SAP und das Data Warehouse

Vergleiche auch folgende Einträge zur Entwicklung des Themas Data Warehouse bei SAP:

SAP’s Wege zum Data Warehouse

SAP Logical Data Warehouse

SAP & Data Warehouse vs. Data Lake

Das SAP HANA Data Warehouse

SAP hat mittlerweile eine lange Historie im Bereich Data Warehouse. Über die Zeit sieht man auch den technologischen Wandel abgebildet.

Mit dem SAP Data Warehouse Cloud, welches vor kurzem auf der SAPPHIRE NOW als Teil des SAP HANA Cloud Services-Angebots vorgestellt wurde, wird Ende des Jahres ein weiteres, rein Cloud-basiertes Angebot auf den Markt kommen.

SAP DWH

SAP ist schon seit über 20 Jahren mit einer eigenständigen Data Warehouse-Lösung auf dem Markt. SAP BW wurde 1997 gelaunched um die bisherigen Ansätze wie Logistikinformationssysteme (LIS) oder Vertriebsinformationssysteme (VIS) im ERP zu entlasten. Im SAP ERP sind diese beispielsweise heute immer noch im Customizing unter dem Menüpunkt „Logistik Data Warehouse“ zu finden. Auch in der SAP ERP Ergebnisrechnung findet man beispielsweise mit CO-PA (Profitability Accounting) immernoch verdichtete Strukturen um größere Datenmengen auswertbar zu machen.

2011 hat man das Release 7.3 des SAP BW auf HANA (on HANA) gehoben. Bis zum letzten Release 7.5, welches voraussichtlich 2024 auslaufen wird, hat SAP die „powered by HANA“ und die „on Any DB“-Variante parallel an.

Im September 2016 wurde das BW/4HANA gelaunched. Ebenso wie bei S/4HANA hat man hier versucht, alte Zöpfe abzuschneiden. Das bisherige SAP BW wurde abgesagt und BW/4HANA als logischer Nachfolger präsentiert, welcher voll auf die Möglichkeiten einer In-Memory Datenbank setzt und bisherige Ansätze nicht mehr unterstützt.

Im Vergleich zu den bisherigen Ansätzen ist SAP BW ein Data Warehouse, welches als Anwendung auf einer Auswahl verschiedener Datenbanken lief und damit die Handhabung der Datenbank abstrahierte.

Einen Nebenstrang, der von der SAP wenig direkt propagiert wird, ist Sybase IQ, heute SAP IQ. Die von Sybase 2010 übernommene Datenbank ist spaltenbasiert (column-based) und ermöglicht die Handhabung sehr großer Datenmengen im Petabyte-Bereich.

Im Kontext SAP BW kann SAP IQ als Nearline-Storage verwendet werden.

Mit SAP HANA Data Warehouse Foundation (DWF) hat SAP ca. 2015 eine HANA-basierte Lösung auf den Markt gebracht dort über die klassischen Datenbankmittel der HANA hinaus die Handhabung großer Datenmengen für Analysezwecke zu verbessern.

Wie es aussieht ist dieser Ansatz mit der Zeit um neue Funktionen wie das Native DSO erweitert worden und stellt heute einen zentralen Bestandteil des SAP SQL Data Warehousing-Ansatzes dar.

Der auf HANA basierende SQL Data Warehousing-Ansatz wurde 2017 zur SAP TechED vorgestellt.

Bereits 2018 wurde unter dem Namen Projekt „Blueberry“ ein rein Cloud-basierter Ansatz auf Basis der BW/4HANA Codeline vorgestellt, der in 2019 kommen sollte. Das nun unter „Data Warehouse Cloud“ vorgestellte Angebot wird eine enge Integration mit SAP Analytics Cloud geben. Ebenfalls neuere Technologien wie Data Hub sollen hier eine enge Integration finden.

Man kann denke ich sagen, Data Warehouse mit SAP hat starke Wurzeln. Die Zukunft heißt Cloud/Hybrid und In-Memory und hat erst begonnen. Warten wir ab, wie es weiter geht.

Neue SAP Analytics Technologien und der Einfluss in das Beraterleben

Gestern habe ich folgenden Blog von Felipe de Mello Rodrigues gelesen:

Blog1

Diesen kann ich sehr gut nachfühlen. Jedoch hat mich nun der Impuls gepackt, diesen für SAP Analytics nochmal spezifischer nachzuvollziehen.

Beispielhaft kann man sich, wenn man als Partner Zugiff hat unter SAP PartnerEdge mal anschauen, was die SAP alles unter SAP Analytics Solutions einordnet:

Partner1
Quelle: SAP PartnerEdge

Das ist natürlich schon ein ganz schönes Spektrum. Als Berater muss man letztendlich sagen, man muss hier ja nicht alles können.

Ich will aber auch mal beispielhaft an Hand von typischen Re-Tweets auf meinem Twitter-Account zeigen, was sich bei den Themen so tut.

