Read the book: «SAP Data Warehouse Cloud»

1 Einführung

Die SAP bietet mit Data Warehouse Cloud einen neuen Software-Service in der Cloud an. Es handelt sich dabei um einen vollständigen End-to-End-Service, der von der Datenintegration, über Transformationen und Modellierungen sowie einem semantischen Business Layer bis hin zum Dashboard alle erforderlichen Funktionalitäten mitbringt. Die SAP geht bei dieser Lösung über den reinen Analytics- und Reporting-Bereich hinaus und bietet ein Werkzeug zur Self-Service-Modellierung an.

Sie erhalten zunächst einen Gesamtüberblick und lernen die typischen Anwendungsfälle für die Lösung kennen, bevor die Architektur, die Navigation im System und die Benutzereinstellungen näher erklärt werden.

1.1 Anforderungen an moderne Systeme

Data Warehouse Cloud wurde von der SAP im November 2019 auf den Markt gebracht, ist also noch ein junges Produkt mit viel Entwicklungspotenzial. Die Lösung will Benutzern aus den Fachabteilungen und der IT ermöglichen, gemeinsam ein skalierbares analytisches Informationssystem aufzubauen, welches die Anforderungen an moderne, zukunftsfähige Lösungen erfüllt.

Die häufigsten Systemanforderungen vonseiten der IT der Kunden sind Elastizität und Skalierbarkeit, Investitionsschutz in Bezug auf bestehende Lösungen und angrenzende Systeme, Einfachheit bezüglich Aufbau, Weiterentwicklung und Betrieb sowie nicht zuletzt Kosteneffizienz. Dabei muss die korrekte Harmonisierung, Integration und Konsolidierung von Stamm- und Bewegungsdaten sichergestellt sein.

Aufseiten der Fachabteilung werden sehr oft die Punkte Agilität und Schnelligkeit genannt, um möglichst rasch zu werthaltigen Erkenntnissen (Time-to-Value) zu gelangen. Aber auch Flexibilität bei der Verwendung weiterer Werkzeuge zur Analyse und Datenaufbereitung sowie die einfache Kollaboration mit Kollegen und anderen Abteilungen sind sehr wichtige Voraussetzungen, um die Mitarbeiter zu befähigen, selbst neue Erkenntnisse zu generieren. Vielfach gefordert wird außerdem der einfache Zugang zu Daten, um die Demokratisierung von Informationen im Unternehmen weiter voranzutreiben und zentrale Unternehmensdaten in Eigenregie mit lokalen bzw. externen Daten verknüpfen zu können.

1.2 Überblick und Grundideen

SAP Data Warehouse Cloud ermöglicht Anwendern den schrittweisen Aufbau eines modernen, cloudbasierten Data Warehouse. Dabei können sowohl vorhandene Data Warehouses als auch beliebige On-Premises- oder cloudbasierte Datenquellen hinzugefügt und nahtlos miteinander verknüpft werden.

Lösung für Fachabteilung und IT

Traditionell wird der Aufbau einer Data-Warehouse-Landschaft von der IT-Abteilung vorangetrieben, insbesondere wegen der oft anspruchsvollen technischen Umsetzung. Mit Data Warehouse Cloud erfährt dieser Anwenderkreis eine Erweiterung, indem sie Fachbereiche und IT auf einer Plattform näher zusammenbringt.

Anwender aus Fachabteilungen sollen eigene Business-Modelle, KPIs (Key Performance Indicators) und Analysen erstellen können, ohne tiefgreifende IT-Kenntnisse zu besitzen. Ihnen soll es möglich sein, Unternehmensdaten mit ihren lokalen Daten flexibel anzureichern, um so neue Kennzahlen zu generieren und daraus Erkenntnisse zu gewinnen. Entscheidende Voraussetzungen hierfür sind intuitiv bedienbare grafische Benutzeroberflächen und Editoren, die auch als »Low-Code/No-Code«-Werkzeuge bezeichnet werden.

IT-Spezialisten bevorzugen hingegen oft code- und scriptbasierte Editoren, in denen sie direkt SQL-Anweisungen und -Prozeduren programmieren können. Die Offenheit der Lösung ermöglicht auch den Einsatz externer Werkzeuge. Damit können Entwickler in Verbindung mit Data Warehouse Cloud weiterhin ihre gewohnten Tools nutzen.

End-to-End-Lösung

Data Warehouse Cloud ist ein vollständiger End-to-End-Software-Service in der Cloud. Integriert in einer Lösung, enthält es Konnektoren zu unterschiedlichsten Quellsystemen, On-Premises oder in der Cloud, sowie diverse Möglichkeiten zur Datentransformation und -modellierung. Zusätzlich ist SAP Analytics Cloud (SAC) ein integraler Bestandteil der Lösung, damit Sie direkt Analysen und Dashboards erstellen können.

Virtueller Zugriff versus Persistenz

Der Name »Data Warehouse Cloud« legt zwar nahe, dass sich die Daten ebenfalls in der Cloud befinden, das ist aber nicht zwingend notwendig. Über einen virtuellen Zugriff (Remote Access) können Daten aus sehr vielen Quellen genutzt werden, ohne dass sie – wie früher üblich – erst in das System kopiert werden müssen. Auf diese Weise können Sie ein »virtuelles« Data Warehouse aufbauen. In Data Warehouse Cloud wird dafür der Begriff Remote-Tabellen verwendet. Welche Konnektoren einen virtuellen Zugriff auf Remote-Tabellen erlauben, wird in Abschnitt 3.4.5 im Einzelnen erklärt.

