SAP Cloud Analytics Journey

Bill McDermott macht klare Ansagen. SAP soll „The Cloud Company“ werden. SAP Cloud wird die Basis für die Digitale Transformation. Basierend auf HANA, unterstützt durch Machine Learning und das SAP Leonardo IoT-Portfolio und versehen mit der preisgekrönten Fiori User Experience.

Das ist der Weg, den SAP aktuell geht. Seit 02/2010 ist er Vorstandssprecher der SAP SE. Betrachtet man einmal, was sich seither getan hat, kann man fast nur staunen.

SAP hat sich hier vom organischen Wachstum abgewendet und Milliardenübernahmen getätigt und gleichzeitig Bereiche wie BI/Analytics massiv vorangetrieben:

SAP Cloud (Analytics)
SAP’s Cloud Analytics-Reise
Quelle: Eigene Recherche, Internet

Laut Capital Market Day-Präsentation 2017 macht SAP in 2016 rund 3 Milliarden € Umsatz und verzeichnet 125 Millionen User für die Cloud. Gut, schaut man sich mal ein wenig die Akquisitionskosten an, so hat man das noch lange nicht wieder eingespielt. Aber es geht hier natürlich um das Geschäft der Zukunft.

Bill McDermott hat damit klar gezeigt, zu was er bereit und entschlossen ist.

Betrachtet man nun mal die Cloud Analytics-Ebene, dann ist doch interessant, dass BusinessObjects bereits 2006 auf die Cloud gebaut hat. Nach der Übernahme 2008 hatte SAP also bereits ein erstes Cloud Analytics-Angebot im Hause.

2010 wurde dies darauf hin neu als BI on Demand gelaunched. Damals schon mit freiem Test-Account, bei dem man mit zumindest kleinen Datenmengen den schon bald HANA-basierten BO Explorer ausprobieren konnte.

Nach meinem Gefühl hat BI on Demand jedoch niemals wirklich Fahrt aufgenommen. mit dem in 2013 gestarteten SAP Lumira Cloud-Angebot, war dann der BO Explorer wohl doch auch nicht mehr so interessant.

Ende 2015 kam dann die Info, dass Lumira Cloud mit dem Release 1.28 nicht mehr weiter aktualisiert wird. Ende 2014 wurde ja auch schon parallel Cloud for Planning (C4P) gestartet. Einige Monate später sickerte dann Projekt Orca durch, welches dann ein Jahr nach Start von C4P den Namen Cloud for Analytics (C4A) bekommen sollte. Damals wurde auf zusätzliche BI-Funktionalitäten verwiesen, welche diesen evolutionären Schritt rechtfertigen sollte.

Kein Jahr hat der Name gehalten, bis dann Mitte 2016 die Umbenennung in BusinessObjects Cloud folgte. Dazu kamen gewisse Predictive-Fähigkeiten. Wie wir wissen, sollte dies in der jungen Geschichte nicht die letzte Umbenennung sein. Folgte doch zur SapphireNow 2017 im Mai die Umbenennung in SAP Analytics Cloud. Ein Schritt, den beispielsweise Gartner-Analystin Cindi Howson als „smart“ bezeichnete.

Interessant ist jedoch noch zu vermerken, was parallel geschehen ist. So wurden Anfang 2016 die Predictive Services innerhalb der SAP Cloud Plattform (damals noch HANA Cloud Plattform) bereitgestellt und damit analytische HANA-Fähigkeiten in der Cloud verfügbar gemacht. Zeitgleich wurde mit der Übernahme von Roambi auch der Mobile BI-Aspekt im bestehenden Cloud Analytics-Portfolio gestärkt.

SAP Analytics Hub bildet mit dem letzten Renaming wohl nur den vorläufigen Höhepunkt der SAP Cloud Analytics Journey.

Advertisements

BI – Die alten Regeln gelten nicht mehr

Vor Kurzem veröffentlichte Wayne W. Eckerson (WE) einen Artikel darüber, wie sich die Welt im BI-Umfeld verändert (hat). Er listet einige Erkenntnisse von seiner letzten TDWI-Konferenz und versucht auch dies zu erklären. Ich (SA) versuche einmal, ausgewählte Aussagen wieder zu geben und auf meine Situation zu übersetzen.

