪ Die strategischen Innovationen vonanalytischen features
werden auf das analytische model fokussiert sein
Data
Builder
Business
Builder
Physical
Tables/
Views
Sematic
Usage
Used in
Text
Hierarchy ADS*
Dimension
Consumption/Fact Model
Abstract
Entities
Fact**
ADS* Dimension
Analytic Model
Perspective
SAP Analytics Cloud
Phase
2***
*: ADS = Analytical Dataset
**: Semantic Usage Fact will be introduced in Q2/2023
***: Analytic Models will ultimately consume BL entities in the course of 2023
© 2022 -IBsolutionGmbH 22
Features des “Analytical Model”
▪ Trennung zwischen Relationalen von Analytischen Objekten
▪ Möglichkeit zur zentralen Bereitstellung der Kalkulierten Kennzahlen
▪ Erweiterte Kalkulationsmöglichkeiten (Exception aggregations, Distinct
counts,..etc)
▪ Vernetzte Dimensionen
▪ Input Variablen
▪ Referenz Datum
▪ Zeitabhängigkeit in Stammdaten / Dimensionen
▪ ..
▪ Ähnlich wie bei den anderen Objekten, kann das “analytical model” als offline CSN file importiert
und exportiert werden
▪ Das erstellt CSN file enthält Metadaten über das “Analytical model” sowie alle zugehörigen
dependencies zu anderen Objekten
Import/Export von Objekten in CSN Format (1/2)
▪ Beim Import des CSN Files in ein anderes Space können alle zugehörigen “dependencies” mit importiert werden
( E inzel s elektiert oder gesamt).
▪ Falls ein Objekt bereits im Zielsystem vorhanden ist, kann sich der User zwischen überschreiben oder
überspringen entscheiden
Import/Export von Objekten in CSN Format (2/2)
▪ Transporte über Analytics Content Network sind voll supported für “Analytic Models”, jedoch NUR
für system in 2-tenant mode
Transport über Analytics Content Network (ACN)
Greenfield vs. bestehendes Reporting
Migration
Keine Änderung
ADS „Conversion“
SAC Dashboards auf
konvertiertes AM um-
pointen
Nachteil: Keine
Nutzung der neuen
Features
To do: Re-Build der
Dashboards auf AM
Basis
ADS
Bestehendes Reporting
Analytical model
Greenfield
SAP Entwicklungs-fokus
Fact
SAP Empfehlung
Im Laufe des
2.ten Quartals
(Wave 12)
Ggfls. Kalk.-Logik ins
AM verlagern
SAC Story Migration:
Muss ich migrieren? Wie funktioniert es? Wie groß ist der Aufwand?
▪ Kurz
▪ Grundsätzlich nein. Jedoch durch Umschalten auf “Analytical model” werden Sie die neuen Features
des AMs nutzen können. Künftig fokussieren die Innovationen auf das “Analytical model”
▪ Detailliert
▪ Aus Kompatibilitätsgünden werden beide data layer ADS & BL-Perspectiven koexistieren aber alle
neuen Entwicklungen werden nur in Analytic Model (AM) stattfinden. AM wird daher im Laufe der
Zeit immer attraktiver
▪ ADS kann leicht in AM konvertiert werden, aber sein Name wird anders sein. Da SAC -Storys das
Modell nicht wechseln können, ohne die Story neu zu erstellen, sollten Sie damit beginnen, neue
Stories nur auf AM zu erstellen und vorhandene Stories nur nach Bedarf zu migrieren
▪ Nach Erreichen der Feature-Parität zwischen AM und ADS wird das System Modellierer aktiv
ermutigen, Facts + AM anstelle von ADS zu verwenden, indem es Nachrichten über Vorteile und
Aspekte der Migration erhält.
▪ Dasselbe gilt für Business Layer’s Consumption Models & Perspectives , sobald auch dort die Feature-
Parität erreicht ist
SAC Story Migration:
Muss ich migrieren? Wie funktioniert es? Wie groß ist der Aufwand?
Data
Builder
Business
Builder
Physical
Tables/
Views
Sematic
Usage
Used in
Text
Hierarchy ADS*
Dimension
Consumption/Fact Model
Abstract
Entities
Fact
ADS* Dimension
*: ADS = Analytical Dataset
Analytic Model
Perspective
SAP Analytics Cloud
Phase
2
Controlled Availability of Analytic Model (AM)
• Analytic Models verwenden Analytical Datasets(ADS) alsQuelle
• ADS & AM existierennebeneinander. SACkann AM, ADS und Perspektiven
konsumieren
General Availability of Analytic Model
• Einführung desneuen semantischen Objektes Fakt alsQuelledes Analytic
Models
• AM kann sowohl Factsalsauch ADS alsQuelle
• DasSystem ermutigtModellierer aktiv, mit der Verwendung von Facts& AM
statt ADS zu beginnen(e.g. warning messages)
• Migration wizardzum Generieren von AM aus ADS, aber SAC-Storymuss
aufgrund unterschiedlicher Modellnamen neu erstelltwerden
• Mittelfristig: Neuanlagevon ADS nichtmehr möglich
On AM feature parity towards consumption model
• AM kann alles tun, was BL Fact Models & BL consumption modelskönnen
einschließlich Konsum von Business Layer
• DasSystem ermutigtUser aktiv, mit der VerwendungBL Business Entities + AM
over BL Business Entities + Consumption Models/Perspectives(e.g. warnings)
• Mittelfristig: NeueErstellung von Consumption Models/Perspectives nichtmehr
möglich
Agenda
1. Space Management
2. Datenintegration
3. Analytical Model
4. Implementierung einer
Datenzugriffskontrolle (DAC) für das
Reporting
© 2022 -IBsolutionGmbH 33
▪ Eigener Space um eingeschränkten Zugriff zu gewährleisten
▪ Lokale Tabellen für das Berechtigungskonzept erstellen
▪ Zuordnung Benutzer → Benutzergruppe
▪ Zuordnung Benutzergruppe → System
▪ Zuordnung Benutzergruppe → Gesellschaften
▪ View als Ausgangsschicht für den Reporting Layer, welcher die Tabellen verknüpft
▪ User ID als Treiber in der Data Access Control
https://ibsolution-dwc.eu10.hcs.cloud.sap/dwaas-ui/index.html#/databuilder
Implementierung einer DAC für das Reporting
© 2022 -IBsolutionGmbH 34