Gestern gab es ein Webinar zum Thema SAP Leonardo Machine Learning:

Tweet1
Quelle: SAP, 2019 (PDF)

Eigentlich gleich schon ein Themenfeld für sich, welches verschiedenen SAP-Technologien zusammenfasst oder zumindest berührt:

SAPLeoML
Quelle: SAP, 2018 (PDF)

Daneben hat man als ambitionierter Data Scientist natürlich auch Python und R drauf und nutzt diese im SAP-Kontext:

Tweet10
Tweet-Link

Ein Thema, welches ebenfalls im Zusammenhang mit Machine Learning seit einiger Zeit gesehen wird ist Robotic Process Automation:

Tweet2
Tweet-Link

Ebenfalls dazu kann man das Thema Conversational AI zählen, welches durch die Übernahme von Recast.AI Anfang 2018 seither an Schwung gewonnen hat:

Tweet7
Tweet-Link

Ein eher klassisches Thema ist, ob das BW eigentlich schon tot ist, weil S/4HANA Embedded Analytics hier die Themen übernehmen wird:

Tweet3
Tweet-Link

Ich denke, wie im Artikel auch vermerkt, wurde diese Frage schon ausführlich diskutiert. Die SAP sieht mit BW/4HANA dies als ausreichend beantwortet und auch die DSAG hat sich bereits 2015 klar positioniert.

Trotzdem darf man sich hier gerne mit der neuen Datengrundlage für Analytics auseinandersetzen – ABAP Core Data Services:

Tweet18
Tweet-Link

Im klassischen BW-Umfeld war das Release 2.0 von BW/4HANA ende Februar ein wichtiger weiterer Meilenstein:

Tweet16
Tweet-Link

Für Berater und Mitarbeiter im BW-Umfeld bedeutet das aber auch sich nicht mehr nur mit einer Datenbankmigration nach HANA auseinanderzusetzen oder sich Veränderungen bei einem Upgrade anzuschauen. Auf der Agenda steht nun in den nächsten Monaten und Jahren das Thema Conversion:

Tweet23
Tweet-Link

Bei vielen klassischen SAP BI-Beratern müsste das Thema SAP Analytics Cloud mittlerweile angekommen sein. Optisch haben sich die Update-Zyklen verlangsamt:

Tweet4
Tweet-Link

Allerdings zeigen die Releasestände, dass sich trotzdem ständig was tut und kontinuierlich Neuerungen geliefert werden. Aktuell Stand 08.2019 welcher nicht nur kleine Verbesserungen sondern z. B. die neue Anwendung Application Design, welche nach längerer Testphase nun für alle freigeschaltet wurde:

SAC1

Nicht das einem mit 2-wöchentlichen Updates noch langweilig wird 😉

Das Thema geht noch weiter. So ist über PAi – Predictive Analytics integrator das Veröffentlichen von in SAP Analytics Cloud Smart Predict erstellten Modellen in S/4HANA möglich:

Tweet6
Tweet-Link

Neben den verschiedenen Tools in SAP Analytics Cloud ist die Verwendung neuer Visualisierungen relativ einfach. Jedoch darf man sich gleichzeitig u. U. auch mit neuen, nicht immer nur strukturierten Datenquellen wie z. B. JSON auseinandersetzen:

Tweet13
Tweet-Link

SAP Analytics Cloud wird auch sofort bei den neusten Übernahmen wie Qualtrics als Enabler und Brücke gefeiert:

Tweet22
Tweet-Link

Auch ist das Thema SAP Analytics Cloud für die Planer im SAP BI-Umfeld zunehmend relevant und wird stärker mit S/4HANA verknüft:

Tweet17.PNG
Tweet-Link

Wer sich noch erinnert, SAP Analytics Cloud hat ja eine längere Namenshistorie. Aber alles hat soweit ich das sehe mal mit C4P – Cloud for Planning begonnen. Daher spielt das Thema in SAC nach wie vor eine wichtige Rolle:

Tweet19
Tweet-Link

Als klassischer BW-Berater muss man sich mit BW on HANA und BW/4HANA zunehmend mit HANA selbst auseinandersetzen:

Tweet5
Tweet-Link

SQL und vom gleichen Autor auch ein Update zu SQLScript ist nur ein Themenkomplex innerhalb von HANA, der hier relevant und interessant ist.

Ein Einsatzgebiet für SQL ist im Rahmen der HANA Modellierung mit Table Functions:

Tweet15
Tweet-Link

Beim Arbeiten rund um HANA und der Integration von Daten spielt dort SDI – Smart Data Integration eine zentrale Rolle:

Tweet11
Tweet-Link

SAP Data Hub ist ein riesen Thema im Big Data-Umfeld, welches wir uns aktuell z. B. auch für IoT-Themen anschauen:

Tweet8
Tweet-Link

Der SAP Data Hub ermöglicht die Erstellung und Verwaltung von Data Pipelines und bietet auch die Integration von SAP BW. Der zuletzt gelaufende OpenSAP-Kurs dazu bietet hier einen ganz guten ersten Überblick und Einstieg:

Tweet9
Tweet-Link

Auch Thomas Zurek als VP of SAP BW/4HANA + HANA Data Warehouse sieht das Zusammenspiel von BW/4HANA und Data Hub als logischen Schritt zum Intelligent Data Warehouse:

Tweet20
Tweet-Link

Auch die klassischen On-Premise BI Frontendtools wie SAP Lumira, discovery edition spielen natürlich nach wie vor eine Rolle:

