Beckmann / Blinkmann / Essers SAP Business Data Cloud

Das umfassende Handbuch
1. Auflage 2026
ISBN: 978-3-367-11373-6
Verlag: Rheinwerk
Format: PDF
Kopierschutz: 0 - No protection

E-Book, Deutsch, 597 Seiten

Strategisches Datenmanagement mit SAP

Vernetzen Sie Ihre Datenquellen zentral und werten Sie sie in Echtzeit aus! Dieses Buch zeigt Ihnen, wie Sie die SAP Business Data Cloud für ganzheitliche Datenstrategien nutzen. Lernen Sie alle Komponenten kennen – von SAP Datasphere über SAP Databricks bis zur SAP Analytics Cloud . Erfahren Sie, wie Sie Datenprodukte erstellen und KI-gestützte Analysen umsetzen. Das erfahrene Autorenteam zeigt Ihnen anhand praxisnaher Szenarien, wie Sie Ihre Datenlandschaft modernisieren und zukunftssicher aufstellen .

• Architektur verstehen und Potenziale nutzen
• Alle Komponenten von SAP Datasphere über SAP Databricks bis SAP Analytics Cloud
• Konkrete Anwendungsbeispiele für das strategische Datenmanagement mit KI

Aus dem Inhalt:

• SAP-BW-Modernisierung
• SAP Datasphere
• Datenintegration und -modellierung
• SAP BW/4HANA Private Cloud Edition
• SAP Databricks und Delta Share
• Datenprodukte und Object Store
• SAP Analytics Cloud
• Seamless Planning und Compass
• Finanzplanung und Self-Service-BI
• SAP BDC Cockpit
• KI-gestützte Stammdatenharmonisierung
• Migration von SAP BW 7.5

Autoren/Hrsg.