  • “There is no need for a dimensional model.”
    • WE: Heutige BI-Werkzeuge sind so gut, dass schlechtes Design kompensiert wird.
    • SA: InfoCubes sind in einen HANA-System nicht mehr notwendig. Bei einer Modellierung in HANA muss man nur bedingt auf Performance achten und Werkzeuge wie Lumira benötigen nichtmal In-Memory sondern nutzen SAP IQ als spaltenbasierte Datenbank um performance durch den Endanwender Millionen von Datensätzen verarbeiten zu können.
  • “There is no need for ETL tools.”
    • WE: nutze Spark für ETL in der Cloud oder in Hadoop-Umgebungen
    • SA: Ebenfalls Lumira hat hier schon gezeigt, wie auch recht komplexe Transformationen sowie die Anbindung an fast beliebige Datenquellen schnell und einfach möglich sind. Mit Agile Data Preparation hat die SAP sogar ein komplett eigenes Werkzeug dafür auf den Markt gebracht.
  • “You don’t need a relational database.”
    • WE: Du kannst alle deine Data Science-Aufgaben ins S3 und mit Spark erledigen.
    • SA: Zumindest meine ersten Erfahrungen mit BO Cloud legen nahe, dass Cloud doch noch die eine oder andere Kinderkrankheit hat. Allerdings garantiert Amazon 99,999999999 % Ausfallsicherheit. Das muss man intern erstmal leisten. Das man für Data Science nicht unbedingt eine relationale Datenbank benötigt, ist aber glaube ich wirklich nichts Neues. Gerade wenn es um unstrukturierte Daten geht und um extrem große Datenmengen sind andere Ansätze gefragt.
  • “Code is not the enemy.”
    • WE:  Schreibe ETL-Code in Spark und verwalte ihn in Git Hub; es ist befreiend
    • SA: Git scheint heute im HANA oder SAP Cloud-Umfeld schon der neue Standard zu sein. In einer superagilen Welt verwundert der Erfolg von Git Hub daher nicht.
  •  “We don’t move data.”
    • WE: Wir bauen logische views in Hadoop für analytische Anwendungsfälle
    • SA: Auch HANA und vor allem S/4HANA setzen auf virtuelle Datenmodelle, welche für analytische Zwecke optimiert sind. Mit Core Data Services wird aktuell von SAP eine neue Grundlage geschaffen, dieses Konzept in der Breite umzusetzen.
  •  “We design from physical to logical, not logical to physical.”
    • WE: Wir laden Rohdaten in das System, dann bauen wir logische views für jeden Anwendungsfall; wir modellieren nicht zuerst.
    • SA: Passt zum vorherigen Punkt und unterstützt und erweitert diesen. In einem S/4HANA liegen die Daten schon vor, jedoch nicht unbedingt für analytische Zwecke. Erst durch das virtuelle Datenmodell bereite ich die „Rohdaten“ auf. In einem NoSQL-System oder Data Lake lege ich Daten ab, wie Sie kommen. In zum Teil völlig verschiedenen Schemata für die Sie ursprünglich gedacht waren. Wie ich diese für die Analyse im Sinne von Data Science benötige, kann ich vorab noch nicht sagen. Dabei kann man jedoch noch gut zu den traditionellen Ansätzen differenzieren, bei denen der Analysezweck im vorhinein recht klar ist (z. B. Analyse von Umsatzdaten nach verschiedenen Dimensionen). Schema-on-Read ist nichts, was der Fachbereich mal nebenher macht, weil er eine Fragestellung beantwortet haben möchte. Und dann gibt es auch noch agile Ansätze wie Data Vault.
  • “We design for secondary use cases, not the primary one, which has a limited shelf life.”
    • WE: Wir laden Daten und speichern diese auf Detailebene, so dass wir diese für neue Einsatzzwecke verwenden können, sobald der Bedarf dafür aufkommt.
    • SA: Die Aggregation von Daten geschieht immer für einen bestimmten Zweck. Information geht dabei verloren. Natürlich sollte es für ein HANA-System in der SAP-Welt kein Problem sein, sehr granulare Daten zu speichern. Jedoch kann dies sehr teuer sein. Mit Ansätzen wie Dynamic Tiering und Nearline Storage hat SAP Ansätze, das zu handhaben. Eine Alternative für BW könnten Ansätze wie SparrowBI sein.
  • “Your data architecture is as important or more than your data model.”
    • WE: Wie die Daten im Dateisystem abgelegt werden ist wichtig. Sonst wird man mit den Daten wenig anfangen können.
    • SA: Themen wie Datenqualität, Metadatenmanagement und Data-Lineage spielen hier eine wichtige Rolle, soll der Data Lake nicht zum Datensumpf werden.
  • “Architecture is way more important when you move to the cloud.”
    • WE: Wenn du deine Cloud nicht richtig konfigurierst, wird es evtl. teurer als gedacht.
    • SA: Mit Cloud-Konzepten herrscht weniger Erfahrung als in der On-Premise-Welt. Die leichte Verfügbarkeit der Ressourcen verführt dazu, erstmal großzügig damit umzugehen. Evtl. muss hier neu und eher elastisch gedacht werden.
  • “Applications are dependent on analytics.”
    • WE: Wir benötigen DevOps um die Entwicklung von Anwendungen und Analytic zu koordinieren.
    • SA: S/4HANA setzt massiv auf Hybrid Transactional Analytical Processing (HTAP) und verbindet immer mehr operative Anwendungen mit analytischen Funktionen.
  • “Either you evolve and change, or die.”
    • WE: Sei offen gegenüber Hadoop, Spark und der Cloud.
    • SA: Das sich SAP gegenüber den Open Source-Technologien wie Hadoop und Spark z. B. im Rahmen von HANA Vora öffnet ist ein wichtiges Zeichen. Bei Cloud versucht sich SAP als Vorreiter und setzt darauf wie auf HANA und zeigt damit auch die Richtung.

