Integration SAP Data Warehouse Cloud & SAP Analytics Cloud

Abb. 3: SAP Data Warehouse Cloud überwindet traditionelle Probleme

Vorteile der Spaces:

• Mehr Freiheit für Fachbereiche: Dezidierte Bereiche im Data Warehouse für die Fachabteilungen, in denen sie auf unternehmensweite Daten zugreifen können, die von der IT bereit gestellt werden.
  Die Fachbereiche können externe Daten, lokale Daten, Excel-Dateien, Web-Services, Cloud-Services einbringen, ohne die Struktur des Data Warehouses zu verändern.
  In den Spaces können Benutzergruppen freier agieren als in einem BW.
• Zentrale Verwaltung durch die IT: Die IT-Abteilung managed Datenvolumen und Rechenleistung der Spaces und kann so eine bessere Kostenkontrolle über die Spaces ausüben.
• Berechtigungsmanagement: Im Space kann ein Team mit entsprechenden Berechtigungen frei geschaltet werden – vom Administrator bis zum reinen Konsumenten.
• Data Modeling und Business Modeling im Space: Die Fachabteilungen können eigene Modelle und Analysen anfertigen und haben eine direkte Integration nach SAP Analytics Cloud.
• Keine Paralleluniversen: Spaces verhindern, dass die Investitionen in ein BW zunichte gemacht werden, indem die Anwender die Daten auf den eigenen PC laden und nach wenigen Klicks nicht mehr klar ist, wie die Daten in der Analyse mit den Daten aus dem Data Warehouse zusammenhängen.

Abb. 4: Probleme bei der Datenextraktion

Abb. 5: SAP Data Warehouse Cloud Spaces als Lösungsmöglichkeit

Die Offenheit der SAP Data Warehouse Cloud wird aktuell massiv ausgebaut.

Links sieht man Zugänge zu verschiedensten Systemen die am Markt wichtig sind. SAP arbeitet eng mit Partnern zusammen. Ziel ist, dass alles angeschlossen werden kann, Cloud-Systeme und On-Premises Systeme. Darüber hinaus erfolgt eine Zusammenarbeit mit einem Partner Ecosystem, um Anschlüsse zur Verfügung stellen zu können, die SAP nicht selbst anschließen kann.

Connection Tiles: Datenquellen werden über Connection Tiles einfach angeschlossen. Nach Auswahl der entsprechenden Datenquelle wird man durch die erforderlichen Schritte geführt. Die Führung erfolgt sehr spezifisch und zeigt genau, wie der Anschluss gepflegt werden kann.

Abb. 6: SAP Data Warehouse Cloud Übersicht über Datenquellen

Es wird weiter in SAP BW/4HANA investiert. SAP DWC ist keine Ablösung von SAP BW/4HANA.

Vorteil der engen Verzahnung von SAP DWC und SAP BW/4HANA: Sie ermöglicht SAP BW/4HANA Kunden, die Möglichkeiten von SAP DWC zu nutzen.

Model Transfer: Neues Projekt im Beta-Status: Anschluss eines BW/4HANA Systems an SAP DWC und Freigabe der analytischen Queries des BW-Systems (des semantisches Layers in BW/4). Die Querymodelle werden einfach transferiert, ohne sie neu bauen zu müssen.
Man wählt ein entsprechendes Modell aus, bekommt dieses Modell in SAP DWC generiert und aufgeteilt auf Data und Business Layer, mit den Tools der Analytics Cloud kann dann damit gearbeitet werden.

Abb. 7: SAP Data Warehouse Cloud Integration mit SAP BW/4HANA

SAP Analytics Cloud ist die strategische gesetzte Analytics-Plattform der SAP.

• Zentrales Tool für Analyse: Alle analytischen Fragestellungen und Prozesse, inkl. Planung und Applikationen auf einer cloud-basierten Plattform.
• Integration mit allen Cloud-Lösungen der SAP: SAC ist nicht nur zentrales Analytics-Tool, sondern auch zentrale Analytics-Engine. SAC dient der Auswertung von Daten aus verschiedensten Lösungen – auch von Daten aus SAP DWC.
• Hybrid Analytics: SAC kann sich mit diversen Datenquellen verbinden, auch um On-Premises Daten auszuwerten.