Beckmann, Marcel

Blinkmann, Stefan

Essers, Manuel

Marx, Victoria-Sophie

Schmidtke, Jessica Christin

Inhaltsverzeichnis

  Einleitung ... 19

TEIL I.  Komponenten der SAP Business Data Cloud ... 27

  1.  Einführung in die SAP Business Data Cloud ... 29

       1.1 ... Einführung in die Architektur der SAP BDC ... 29

       1.2 ... Analytics mit SAP im Kontext von Big Data und KI ... 36

       1.3 ... Die SAP BTP als Basis ... 39

       1.4 ... Mit der SAP BDC Daten in Kontext bringen ... 46

       1.5 ... SAP Business AI: Agenten im Einsatz ... 55

       1.6 ... Ethik und Recht im Kontext von KI ... 61

       1.7 ... Eine gemeinsame Sprache finden in der SAP BDC ... 67

       1.8 ... Zusammenfassung ... 70

  2.  SAP Datasphere als Kern der SAP Business Data Cloud ... 71

       2.1 ... Die Architektur von SAP Datasphere ... 72

       2.2 ... Funktionsumfang ... 94

       2.3 ... Datenintegration ... 105

       2.4 ... Datenmodellierung ... 123

       2.5 ... Data Consumption ... 160

       2.6 ... Zusammenfassung ... 169

  3.  SAP Business Warehouse oder SAP BW/4HANA, Private Cloud Edition ... 173

       3.1 ... Einführung der SAP BDC und Versionen von SAP BW ... 173

       3.2 ... Lift, Shift und Innovate ... 181

       3.3 ... Hinweise für SAP-BW-On-Premise-Kunden ... 191

       3.4 ... Hinweise für SAP-BW-Bridge-Kunden ... 193

       3.5 ... Hinweise für Embedded-SAP-BW-Kunden ... 195

       3.6 ... Zusammenfassung ... 197

  4.  SAP Databricks: Datenaustausch und KI ... 199

       4.1 ... Kerneigenschaften von SAP Databricks ... 200

       4.2 ... Delta Share ... 212

       4.3 ... Partnerplattformen mit der SAP BDC verbinden ... 220

       4.4 ... Unity Catalog ... 224

       4.5 ... Notebooks ... 230

       4.6 ... SQL ... 235

       4.7 ... Data Science und Mosaic AI ... 239

       4.8 ... Zusammenfassung ... 248

  5.  Datenprodukte und Object Store ... 249

       5.1 ... Einordnung von Datenprodukten ... 250

       5.2 ... Die verschiedenen Arten von Datenprodukten ... 255

       5.3 ... Data Product Studio ... 267

       5.4 ... Object Store ... 274

       5.5 ... Künstliche Intelligenz ... 283

       5.6 ... Zusammenfassung ... 291

  6.  SAP Analytics Cloud: Self-Service Reporting ... 295

       6.1 ... Self-Service Reporting ... 296

       6.2 ... Flexible Storys ... 299

       6.3 ... Data Analyzer ... 315

       6.4 ... Flexible Modellierung ... 321

       6.5 ... Just Ask und KI-Unterstützung mit Joule ... 328

       6.6 ... Zusammenfassung ... 337

  7.  SAP Analytics Cloud: Integriertes Planen ... 339

       7.1 ... Dimensionen der Integration von Planung ... 340

       7.2 ... Architekturansätze für die Planung mit SAP Analytics Cloud ... 341

       7.3 ... Seamless Planning ... 352

       7.4 ... Die Kompass-Funktion ... 360

       7.5 ... Zusammenfassung ... 370

  8.  SAP BDC Cockpit ... 371

       8.1 ... Aktivierung der SAP BDC und Zugriff auf das SAP BDC Cockpit ... 371

       8.2 ... Provisionierung der SAP-BDC-Komponenten ... 378

       8.3 ... Governance und Sicherheit ... 387

       8.4 ... Data Packages ... 388

       8.5 ... Zusammenfassung ... 395

  9.  Intelligent Applications ... 397

       9.1 ... Architektur der Intelligent Applications ... 398

       9.2 ... Intelligent Applications für verschiedene Geschäftsbereiche ... 402

       9.3 ... Intelligent Applications aktivieren ... 408

       9.4 ... Zusammenfassung ... 416

TEIL II.  Einsatzszenarien für die SAP Business Data Cloud ... 419

10.  Status quo: Ein Analytics-Best-of-Breed-Ansatz ... 421

       10.1 ... Best of Breed vs. Best of Suite ... 422

       10.2 ... Ausgangslage unseres Anwendungsfalls: Die Best-of-Breed-Architektur ... 423

       10.3 ... Herausforderungen durch Best of Breed und Lösungsansätze mit der SAP BDC ... 425

       10.4 ... Zusammenfassung ... 432

11.  Status quo: Excel-basierte Finanzplanung ... 433

       11.1 ... Historische Bedeutung und Rolle von Excel ... 433

       11.2 ... Vorteile von Excel in der Unternehmensplanung ... 434

       11.3 ... Schwächen und Herausforderungen von Microsoft Excel als Planungslösung ... 437

       11.4 ... Maßnahmen zur Reduzierung von Risiken ... 441

       11.5 ... Zusammenfassung ... 445

12.  Status quo: Etabliertes SAP BW 7.5 on SAP HANA ... 447

       12.1 ... SAP-BW-Modernisierungsoptionen ... 448

       12.2 ... Vorgehensmodell für die Entscheidungsfindung ... 450

       12.3 ... Praxisbeispiel einer hybriden Architektur ... 454

       12.4 ... Zusammenfassung ... 456

13.  Status quo: Embedded SAP BW reicht nicht mehr aus ... 457

       13.1 ... Die trügerische Einfachheit von embedded SAP BW ... 457

       13.2 ... Fallbeispiel: Wenn das Reporting mit embedded SAP BW zum Bremsklotz wird ... 459

       13.3 ... Der strategische Ausweg: Ein separates Data Warehouse ... 461

       13.4 ... Die Roadmap ... 463

       13.5 ... Zusammenfassung ... 463

14.  Status quo: Einsatz von Databricks Enterprise ... 465

       14.1 ... Technologischer Hintergrund von Databricks Enterprise ... 465

       14.2 ... Entscheidungsfaktor Data Gravity ... 467

       14.3 ... SAP Databricks vs. Databricks Enterprise ... 469

       14.4 ... Databricks Enterprise und SAP Databricks mit SAP verbinden ... 470

       14.5 ... Zero Copy Data Sharing im Einsatz ... 475

       14.6 ... Zusammenfassung ... 477

15.  Status quo: Probleme mit der Datenqualität ... 479

       15.1 ... Die Ausgangslage: Schlechte Datenqualität ... 479

       15.2 ... Qualitätsdimensionen für Daten ... 480

       15.3 ... Ein Datenqualitätsprojekt umsetzen ... 482

       15.4 ... Vector Engine ... 484

       15.5 ... Zusammenfassung ... 489

16.  Status quo: Historische Datenmengen ... 491

       16.1 ... Historische Datenmengen im SAP-Ökosystem -- damals und heute ... 492

       16.2 ... Praxisbeispiel mit SAP Datasphere Finance ... 497

       16.3 ... Zusammenfassung ... 506

17.  Status quo: Kundeneigene Datenprodukte ... 507

       17.1 ... Was sind kundeneigene Datenprodukte? ... 507

       17.2 ... Anwendungsfall: Datenprodukte mit externen Datenplattformen teilen ... 513