Weitere ähnliche Inhalte

Ähnlich wie SAP Datashpere - von Bits und Bites zu Widgets und Charts

Technische Lösungen zur Unternehmenssteuerung
Technische Lösungen zur UnternehmenssteuerungTechnische Lösungen zur Unternehmenssteuerung
Technische Lösungen zur Unternehmenssteuerung
IBsolution GmbH
 
Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...
Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...
Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...
OPITZ CONSULTING Deutschland
 
Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...
Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...
Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...
IBsolution GmbH
 
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
Ulrike Schwinn
 
Oracle Database 12c Release 2
Oracle Database 12c Release 2 Oracle Database 12c Release 2
Oracle Database 12c Release 2
oraclebudb
 
Geänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-LandschaftGeänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-Landschaft
ISR Information Products AG
 
Big Data Konnektivität
Big Data KonnektivitätBig Data Konnektivität
Big Data Konnektivität
Trivadis
 
Webinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen Extraktion
Webinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen ExtraktionWebinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen Extraktion
Webinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen Extraktion
CONOGY GmbH
 
Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...
Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...
Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...
IBsolution GmbH
 
2016 pcc presse_03_dcc_ontras_dcc_ver05
2016 pcc presse_03_dcc_ontras_dcc_ver052016 pcc presse_03_dcc_ontras_dcc_ver05
2016 pcc presse_03_dcc_ontras_dcc_ver05
Ulrich Schmidt
 
DACHNUG50 LeapTippsAndTricks.pdf
DACHNUG50 LeapTippsAndTricks.pdfDACHNUG50 LeapTippsAndTricks.pdf
DACHNUG50 LeapTippsAndTricks.pdf
DNUG e.V.
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
IBsolution GmbH
 
Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...
Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...
Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...
OPITZ CONSULTING Deutschland
 
Datentransfer mit Oracle Tools
Datentransfer mit Oracle ToolsDatentransfer mit Oracle Tools
Datentransfer mit Oracle Tools
Christian Gohmann
 
Überblick Oracle GoldenGate
Überblick Oracle GoldenGateÜberblick Oracle GoldenGate
Überblick Oracle GoldenGate
Ileana Somesan
 
Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)
Agenda Europe 2035
 
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
 
ExsoFlow Workflow & IntegrationServer technische Information
ExsoFlow Workflow & IntegrationServer technische InformationExsoFlow Workflow & IntegrationServer technische Information
ExsoFlow Workflow & IntegrationServer technische Information
EXSO. business solutions GmbH
 
Notes Sharepoint Migration
Notes Sharepoint MigrationNotes Sharepoint Migration
Notes Sharepoint Migration
innocate solutions GmbH
 
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
Rising Media Ltd.
 