Tweet14
Tweet-Link

Und auch hier muss man auf kontinuierliche Neuerungen nicht verzichten:

Tweet21
Tweet-Link

Wenn man sich jetzt anschaut, dass die dargestellten Tweets hauptsächlich von April sind, dann zeigt sich schon eine Flut an Neuigkeiten in vielen Bereichen. Daher muss natürlich jeder für sich filtern, was relevant ist. Ob man schon auf BW on HANA ist oder noch nicht oder gar BW/4HANA in irgendeiner Art und Weise angeht. Ob man im Bereich Planung ist oder sich evtl. schon intensiver mit den Möglichkeiten im Bereich Machine Learning und Data Science beschäftigt. Ob Cloud überhaupt ein Thema ist oder man seine On-Premise-Strategie bewahrt. Ob man sich eher im Backend oder im Frontend bewegt.

Zum Abschluss meines Blogs möchte ich das von Felipe de Mello Rodrigues einleitend dargestellte Bild in seinem Blog wiedergeben:

Tweet24

SAP BW/4HANA Architekturtypen

Mit SAP BW/4HANA propagiert SAP auch verschiedene Architekturtypen, welche neue Möglichkeiten mit BW/4HANA im Vergleich zum klassischen SAP BW aufzeigen sollen. Weitgehend sind die Architekturtypen bereits für SAP BW on HANA realisierbar.

Vielleicht ist dies ein schlechter Zeitpunkt, über BW/4HANA 1.0-Architektur zu schreiben, wo sich doch BW/4HANA 2.0 aktuell ankündigt. Zum 25.02.2019 ist das neue Release angekündigt!

Nun gut, ein neues Produkt oder Major-Release von SAP ist natürlich immer das beste, tollste, schönste, schnellste, einfachste, …. wie von jedem anderen halt auch. Bisher etablierte Prinzipien verlieren selten ihre Gültigkeit.

Hier ein Überblick mit Kurzbeschreibung:

sEDW – Simplified EDW (Vereinfachtes Enterprise Data Warehouse)

Das vereinfachte EDW orientiert sich als Architekturtyp an der LSA++. Die Prinzipien und die technische Umsetzung werden bereits in der SAP Hilfe recht ausführlich beschrieben.

Dieser Architekturyp zeichnet sich durch folgende Eigenschaften aus:

  • Referenziert auf die LSA++
  • Geringe Agilität
  • Hoher konzeptioneller Aufwand (Big Design Upfront)
  • Projektmodus: Wasserfallmodell
  • Umsetzung vollständig durch die IT
  • Typischer Konvertierungspfad von BW on Any DB ist In-Place oder Remote-Konvertierung
  • Modellierungsart ist Top-Down

Im BW/4HANA zeichnet sich das sEDW durch optionales Staging aus. Durch Operational Data Provisioning (ODP) wird die PSA quasi ins Quellsystem verschoben. InfoCubes sind nicht mehr existent. Star Schemas werden virtuell durch CompositeProvider realisiert (Dynamic Star Schema).

InfoObjects werden nach wie vor und typischerweise auch noch aus der Historie heraus eingesetzt.

 

fEDW – Flexible EDW (Flexibles Enterprise Data Warehouse)

Das fEDW ergänzt das sEDW um neue Möglichkeiten:

  • OpenODS-Layer/Raw DWH (feldbasiert)
  • Replication Layer (SLT/SDI)
  • Remote Integration (SDA)
  • Transformations (HANA Calculation Views)

Dieser Architekturyp zeichnet sich durch folgende Eigenschaften aus:

  • Referenziert auf die LSA++
  • Mittlere Agilität
  • Hoher konzeptioneller Aufwand (Big Design Upfront)
  • Projektmodus: Wasserfallmodell
  • Umsetzung vollständig durch die IT
  • Typischer Konvertierungspfad von BW on Any DB ist Remote- oder Shell-Konvertierung
  • Modellierungsart ist Top-Down und Bottom-Up möglich

Somit ist durch die Hinzunahme neuer Technischer Möglichkeiten eine höhere Agilität im bisherigen Data Warehouse möglich. Von einem klassischen SAP BW kommend, kann dies als nächster Evolutionsschritt gesehen werden, um Mehrwerte aus der Konvertierung zu generieren.

 

EDP – Enterprise Data Platform

Der Ansatz EDP wird auch als Data Warehouse on demand beschrieben und stellt den versuch dar, mit SAP-Mitteln eine Datenplattform für maximale Agilität aufzubauen. Dabei liegt der Schwerpunkt in der HANA Plattform.

Virtuelle Integration (Logical Data Warehouse) oder Real-time Replikation ist die bevorzugte Art, Daten bereitzustellen. Die Daten kommen im optimalen Fall aus einem Data Lake der in Kundenszenarien auch schon mal als Corporate Memory 2.0 benannt wird.

