SAP Analytics
So nutzen Unternehmen Ihre Chancen
80% des Aufwands eines typischen Analytics-Projekts entstehen durch das Wiederherstellen des Kontexts, der verloren gegangen ist. Zugleich wird die weltweite Datenmenge in Zukunft um ca. 27% pro Jahr wachsen. Diese Entwicklung wird enorme Auswirkungen auf Unternehmen haben, ihnen aber gleichzeitig auch große Chancen bieten. Allerdings sind Sie mit SAP Analytics und der In-Memory-Technologie von SAP HANA gut darauf vorbereitet. Wir unterstützen Sie bei der Umstellung auf diese Technologien und kennen uns bestens mit dem Zusammenspiel dieser beiden SAP Technologien aus.
Zusammenspiel aus Fachlichkeit und Technologie
Alles aus einer Hand
Damit bekommen unsere Kunden alles aus einer Hand und schätzen diesen Vorteil sehr. Wir sind ein Partner, auf den Sie sich in allen Phasen des Projektes bis zur produktiven Verwendung der Lösung und auf Wunsch auch darüber hinaus verlassen können. Unsere Kunden profitieren von unserem ganzheitlichen Ansatz, der von der Anforderungsspezifikation über Architektur- und Basisunterstützung bis zur Entwicklung und Berichterstattung reicht.
Herausforderungen in SAP Analytics-Projekten
Die Top 6 Herausforderungen in SAP Analytics-Projekten:
- Wiederherstellung des Kontexts
- Ständiges Wachstum der Unternehmensdaten
- Erhöhung der Komplexität von Datenstrukturen
- Echtzeitreporting vs. Datenqualität
- Self-Service
- Datenschutz und Datensicherheit
Data Warehousing
SAP Datasphere (BTP)
SAP Datasphere ist nicht ein neues BW in der Cloud. Datasphere bedeutet eine Revolution für die SAP Analytics Landschaft. Das Zusammenspiel zwischen der BTP und Datasphere ermöglicht maximalen Nutzen führ die Anwender und die IT.
Vorteile
Datasphere Spaces ermöglichen es, die Trennung zwischen Datenbereichen und Business-Usern selbst zu modellieren und ihre Datenprodukte zu definieren. Dies geschieht in einem geschützten Raum, der eigenständig Ressourcen, Verbindungen, Daten und Zugriffe verwaltet. Dies fördert die Daten-Demokratisierung und bietet zugleich Stabilität durch die eigenständigen Ressourcen eines Spaces.
Nutzen Sie den Data Marketplace zum Austausch von Daten in Ihrem Unternehmen oder mit externen Anbietern.
Datasphere verfügt über eine Vielzahl von Connectors zur einfachen Anbindung von Datenquellen. Sollten diese nicht ausreichen, steht mit der SAP Integration Suite die passende Ergänzung zur Verfügung. Datasphere bietet mit dem Semantic Onboarding eine Funktion an, die es ermöglicht, den Kontext der Quellsysteme einfach zu übernehmen. Integration beduetet in Datasphere aber nicht nur Daten zu konsumieren. Die Datenprodukte können auch in andere Systeme weitergeschrieben werden zum Beispiel in ein Data Lakehouse wie Databricks.
Datasphere bietet in Zusammenarbeit mit Collibra eine Data Governance über SAP und Non-SAP Systeme hinweg.
Technologisch beruht Datasphere auf der performanten SAP HANA Cloud ergänzt um den SAP HANA Data Lake. Diese werden stetig weiter verbessert und ermöglicht nun in Zusammenspiel mit Datasphere die Analyse von unstrukturierten Daten durch die Vector Engine und die verbesserte Nutzung von KI. Auch die Abfragen auf strukturierte Daten profitieren durch weniger Halluzinationen mit Hilfe des Knowledge Graph, der mehr Kontext liefert und automatisch Daten vernetzt. Diese Vorteile erweitern den Nutzerkreis im Vergleich zu einem klassischen Data Warehouse.
Die Konsumenten sind nicht mehr nur die Empfänger von Reports und Planner. Datasphere ermöglicht Data Scientist Zugriff auf Rohdaten, die Verwendung von Python oder R sowie die Nutzung von KI. Insbesondere durch die neuen Nutzungsmöglichkeiten von KI, wird die Datenqualität noch wichtiger. Damit die Anwender vertrauenswürdige Daten Produkte beziehen können, bildet Datasphere das Herz einer Data Fabric Strategie. Das erfordert aber auch ein Umdenken und neue Verantwortlichkeiten in den Unternehmen, bei denen die Datensilos aufgebrochen werden müssen.
Migration BW nach Datasphere und hybride Landschaften
SAP lässt uns die Zeit nach Datasphere zu migrieren. Allerdings sollte man jetzt bereits starten, um von den Neuerungen zu profitieren und den Business Usern einen echten Mehrwert zu liefern.
SAP BW/4HANA
SAP BW/4HANA ist eine auf SAP HANA basierende Data-Warehouse-Lösung. Mit SAP BW/4HANA schneidet SAP alle alten Zöpfe von SAP BW on HANA ab und schafft eine vollständig neue Lösung. Dabei müssen alte Datenmodelle migriert werden um weiterhin genutzt werden zu können. Eine Umstellung auf SAP BW/4HANA ist also kostspielig, aufwendig und risikoreich. Wenn Sie sich jetzt in der Situation befinden, dass Sie Ihr altes Warehouse ablösen müssen, bedenken Sie bitte, dass BW/4HANA ebenfalls eine auslaufende Version ist. Wir beraten Sie hierzu gerne.