Eckerson schließt mit den Worten „The only constant is change, and now is the time to change! „. Aber Veränderung ist kein Projekt oder etwas, was man jetzt mal angehen sollte. Um konkurrenzfähig zu bleiben muss Veränderung zum integralen Bestandteil der Unternehmenskultur werden.

BusinessObjects Cloud – First Steps 1

So, er ist da. Und das schon einer Woche. Der Partner Demo Tenant für BusinessObjects Cloud (BOC).

Nach der ersten Übersicht und der Einrichtung der User für das weitere Team, natürlich gleich mal das erste Diagramm angelegt und ein Excel-File hochgeladen. Gefühlt ist nicht alles intuitiv. Man muss erstmal reinfinden. Offensichtlich werde ich das eine oder andere Video anschauen müssen oder vielleicht sogar die Zeit finden, den OpenSAP-Kurs zu BOC bzw. Digital Boadroom anzuschauen.

Auch die ersten Erfahrungen waren, dass das System in einer Woche mindesten 3x Probleme mit der Verfügbarkeit hatte. Netterweise bekommt man nachdem man es gemerkt hat auch bald eine Mail dazu.

Gut, schnell stellt man sich bei einer auf HCP basierenden Anwendung auch etwas anders vor:

cloud01

Gut, die Datei habe ich von Kaggle und sie umfasst ca. 50 MB und 1 Mio Datensätze anonymisierte Echtdaten von Rossmann.

Aber auch so ist mein Eindruck nicht ganz flüssig. Die Punkte, die sich bewegen, damit sich überhaupt was bewegt, sieht man z. B. auch bei dem Demo Dashboard. Natürlich kann das auch noch mit der Bandbreite und dem Netzwerkverkehr zu tun haben.

Damit ich mir auch gleich ein paar gute Beispiele anschauen darf, habe ich entsprechend den BOC content aus dem SAP Store heruntergeladen und in die BOC importiert:

cloud_content02

Da kommt ganz schön was zusammen. Und ich meine nicht nur die 89-seitige Doku dazu:

cloud_content08

Oder zum Beispiel einige Digital Boardrooms wie dieser hier:

cloud_content04

Hm, by the speed of thought???