Ähnlich wie SAP Datashpere - von Bits und Bites zu Widgets und Charts (20)

Technische Lösungen zur Unternehmenssteuerung
Technische Lösungen zur UnternehmenssteuerungTechnische Lösungen zur Unternehmenssteuerung
Technische Lösungen zur Unternehmenssteuerung
 
Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...
Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...
Oracle BAM - Volle Übersicht über Meta- und Prozessdaten - DOAG Konferenz 201...
 
Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...
Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...
Die Zukunft der Datenmigration: Neue Funktionen des Data Migration Cockpits f...
 
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
 
Oracle Database 12c Release 2
Oracle Database 12c Release 2 Oracle Database 12c Release 2
Oracle Database 12c Release 2
 
Geänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-LandschaftGeänderte Anforderungen an eine Data-Warehouse-Landschaft
Geänderte Anforderungen an eine Data-Warehouse-Landschaft
 
Big Data Konnektivität
Big Data KonnektivitätBig Data Konnektivität
Big Data Konnektivität
 
Webinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen Extraktion
Webinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen ExtraktionWebinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen Extraktion
Webinar: S/4HANA Extraktion: Änderungen im Vergleich zur klassischen Extraktion
 
Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...
Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...
Datendrehscheibe mit SAP MDG - Multiple Datenentstehungspunkte und geteilte S...
 
2016 pcc presse_03_dcc_ontras_dcc_ver05
2016 pcc presse_03_dcc_ontras_dcc_ver052016 pcc presse_03_dcc_ontras_dcc_ver05
2016 pcc presse_03_dcc_ontras_dcc_ver05
 
DACHNUG50 LeapTippsAndTricks.pdf
DACHNUG50 LeapTippsAndTricks.pdfDACHNUG50 LeapTippsAndTricks.pdf
DACHNUG50 LeapTippsAndTricks.pdf
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
 
Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...
Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...
Datenbank Migration - Oracle 11gR2 Erfahrungen 2011 - OPITZ CONSULTING - Chri...
 
Datentransfer mit Oracle Tools
Datentransfer mit Oracle ToolsDatentransfer mit Oracle Tools
Datentransfer mit Oracle Tools
 
Überblick Oracle GoldenGate
Überblick Oracle GoldenGateÜberblick Oracle GoldenGate
Überblick Oracle GoldenGate
 
Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)Dr. Thomas Petrik (Sphinx IT Consulting)
Dr. Thomas Petrik (Sphinx IT Consulting)
 
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...
 
ExsoFlow Workflow & IntegrationServer technische Information
ExsoFlow Workflow & IntegrationServer technische InformationExsoFlow Workflow & IntegrationServer technische Information
ExsoFlow Workflow & IntegrationServer technische Information
 
Notes Sharepoint Migration
Notes Sharepoint MigrationNotes Sharepoint Migration
Notes Sharepoint Migration
 
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
 

Mehr von IBsolution GmbH

Erfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application Studio
Erfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application StudioErfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application Studio
Erfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application Studio
IBsolution GmbH
 
SAP Analytics Cloud - Deep Dive - Webinar
SAP Analytics Cloud - Deep Dive - WebinarSAP Analytics Cloud - Deep Dive - Webinar
SAP Analytics Cloud - Deep Dive - Webinar
IBsolution GmbH
 
Produktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP Fiori
Produktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP FioriProduktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP Fiori
Produktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP Fiori
IBsolution GmbH
 
SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...
SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...
SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...
IBsolution GmbH
 
Personalkennzahlen im Kontext des ESG-Reportings
Personalkennzahlen im Kontext des ESG-ReportingsPersonalkennzahlen im Kontext des ESG-Reportings
Personalkennzahlen im Kontext des ESG-Reportings
IBsolution GmbH
 
SAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren Projekten
SAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren ProjektenSAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren Projekten
SAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren Projekten
IBsolution GmbH
 