       17.3 ... Zusammenfassung ... 515

18.  Die SAP Business Data Cloud als einheitliche Datenquelle für Business AI ... 517

       18.1 ... Was ist Business AI? ... 517

       18.2 ... Die SAP BDC als einheitliche Datenbasis für Business AI ... 519

       18.3 ... SAP Business AI Portfolio ... 522

       18.4 ... Finance-Praxisbeispiel ... 525

       18.5 ... Zusammenfassung ... 526

19.  Stammdatenharmonisierung mit KI ... 527

       19.1 ... Einführung in die Stammdatenharmonisierung mit KI ... 528

       19.2 ... Fachliche Grundlage der Stammdatenharmonisierung ... 529

       19.3 ... Stammdatenharmonisierung mit KI-Methoden umsetzen ... 531

       19.4 ... Stammdatenharmonisierung mit SAP Databricks und Python umsetzen ... 535

       19.5 ... Anwendungsfälle für KI-gestützte Stammdatenharmonisierung in der SAP BDC ... 538

       19.6 ... Risiken, Grenzen und Erfolgsfaktoren ... 541

       19.7 ... Zusammenfassung und Ausblick ... 543

20.  Seamless Consolidation basierend auf der SAP Business Data Cloud ... 545

       20.1 ... Bestehende SAP-Konsolidierungslösungen ... 545

       20.2 ... NDC Financial Consolidation ... 548

       20.3 ... Zusammenfassung ... 558

21.  Status quo: Manuelle Absatzmengenplanung ablösen ... 559

       21.1 ... Ausgangssituation der Absatzmengenplanung ... 559

       21.2 ... Die aktuelle Praxis und ihre Nachteile ... 560

       21.3 ... Absatzmengenplanung in der SAP BDC ... 564

       21.4 ... Zusammenfassung ... 566

22.  Wie Sie mit der SAP Business Data Cloud starten können ... 569

       22.1 ... Der Erfolgsfaktor für Ihr SAP-BDC-Projekt ... 569

       22.2 ... Lücken im SAP-BDC-Funktionsumfang ... 574

       22.3 ... Zusammenfassung ... 577

Anhang.   ... 579

       A ... Vorlage für ein Positionspapier: Das datenintelligente Unternehmen schaffen ... 579

  Das Autorenteam ... 591

  Index ... 593

Über Autor(innen)

Essers, Manuel
Manuel Essers ist SAP Analytics Manager und CoE Lead of SAP Planning & Analytics bei valantic. Seit über acht Jahren liegt sein Fokus auf der Unternehmensplanung und der Optimierung datengetriebener Prozesse. Als Experte für SAP Analytics Cloud unterstützt er Unternehmen bei der Einführung und Weiterentwicklung moderner Planungs- und Reporting-Lösungen. Im Zuge seines wirtschaftswissenschaftlichen Studiums in München, Singapur und Rotterdam sowie begleitende Stationen in der Finanz- und IT-Branche hat er internationale Erfahrung, strategisches Denken und technisches Know-how aufgebaut, die er aktiv einbringt, um Unternehmen zukunftsfähig zu gestalten.

Beckmann, Marcel
Marcel Beckmann ist SAP Analytics Manager und Lead xData bei der valantic. Mit über einem Jahrzehnt Erfahrung im Bereich Business Intelligence und Data Warehousing hat er sich als ausgewiesener Experte für SAP-Datenplattformen etabliert. Als gefragter Referent teilt er sein Wissen regelmäßig auf Fachkonferenzen und in Webinaren und berät Unternehmen bei der Migration von traditionellen SAP-BW-Systemen zu modernen Cloud-Lösungen.

Marx, Victoria-Sophie
Victoria-Sophie Marx arbeitet als SAP Analytics Consultant bei valantic und ist spezialisiert auf SAP Datasphere. Sie bringt fundierte Erfahrung in der Umsetzung datengetriebener Lösungen mit und hat bereits zahlreiche innovative KI Use Cases in Kombination mit SAP Datasphere und SAP Analytics Cloud realisiert. Ihr Fokus liegt darauf, komplexe Datenanforderungen in praxisnahe und geschäftsrelevante Lösungen zu übersetzen.

Blinkmann, Stefan
Stefan Blinkmann ist Head of SAP Analytics bei valantic. Vor 25 Jahren begann er seine Karriere als SAP-BW-Berater und war für eine Vielzahl von BI-Projekten verantwortlich. 2008 wechselte er in eine Inhouse-Position und führte ein globales Data Warehouse inklusive Planung und legaler Konsolidierung ein, etablierte ein BICC und war als IT-Abteilungsleiter für die globale SAP-Landschaft verantwortlich. Seit 2018 leitet er das SAP-Analytics-Geschäft bei valantic.

Schmidtke, Jessica Christin
Jessica Christin Schmidtke ist Beraterin für Business Analytics mit einem akademischen Hintergrund in Controlling und Wirtschaftsinformatik. Sie verfügt über umfassende Kenntnisse und Fähigkeiten in strategischer Datenanalyse, Dashboard-Entwicklung, Projekt- und Kundenmanagement sowie Prozessoptimierung. Durch ihre Berufserfahrung und ihr breites Methodenspektrum bringt sie wertvolle Impulse in Kundenprojekte für datengetriebene Business Analytics.