Dieser Architekturyp zeichnet sich durch folgende Eigenschaften aus:

  • Datenhaltung nach Bedarf
  • Sehr hohe Agilität
  • Nur der nötigste konzeptionelle Aufwand (Sufficient Design Upfront)
  • Projektmodus: evolutionär, inkrementell
  • Umsetzung business-getrieben
  • Typischerweise wird hier Greenfield gestartet, um sich frei zu machen, von evtl. vorhandenen Strukturen und Einschränkungen
  • Modellierungsart ist Bottom-Up (Self-Service, feldbasiert, schnelle Ergebnisse)

Dieser Ansatz steht genau im Gegensatz zu klassischen Enterprise Data Warehouse-Implementierungen. Der schnelle, kurzfristige Nutzen steht im Vordergrund, in der Hoffnung, mit einem agilen, leicht anpassbaren System mit der Zeit und wachsendem Reifegrad auch die notwendige Integration und Harmonisierung leisten zu können.

 

aDWH – Agile Data Warehouse (Agiles Data Warehouse)

Dem aDWH kann man sich von zwei Seiten nähern. Aus Sicht einer EDP kann es ein Stabilisierungsschritt sein, indem zur Historisierung, Versionierung und Qualitätssicherung eine persistente Schicht (OpenODS-Layer/Raw DWH) im BW/4HANA eingeführt wird.

Auch der Weg vom klassischen SAP BW schließt die Evolution in diese Richtung nicht aus.

Dieser Architekturyp zeichnet sich durch folgende Eigenschaften aus:

  • Referenziert noch auf die LSA++
  • Hohe Agilität
  • Nur der nötigste konzeptionelle Aufwand (Sufficient Design Upfront)
  • Projektmodus: evolutionär, inkrementell
  • Umsetzung business-getrieben
  • Vom klassischen SAP BW kommend empfiehlt sich die Shell-Konvertierung, um die notwendigen Vereinfachungen vor dem Datenaufbau vornehmen zu können. Greenfield kann hier jedoch ebenso die Option sein.
  • Modellierungsart ist Bottom-Up (Self-Service, feldbasiert, schnelle Ergebnisse)

 

Im Prinzip sind damit, je nach Ausgangsbasis verschiedene evolutionäre Entwicklungen beschrieben. Eine klare Abgrenzung der Architekturtypen ist eher schwierig und wird sich auch in Zukunft am Bedarf und sich verändernder Anforderungen orientieren.

Da SAP Data Hub, zunehmende cloudbasierte Datenquellen, sowie die eigene Bereitstellung als Cloud-Anwendung (Blueberry) sicherlich noch weiter starken Einfluss auf die aktuelle Entwicklung des BW/4HANA haben werden, dürfen wir uns auf weitere Möglichkeiten in der Zukunft freuen.

 

 

DSAG Technologietage – Was man für BI & Analytics mitnehmen kann

Am 21. Und 22.02.2017 waren in Mannheim die DSAG Technologietage. Das Motto lautete – „Change = Chance: Heute ist morgen schon gestern“.

Leider war ich nicht vor Ort, analysiere jedoch gerne mal die Folien, um zu sehen, was sich im Bereich BW/BI/BO/Analytics und angrenzenden Bereichen bei der SAP so tut. Gerne bekomme ich auf dem Blog auch Feedback und Ergänzungen von Teilnehmern.

Die SAP HANA Cloud Platform (HCP), hier auch als SAP Cloud Platform beschrieben, scheint aktuell das große Ding zu sein. In der Keynote von SAP CIO Thomas Saueressig nimmt diese ganz klar die führende Rolle als Plattform für die Digitale Transformation ein.

Bei der HCP wird Analytics und Business Intelligence ganz klar als fundamentales Element der Digitalisierung (Machine Learning, Real-time Analytics) sowie der Digitalen Transformation (Zusammenspiel von Business process und Business intelligence) dargestellt. Die HCP soll dabei Mission Critical Data analysieren und visualisieren. Und wenn Data richtig Big wird, wird einfach HANA Vora angeflanscht.

Auch werden auf Basis der HCP einige Machine Learning Services, sogenannte Intelligent Enterprise Applications vorgestellt:

  • Resumee Matching
  • Cash Application Intelligence
  • Ticket Intelligence

Die Referenz fehlt, es dürfte aber ganz klar das seit kurzem verfügbare SAP Clea sein.

Auf den BW/4HANA-Folien werden aktuell 4.000+ BW on HANA-Kunden von insgesamt 16.000+ dargestellt. 8.000+ auf Release 7.3/7.4. Fast der Versuch zu sagen, das 7.5-Kunden ja sowieso auf HANA gehen, was nach meiner Erfahrung ganz klar nicht unbedingt der Fall ist. Nun wenn ich vergleiche, dann sind in den letzten 1 ¼ Jahren 1.500 BW-Kunden on HANA gegangen oder haben so gestartet. Bei 1.000 Neukunden in der Zeit ist hier sicherlich ein großer Teil zu sehen, die direkt on HANA starten. Also SAP, 12.000 Kunden voraus bis 2025!

Ansonsten haben die Folien von Roland Kramer und Gordon Witzel nichts wirklich Neues zu BW/4HANA gebracht. Aber bei so einer Veranstaltung muss man vielleicht auch erst alle nochmal abholen.

Ulrich Christ und Jürgen Haupt haben eine schlanke und dynamische Modellierung mit BW/4HANA und BW powered by HANA vorgestellt. Dabei ging es ziemlich ins Detail zu den flexiblen Möglichkeiten über einen CompositeProvider mit Hilfe von Associations und transitiven Attributen neue Stammdaten über alle LSA++-Layer zu integrieren. Ähnliches wurde bereits vor etwa einem Jahr in einem First Guidance-Paper vorgestellt.