Abb. 8: SAP Analytics Cloud Applikationen

Hauptnutzergruppen von SAP SAC:

• Enterprise Reporting durch die IT: zentral vorgegebene Reports, wie historische Reports, statische Reports, Top-down Reports (IT erstellt Reports aus Anforderungen, die die Nutzer dann anwenden), Balance Sheets.
• Self-Service Analytics durch Analysten: Analysten im Unternehmen erhalten Zugriff auf die Firmendaten, können eigene Fragestellungen selbst bearbeiten und eigene Reports erstellen.
• Augmented Analytics durch Information Worker: Neue Nutzergruppen, autarke Anwender, die eigene Daten und Algorithmen mitbringen, um Daten intelligent auszuwerten und Vorhersagen zu treffen.

SAP SAC stellt mehr dar, als ein reines BI-Tool.

Abb. 9: Nutzergruppen von SAP Analytics Cloud

SAP SAC bietet eine Reihe von Plattformdiensten und kann als Stand-alone Tool verwendet werden.

Für das Webinar heute wird der Blick auf SAC als analytische Auswertungskomponente für SAP DWC gerichtet.

SAC ist in verschiedenen Bereichen des Unternehmens einsetzbar und beantwortet folgende typische Fragestellungen:

• typisches Business Intelligence Reporting bzw. Berichtwesen
• Augmented Analytics
• Planungsprozesse

Abb. 10: SAP Analytics Cloud Architektur

1. Augmented BI und Planung
Kennzeichen:

• Arbeit über Fragestellungen: Über eine Frage erhält man automatisch Antworten. Beispiel: „Zeige mir den Umsatz nach Produkt generiert“ erzeugt automatisch das linke Chart
• Automatisch generierte Dashboards – basierend auf einer Kennzahl – siehe Beispiel in der Mitte
• Automatische Vorhersagen: Zeitreihendiagramm wird automatisch mit einer Prognose angereichert – siehe Beispiel links

Abb. 11: SAP Analytics Cloud Augmented Analytics

2. Planungsprozesse:
SAP SAC bietet eine Reihe von Planungsprozessen für Produktion, Controlling, Marketing, HR oder Vertrieb.
Das wird im Webinar zur Planung in SAC genauer abgedeckt.

Abb. 12: SAP Analytics Cloud Planning

3. Datenintegration

Enge Verzahnung von SAP Data Warehouse Cloud mit SAP Analytics Cloud.

• SAC Embedded: Es gibt eine Embedded SAC in SAP DWC
• SAC als Vollversion: kann auf SAP DWC live zugreifen, ohne dass Daten aus DWC kopiert werden

Zwei Datenverbindungsmöglichkeiten:

• Live-Anbindung: Daten werden direkt angebunden und nicht repliziert
• Acquired-Anbindung: Unter der SAC ist ein Datenspeicher, in den die Daten geladen werden

Abb. 13: SAP Analytics Cloud Übersicht über Datenverbindungen

4. Analytics Designer
Entspricht den On-Premises Produkten Lumira Designer oder Design Studio. Mit dem Analytics Designer sind eigene Applikationen auch in der Cloud möglich, seit das Feature 2019 ausgerollt wurde.

Mittels Scripting können statt standardisierten Berichten eigenerstellte Berichte erstellt werden. Im Gegensatz zu Lumira Designer bietet der Analytics Designer eine bessere Integration, d.h. Planungs- und Predictive Fähigkeiten und Applikationen auf Basis von Data Warehouse Cloud.

Abb. 14: SAP Analytics Cloud Analytics Designer

5. Custom Widgets

Custom Widgets enerieren eigene Chart-Typen. Besitzt man eine eigene Chartbibliothek oder besteht die Notwendigkeit spezialisierter Darstellungen, können mittels SDK eigene Diagrammtypen entwickelt und implementiert werden. Es entstehen hochindividuelle dynamische Berichte mit Verbindung zu Data Warehouse Cloud.

Abb. 15: SAP Analytics Cloud Custom Widgets

Die Produkte nutzen unterschiedliche Technologien, wie SDI-Adapter, um an SAP BW/4HANA angebunden zu werden.

6. Starke Analyse-Funktionen

Enge Integration mit SAP Analytics Cloud, SAP Analysis for Microsoft Office und SAP Web Intelligence.

