Kästner / Bührig / Holm SAP Data Intelligence

Das umfassende Handbuch
1. Auflage 2021
ISBN: 978-3-8362-8265-9
Verlag: Rheinwerk
Format: EPUB
Kopierschutz: 0 - No protection

E-Book, Deutsch, 611 Seiten

Reihe: SAP Press

Über dieses Buch

Lernen Sie SAP Data Intelligence kennen! Mit dem Nachfolger von SAP Data Hub koordinieren und integrieren Sie Big Data nicht nur, Sie können sie auch mit Machine Learning weiterverarbeiten. Damit Sie alle Funktionen kennen , die für Ihr Unternehmen wichtig sind, führt Sie das Autorenteam Schritt für Schritt durch die Anwendungen . Von der Dokumentation datenschutzrelevanter Ereignisse über die Modellierung von Datenflüssen bis hin zur Benutzerverwaltung lernen Sie alles, was Sie wissen müssen.

Aus dem Inhalt:

• Business Intelligence und Predictive Analytics
• Audit Log Viewer
• Connection Management
• Customer Data Export
• License Management
• Metadata Explorer
• Modeler
• Monitoring
• Policy Management
• System Management
• Vora Tools
• ML Scenario Manager

Autoren/Hrsg.

Kästner, Alexander

Bührig, Maren

Holm, Janina

Klee, Dominik

Löbbert, Michael

Scherbinek, Marcel

Schmid, Vincent

Inhaltsverzeichnis

  Einleitung ... 15

TEIL I  Einführung ... 21

  1.  Geänderte Rahmenbedingungen für das Datenmanagement ... 23

       1.1 ... Digitalisierung ... 24

       1.2 ... Aktuelle Herausforderungen für das Datenmanagement ... 36

       1.3 ... Von Business Intelligence zu Predictive Analytics ... 41

       1.4 ... Einsatz von Machine Learning und künstlicher Intelligenz ... 53

       1.5 ... SAPs Umgang mit der neuen Datenflut ... 58

       1.6 ... Zusammenfassung ... 63

  2.  Relevante Technologien für das Datenmanagement ... 67

       2.1 ... Evolution des Datenmanagements ... 68

       2.2 ... Das SAP-Technologieportfolio für das Datenmanagement ... 80

       2.3 ... Zusammenfassung ... 92

  3.  Einführung in SAP Data Intelligence ... 95

       3.1 ... Was ist SAP Data Intelligence? ... 95

       3.2 ... Funktionen von SAP Data Intelligence im Überblick ... 99

       3.3 ... Betrieb und Administration der Applikationen ... 104

       3.4 ... Entwicklung von Datenflüssen ... 105

       3.5 ... Machine-Learning-Szenarien ... 111

       3.6 ... Zusammenfassung ... 112

TEIL II  Funktionen von SAP Data Intelligence ... 113

  4.  Connection Management ... 115

       4.1 ... Einführung in das Connection Management ... 115

       4.2 ... Verbindungen zu SAP-Systemen ... 127

       4.3 ... Verbindungen zu Datenbanken ... 130

       4.4 ... Verbindungen zu cloudbasierten Systemen ... 131

       4.5 ... Technische Verbindungen ... 136

       4.6 ... Zusammenfassung ... 137

  5.  Metadata Explorer ... 139

       5.1 ... Einführung in den Metadata Explorer ... 140

       5.2 ... Funktionsbereich »Catalog« ... 150

       5.3 ... Funktionsbereich »Rules« ... 192

       5.4 ... Funktionsbereich »Business Glossary« ... 210

       5.5 ... Administration, Monitor und Einstellungen ... 217

       5.6 ... Zusammenfassung ... 229

  6.  Modeler ... 231

       6.1 ... Einführung in den Modeler ... 232

       6.2 ... Operatoren ... 235

       6.3 ... Graphen modellieren ... 270

       6.4 ... Zusammenfassung ... 295

  7.  Customer Data Export ... 297

       7.1 ... Einen Export durchführen ... 298

       7.2 ... Ergebnis eines Exports ... 300

       7.3 ... Zusammenfassung ... 302

  8.  Vora Tools ... 303

       8.1 ... Einführung in die Vora Tools ... 304

       8.2 ... Verarbeitung von Daten aus unterschiedlichen Quellsystemen ... 308

       8.3 ... Zusammenfassung ... 324

  9.  Policy Management ... 325

       9.1 ... Berechtigungsverwaltung in SAP Data Intelligence ... 325

       9.2 ... Standard-Policys ... 331

       9.3 ... Eigene Policys und Berechtigungen erstellen ... 334