Mixed Architecture Projekte
Auch hier kennen wir die Risiken und Lösungen wie etwa die sich bietenden Modellierungsmöglichkeiten in Bezug auf SAP BW- und HANA-Objekte. Diese müssen von Anfang an anhand von Datenmodellierungsrichtlinien klar definiert sein, damit das System einheitlich bleibt. Außerdem wenden wir abhängig vom Quellsystem (SAP oder non-SAP) die neuesten Methodiken des Data Provisioning an.
Welche Data Warehouse-Lösung ist die Beste für Sie?
Gerne unterstützen wir Sie mit unserer Erfahrung bei der Tool-Auswahl.
Visualisierung & individuelle Frontends
Für die Datenvisualisierung gibt es sehr viele Tools und Möglichkeiten. Allerdings gibt es auch große Unterschiede zwischen den Lösungen. Wir stellen Ihnen mit der SAP Analytics Cloud (SAC) und SAP BusinessObjects Business Intelligence zwei Tools der SAP vor, von denen wir überzeugt sind. Zumal bei beiden Tools sowohl die Anbindung an die Datenquellen als auch die Administration zu unsern Kernkompetenzen gehören.
SAP Analytics Cloud für Planung und Analyse (SAC)
Die SAP Analytics Cloud ist ein Self-Service Business Analytics Tool. Sie ermöglicht sowohl das Analysieren und Visualisieren der aktuellen Situation als auch das Erstellen intelligenter Planungen, dank ihres umfangreichen Prognosetools. Darüber hinaus unterstützt sie Predictive Analytics und KI. Die In-Memory-Technologie von SAP HANA und Machine Learning erlaubt die Erstellung von Prognosen auf Basis von Echtzeit-Daten. Die Besonderheit der SAC liegt in der Kombination von Planung und Analyse. Nutzer können basierend auf den vorhandenen Daten ihre Planung durchführen und direkt in die Systeme zurückschreiben. Seit der Einführung im Jahr 2015 hat sich die SAC enorm schnell weiterentwickelt und ist nun, auch dank des Planungs-Features, einen Schritt voraus.
All das wird, wie der Name schon sagt, vollständig in der Cloud zur Verfügung gestellt und ermöglicht einen sehr flexiblen Zugang und Datenzugriff. Die Self-Service Funktionalitäten zeigen sich beispielsweise an der Erstellung von Analysen und Berichten, die über Stories und Modelle auch für Fachanwender ohne Programmierkenntnisse sehr einfach zu handhaben sind.
Somit ermöglicht ihnen die SAC ihre Anwendung nahezu komplett in den Fachbereich zu verlagern. Dieser kann dann mithilfe von KI durch Just Ask automatische Erkenntnisse aus den Daten gewinnen. Ein Beispiel wäre die Abfrage des Umsatzes in den USA. Diese Funktionen werden kontinuierlich erweitert und sollen in Zukunft die Erstellung von Stories in SAC automatisieren.
- Um die Self-Service-Funktionalitäten voll auskosten zu können, ist eine Unterstützung der SAC-Designer seitens der IT sehr wichtig. Ebenso ist dafür ein robustes und detailliertes Berechtigungskonzept essenziell.
- Bei einer Live-Verbindung sind Kenntnisse über die Datenquelle ratsam. Außerdem sollten die darunterliegenden Queries sehr performant sein, ansonsten leidet das Bauen der Stories darunter.
- Für viele fachlichen Anforderungen ist eine Optimierung des Backends (Data Mart Layer) notwendig.
- Um Reporting und Layout zu vereinheitlichen sind zentral vorgegebene Templates essentiell.
- Mithilfe von fachlichen Dokumentationen von Modellen und Datenquellen können Endanwendern schnell eigene Stories bauen. Somit erhöhen Sie das Vertrauen in die Lösung.
- Neue Funktionalitäten und Anpassungen im Layout, die quartärlich von der SAP zur Verfügung gestellt werden, sollten allen Benutzern kommuniziert werden.
Embedded Analytics
Für Analytics nahe an der Quelle der Daten eignet sich Embedded Analytics. Profitieren Sie von analytischen und transactionalen Daten in einem System und behalten Sie die Vorzüge eines Clean Core:
- Konfigurierbare KPIs
- Rollenbasierte "Übersichtsseiten" und Cockpits
- Insight-to-Action-Fähigkeit: Analysieren und Lösen
- Historische Daten für Simulationen und Vorhersagen
- Flexibles Drill Down für maximale Transparenz
- Optimierung von Geschäftsprozessen im ERP durch tiefe Integration von operativen Analysedaten
SAP BusinessObjects Business Intelligence
SAP BusinessObjects Business Intelligence bezeichnet eine Suite, die als zentrale Stelle das Datenreporting, die Datenvisualisierung und den Datenaustausch ermöglicht. Sie wird on-Premise als BI-Schicht für die SAP Platform Business Technology Platform betrieben und versorgt ihre Anwender mit entscheidungsunterstützenden Informationen.
Die Suite fördert die selbstständige Daten-Analyse ihrer Anwender im Self-Service und steigert damit die Entscheidungsfindung im Unternehmen. Gleichzeitig senkt sie den Aufwand im IT-Bereich.
- Die SAP BusinessObjects BI Suite als Integration verschiedener Tools für alle Anforderungen.
- Mit SAP Analysis for Office Excel-Daten einfach analysieren und konsistent halten.
- SAP Lumira für die optimale Visualisierung Ihrer Daten.
- Dank SAP BusinessObjects Mobile jederzeit mobilen Zugriff vom Smartphone.
SAP Analytics
Wir unterstützen Sie gerne bei der Erschaffung einer nachhaltigen Lösung mit niedrigen Wartungskosten. Dabei setzen wir auf die methodische Anwendung der SAP Best Practices und des SAP Standards sowie auf unsere zahlreichen Erfahrungen.