Detlef Wassermuth stellt den aktuellen Stand der Planungs-Werkzeuge von SAP vor. Dabei wird BPC klar als Schwerpunkt dargestellt und die Möglichkeiten zwischen Embedded und Standard Model diskutiert. Aber auch hier nicht wirklich Neues.

Jie Deng und Alexander Peter stellten den aktuellen Stand zu Lumira 2.0 sowie Analysis Office vor. Bzgl. Analysis wurden kurz die Neuerungen von Release 2.4 vorgestellt und die Roadmap, was kommen soll. Hierzu gab es jedoch auch bereits diverse Webinare. Genauso bei Lumira. Auch hier wurden nach meinem Gefühl keine wesentlichen Neuheiten gezeigt, die man nicht bereits hätte kennen können. Allerdings gab es eine Demo und Live habe ich jetzt selbst auch noch nicht viel gesehen.

Von Abassin Sadiq und Larissa Naujoks wurde SAP BusinessObjects Cloud vorgestellt. Aufgefallen ist mir dabei das folgende Übersichtsbild:

sapanalytix-boc-dsagtt17-01

Quelle: SAP SE, „V010 –Wer morgen nicht von gestern sein möchte: SAP BusinessObjectsCloud –SAP Analytics aus der Wolke“ von Abassin Sidiq, Larissa Naujoks

Die Frage ist, was hier wohl „Verticals“ bedeutet? Der Stern deutet darauf hin, dass es sich um eine geplante Function handelt. In der Vergangenheit war hier auch schon mal GRC zu lesen oder auch „Embedding – Analytics into Applications“ wie noch in der letzten Roadmap vom Januar 2017. Natürlich könnte unter Verticals genau das Thema Embedding gemeint sein.

In einer Fiori-Session wurde von Michael Falk folgende Folie als geplante Innovation vorgestellt:

sapanalytix-boc-dsagtt17-02

Quelle: SAP SE, „V026 – SAP Fiori Evolution“ von Michael Falk

Evtl. schließt sich hier ja auch wieder der Kreis zu dem Theme „Verticals“ bei BO Cloud.

Kundenvorträge sind natürlich immer sehr interessannt und willkommen. So hat Tjarko von Lehsten von der Swisscom AG gezeigt, wie man dort das Thema BW on HANA angeht. Dort präsentierte er, nicht zum ersten Mal, das Projekt OneBI, welches drei BW-Systeme im Greenfield-Ansatz auf eine BW on HANA/HANA Native-Plattform für den dortigen Bereich Finanzen und Controlling konsolidieren sollte. Das Projekt wurde im Rahmen des BW 7.5 Ramp-Ups in  Zusammenarbeit mit SAP durchgeführt und setzte auch gleich auf den BusinessObjects Enterprise-Tools auf.

Das Projekt hat eine Laufzeit von über 2 Jahren (5.000 Manntage), und läuft parallel zu einem OneERP-Projekt.

Trotz das das Projekt aktuell noch läuft, kann man heute schon einige Lessons Learned daraus mitnehmen:

  • Bei Realtime-Ansätzen muss man auch auf die Stammdaten achten
  • Frühzeitige Einbeziehung der Fachbereiche, Aufbau eines Play Lab
  • Schnelles und agiles natives Modellieren verlängert Test- und Go-Live-Zyklen
  • Bei agilem Projektmanagement sollten die funktionalen Anforderungen so genau wie möglich definiert werden
  • Richtlinien und Standard-Szenarien sind sehr hilfreich
  • Ein Training für BW on HANA und HANA-Technologie vor dem Projekt ist notwendig
  • ODP-DataSources und EIM (Smart Data Integration/Access) stellen wichtige Integrationsfunktionen dar
  • Man muss sich entscheiden, ob der EDW-Layer in der HANA oder im BW liegt
  • Data Streaming benötigt neue Skills und hat eine gewisse Komplexität. Es bedient auch ganz neue Anwendungsfälle.
  • Die Reduktion auf neue Objekte führt zu einer schnelleren Implementierung
  • SQL-basierte Transformationen sind schnell und stabil

Sicherlich für viele ein Traumprojekt mit der Möglichkeit, die Fähigkeiten der Systeme und Werkzeuge voll auszunutzen und deren Mehrwert im Vergleich zur „alten Welt“ zu erfahren.

Ein weiterer Erfahrungsbericht kommt von WITTENSTEIN SE. Im Vortrag „Chance und Change für BI: SAP BW im Kontext einer HANA Strategie bei der WITTENSTEIN SE“, gehalten von Pascal Kranich von WITTENSTEIN und Stefan Kahle von ISR AG.

WITTENSTEIN als mittelständisch orientiertes, produzierendes Unternehmen mit starker internationaler Ausrichtung setzt stark auf die Digitalisierung. Industrie 4.0 spielt eine große Rolle. Der Mensch als Entscheider steht im Mittelpunkt. Daraus folgt: „Business Intelligence Fähigkeiten der Organisation werden zum strategischen Wettbewerbsfaktor“.