       9.4 ... Zusammenfassung ... 339

10.  System Management ... 341

       10.1 ... Einführung in das System Management ... 342

       10.2 ... Applikationen verwalten ... 343

       10.3 ... Benutzer verwalten ... 352

       10.4 ... Dateien verwalten ... 358

       10.5 ... Strategien und Lösungen verwalten ... 365

       10.6 ... Zusammenfassung ... 371

11.  Monitoring ... 373

       11.1 ... Zielsetzung der Monitoring-Funktionen in SAP Data Intelligence ... 373

       11.2 ... Monitoring mit der Monitoring-Applikation ... 374

       11.3 ... Monitoring im Modeler ... 388

       11.4 ... Zusammenfassung ... 395

12.  Audit Log Viewer ... 397

       12.1 ... Datenschutzrelevante Ereignisse zugänglich machen ... 398

       12.2 ... Auswertungsmöglichkeiten ... 400

       12.3 ... Zusammenfassung ... 403

13.  License Management ... 405

       13.1 ... Verwaltung von Lizenzen ... 405

       13.2 ... Messung lizenzpflichtiger Aktivitäten ... 407

       13.3 ... Zusammenfassung ... 409

14.  Applikationen für Machine Learning ... 411

       14.1 ... Machine-Learning-Szenarien entwickeln ... 412

       14.2 ... ML-Applikationen im Überblick ... 426

       14.3 ... Einsatz von Jupyter Notebooks ... 458

       14.4 ... Zusammenfassung ... 471

TEIL III  Einsatzszenarien für SAP Data Intelligence ... 473

15.  Beispielszenario ... 475

       15.1 ... Überblick über das Beispielszenario ... 475

       15.2 ... Benutzer im System Management anlegen ... 479

       15.3 ... Kundeneigene Policys im Policy Management erstellen ... 481

       15.4 ... Systemverbindungen im Connection Management anlegen ... 487

       15.5 ... Daten im Metadata Explorer anreichern ... 490

       15.6 ... Graph im Modeler modellieren ... 517

       15.7 ... ML-Szenario im ML Scenario Manager erstellen ... 541

       15.8 ... Export und Einplanung des Graphen im System Management ... 563

       15.9 ... Zusammenfassung ... 569

16.  Beispiele für weitere Einsatzmöglichkeiten ... 571

       16.1 ... Integration von Clouddatenquellen ... 571

       16.2 ... Systemübergreifende Modellierung von Datenflüssen ... 574

       16.3 ... Globales Datenmanagement ... 577

       16.4 ... Professionelles Machine Learning ... 581

       16.5 ... Zusammenfassung ... 583

17.  Ausblick auf die weitere Produktentwicklung ... 585

       17.1 ... Schnittstellen und Integration ... 586

       17.2 ... Metadaten und Governance ... 588

       17.3 ... Modellierung von Graphen ... 589

       17.4 ... Administration ... 590

       17.5 ... Zusammenfassung ... 591

Anhang A.  Quellen- und Literaturverzeichnis ... 593

Anhang B.  Das Autorenteam ... 595

  Index ... 599

Leseproben

Einleitung

Im Bereich Informationsmanagement hat insbesondere die technologische Weiterentwicklung von Hardware und Software zu einer Steigerung der Leistungsfähigkeit der eingesetzten Systeme geführt. Die Menge der erschlossenen und bereitgestellten Informationen ist in der Vergangenheit gewachsen. Informationen werden nicht mit auf einer höheren Granularität erhoben, sondern auch in sich stetig verkürzenden Zeiträumen aktualisiert und den Informationsempfängern bereitgestellt.

Das sogenannte Echtzeitreporting ist in den letzten Jahren zu einer weit verbreiteten Anforderung geworden. Zwar sind Geschäftsdaten vom Vortag in vielen Fällen noch absolut hinreichend bei der Entscheidungsfindung, die Agilität und Geschwindigkeit des Internetzeitalters erfordern es aber, immer schneller Entscheidungen zu treffen und geeignete Maßnahmen zu identifizieren. Die immer größer werdende Flut von Daten und die sich parallel immer weiter reduzierende Bereitstellungszeit der hieraus kondensierten entscheidungsrelevanten Informationen führen zu einer sich immer schneller drehenden Spirale der Komplexität.