SAP Analytics Cloud von A bis Z - Ein Überblick
SAP Analytics Cloud von A bis Z - Ein ÜberblickSAP Analytics Cloud von A bis Z - Ein Überblick
SAP Analytics Cloud von A bis Z - Ein Überblick
IBsolution GmbH
 
Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...
Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...
Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...
IBsolution GmbH
 
Wie Sie das Berechtigungschaos in SAP S/4HANA beseitigen
Wie Sie das Berechtigungschaos in SAP S/4HANA beseitigenWie Sie das Berechtigungschaos in SAP S/4HANA beseitigen
Wie Sie das Berechtigungschaos in SAP S/4HANA beseitigen
IBsolution GmbH
 
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-InformationsquellenDenodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
IBsolution GmbH
 
Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...
Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...
Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...
IBsolution GmbH
 
Lösungswege zum effektiven ESG-Reporting in der SAP-Landschaft
Lösungswege zum effektiven ESG-Reporting in der SAP-LandschaftLösungswege zum effektiven ESG-Reporting in der SAP-Landschaft
Lösungswege zum effektiven ESG-Reporting in der SAP-Landschaft
IBsolution GmbH
 
Einführung von Künstlicher Intelligenz in die Unternehmenspraxis
Einführung von Künstlicher Intelligenz in die UnternehmenspraxisEinführung von Künstlicher Intelligenz in die Unternehmenspraxis
Einführung von Künstlicher Intelligenz in die Unternehmenspraxis
IBsolution GmbH
 
SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...
SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...
SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...
IBsolution GmbH
 
SAP Analytics Cloud - Ein Update zu neuen Features
SAP Analytics Cloud - Ein Update zu neuen FeaturesSAP Analytics Cloud - Ein Update zu neuen Features
SAP Analytics Cloud - Ein Update zu neuen Features
IBsolution GmbH
 
Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...
Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...
Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...
IBsolution GmbH
 
Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...
Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...
Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...
IBsolution GmbH
 
Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...
Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...
Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...
IBsolution GmbH
 
Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...
Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...
Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...
IBsolution GmbH
 
GHG Emission Planning in SAP Analytics Cloud
GHG Emission Planning in SAP Analytics CloudGHG Emission Planning in SAP Analytics Cloud
GHG Emission Planning in SAP Analytics Cloud
IBsolution GmbH
 

Mehr von IBsolution GmbH (20)

Erfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application Studio
Erfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application StudioErfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application Studio
Erfolgreiches Coding in der Cloud: Ein Blick auf SAP Business Application Studio
 
SAP Analytics Cloud - Deep Dive - Webinar
SAP Analytics Cloud - Deep Dive - WebinarSAP Analytics Cloud - Deep Dive - Webinar
SAP Analytics Cloud - Deep Dive - Webinar
 
Produktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP Fiori
Produktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP FioriProduktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP Fiori
Produktivität und Sicherheit im Fokus: Rollen und Berechtigungen in SAP Fiori
 
SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...
SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...
SAP Cloud Identity Access Governance vs. SAP Access Control - Updates und Roa...
 
Personalkennzahlen im Kontext des ESG-Reportings
Personalkennzahlen im Kontext des ESG-ReportingsPersonalkennzahlen im Kontext des ESG-Reportings
Personalkennzahlen im Kontext des ESG-Reportings
 
SAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren Projekten
SAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren ProjektenSAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren Projekten
SAP Embedded BW in SAP S/4HANA - Erfahrungen aus unseren Projekten
 
SAP Analytics Cloud von A bis Z - Ein Überblick
SAP Analytics Cloud von A bis Z - Ein ÜberblickSAP Analytics Cloud von A bis Z - Ein Überblick
SAP Analytics Cloud von A bis Z - Ein Überblick
 
Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...
Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...
Besonderheiten und kritische Erfolgsfaktoren bei der Einführung einer Persona...
 
Wie Sie das Berechtigungschaos in SAP S/4HANA beseitigen
Wie Sie das Berechtigungschaos in SAP S/4HANA beseitigenWie Sie das Berechtigungschaos in SAP S/4HANA beseitigen
Wie Sie das Berechtigungschaos in SAP S/4HANA beseitigen
 
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-InformationsquellenDenodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
 
Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...
Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...
Integrationsszenarien für Mitarbeiter-Stammdaten in SAP S/4HANA für Lohn- und...
 