cloud_content05

1-2 Minuten später – Ahhh:cloud_content06

Nun, wahrscheinlich ist mein Bildschirm zu klein, um solche großen Zahlen anzuzeigen:

cloud_content07

Es kommen auch Dateien mit, die auch schon mal schnell etwas Memory allokieren:

cloud_content09

Aber es ist ja noch genug da 😉

So, schauen wir dann, wie es weiter geht. Evtl. steht die HANA Cloud Connection auf der Agenda…

Cloud BI – Stand der Dinge 2017

2016 war ein wichtiges Jahr für Business Intelligence & Analytics in der Cloud im Speziellen und für Cloud Computing im Allgemeinen. Viele große Anbieter haben mittlerweile eine Cloud BI-Lösung im Angebot und bilden damit einen vorläufigen Höhepunkt einer Entwicklung, welche seit Anfang der 00er-Jahre mit Salesforce.com ihren Anfang genommen hatte.

Cloud Computing selbst hat sich mittlerweile etabliert und ist fester Bestandteil viele IT-Strategiediskussionen.

Laut [BARC2017] sind die Vorteile klar. Eine schnellere Verfügbarkeit, minimale Einbindung der IT, geringe Investitionen (Capex vs. Opex) und die vielgepriesene Elastizität der Ressourcen. [Forrester2015] fast es noch kompakter zusammen: Geschwindigkeit und Agilität.

Jedoch sind auch klar Risiken zu sehen, wie bei [TDWI2016] z. B. Datensicherheit, Datenschutz sowie Regulatorische Vorgaben und Compliancevorschriften.

Nach [EMA2015] gehören zu den wichtigsten Maßnahmen zum Schutz der Daten:

  • Verschlüsselung von inaktiven Daten
  • Audit Trails bzgl. Datenzugriff und Datenänderungen
  • Automatisierung von Regeln zur Datenspeicherung Fortgeschrittene
  • Authentifizierungsmethoden bzgl. der Datenverbindung
  • Maskieren von Daten basierend auf einem Berechtigungskonzept

 

[BARC2017] sieht für Cloud BI die folgenden Hot Spots:

  • Cloud BI hat den Tipping Point erreicht – Obwohl Datenschutz immer noch ein kritisches Thema ist, werden sich viele Unternehmen bewusst, dass die Daten in einer Public Cloud evtl. sicherer sind, als im eigenen Rechenzentrum.
  • Power User dominieren Cloud BI – Während normale Anwender Berichte und Dashboards konsumieren, analysieren Power User Daten, erstellen Berichte und bereiten zu einem Teil die Daten selbständig auf.
  • BI vor Datenmanagement – Unternehmen betreiben leichter BI in der Cloud, als dort ein Data Warehouse oder ein Data Mart aufzubauen und Datenintegration aufzubauen.
  • Public Cloud gibt die Richtung vor – Public ist die bevorzugte Form, gefolgt von Hybrid oder Private-Angeboten.
  • Cloud BI Outsourcing ist real – Mit Cloud wird automatisch ein Teil der Infrastruktur outgesourced. Viele gehen noch weiter in Richtung Managed Services.
  • Kleine Unternehmen zeigen, wo es lang geht – Kleine Unternehmen gehen eher in die Cloud als große und bevorzugen hier auch Public Cloud-Angebote
  • Nordamerika nutzt eher Cloud als Europa – Die Unternehmen sehen Cloud eher strategisch und preferieren die Public Cloud, während Europa im Bereich Private Cloud stark ist.

 

Das Cloud BI im Vergleich zu CRM oder ERP-Anwendungen erst jetzt auf dem Markt ins Laufen kommt, hat lt. [EMA2015] seine Gründe:

  • Die für BI zugrundeliegenden Datenmodelle sind im Vergleich sehr unternehmensindividuell
  • Ebenfalls im Frontend gibt es typischerweise keinen Standardprozess
  • Die zwischen Quellsystemen und BI-System ausgetauschten Datenmengen sind typischerweise deutlich höher als bei transaktionalen Anwendungen

 

[Forrester2015] gibt bei der Auswahl eines Cloud BI-Anbieters folgendes zu beachten:

  • Der Abgleich des Cloud-Angebots mit den eigenen Anforderungen und Erwartungen
  • Die Berücksichtigung hybrider Modelle zur Kombination von On-Premise und Cloud BI
  • Sicherstellung der Erfüllung der Anforderungen durch Compliance und Vorschriften
  • Die eigenen Anforderungen und die Möglichkeiten des Anbieters bzgl. Offline Verfügbarkeit