Häufige Fragen:

• Ist Data Warehouse Cloud die neue SAP Analytics Cloud?
• Wird SAP Analytics Cloud von Data Warehouse Cloud abgelöst?
• Wie spielen SAP Analytics Cloud und Data Warehouse Cloud zusammen?

Antwort: Es gibt einen Data Warehouse-Markt und einen SAP BI- oder SAP Analytics-Markt.

Es gibt einen Bedarf für Tools, die stärker im Frontend sind – wie SAC, und einen Bedarf für Data Warehouse-Tools, um ein robustes Daten-Fundament zu errichten.

Der Übergang zwischen Frontend und Backend ist heute fließender als früher.

Klassisches Business Warehouse und BEx: Das Frontend hatte früher keine Datenhaltung. Im BW gibt es eine OLAP Engine, dort liegen die Daten und werden berechnet, das Frontend visualisiert die Daten.
Inzwischen ist in den neuen Frontend-Tools die Self-Service-Fähigkeit hoch priorisiert. Die Frontend-Tools benötigen dafür Datenhaltung oder direkten Datenanschluss. Wie in Power BI und Tableau sollen Modelle gebaut werden können. Das stellt SAC zur Verfügung. Man kann Excel-Daten oder andere Daten einbringen, Modelle erstellen und auf diesen Modellen visualisieren. SAC kann direkt verwendet werden gegen ein SAP S/4HANA, ein BW oder gegen eine HANA Plattform als Analyse-Tool mit gewissen Modellierungsfunktionalitäten.

Je größer die Datenmenge wird, umso sinnvoller ist es, ein Data Warehouse Layer dazwischen zu legen. Wenn die Anzahl der User wächst, sollten die Modelle so optimiert werden, dass für eine große Anzahl von Usern eine stabile Performance gegeben ist und gleichzeitig nicht 20 verschiedene Definitionen der gleichen KPIs existieren. Das passiert, wenn man nur mit Analyse-Tools arbeitet und es Silo-Modelle der Anwender nebeneinander gibt.

Data Warehouse Cloud hat den Vorteil, dass die IT ein konsistentes semantisches und robusteres Layer betreut.

Fazit: Je größer die Analytics Projekte werden, umso mehr sollte man überlegen, ein Data Warehouse einzubeziehen. Insofern ergänzen sich beide Produkte.

Beide Produkte verfügen über einen Bottom-up- und einen Top-down-Ansatz.

• Bottom up-Ansatz: Beim traditionelleren Ansatz beginnt man mit den Datenquellen, geht über die Extraktion und baut von unten nach oben ein Data Layer bis zur Analyse.
  Nachteil: es ist zeit- und kostenintensiv, bis man ein Ergebnis hat.
• Top-down Ansatz: Nutzer können beginnen mit persönlichen Daten zu analysieren. Das wirkt der Ungeduld der Anwender entgegen. Die Fachabteilungen beginnen damit, Kennzahlen, Merkmale und Modelle im Business Layer der DWC bzw. in SAC zu entwickeln.

Abb. 16: Integration von SAP Analytics Cloud und SAP Data Warehouse Cloud

•  Man kann SAC direkt gegen verschiedene Datenquellen verwenden. Auch gegen ein BW. SAC gilt als Empfehlung für den Einstieg. Je nachdem, wie sich das Szenario entwickelt und wie die Strategie aussieht –  beispielsweise Richtung Enterprise Reporting.
  Später kann es sinnvoll sein, eine Data Warehouse Schicht einzuziehen oder SAC und DWC zu kombinieren. Im SAC Dashboard können Daten aus der DWC eingebracht werden und daneben können Datenquellen direkt an SAC angeschlossen werden.
• In SAC gibt es Blending-Funktionalitäten. Man kann im letzten Schritt der Visualisierung noch Daten blenden und zusammenziehen.