Lösungswege zum effektiven ESG-Reporting in der SAP-Landschaft
Lösungswege zum effektiven ESG-Reporting in der SAP-LandschaftLösungswege zum effektiven ESG-Reporting in der SAP-Landschaft
Lösungswege zum effektiven ESG-Reporting in der SAP-Landschaft
 
Einführung von Künstlicher Intelligenz in die Unternehmenspraxis
Einführung von Künstlicher Intelligenz in die UnternehmenspraxisEinführung von Künstlicher Intelligenz in die Unternehmenspraxis
Einführung von Künstlicher Intelligenz in die Unternehmenspraxis
 
SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...
SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...
SAP Secure Login Service for SAP GUI: Überblick über den Nachfolger von SAP S...
 
SAP Analytics Cloud - Ein Update zu neuen Features
SAP Analytics Cloud - Ein Update zu neuen FeaturesSAP Analytics Cloud - Ein Update zu neuen Features
SAP Analytics Cloud - Ein Update zu neuen Features
 
Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...
Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...
Mehr Effizienz durch Künstliche Intelligenz (KI) im Controlling – Maximale In...
 
Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...
Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...
Business Consulting: Die große Diskrepanz zwischen Aufwand und Ergebnis - am ...
 
Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...
Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...
Intelligentes Einkaufsreporting mit der SAP Datasphere und der SAP Analytics ...
 
Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...
Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...
Stay Clean - Wie Sie Ihre hohe Datenqualität nach der S/4HANA Migration beibe...
 
GHG Emission Planning in SAP Analytics Cloud
GHG Emission Planning in SAP Analytics CloudGHG Emission Planning in SAP Analytics Cloud
GHG Emission Planning in SAP Analytics Cloud
 