Trotz dieser offensichtlichen Entwicklungen ist bisher kein Trend zu spüren, dass sich Menschen eine Verlangsamung wünschen, ganz im Gegenteil: Fast täglich kommen neue Quellen und zusätzliche Begehrlichkeiten hinzu, und die Spirale dreht sich munter weiter.

Der fast allgegenwärtige Einsatz mobiler Endgeräte und die immer stärkere Vernetzung von Menschen und Systemen im Internet der Dinge (Internet of Things, IoT) trägt in diesem Zusammenhang zu einer weiteren Beschleunigung dieses Prozesses bei. Ein wesentliches Merkmal ist hierbei die Abkehr von der klassischen Analyse vergangenheitsbezogener Daten. Heute werden vergangenheitsbezogene Analysen genutzt, um Prognosen für Zeiträume in der Zukunft auf Basis von Mustern vorzunehmen. Die identifizierten Muster werden auf aktuelle Vergleichszeiträume übertragen. So kann z. B. die Entwicklung von Abverkäufen oder Umsätzen auf Basis statistischer Verfahren errechnet werden.

Diese Entwicklung ist sowohl aus Sicht der Fachbereiche von Unternehmen als auch aus Sicht der IT-Abteilungen begrüßenswert. Wir beschäftigen anders als in den frühen Jahren des Data Warehousing nicht mehr mit technischen Rahmenbedingungen, sondern mit maschinell automatisiert aufbereiteten Informationen.

Für SAP-Kunden nehmen solche Fragestellungen mehr und mehr an Bedeutung zu. In der Vergangenheit hat man sich auf eine heterogene Softwareauswahl für Aufgaben wie die Extraktion strukturierter Daten, die Aufbereitung unstrukturierter Daten und die Orchestrierung von Datenströmen aus unterschiedlichen Systemen stützen müssen. SAP hat nun mit SAP Data Intelligence eine neue Software auf den Markt gebracht, die einen ganzheitlichen Lösungsansatz für die genannten Aufgaben verfolgt. Die Software ist sowohl als Cloudangebot als auch zur On-Premise-Installation verfügbar und bietet Ihnen somit die notwendige Flexibilität. Der Trend hin zur Nutzung von Cloudlösungen hält jedoch auch hier Einzug.

Mit SAP Data Intelligence bietet SAP seinen Kunden die Möglichkeit, alle Informationsflüsse im Unternehmen zu modellieren und zu überwachen. Es werden vielfältige Aufgabenstellungen mit einer Lösung abgedeckt.

Dieses Buch basiert auf der Version SAP Data Intelligence 3.0.24 nebst den jeweils gültigen Patches für Betriebssysteme und Browser. Wir haben in der Test- und Demonstrationslandschaft der PCS Beratungscontor AG ein eigenes On-Premise-System zur Verfügung gehabt. Wir empfehlen Ihnen die im Buch gezeigten Schritte in Ihrer eigenen Systemumgebung nachzuvollziehen. Ob dies eine On-Premise- oder Cloudinstallation ist, ist rein funktional betrachtet zunächst einmal unerheblich. Idealerweise verfügen Sie auf Ihrem SAP-Data-Intelligence-System über umfängliche Berechtigungen, um möglichst viele der in diesem Buch beschriebenen Schritte nachvollziehen können.

Quickstart unter Nutzung des Partner-Contents für SAP Data Intelligence

Einen besonders schnellen Einstieg ist über den von SAP-Partnern bereitgestellten Content für SAP Data Intelligence in Form von exemplarischen Projektlösungen möglich. Auch die PCS Beratungscontor AG hat zu diesem sogenannten Partner-Content beigetragen. Mithilfe einer einsatzbereiten Lösung können Sie über vordefinierte Graphen und optimierte Beispieldaten erste Erfolge mit SAP Data Intelligence und Machine Learning sammeln. Weitere Informationen dazu finden Sie unseren Blogbeitrag in der SAP Community unter folgender URL: http://s-prs.de/v772405.

An dieser Stelle finden Sie auch Links zu weiteren Inhalten für SAP Data Intelligence von der SAP oder anderen SAP-Partnerunternehmen.

