SAP Datashpere - von Bits und Bites zu Widgets und Charts

1. Simplify Your Work Life

2. SAP Datasphere - von Bits und Bites zu Widgets und Charts Autoren: Mohamed Moktatif Manuel Huber Heilbronn, 25.04.2023

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

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

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?

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

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

SAP Datashpere - von Bits und Bites zu Widgets und Charts

SAP Datashpere - von Bits und Bites zu Widgets und Charts

Recomendados

Mais conteúdo relacionado

Similar a SAP Datashpere - von Bits und Bites zu Widgets und Charts

Similar a SAP Datashpere - von Bits und Bites zu Widgets und Charts(20)

Mais de IBsolution GmbH

Mais de IBsolution GmbH(20)

Último

Último(8)

SAP Datashpere - von Bits und Bites zu Widgets und Charts