SAP Datashpere - von Bits und Bites zu Widgets und Charts

  • 2. SAP Datasphere - von Bits und Bites zu Widgets und Charts Autoren: Mohamed Moktatif Manuel Huber Heilbronn, 25.04.2023
  • 3. Agenda 1. Space Management 2. Datenintegration 3. Analytical Model 4. Implementierung einer Datenzugriffskontrolle (DAC) für das Reporting © 2022 -IBsolutionGmbH 3
  • 4. Space Management Aufbau einer LSA++ Struktur – Überblick AL_EC C N O N _S A P S 4 EC C AL_S4 AL_NON _SAP Ha r moni za ti on La yer Uni on La yer R epor ti ng La yer Quellsysteme SAP Datasphere SAC SAC © 2022 -IBsolutionGmbH 4
  • 5. ▪ Pro Quellsystem ein Layer (AL_ECC_01, AL_S4_01) ▪ Anbindung kann z. B. über einen DP Agent erfolgen, verschiedene Adapter für ABAP oder HANA Verbindungen verfügbar ▪ Anbindung weiterer Verbindungen wie z. B. Microsoft SQL Server, Oracle oder Google Cloud möglich ▪ Eingangsschicht über remote Tabellen wie z. B. BKPF, LFA1, BSIK, BSAK ▪ Namenskonventionen von der Eingangsschicht bis zur Ausgangsschicht (LFA1_A1 → LFA1_D1) ▪ Selektion der Spalten sowie Filtereinstellungen möglich Space Management Aufbau einer LSA++ Struktur – Acquisition Layer AL_ECC N O N _S A P S 4 EC C AL_S4 AL_NON _SAP © 2022 -IBsolutionGmbH 5
  • 6. ▪ Mögliche Semantische Typen ▪ Relationales Datenset ▪ Basis Format eines Models, um die gegenseitigen Beziehungen darzustellen ▪ Dimension ▪ Für die Modellierung von Stammdaten sowie die Verwendung von Hierarchien und Assoziationen ▪ Analytisches Datenset ▪ Für die Verwendung von Kennzahlen und deren Verwendung in SAC benötigt ▪ Text ▪ Für die Verwendung eines Mehrsprachenkonzeptes für die Stammdaten ▪ Hierarchie ▪ Für die Verwendung einer Parent-Child Hierarchie ▪ Analytical Model ▪ Nachfolger vom Analytischen Datenset Space Management Aufbau einer LSA++ Struktur – Acquisition Layer © 2022 -IBsolutionGmbH 6
  • 7. ▪ Vereinigung aller Quellsysteme zu einem Layer über einen „ union“ ▪ Keine fachlichen oder technischen Veränderungen ▪ Bei unterschiedlichen Feldern in den Quellsystemen muss ein leerer String hinzugefügt werden Space Management Aufbau einer LSA++ Struktur – Union Layer AL_EC C AL_S4 AL_NON _SAP Uni on La yer © 2022 -IBsolutionGmbH 7
  • 8. ▪ Harmonisierung der Daten zwischen den verschiedenen Quellsystemen ▪ Berechnungslogiken können in diesem Layer vorgenommen werden ▪ Komplexe Views sollten aufgeteilt werden, um eine bessere Performance zu erzielen ▪ Eingangsschicht vom Union Layer: INVOICE_POSITION_00 ▪ Berechnungslogiken in INVOICE_POSITION_10, INVOICE_POSITION_20… ▪ Ausgabeschicht für den Reporting Layer: INVOICE_POSITION_90 Space Management Aufbau einer LSA++ Struktur – Harmonization Layer Ha r moni za ti on La yer Uni on La yer © 2022 -IBsolutionGmbH 8
  • 9. ▪ Aufbereitung der Views für das Reporting (Business Names, Assoziationen, Analytical Dataset) ▪ Bisheriger Ansatz: großer View am Ende wie z. B. Invoice Position, welcher trotz Persistierung der Daten keine gute Performance geboten hat ▪ Neuer Ansatz: Analytical Model ▪ Erstellung von „Data Marts“, welche die Informationen aus assoziierten Dimensionen erhalten und nur den benötigten Teil von Invoice Position enthalten ▪ deutlich bessere Performance ▪ zukünftiger Weg der SAP Space Management Aufbau einer LSA++ Struktur – Reporting Layer R epor ti ng La yer SAC © 2022 -IBsolutionGmbH 9
  • 10. ▪ Kundenspezifische Konfigurationen möglich, welche in den Harmonization Layer oder Reporting Layer geteilt werden ▪ Kontengruppenfilter ▪ System Name ▪ Standard Sprache ▪ Zentraler Ort für einen geringen Pflegeaufwand Space Management Aufbau einer LSA++ Struktur – Configuration Layer Ha r moni za ti on La yer R epor ti ng La yer C onfi g ur a ti on La yer © 2022 -IBsolutionGmbH 10
  • 11. ▪ Sehr wichtig für einen reibungslosen Ablauf bei dem Zugriff der Views sowie der Persistierung der Daten ▪ Space Priority ▪ Bei einem Zugriff der Daten entscheidet die Priorität, welcher Space bevorzugt wird ▪ Storage Assignment ▪ Disk und In-Memory Speicher wird dem Space zugeordnet ▪ Zu wenig Speicher verursacht Probleme bei der Verarbeitung der Daten ▪ Space Configuration ▪ Default ▪ Custom → Bei der Persistierung von großen Datenmengen ist es manchmal ratsam auf „ custom“ umzustellen und kurzzeitig das „total statement thread limit“ und „total statement memory limit“ manuell hochzustellen → Oft bei Entwicklungssystemen mit geringeren Kapazitäten nötig Space Management Workload Management © 2022 -IBsolutionGmbH 11