Dieses Buch richtet sich an alle Interessierten, die sich mit der systemübergreifenden Informationsverarbeitung sowie mit der strategischen Planung von Informationsflüssen beschäftigen. Wir möchten sowohl Einsteiger*innen eine Einführung in die praktische Umsetzung von Datenmanagementszenarien geben als auch Betriebsverantwortlichen wichtige Erkenntnisse ermöglichen. Insbesondere das in diesem Buch vorgestellte Fallbeispiel ermöglicht es Ihnen, die einzelnen Schritte im Detail nachzuvollziehen. Sie werden durch alle notwendigen Arbeitsschritte geführt.

Die einzelnen Funktionalitäten werden im Rahmen dieses Buches erklärt. Die Inhalte dieses Buches sind in drei Teile gegliedert.

Teil I, »Einführung«, bildet die Grundlage für die Beschäftigung mit SAP Data Intelligence. Hier beschreiben wir die wesentlichen fachlichen und technologischen Rahmenbedingungen und nehmen eine grundlegende Einordnung der relevanten Themen in den für dieses Buch relevanten Kontext vor.

Für die Darstellung der Funktionalitäten von SAP Data Intelligence ist es notwendig, auch die sich ändernden Rahmenbedingungen genauer zu betrachten. Kapitel 1, »Geänderte Rahmenbedingungen für das Datenmanagement«, führt in die aktuellen Entwicklungen in den Bereichen Business Intelligence, Predictive Analytics, Machine Learning und künstliche Intelligenz ein.

In Kapitel 2, »Relevante Technologien für das Datenmanagement«, werden notwendige technologische Grundlagen behandelt. Im Zeitalter von Big Data und IoT müssen sich Unternehmen neuen Technologien und Konzepten stellen und diese für ihre Zwecke optimal einsetzen. Dieses Kapitel führt auch in die relevanten SAP-Produkte für diesen Themenbereich ein.

Als Einstieg in die Software finden Sie in Kapitel 3, »Einführung in SAP Data Intelligence«, einen Kurzüberblick über alle relevanten Funktionen. Sie erfahren, welche Funktionalitäten verfügbar sind und welche wesentlichen Leistungsmerkmale hervorzuheben sind.

In Teil II, »Funktionen von SAP Data Intelligence«, werden die einzelnen Applikationen von SAP Data Intelligence vorgestellt. Anhand von Screenshots und Beschreibungen lernen Sie die Software Stück für Stück kennen.

Grundlage für alle Schritte der Informationsverarbeitung ist die Verbindung zu den Datenquellen. Welche es gibt und wie Sie diese konfigurieren, erläutern wir in Kapitel 4, »Connection Management«.

Für die Strukturierung von Informationen ist eine detaillierte Analyse unablässig. Ohne ein klares Verständnis von den Inhalten der Datenquellen ist eine Weiterverarbeitung schlichtweg unmöglich. Wie Sie dieses Verständnis mit dem Metadata Explorer erlangen, zeigen wir in Kapitel 5, »Metadata Explorer«.

Zentraler Bestandteil einer Entwicklungsumgebung im Bereich Business Intelligence ist immer der Bereich der Modellierung. Kapitel 6, »Modeler«, beschreibt die hierzu zur Verfügung stehenden Objekte und deren Handhabung in SAP Data Intelligence.

Kapitel 7, »Customer Data Export«, stellt die Exportmöglichkeiten für Daten in SAP Data Intelligence vor.

SAP Data Intelligence verfügt auch über eine eigene Datenbank für die Prozessierung großer Datenmengen auf Basis von SAP Vora. Welche Möglichkeiten es hier gibt, erfahren Sie in Kapitel 8, »Vora Tools«.

Wie Sie Berechtigungen innerhalb von SAP Data Intelligence vergeben und verwalten, erfahren Sie in Kapitel 9, »Policy Management«.

Die Administration der einzelnen Komponenten des Systems sowie der Benutzerkonten wird in Kapitel 10, »System Management«, dargestellt.

Die Überwachung der entwickelten Datenflüsse und Systemobjekte sowie der Auslastung als Grundlage für Optimierungen und Fehleranalysen wird in Kapitel 11, »Monitoring«, erläutert.

Kapitel 12, »Audit Log Viewer«, beschreibt den Funktionsumfang für das Auditing und die Überwachung von datenbezogenen Prozessen.

...

Über Autor(innen)

Schmid, Vincent
Vincent Schmid ist Consultant im Bereich Business Intelligence bei der PCS Beratungscontor AG mit Schwerpunkten in Data Warehousing und Data Science. Besonders in der BW- und HANA-Entwicklung sammelte er umfangreiche Praxiserfahrungen. Kenntnisse der Frontend-Tools (SAP Analysis for Microsoft Office und SAP Analytics Cloud) und Backend-Lösungen (SAP BW und SAP HANA) vervollständigen sein Profil. Seine Leidenschaft gilt hier insbesondere neuen Technologien und Data Science.