 

SAP bspw. liefert bzgl. Cloud BI in den verschiedensten Servicemodellen Lösungen aus:

  • Software as a Service (SaaS): die Anwendung wird aus der Cloud heraus angeboten, z. B. SAP BusinessObjects Cloud
  • Platform as a Service (PaaS): in der Cloud wird eine Plattform zur Entwicklung von Applikationen angeboten, z. B. SAP HANA Cloud Platform
  • Infrastructure as a Service (IaaS): Die komplette Infrastruktur (Speicherplatz, Rechenleistung) wird angeboten und es kann beliebige Software darauf installiert werden, z. B. SAP HANA Enterprise Cloud (HEC)
  • Speziellere Modelle wie
    • Data as a Service (DaaS) – der Service liefert definierte Daten zur Nutzung z. B. SAP Digital Consumer Insight
    • Big Data as a Service (BDaaS) – Big Data Applikationen werden direkt nutzbar zur Anwendung z. B. Altiscale (SAP)
    • Analytics Microservices – Durch eine API in eine Software eingebundene Funktion z. B. SAP Hybris as a Service (YaaS)

 

[TDWI2016] liefert 12 Best Practices sich dem Thema Cloud BI zu nähern:

  • Begrüße den Wandel – Bedenken bzgl. Datenschutz und Datensicherheit behindern den Weg in die Cloud. Unternehmen, welche in der Cloud sind, sehen klar die Vorteile bzgl. Flexibilität und Agilität.
  • Beachte kulturelle Themen – Es gibt legitime Gründe gegen die Cloud. Jobs können dadurch wegfallen. Change Management und Weiterbildung sind hier wichtig.
  • Nutze die Cloud um schneller Wert aus BI und Analytics zu ziehen
  • Suche die richtigen Projekte für den erfolgreichen Start
  • Nutze Cloud um die Integration zwischen BI, Analytics und Anwendungen zu modernisieren
  • Cloud-Architektur ist wichtig – Die Cloud ist Teil einer größeren IT-Architektur und in hybriden Ansätze wird viel Zukunft gesehen
  • Weite die IT-Governance auf die Cloud aus
  • Denke im Voraus an Performance und Latenzzeiten
  • Nutze die Cloud als Gelegenheit um mit Open Source zu experimentieren
  • Gehe nicht davon aus, das Datensicherheit und Disaster Recovery automatisch passieren
  • Stelle sicher, dass eine ausreichende „Elastizität“ gegeben ist
  • Konzentriere dich auf eine gute Integration zwischen On-Premise und Cloud

 

Referenzen:

[BARC2017] – BARC & EckersonGroup – BI and Data Management in the Cloud: Issues and Trends, BARC Research Study, January 2017

[TDWI2016] – TDWI – Best Practice Report Q4/2016 – BI, Analytics and the Cloud – Strategies for Business Agility, 2016

[EMA2015] – Enterprise Management Associaties (EMA) – Analytics in the Cloud – An EMA End-User Research Report, January 2015

[Forrester2015] – The Forrester Wave(TM): Cloud Business Intelligence Platforms, Q4 2015

SAP HANA 2

Am 08.11.2016 hat SAP zum Start der SAP TechEd Barcelona das Release 2 der HANA-Datenbank vorgestellt. Geplantes Releasedatum für Kunden ist der 30.11.2016. Kurz darauf soll es auch die HANA 2 Express Edition geben, um Entwicklern einen schnellen Zugriff zu ermöglichen.

Bernd Leukert hat HANA 2 wie folgt angekündigt und beschrieben:

“The first version of SAP HANA is the synonym for real time processing of data. It’s already the backbone of thousands of major companies,” said Leukert. “I’m proud to officially announce today SAP HANA 2, which will be released at end of November. This next generation of SAP HANA is the digital foundation to transform any business, helping IT shift focus to innovation, continuing to evolve data management and application development.”

Wer mag, kann sich hier direkt die Ankündigung anschauen.