  • 12. Agenda 1. Space Management 2. Datenintegration 3. Analytical Model 4. Implementierung einer Datenzugriffskontrolle (DAC) für das Reporting © 2022 -IBsolutionGmbH 12
  • 13. ▪ Remote Tabellen (BKPF, BSEG, Extraktoren) ▪ Nach der Anbindung eines Quellsystems kann eine remote Tabelle importiert werden ▪ Lokale Tabellen ▪ Manuell (Geo-Daten, Kurse) → Upload der Daten über CSV-Files möglich → Download nur über Umwegen möglich (HANA Database Explorer) ▪ Open SQL Schema über HANA Database Explorer (HANA Cloud oder 3. Anbieter) Datenintegration Import/Export Funktionalität © 2022 -IBsolutionGmbH 13
  • 14. ▪ Views ▪ Jeder View kann einzeln als JSON File exportiert werden ▪ ER-Modell ▪ Das komplette Datenmodell kann als ER-Modell exportiert werden ▪ Transportwesen ▪ Export und Import des ER-Modells von DEV nach QA /PROD ▪ Spaces und Verbindungen müssen bereits angelegt und namentlich identisch sein ▪ Nutzung des Content Network von der SAP Datenintegration Import/Export Funktionalität © 2022 -IBsolutionGmbH 14
  • 15. ▪ Virtueller Datenzugriff (Standard) ▪ Persistierte Daten (Partitionierungen) ▪ Real-time (Delta) ▪ Beladung durch Prozessketten ▪ Analytical Model mit Inputvariablen nicht persistierbar Datenintegration Datenpersistierung © 2022 -IBsolutionGmbH 15
  • 16. Agenda 1. Space Management 2. Datenintegration 3. Analytical Model 4. Implementierung einer Datenzugriffskontrolle (DAC) für das Reporting © 2022 -IBsolutionGmbH 16
  • 17. © 2022 -IBsolutionGmbH 17 Analytical Model „Analytical model“ ist der Verbindungsbaustein zwischen Datasphere und der SAP analytics cloud. Es ist der Nachfolger vom Analytical dataset (ADS) Welche Abhängigkeiten bestehen zwischen „Analytical model“ und den herkömmlichen Datasphere Objekten? Welchen Mehrwert hat das „Analytical model“ im Vergleich zu den klassischen Objekten? Was bedeutet „Analytical model“ für greenfield Projekte? Was bedeutet „Analytical model“ für bestehende Reportings in Datasphere?
  • 18. © 2022 -IBsolutionGmbH 18 Analytical Model
  • 19. Da s Anal yti cal Datase t, der für di e SAC ber ei tg estel l t i st, ver füg t g l ei chzei ti g über zwei Komponenten: • Ana l yti sche Komponente, sta r schema • R el a ti ona l e Komponente, SQL-ba si er te Da tenba nk vi ew Was ist ein Analytical Dataset
  • 20. © 2022 -IBsolutionGmbH 20 Analytical Model in Datasphere Data Builder Business Builder Physical Tables/ Views Sematic Usage Used in Text Hierarchy ADS* Dimension Consumption/Fact Model Abstract Entities Fact** ADS* Dimension Analytic Model Perspective SAP Analytics Cloud Phase 2*** *: ADS = Analytical Dataset **: Semantic Usage Fact will be introduced in Q2/2023 ***: Analytic Models will ultimately consume BL entities in the course of 2023 Mischform von Relational u. analytisch rein relational rein analytisch
  • 21. © 2022 -IBsolutionGmbH 21 Abhängigkeiten des Analytical Model in Datasphere ▪ Das analytische Model wird künftig die zentrale Drehscheibe für das SAC Reporting im Datasphere sein ▪ Momentan kann das analytische Modell nicht mitdem Business layer verbunden werden (Erwartet im Laufe des Jahres 2023) ▪ Die strategischen Innovationen vonanalytischen features werden auf das analytische model fokussiert sein Data Builder Business Builder Physical Tables/ Views Sematic Usage Used in Text Hierarchy ADS* Dimension Consumption/Fact Model Abstract Entities Fact** ADS* Dimension Analytic Model Perspective SAP Analytics Cloud Phase 2*** *: ADS = Analytical Dataset **: Semantic Usage Fact will be introduced in Q2/2023 ***: Analytic Models will ultimately consume BL entities in the course of 2023
  • 22. © 2022 -IBsolutionGmbH 22 Features des “Analytical Model” ▪ Trennung zwischen Relationalen von Analytischen Objekten ▪ Möglichkeit zur zentralen Bereitstellung der Kalkulierten Kennzahlen ▪ Erweiterte Kalkulationsmöglichkeiten (Exception aggregations, Distinct counts,..etc) ▪ Vernetzte Dimensionen ▪ Input Variablen ▪ Referenz Datum ▪ Zeitabhängigkeit in Stammdaten / Dimensionen ▪ ..