Bührig, Maren
Maren Bührig blickt auf mehrjährige Erfahrung im Projekt- und Anwendungsmanagement zurück. Neben der Bearbeitung von Anforderungen im Data-Warehouse-Umfeld verantwortet sie als Senior Consultant den Betrieb und die Weiterentwicklung von Business-Intelligence-Anwendungen für zahlreiche Kunden der PCS Beratungscontor AG. Zusätzlich zu ihren umfassenden Kenntnissen in der Datenanalyse, -modellierung und -extraktion besitzt sie insbesondere im Incident Management weitreichende Praxiserfahrung. Die Optimierung von Business-Intelligence-Anwendungen und der zugehörigen Prozessabläufe ist dabei ihr Steckenpferd.

Scherbinek, Marcel
Marcel Scherbinek ist Business-Intelligence-Experte mit den Themenschwerpunkten SAP BW, SAP HANA und SAP Predictive Analytics sowie Machine Learning. Bei der PCS Beratungscontor AG tritt er als Senior Consultant mit Verantwortung für das Thema Machine Learning auf und kann mittlerweile auf über zehn Jahre Praxiserfahrung in verschiedenen Business-Intelligence- und Data-Warehouse-Projekten zurückblicken. Aktuell berät er eine Vielzahl an Kunden zu Architektur und Prototyping von Machine-Learning-Lösungen mit SAP.

Löbbert, Michael
Michael Löbbert ist Management Consultant und Leiter der Münchener Niederlassung der PCS Beratungscontor AG. Er blickt auf mehrjährige Erfahrung aus diversen Kundenprojekten zurück, in denen er als Projektleiter, Architekt und Trainer für die Planung, Konzeption, Realisierung und den Betrieb umfangreicher Business-Intelligence-Systeme verantwortlich war. Dabei arbeitete er in agilen und komplexen Projektumfeldern. Weitere Schwerpunkte von Michael Löbbert sind die strategische Business-Intelligence-Beratung sowie das strategische und operative Reporting unter Berücksichtigung der IBCS®-Standards.

Holm, Janina
Janina Holm verfügt über breites Prozess-Know-how, insbesondere im Finance-/Controlling-Umfeld. Ihre technischen Schwerpunkte umfassen die Konzeption, Modellierung und Implementierung von Datenmodellen in SAP BW/4HANA und nativen Data Warehouses (DWH). Als Senior Consultant für die PCS Beratungscontor AG verantwortet sie auf Basis ihrer langjährigen Praxiserfahrung die Planung und Steuerung sogenannter Greenfield-Projekte. Über die DWH-Architektur, -Konzeption und -Umsetzung hinaus unterstützt sie Kunden methodisch strukturiert im Projektmanagement für komplexe, datengetriebene Initiativen.

Klee, Dominik
Dominik Klee ist als Consultant mit den Schwerpunkten Change Management und Entwicklung der SAP-BI/BW-Architektur bei der PCS Beratungscontor AG tätig. Neben der Implementierung von Datenextraktionen und -flüssen in Mixed Scenarios auf Basis von SAP BW auf SAP HANA und SAP BW/4HANA besitzt er Erfahrung in den Bereichen Application Management und Support. Dominik Klee legt seinen fachlichen Schwerpunkt auf die Optimierung von Business-Intelligence-Prozessen in der Logistik. Zu seinen Aufgaben zählen u.a. Datenanalyse, -modellierung und Reportdesign für das Vertriebs-Reporting, das Reporting der Vertriebsplanung für den Innen- und Außenabsatz und das Einkaufs-Reporting.

Kästner, Alexander
Alexander Kästner verfügt über umfangreiche Expertise in der Führung komplexer Projektorganisationen und Implementierungen im SAP-Business-Intelligence-Umfeld. Nach Tätigkeiten bei verschiedenen Beratungshäusern ist er seit 2015 bei der PCS Beratungscontor AG für die strategische Geschäftsfeldentwicklung zuständig. 2019 wurde er dort in den Vorstand berufen und zeichnet nun für die Bereiche Business Development, Human Ressources und Delivery verantwortlich. Neben der aktiven Projektarbeit tritt Alexander Kästner als Referent auf Fachkongressen und Messen auf.