Bzgl. Analytics soll HANA 2 folgende Erweiterungen liefern:

„Analytical intelligence: Developers are embedding rich insight into applications with enhanced analytical processing engines for text, spatial, graph and streaming data. For example, new algorithms for classification, association, time series and regression have been added to the predictive analytics library to empower data scientists to discover new patterns and incorporate machine learning into custom applications.“

Wenn auch der Zusammenhang aus den bisherigen Meldungen mir noch nicht ganz klar ist, hat SAP zeitgleich cloudbasierte SAP HANA Microservices im Bereich Analytics angekündigt:

  • TEXT ANALYSIS ENTITY EXTRACTION – Ein Service zum hervorheben wichtiger Informationen in unstrukturierten Daten.
  • TEXT ANALYSIS FACT EXTRACTION – Ein Service zur Sentimentanalyse, bspw. bzgl. eines Produktes oder eines vom Unternehmen angebotenen Services. Ebenso einen Service bzgl. Öffentlicher Veranstaltungen (Public Sector) bspw. zur Risikoabschätzung sowie einen Service zur Analyse von Unternehmensereignissen (Enterprise) wie personelle Veränderungen oder die Neueinführung von Produkten.
  • TEXT ANALYSIS LINGUISTIC ANALYSIS – Ein Service zur Sprachanalyse, bspw. um welche Sprache es sich handelt oder im Weiteren der linguistischen Analyse des geschrieben selbst.
  • Earth Observation Analysis Service – Ein Service zur Auswertung von Satelliteninformationen bzgl. der Erde. Aktuell in der Beta-Version.

SAP verspricht sich von einer Microservices Architektur Folgendes:

  • Independence from the business domain, devices, and environments
  • Nonproprietary environment that offers freedom to choose the programming languages and underlying database technologies as well as gaining portability of services and applications between cloud infrastructures
  • Prebuilt business processes that allows organizations to develop new ways to utilize application data and services easily and flexibly, and scale to changing requirements

Bis zur Veröffentlichung Ende November wird evtl. noch die eine oder andere Information zu neuen Features fließen. Ab 01.12.2016 informiert die SAP dann in 12 Webinaren über die Neuigkeiten.

Bis dahin bietet die aktuelle HANA 2 FAQ Antwort auf wenigstens ein paar Fragen.

BARC: The BI Survey 16

Die Zusammenfassung der Ergebnisse der BARC BI Survey 2016 sind da! Schauen wir mal, was sie im Vergleich zu 2015 und bezüglich SAP zu bieten hat. Und als kleines Novum, weil Microsoft BI bei mir aktuell auch immer mal ein Thema ist, möchte ich diesmal die beiden gegeneinander vergleichen.

Als erstes fällt mir auf, dass BARC diesmal etwas mehr Umfang spendiert hat. 66 Seiten sind es diesmal (2015:43; 2014:42).

37 Werkzeuge wurden diesmal verglichen (2015:35; 2014:34). Damit ist eine Marktkonsolidierung in den letzten Jahren kaum zu erkennen. Waren neben den „BI giants“ 2014 und 2015 noch die kleinen Anbieter und Open Source-Anbieter im Fokus, so wurde das Thema Open Source wohl von SaaS BI-Lösungen verdrängt.

SAP in der BI Survey

  • SAP hat lt. Umfrage bei seinen Anwenderunternehmen eine durchschnittliche Nutzung von etwa 11% für Design Studio und Web Intelligence. SAP BEx folgt mit 10% und BO Analysis erst bei 4% der Anwender als Schlußlicht in der Umfrage. Dies stellt Werte deutlich im unteren Bereich dar.
  • Wie gewohnt sind SAP BI-Produkte eher bei größeren Unternehmen (>2.500 Mitarbeiter) zu finden.
  • SAP BW wird für Neuanschaffungen im BI-Umfeld in 16% der Fälle evaluiert. Dicht gefolgt von Web Intelligence, BO Analysis und dann noch Design Studio. Im einstelligen Prozentbereich sind aber genauso noch Crystal Reports, BEx, Lumira, BPC und BW-IP vertreten, womit SAP mit einer breiten Palette an Werkzeugen unterwegs ist.
  • Bei der finalen Kaufentscheidung hat es Web Intelligence auf den 5. Platz (12%) geschafft. Kurz darauf folgen aber auch Design Studio, BEx und BO Analysis.
  • Beliebte Frontend-Werkzeuge für SAP BW sind die typischen SAP-Werkzeuge wie führend BEx (62%), BO Analysis, Web Intelligence und Design Studio. Als 3rd-Party Frontends sind QlikView und Tableau noch am beliebtesten.
  • SAP BEx ist in der Umfrage das Werkzeug, mit der längsten durchschnittlichen Implementierungszeit (11 Monate)