Wenn Sie die Daten zu einem späteren Zeitpunkt doch persistieren möchten, können Sie komfortabel wählen, ob Sie sie in Echtzeit replizieren oder als Snapshot bzw. persistierten View ablegen möchten – automatisiert und regelmäßig einplanbar. Wichtig zu wissen, ist, dass Sie dabei das Datenmodell nicht verändern müssen. Die Umstellung von Remote-Zugriff auf Echtzeitreplikation bzw. Snapshot nehmen Sie direkt an der Remote-Tabelle vor. Alle darauf aufbauenden Modelle bleiben davon unberührt.

Isolierte Arbeitsbereiche

Alle Daten werden in virtuellen und isolierten Arbeitsbereichen, den sogenannten Spaces, abgelegt oder verknüpft. Sie können beliebige Arbeitsbereiche für Projekte, einmalige Aufgaben, Fachthemen oder -abteilungen anlegen, die von der IT oder auch der Fachabteilung verwaltet werden. Spaces ermöglichen damit den Spagat zwischen Agilität und IT-Governance.

Die IT-Abteilung gibt Fachbereichen Zugriff auf bestehende Datenbestände, die zentral verwaltet und bereits konsolidiert bzw. harmonisiert sind, ohne die Daten erneut zu kopieren. Dies können beispielsweise Finanz- und Controlling-Daten oder auch zentrale Stammdaten sein.

Die Fachabteilung wiederum kann diese zentralen Daten im eigenen Space mit ihren lokalen Daten anreichern. Indem sie die Daten kombiniert und eigene KPIs erstellt, lassen sich neue Erkenntnisse gewinnen.

Self-Service-Modellierung

Anwender aus Fachabteilungen sollen in der Lage sein, eigene Modelle, KPIs und Analysen zu erstellen. Dabei wird der Zugriff auf bestehende Daten gewährt, die von der IT- oder anderen Fachabteilungen zur Verfügung gestellt werden. Unternehmensdaten können so mit lokalen Daten flexibel angereichert werden, um neue Modelle und Kennzahlen zu entwickeln.

Diese neuen Modelle lassen sich mit anderen Fachanwendern teilen, um die Zusammenarbeit zwischen den Abteilungen zu stärken, ohne die Daten ständig kopieren zu müssen. Dadurch werden dem Endbenutzer Informationen in einem digitalen Format zugänglich gemacht, über das sich Daten ohne Hilfe von außen sammeln und analysieren lassen. Dieser Prozess wird auch als Datendemokratisierung bezeichnet.

Semantische Schicht

Die semantische Schicht im Business Builder bietet die Möglichkeit der Abstraktion von oft komplexen und sehr technischen Datenmodellen in Objekte mit normaler Sprache. So erstellen Sie wiederverwendbare Objekte, anhand derer andere Anwender die Daten sofort verstehen. Sie können zudem die Beziehungen zwischen Elementen in Ihrem Datenmodell definieren und Ihre Datenfelder mit weiteren Geschäftsinformationen anreichern.

Um die semantische Modellierung im Sinne einer Self-Service-Modellierung nutzen zu können, benötigen Sie einen guten Grundstock an Entitäten und analytischen Modellen, damit sich die Benutzer einfach an bestehenden Objekten bedienen können, um eigene Consumption-Modelle oder Perspektiven zu erstellen.

Offenheit

Die Offenheit der Lösung ist ein ganz zentraler Bestandteil des Konzepts und zeigt sich auf allen Ebenen: bei Werkzeugen, Daten und Schnittstellen.

In Bezug auf die Datenintegration bedeutet dies Konnektivität sowohl zu klassischen On-Premises-Systemen als auch zu cloudbasierten Software-Lösungen, unabhängig davon, ob es sich dabei um SAP-Systeme handelt oder nicht. Eine gute Integration in eine bestehende SAP-Landschaft mit unterschiedlichen Lösungen wird vom Kunden ohnehin vorausgesetzt. Diesbezüglich deckt Data Warenhause Cloud bereits eine breite Palette von Quellsystemen ab.

Reichen die ausgelieferten Quellsystemverbindungen nicht aus, können Sie beliebige externe Werkzeuge (z.B. SAP Data Services, SAP Data Intelligence, Informatica, SnapLogic, Adverity und andere) zur Datenintegration verwenden, sofern diese einen SQL-basierten HANA-Konnektor anbieten. Dabei werden die Daten in ein offenes SQL-Schema geschrieben, in dem Sie außerdem SQL-basiert Datenmodellierungen vornehmen und diese nahtlos in die weitere Modellierung mit Data Warehouse Cloud integrieren können. So kommen die in Unternehmen häufig vorhandenen SQL-Kenntnisse zum Einsatz.

Gleichzeitig lassen sich über ein offenes SQL-Schema die Bibliotheken für maschinelles Lernen aus dem HANA-Cloud-Scriptserver nutzen, um Data-Science-Projekte auf den vorhandenen Datenbeständen durchzuführen.

Für Analytics-Werkzeuge von Drittanbietern steht ebenfalls eine SQL-Schnittstelle zur Verfügung. Die weitere Roadmap sieht darüber hinaus Schnittstellen auf der Ebene von Spaces und der Datenmodellierung vor, über die Data-Warehouse-Cloud-Objekte von externen Werkzeugen erzeugt werden können.