In der Data Warehouse-Zielarchitektur laufen betriebswirtschaftliche Daten aus SAP ERP, produktionsorientierte Daten aus dem MES und Sensor- und Maschinendaten, welche zuerst in Hadoop gesammelt werden zusammen.

In der weiteren Präsentation werden verschiedene Beispiele zu Mixed Models (BW & HANA-Modellierung) dargestellt.

Die Lessons Learned von WITTENSTEIN:

  • HANA allein ist kein EDW und BW kann nicht alle Optimierungen nutzen, welche HANA bietet
  • Man hat die Qual der Wahl zwischen BW und HANA und muss klare Regeln festlegen und diese einhalten
  • Sponsorship spielt eine wichtige Rolle
  • Kommunikation ist alles
  • Organisation ist herausforderner als die Technik

Einige Parallelen finden sich in den Erfahrungen die man macht sowohl bei Swisscom wie auch bei WITTENSTEIN. Gleichzeitig hat man den Eindruck, BW on HANA ist angekommen und zeigt seinen Nutzen.

Dann ein etwas technischer Anwenderbericht über die Einführung einer Nearline-Storage (NLS)-Lösung für das BW der Münchner Stadtwerke im Rahmen einer bevorstehenden HANA-Migration einschließlich Upgrade. Die Einführung der Lösung wurde durch Roland Kramer unterstützt. Interessant dabei die doch gut aussehenden Monitoringmöglichkeiten

Trotz des eher technischen Aspekts des Projekts ist es doch interessant, das auch der Fachbereich hier ein sehr positives Feedback abgegeben hat. Leider ansonsten wenig weitere greifbare Lessons Learned.

Die Präsentation „V047 –IoT Optionen anhand konkreter Lösungs-und Kundenbeispiele“ von Smitha Rayala (SAP) zeigt hauptsächlich die Lösung „SAP Predictive Maintenance & Service“ (PdMS). Die HANA-basierte Lösung stellt sich recht komplex als Zusammenspiel von SAP-Systemen, Open Source und 3rd Party-Lösungen dar. Für die Datenintegration werden Werkzeuge wie SAP Data Services oder Smart Data Streaming genutzt und ein Multi-Temperature-Konzept mit SAP IQ für „warm data“ wird dargestellt. Ebenfalls kommen in der technischen Realisierung Hadoop und HANA Vora, sowie R zum Einsatz bzw. sind geplant. Dazu passend wird als Methodologie der CRISP-DM-Ansatz vorgestellt. Auch wenn die Folien nur wenig Details hergeben, zeigt es einfach mal ein eine konkrete Lösung im Analytics-Umfeld, welche auf den aktuellen Technologien und Ansätzen der SAP aufsetzen.

In einem zweiten Teil wird SAP Vehicle Insights als aktuell HCP-basierte Lösung vorgestellt. Auch hier zeigt sich, das im Hintergrund eine Vielzahl an Technologien und Werkzeugen der SAP zusammenspielen und Analytics einen wichtigen Bestandteil darstellt:

sapanalytix-boc-dsagtt17-03

Quelle: SAP SE, „V047 –IoT Optionen anhand konkreter Lösungs-und Kundenbeispiele“ von Smitha Rayala

Der Vorteil im HCP-Betrieb wird darin gesehen, dass man trotz des komplexen Zusammenspiels eigentlich keine Betriebskosten hat, da alles von der SAP gemanaged wird.

Von Dr. Stefan Hoffmann (SAP) präsentierte „V132 – SQL Datawarehousing gemeinsam mit Business Warehouse BW4/HANA und deren gemeinsame Nutzung mit BW Inhalten“. Da das HANA DW-Konzept vorsieht, rund um HANA als Datenbank ein größeres Toolset bevorzugt aus dem eigenen Haus einzusetzen, wurden diese auch so vorgestellt. Zuerst im Gesamtkontext, dann auch einzeln:

  • SAP Enterprise Architect Designer – zur Modellierung des semantischen und logischen Datenmodells
  • SAP HANA EIM: SDI/SDQ und ADP – oder auch SAP HANA Enterprise Information Management: Smart Data Integration/Smart Data Quality und Agile Data Preperation für ETL und Datenqualität.
  • SAP HANA Web IDE – zur Modellierung von Calculation Views
  • SAP HANA CDS Development – graphischer und scriptbasierter Editor für virtuelle Datenmodelle auf ABAP-Basis
  • SAP Data Warehousing Foundation – Data Temperature Management Strategie mit dem Data Lifecycle Manager (DLM)
  • Native DSO (NDSO) – Quasi das Standard DSO nativ auf HANA implementiert und in FlowGraphs integriert
  • SAP HANA Data Warehouse Scheduler – macht den Eindruck als wäre es die HANA-Variante der Prozessketten.

In dem Kontext sei auch das Februar-Update der SAP Data Warehouse Overview & Roadmap-Präsentation erwähnt. Darin wird auch nochmal der grundsätzliche Ansatz und die Differenzierung zum BW/4HANA erläutert. Dort wird auch ganz frisch der oben beschriebene Swisscom-Fall als Beispiel für ein Mixed Model vorgestellt.