Abb. 17: Kombination von SAC und DWC

Die wichtigsten Tools von SAP Analytics Cloud sind inzwischen alle an SAP Data Warehouse Cloud angeschlossen:

• Story Builder
• Data Explorer zur Adhoc- Analyse von Daten auf Data Warehouse Cloud Modellen.
• Entwicklungsumgebung mit SAC Analytics Designer

Abb. 18: Story Builder für SAC und DWC

Abb. 19: Data Explorer für SAC und DWC

Abb. 20: Analytics Designer für SAC und DWC

Sowohl SAC als auch DWC sind Public Cloud Lösungen. Sie werden von SAP über eigene Data Center oder denen von Drittanbietern gehosted.

Aktuell wird Data Warehouse Cloud über Amazon AWS gehosted. Geplant ist eine Öffnung Richtung weiterer Hyperscaler wie Microsoft und Google, damit Unternehmen eine Auswahl treffen können, wo die Cloud Lösung gehosted werden soll.

Analytics Cloud und Data Warehouse Cloud werden auf Tenants provisioniert, die über unterschiedliche URLs angesteuert werden. Gerade im Hinblick auf größere Kunden sollen Unternehmen mehrere SACs, z.B. für verschiedene Regionen, mit mehreren DWCs verbinden können. Beliebig viele DWC-Tenants können an ein SAC angebunden werden.

Beim Einsatz von DWC ist ein eingebettetes SAC dabei. Dieses eingebettete SAC ist für einen Proof of Concept (PoC) gedacht und für fünf Anwender zum Testen provisioniert. Wenn man über SAC verfügt, kann das existierende SAC direkt angebunden werden. Für die produktive Nutzung von SAC sollte ein eigener SAC-Tenant provisioniert werden.

Abb. 21: Konnektivität zwischen SAC und DWC

Abb. 22: Screenshot der DWC Oberfläche

Start der Live-Demo: Minute 43:00

Aufbau und Space Management in SAP Data Warehouse Cloud:
DWC ist eine Browser-basierte Anwendung.
Links oben: Hauptmenü mit verschiedenen Bereichen für die Anwender
Links unten: administrative Bereiche, wie Space Management

Im Space Management können einzelne Bereiche ressourcentechnisch isoliert werden, Anwender können Speicher zugewiesen bekommen (unterschieden nach In-Memory-Speicher oder Disk-Speicher).

Jeder Space hat wiederum eine eigene Administrationsoberfläche, in der man bestimmen wie kann, wie stark der Bereichs priorisiert sein soll, in den man Mitglieder hochladen und systemweite Verbin-dungen anlegen kann. In einzelnen Spaces wird die Anbindung an andere Datenbanken gepflegt, so dass der Business Analyst eigene Datenquellen anbinden kann.

Abb. 23: Screenshot des SAP DWC Space Managements

Data Builder in DWC
Nutzer arbeiten mit dem Data Builder, in dem sie anfangen, Daten zu bearbeiten. Auch hier werden die Spaces angezeigt, denen man zugewiesen ist.
Im Beispiel können im „Product Review Space“ verschiedene Objekte aus dem Datenbankwesen angelegt werden, wie Tabellen, graphischer View, SQL View, Relationship Model oder ein Data Flow.

Abb. 24: Screenshot des Data Builder in DWC

Analytisches Dataset
Zum Reporten muss ein analytisches Dataset gepflegt werden.

Dazu wird das analytische Dataset geöffnet. Man sieht zwei Tabellen, die eingefügt und auf die Produkt-ID gejoined wurden. Es wurde eine Kalkulation durchgeführt und Merkmale und Attributen hinzugefügt – alles per „drag and drop“.

Abb. 25: Screenshot des Analytical Datasets in DWC

Story Builder in DWC:
Beim Aufrufen des Story Builders öffnet sich die in DWC eingebaute (embedded) SAC-Version mit direktem Zugriff auf Daten – aber begrenzten Set an Funktionalitäten.

Abb. 26: Screenshot Story Builder in DWC

Man kann Berichte neu erstellen oder vorhandene Berichte auswählen und interaktiv auswerten, z.B. zur Performance von Produkten.

Sentimentanalyse
Kundenbewertungen zu den einzelnen Produkten werden aus der Website ausgelesen. In DWC wird eine gemittelte Sentimentanalyse ausgeführt, die die Kundenbewertung in Zahlen ausdrückt.

Ohne das Umfeld zu verlassen, kann direkt in DWC ein Bericht erstellt werden.

Abb. 27: Screenshot der Sentiment Analyse in DWC