Microsoft in der BI Survey

  • Unternehmen mit MS Excel verwenden dies im Schnitt zu 40% für BI. Andere MS-Tools sind MS SSRS (21%) und MS Power BI (14%)
  • Microsoft ist mit seinen Werkzeugen eher bei Kunden im Mittleren Bereich bis 2.500 Mitarbeiter vertreten.
  • MS-Produkte werden nach QlikView und Tableau am häufigsten für eine Neuanschaffung evaluiert. Das sind MS Excel, MS SSAS, MS SSRS und Microsoft Power BI. Mit etwas Abstand bei 12% ist MS SharePoint Server Excel Service noch zu erwähnen.
  • MS Excel ist die häufigste Kaufentscheidung. MS SSRS folgt an 3. und MS Power BI an 6. Stelle.
  • Für MS SSAS wurden Frontend-Werkzeuge analysiert. Dabei kommen MS SSRS (55%) und MS Excel (mit oder ohne Add-In) am häufigsten vor. Als 3rd Party Frontends folgen Tableau, Bissantz, Cubeware und QlikView.
  • MS Power BI zählt mit einer Implementierungszeit von durchschnittlich 3 Monaten zu den am schnellsten eingeführten Lösungen.

Ergebnisse

Wie im Vorjahr, sind der Finanzbereich, das Management und der Vertrieb Hauptnutzer von BI-Lösungen. Nah dran mit mehr als 50% jedoch auch noch die Bereiche IT und Produktion.

Grundsätzlich sieht BARC eine Erweiterung der Nutzung in Richtung Marketing, wo neue, externe Datenquellen auf neue Arten zusammen geführt werden.

Die Mehrzahl der Anwender kann durch BI schneller und genauer Berichte erstellen, planen und analysieren. Für viele verbessert sich damit auch die Entscheidungsfähigkeit und die Datenqualität.

Die starken Trends in 2016 sind Data Discovery und Self-Service BI mit jeweils über 50% der Anwenderunternehmen. Im größer 20%-Bereich befinden sich dann noch Real-Time, Collaboration, Visual Design Standards und Mobile BI.

Cloud BI wird aktuell nur von etwa 12% der Unternehmen genutzt. Hierbei vor allem Unternehmen mit weniger als 100 Mitarbeitern. MS Power BI hat als Produkt die Nase vorn, während SAP hier mit den vorgestellten Produkten bisher kaum gesehen wird.

Was finden Unternehmen an Cloud BI (Top 5):

  • Keine Hardware/Infrastruktur-Kosten
  • Geringe Administrationskosten
  • Skalierbarkeit
  • Verfügbarkeit
  • Schnellere Software-Updates

Die aktuelle BI Survey zeigt, dass SAP BI und MS BI durchaus in einem Unternehmen zu finden sein können, ihre Schwerpunkte jedoch in Unternehmen verschiedener Größen und auch in zum Teil verschiedenen funktionalen Bereich haben.

SAP mag mit seiner Cloud BI-Strategie anderen Herstellern am Markt hinterher zu sein. Jedoch ist denkbar, dass SAP in den nächsten 1-2 Jahren aufgeschlossen hat und in Bereichen gut positioniert ist, in denen SAP heute kaum sichtbar ist.

Eine klare Gemeinsamkeit zeigt die Studie. Beide Hersteller sind mit einer breiten Pallete an BI-Werkzeugen auf dem Markt. Bei SAP tauchen bis zu 10 Werkzeuge auf, bei MS kann man immerhin noch 3-4 zählen.

The Forrester Wave (TM) – Enterprise Performance Management

So, nachdem Gartner im Sommer bereits den aktuellen Magic Quadrant (MQ) zum Thema Corporate Performance Management (CPM) veröffentlicht hat, bringt nun auch Forrester seine Einschätzung unter der Bezeichnung Enterprise Performance Management (EPM) auf den Markt.