Zusammenfassend lässt sich aus der Folien-Perspektive sagen, die Technologietage sind wohl keine Veranstaltung um große Neuigkeiten zu kommunizieren. Jedoch gab es interessante Kundenvorträge und Deep Dives wie den von Ulrich Christ und Jürgen Haupt. Auch lohnt sich wohl immer mal der Blick links und rechts von BI und BW.

SAP Logical Data Warehouse

Immer wieder höre ich mit dem Aufkommen von BW/4HANA auch den Begriff Logical Data Warehouse.

Der Begriff selbst scheint auf Mark Beyer von Gartner zurückzuführen zu sein, welcher auch als „Father of the Logical Data Warehouse“ bezeichnet wird. In einem Blog verweist er dabei etwa auf 2009 bzgl. der ersten Verwendung des Begriffs.

Gartner defines a logical data warehouse (LDW) as a data warehouse that uses repositories, virtualization, and distributed processes in combination.

Quelle: http://www.informationweek.com/software/information-management/data-warehouse-disruptions-2016-gartner-magic-quadrant/d/d-id/1324544

In dem Blog beschreibt er das LDW wie folgt:

“the best name is probably a Logical Data Warehouse,…because, it focuses on the logic of information and not the mechanics that are used.”

– Mark Beyer, 2009

Bei SAP taucht der Begriff Logical DW (LDW) im Rahmen der 2016er-Vision für SAP HANA Data Warehouse auf. Vor allem im Kontext Adapter/Integration.

Bereits 2014 wurde das Thema durch Ulrich Christ auf der TechEd im Kontext BW on HANA vertieft. Er beschreibt darin die Umsetzung des Logical Data Warehouses im SAP BW on HANA mit Smart Data Access als Kerntechnologie für den virtuellen Zugriff auf Daten.

Die SAP hat das Logical Data Warehouse als klaren Bestandteil und Ansatz in die LSA++ übernommen.

Auch für BW/4HANA habe ich leider bisher keine genauere Beschreibung gesehen, wie man das Thema evtl. weiter entwickeln will. Das BW/4HANA jedoch den Ansatz grundsätzlich gut unterstützt ist fast überall zu finden. So ist dies bereits bei der Angekündigungsmeldung zu finden, wie auch auf der Produktseite oder in der FAQ von John Appleby/Bluefin. Nur wirklich viel Neues seit der TechEd 2014 kann ich leider auch nicht sehen.

Letztendlich hat Ulrich Christ jedoch am 13.09.2016 beim BW/4HANA Launch genau den Ansatz als wichtiges Feature gezeigt, als er zu einem bestehenden Datenmodell innerhalb von 1-2 Minuten Daten aus einer neuen Quelle, welche nicht persistent im BW war integriert hat.

BW/4HANA SPS01

Nach dem Start des neuen BW/4HANA im September spendiert die SAP in KW13 2017 auch das erste Support Package für ABAP. Leicht enttäuschend dafür, dass in den Präsentationen immer mal erwähnt wird, dass durch die Loslösung von SAP NetWeaver schnellere Updates möglich sind. Denn bis dahin sind gut 6 Monate seit GA vergangen.

Da man sich ja nun bzgl. BW 7.5 auf keine großen Neuerungen mehr freuen kann, ist es besonders interessant zu beobachten, wohin BW/4HANA sich nun entwickelt.

Schauen wir zuerst auf die interessanten neuen Funktionen:

  • Big-Data-Quellsystem – Über Smart Data Access und den Adapter SPARK SQL sowie des Spark Controllers wird ein Zugriff auf Big Data zur Verfügung gestellt. Open ODS-Views und CompositeProvider ermöglichen die Integration ins BW.

  • API für Hierachien – Hier hat die SAP wohl auf BW/4HANA angepasste Funktionsbausteine ausgeliefert. Oberflächlich scheint damit die eine oder andere Funktion dazu gekommen zu sein:

    bw4hier01
    Vergleich Hierarchie API’s BW7.5 und BW/4HANA
  • Bearbeitung von Stammdaten – Was hat man sich nicht so gedacht, womit die SAP ab Release 7.4 hinwollte, als sie die Stammdatenpflege vom SAP GUI in ein Web Dynpro verlegt hatte. Lt. Doku wollte man damit besser die Business User unterstützen. Nun hat SAP die Bearbeitung in die BW Modellierungswerkzeuge integriert. Da man unter BW Modellierungswerkzeuge Eclipse versteht, ist damit wohl gemeint, dass hier einfach alles an einem Ort, aber doch noch in Web Dynpro ist.
  • SAP Dynamic Tiering pro Partition – für DSO’s (advanced) können die Daten jetzt pro Partition in Extension Nodes verschoben werden.
    • Query anlegen – Prioritäten definieren: Hier können bei Queries mit 2 Strukturen jeweils festgelegte Eigenschaften priorisiert werden. Diese Funktion ist extra für Power User gedacht.

Auch zwei Änderungen/Erweiterungen, welche auf interessante Eigenschaften von BW/4HANA hindeuten:

  • CDS-Views für Data-Warehouse-Monitoring: Hier werden Core Data Services-Views als Nachfolger für den Technischen Content eingesetzt. Das vereinfacht natürlich auch das Monitoring, da keine Stamm- oder Bewegungsdaten ins BW geladen werden müssen.
  • SAP HANA-Views für Queries mit Hierarchiefilter: Eine Erweiterung, um in der HANA DB Calculation Views zu erzeugen. Offensichtlich ist es gut, hier auch die Einschränkungen zu kennen.