  • 23. ▪ Ähnlich wie bei den anderen Objekten, kann das “analytical model” als offline CSN file importiert und exportiert werden ▪ Das erstellt CSN file enthält Metadaten über das “Analytical model” sowie alle zugehörigen dependencies zu anderen Objekten Import/Export von Objekten in CSN Format (1/2)
  • 24. ▪ Beim Import des CSN Files in ein anderes Space können alle zugehörigen “dependencies” mit importiert werden ( E inzel s elektiert oder gesamt). ▪ Falls ein Objekt bereits im Zielsystem vorhanden ist, kann sich der User zwischen überschreiben oder überspringen entscheiden Import/Export von Objekten in CSN Format (2/2)
  • 25. ▪ Transporte über Analytics Content Network sind voll supported für “Analytic Models”, jedoch NUR für system in 2-tenant mode Transport über Analytics Content Network (ACN)
  • 26. Greenfield vs. bestehendes Reporting Migration Keine Änderung ADS „Conversion“ SAC Dashboards auf konvertiertes AM um- pointen Nachteil: Keine Nutzung der neuen Features To do: Re-Build der Dashboards auf AM Basis ADS Bestehendes Reporting Analytical model Greenfield SAP Entwicklungs-fokus Fact SAP Empfehlung Im Laufe des 2.ten Quartals (Wave 12) Ggfls. Kalk.-Logik ins AM verlagern
  • 27. SAC Story Migration: Muss ich migrieren? Wie funktioniert es? Wie groß ist der Aufwand? ▪ Kurz ▪ Grundsätzlich nein. Jedoch durch Umschalten auf “Analytical model” werden Sie die neuen Features des AMs nutzen können. Künftig fokussieren die Innovationen auf das “Analytical model” ▪ Detailliert ▪ Aus Kompatibilitätsgünden werden beide data layer ADS & BL-Perspectiven koexistieren aber alle neuen Entwicklungen werden nur in Analytic Model (AM) stattfinden. AM wird daher im Laufe der Zeit immer attraktiver ▪ ADS kann leicht in AM konvertiert werden, aber sein Name wird anders sein. Da SAC -Storys das Modell nicht wechseln können, ohne die Story neu zu erstellen, sollten Sie damit beginnen, neue Stories nur auf AM zu erstellen und vorhandene Stories nur nach Bedarf zu migrieren ▪ Nach Erreichen der Feature-Parität zwischen AM und ADS wird das System Modellierer aktiv ermutigen, Facts + AM anstelle von ADS zu verwenden, indem es Nachrichten über Vorteile und Aspekte der Migration erhält. ▪ Dasselbe gilt für Business Layer’s Consumption Models & Perspectives , sobald auch dort die Feature- Parität erreicht ist
  • 28. SAC Story Migration: Muss ich migrieren? Wie funktioniert es? Wie groß ist der Aufwand? Data Builder Business Builder Physical Tables/ Views Sematic Usage Used in Text Hierarchy ADS* Dimension Consumption/Fact Model Abstract Entities Fact ADS* Dimension *: ADS = Analytical Dataset Analytic Model Perspective SAP Analytics Cloud Phase 2 Controlled Availability of Analytic Model (AM) • Analytic Models verwenden Analytical Datasets(ADS) alsQuelle • ADS & AM existierennebeneinander. SACkann AM, ADS und Perspektiven konsumieren General Availability of Analytic Model • Einführung desneuen semantischen Objektes Fakt alsQuelledes Analytic Models • AM kann sowohl Factsalsauch ADS alsQuelle • DasSystem ermutigtModellierer aktiv, mit der Verwendung von Facts& AM statt ADS zu beginnen(e.g. warning messages) • Migration wizardzum Generieren von AM aus ADS, aber SAC-Storymuss aufgrund unterschiedlicher Modellnamen neu erstelltwerden • Mittelfristig: Neuanlagevon ADS nichtmehr möglich On AM feature parity towards consumption model • AM kann alles tun, was BL Fact Models & BL consumption modelskönnen einschließlich Konsum von Business Layer • DasSystem ermutigtUser aktiv, mit der VerwendungBL Business Entities + AM over BL Business Entities + Consumption Models/Perspectives(e.g. warnings) • Mittelfristig: NeueErstellung von Consumption Models/Perspectives nichtmehr möglich
  • 29. Agenda 1. Space Management 2. Datenintegration 3. Analytical Model 4. Implementierung einer Datenzugriffskontrolle (DAC) für das Reporting © 2022 -IBsolutionGmbH 33
  • 30. ▪ Eigener Space um eingeschränkten Zugriff zu gewährleisten ▪ Lokale Tabellen für das Berechtigungskonzept erstellen ▪ Zuordnung Benutzer → Benutzergruppe ▪ Zuordnung Benutzergruppe → System ▪ Zuordnung Benutzergruppe → Gesellschaften ▪ View als Ausgangsschicht für den Reporting Layer, welcher die Tabellen verknüpft ▪ User ID als Treiber in der Data Access Control https://ibsolution-dwc.eu10.hcs.cloud.sap/dwaas-ui/index.html#/databuilder Implementierung einer DAC für das Reporting © 2022 -IBsolutionGmbH 34