Um vorweg ein wenig Klarheit zu schaffen – Gartner hatte dieses Jahr seinen MQ ja in zwei aufgeteilt:

  • Financial Corporate Performance Management
  • Strategic Corporate Performance Management

Um klar zu machen, aus welcher Sicht der Blog geschrieben ist, gelten folgende Regeln:

  • CPM = EPM
  • EPM = Planung, BI & Konsolidierung (technologisch gesehen)
  • Forresters EPM unterscheidet nicht zwischen Strategic und Financial

Forrester erklärt EPM als:

„EPM is a software category comprised of a set of planning, reporting, and analytical applications that help organizations plan, report on, and analyze business information spanning the enterprise.“

-The Forrester Wave™: Enterprise Performance Management, Q4 2016

Forrester versteht unter EPM einen Ansatz, der Vergangenheit (z. B. Konsolidierung), Gegenwart (z. B. KPIs, Scorecards) und Zukunft (z. B. Planung, Forecasting) umfasst.

Es wurden 10 Hersteller bewertet. Bei diesen wird eine starke Bewegung von On-Premise in Richtung Cloud (SaaS) gesehen. Forrester erwartet, dass in den nächsten 5 Jahren SaaS führend sein wird.

Cloud wird im Bereich EPM aber nicht als einziger Innovationstreiber gesehen.

  • User Experience spielt eine wichtige Rolle, wobei Excel sehr dominat ist
  • Prozessunterstützte Collaboration wird zunehmend wichtiger
  • Advanced Analytics wird durch das Aufkommen von In-Memory-Technologie vorangetrieben
  • Real-Time Use-Cases werden in manchen Bereichen interessant

In der Forrester Wave sind neben SAP auch die anderen beiden großen Player IBM und Oracle dabei. Mir noch etwas bekannter und mit einer sehr starken Position, bei einer überschaubaren Marktpräsenz ist Tagetik.

Gleich vorneweg fällt auf, dass SAP im Vergleich zu den Gartner MQs hier keine Leaders-Rolle hat. Man ist gut als Strong Performer unterwegs, fällt hier aber bei den deutlich kleineren Wettbewerbern etwas aus der Rolle, was die Marktpräsenz betrifft.

Schwächen zeigt SAP vor Allem in der aktuellen Produktstrategie:

forrester-epm-2016

Oracle ist im Vergleich mit einem hervorragenden Angebot einer starken Strategie wohl zurecht Marktführer.

Während SAP im Bereich Reporting und Analyse eine hervorragende Bewertung erhält, zeigt lt. Forrester das Thema Cloud aktuell noch große Schwächen.

In der Einzelbewertung wird konkreter auf SAP BusinessObjects Planning and Consolidation (BPC) und deren verbesserte Integration in das ERP eingegangen. Gerade auch der zum letzten DSAG JK vorgestellte Ansatz für Realtime-Konsolidierung auf Basis eines S/4HANA Central Finance-Systems könnte hier zukünftig stärker in die Strategie einfließen. BPC war auch bei Gartner ganz klar das Flagship-Produkt und ist sowohl für Planung wie auch Konsolidierung von der SAP strategisch gesetzt.

Im SaaS-Bereich bietet SAP BusinessObjects Cloud an. Die Lösung hat als „Cloud for Planning“ begonnen und sich über Erweiterungen im Bereich BI und zuletzt auch Predictive Analytics stark weiter entwickelt. Für sich ist das Produkt aber eben noch recht neu, weshalb Forrester sicherlich zu Recht noch eine fehlende Reife in einigen Bereichen beobachtet.

Ohne die Lösungen der anderen Anbieter genauer zu kennen, kann ich trotzdem sagen, dass SAP hier wie dargestellt, stark am Arbeiten ist, um seine EPM-Lösung voran zu bringen. Möglicherweise ist das jedoch auch das Problem, weshalb SAP hier nicht zu den Leadern gehört. In den letzten Jahren ist das Thema BI/EPM/Analytics bei SAP ein work-in-process. Strategien werden fast schneller geändert als die Namen. Und das will bei der SAP schon was heißen.