So, als kurzes Fazit ist aus der Release-Information noch nicht viel Großes herauszulesen. Man scheint sich dem Thema Big Data zu nähern und liefert an sonsten nur kleinere Anpassungen. Vielleicht sickern aber bis zum Erscheinungstermin auch noch ein paar größere Themen durch.

Mit den oben dargestellten Themen hat man es auf jeden Fall geschafft, die Roadmap für Q4/2016 zu erfüllen. Auch wenn erst Ende Q1/2017 geliefert wird.

Zu den angekündigten HANA native DataStore object (NDSO) konnte man leider nicht viel in der BW/4HANA-Hilfe finden. Im HANA 2-Kontext werden sie als Integrationsebene zwischen HANA DW und BW beschrieben, welche typische BW-Funktionalitäten wie Delta und Request-Handling ermöglicht. Das NDSO soll mit den nächsten Release von SAP HANA Data Warehousing Foundation und ab HANA 2 verfügbar gemacht werden. Es ist somit also erstmal ein HANA-Thema, auch wenn es auf der BW/4HANA Roadmap steht. Die HANA Academy auf YouTube hat einige einführende Videos dazu geteilt.

Für Q2/2017 sind folgende Neuerungen geplant:

  • HANA Analysis Process kann BW-gesteuert auf Spark/Hadoop ausgeführt werden.
  • Erweiterte HANA EIM-Integration: Delta und Realtime-Streaming Unterstützung für native HANA-Tabellen
  • HANA-View Generierung für Open ODS-View
  • Parallel-Loads für Stammdaten
  • Weiterer Push-Down von OLAP-Funktionen wie Ausnahmeaggregationen einschließlich Währungs- und Mengeneinheitenumrechnung

Damit kommen aus meiner Sicht die spannenden Themen erst unter dem Stichpunkt „Future Innovation“. Na dann freuen wir uns einfach mal auf zukünftig noch konkretere Information bzgl. BW/4HANA.

Rückkehr des Embedded BW?

Bereits vor einiger Zeit habe ich aufgrund immer wiederkehrender Diskussionen versucht, Aspekte aufzuzeigen, welche abzuwägen sind, wenn man S/4HANA einführt, und sich im gleichen Zuge Gedanken macht, ob man dann auf das BW-System verzichten kann:

BW vs. S/4 HANA

Gerade die Unternehmen von Typ:

  • (Gehobener) Mittelstand
  • 1 zentrales ERP-System auf dem alle Standorte laufen
  • und in dem der Großteil der Unternehmensprozesse abgebildet sind
  • Verbunden mit einer hohen Kostensensibilität

sind nicht so ganz einfach zu überzeugen bzw. haben evtl. dafür genau das richtige Szenario um über sowas nachzudenken.

Durch ein Embedded BW kann man schließlich immer noch sagen, man nutzt hier bei Bedarf entsprechende Funktionalitäten, welche vielleicht so im ERP nicht verfügbar sind.

Hier ist bereits der erste wichtige Punkt. Fange ich an, ein Embedded BW zu nutzen und:

  • die Nutzung nimmt zu, immer mehr Szenarien sollen dort abgebildet werden
  • durch einen Zukauf hat man evtl. ein Unternehmen, welches unterschiedliche Prozesse hat und welches man nicht mal kurz in das zentrale ERP-System integrieren kann
  • Führe ich doch ein Non-SAP-System ein, welches Daten für das Reporting liefern soll
  • Kann/Will ich SAP-Systeme nicht integrieren (z. B. HCM aus Datenschutzgründen oder SAP Cloud-only Systeme)
  • Möchte ich die analytischen Fähigkeiten von SAP für neue Arten von Daten nutzen (z. B. Social Media, IoT, …)

Dann steigt u. U. recht schnell die Datenmenge.

Die Empfehlung der SAP ist hier, nicht mehr als 20% des Gesamtdatenvolumens im Embedded BW zu halten. Dies schließt Daten aus dem eigenen ERP, aus Fremdsystemen oder aus Planungsprozessen mit ein.

Auch an die Ressourcenseite ist zu denken. Es ist anzunehmen, dass analytische Funktionen höhere Anforderungen auch an ein HANA-System stellen, als dies bei einem transaktionalen System der Fall ist.

Man schränkt sich bzgl. analytischen Funktionen selbst ein. Einerseits durch die Abhängigkeiten des ERP-Releases. Andererseits hat die SAP klar gemacht, dass die nächste Entwicklungsstufe des SAP BW, das BW/4HANA, nicht Teil eines S/4HANA-Systems sein wird und somit die Weiterentwicklungen der nächsten Jahre nur sehr begrenzt zur Verfügung stehen.

Also nach wie vor, und gerade wenn man bereits ein bestehendes BW-System hat, gilt es, diese Entscheidung ganz genau mit der strategischen Planung der nächsten Jahre abzugleichen und keinesfalls aufgrund kurzfristiger Hoffnung auf Einsparungen zu folgen.