Jürgen Noe - Praxishandbuch SAP Business Warehouse mit BW/4HANA

Jürgen Noe

Praxishandbuch SAP ®Business Warehouse mit BW/4HANA

Jürgen Noe

Praxishandbuch SAP ® Business Warehouse mit BW/4HANA

ISBN:978-3-96012-027-8 (E-Book)

Lektorat:Monika Hong

Korrektorat:Bernhard Edlmann Verlagsdienstleistungen, Raubling

Coverdesign:Philip Esch

Coverfoto:© Dmitry Rukhlenko | 284867094 – stock.adobe.com

Satz & Layout:Johann-Christian Hanke

1. Auflage 2021

© Espresso Tutorials GmbH, Gleichen 2021

URL:www.espresso-tutorials.de

Das vorliegende Werk ist in allen seinen Teilen urheberrechtlich geschützt. Alle Rechte sind vorbehalten, insbesondere das Recht der Übersetzung, des Vortrags, der Reproduktion und der Vervielfältigung. Espresso Tutorials GmbH, Bahnhofstr. 2, 37130 Gleichen, Deutschland.

Ungeachtet der Sorgfalt, die auf die Erstellung von Text und Abbildungen verwendet wurde, können weder der Verlag noch die Autoren oder Herausgeber für mögliche Fehler und deren Folgen eine juristische Verantwortung oder Haftung übernehmen.

Feedback: Wir freuen uns über Fragen und Anmerkungen jeglicher Art. Bitte senden Sie diese an: info@espresso-tutorials.com.

Cover

Titelseite Jürgen Noe Praxishandbuch SAP ® Business Warehouse mit BW/4HANA

Copyright/Impressum Jürgen Noe Praxishandbuch SAP ® Business Warehouse mit BW/4HANA ISBN: 978-3-96012-027-8 (E-Book) Lektorat: Monika Hong Korrektorat: Bernhard Edlmann Verlagsdienstleistungen, Raubling Coverdesign: Philip Esch Coverfoto: © Dmitry Rukhlenko | 284867094 – stock.adobe.com Satz & Layout: Johann-Christian Hanke 1. Auflage 2021 © Espresso Tutorials GmbH, Gleichen 2021 URL: www.espresso-tutorials.de Das vorliegende Werk ist in allen seinen Teilen urheberrechtlich geschützt. Alle Rechte sind vorbehalten, insbesondere das Recht der Übersetzung, des Vortrags, der Reproduktion und der Vervielfältigung. Espresso Tutorials GmbH, Bahnhofstr. 2, 37130 Gleichen, Deutschland. Ungeachtet der Sorgfalt, die auf die Erstellung von Text und Abbildungen verwendet wurde, können weder der Verlag noch die Autoren oder Herausgeber für mögliche Fehler und deren Folgen eine juristische Verantwortung oder Haftung übernehmen. Feedback : Wir freuen uns über Fragen und Anmerkungen jeglicher Art. Bitte senden Sie diese an: info@espresso-tutorials.com.

Vorwort Vorwort Vor etwa 20 Jahren begann der Siegeszug des SAP Business Warehouse. Damals wurde es hauptsächlich als eigenes OLAP-basiertes Berichtssystem eingesetzt, um das klassische OLTP-basierte Enterprise-Resource-Planning-System (ERP) von der aufwendigen Massendatenverarbeitung und -berechnung zu entlasten. Das erste SAP Business Warehouse nutzte dabei die SAP-NetWeaver-Architektur, um mit den verbundenen Systemen, wie etwa ERP, HR, CRM oder SCM, Daten auszutauschen. In den folgenden Jahren wurde SAP Business Warehouse mit immer mehr branchenspezifischem Content und neuen Funktionen erweitert. Doch mit überproportional wachsender Datenmenge gelangte selbst die SAP-NetWeaver-Architektur an Performancegrenzen, und Anwender begannen sich über zunehmend schlechte Leistung bei wachsender Datenmenge zu beschweren. Zusätzlich verstärkten aktuelle Themen wie Big Data und Industrie 4.0 den Druck, echte Massendaten im Terabyte-Bereich zu verarbeiten, im Idealfall auch in Echtzeit. Hier führte SAP vor einigen Jahren SAP HANA ein. Bei SAP HANA handelt es sich um eine In-Memory-Datenbank, die in der Lage ist, Massendaten auch in Echtzeit zu verarbeiten. Damit begann gleichzeitig die Umstellung der grundlegenden Systemarchitektur weg von SAP NetWeaver zu einer SAP-HANA-basierten Architektur. Inzwischen sind die meisten Systeme, wie ERP, HR, CRM, SCM, auf SAP-HANA-Basis verfügbar und Kunden migrieren sukzessiv auf die neue Landschaft. Dieses Buch zeigt Ihnen die ersten Schritte in SAP BW/4HANA sehr praxisnah mit vielen Screenshots und einer Schritt-für-Schritt-Anleitung. Anhand eines Fallbeispiels aus der Versorgungsbranche werden wir nach und nach ein Datenmodell zur Lösung des Fallbeispiels in einem SAP-BW/4HANA-System anlegen. Viele Übungsaufgaben ermutigen Sie hierbei, das gezeigte Vorgehen selbstständig umzusetzen. Am Ende jeder Übungsaufgabe finden Sie Screenshots, die die Lösung zeigen. Zur Bewältigung der Aufgaben und zur Nutzung des Buches sind jedoch einige Systemvoraussetzungen zu beachten:

1 Einführung in SAP Business Warehouse 1 Einführung in SAP Business Warehouse In diesem Kapitel erhalten Sie eine generelle Einführung in das Thema »Business Intelligence« und einen kurzen Abriss zur Historie von SAP Business Warehouse. Abschließend werden die beiden Produkte SAP BW/4HANA und SAP SQL Data Warehousing kurz dargestellt.

1.1 Einstieg in Business Intelligence 1.1 Einstieg in Business Intelligence Amazon hat es erfolgreich in seinem Geschäftsmodell eingesetzt: das sogenannte Cross- und Upselling. Mit Cross-Selling ist Folgendes gemeint: Wenn Sie sich auf der Internetseite von Amazon als Benutzer registrieren und nach interessanten Büchern stöbern, so speichert das E-Commerce-Versandhaus die Treffer Ihrer Suche. Sobald Sie das nächste Mal auf die Seite gehen, schlägt Ihnen Amazon weitere Titel vor, die zu Ihren Interessen passen. Unter Upselling ist dagegen zu verstehen, dass Ihnen während Ihrer Suche ein teurerer Artikel oder ein Set, das den gewünschten Artikel enthält, vorgeschlagen werden. Die diesem Prinzip zugrunde liegende Frage ist: Wie bringe ich als Unternehmen meine Kunden dazu, beim nächsten Online-Besuch nicht nur den gewünschten, sondern eventuell weitere Artikel zu kaufen? Amazon hatte hierzu die entscheidende Idee: Wenn es gelingt, die Suchanfrage der Benutzer zu speichern, über einen Algorithmus verwandte Ergebnisse zu finden und sie dem Interessenten vorzuschlagen, kauft der Kunde eventuell mehr als nur einen Artikel. Die Umsetzung erfolgt mittels einer sogenannten Recommendation Engine [1] bzw. eines Empfehlungsdienstes . Im Hintergrund werden dabei Methoden des Data-Minings aufgerufen, die verwandte oder ergänzende Produkte ermitteln. Data-Mining und Recommendation Engines sind die bekanntesten Beispiele für den Einsatz von Business Intelligence. Das Gabler Wirtschaftslexikon definiert Business Intelligence wie folgt: »Sammelbegriff für den IT-gestützten Zugriff auf Informationen, sowie die IT-gestützte Analyse und Aufbereitung dieser Informationen. Ziel dieses Prozesses ist es, aus dem im Unternehmen vorhandenen Wissen neues Wissen zu generieren. Bei diesem neu gewonnenen Wissen soll es sich um relevantes, handlungsorientiertes Wissen handeln, welches Managemententscheidungen zur Steuerung des Unternehmens unterstützt.« [2] Business Intelligence beinhaltet somit bei Weitem nicht nur die bloße Abfrage von Tabellen und das Anzeigen der Ergebnisse auf einer geeigneten Benutzeroberfläche. Vielmehr ist eines der Ziele, durch den Einsatz von Business-Intelligence-Tools und -Methoden neue Zusammenhänge zwischen Daten zu entdecken, die für die Erschließung neuer Kundenfelder oder die Nutzung alternativer Vertriebswege genutzt werden können.

1.2 Grundkonzepte des Data Warehousing 1.2 Grundkonzepte des Data Warehousing Neben der Globalisierung hat sich in jüngster Zeit auch die Erkenntnis von der Macht der Daten durchgesetzt. Ein Unternehmen, das in der Lage ist, persönliche Daten von Kunden, wie seine Adresse oder Vorlieben und Interessen, geeignet zu speichern und zu analysieren, hat enorme Wettbewerbsvorteile. So erzielt Facebook den meisten Umsatz nicht mit seiner Webseite oder mobilen App, sondern mit Diensten zur Auswertung der mehr als eine Milliarde Benutzerdaten. In diesem Zusammenhang geriet Cambridge Analytics 2016 in die Schlagzeilen, als herauskam, dass das Unternehmen den Präsidentschaftskandidaten Donald Trump im Kampf um Wählerstimmen mit analytischen Methoden, basierend auf Facebook-Nutzungsdaten, unterstützt habe. Technisch ermöglicht haben dies sogenannte Data Warehouses , die in der Lage sind, sehr große Datenmengen in einer Datenbank zu speichern und die die Möglichkeit bieten, Daten gezielt zu filtern sowie mit statistischen Verfahren der Varianzanalyse oder Stichprobentheorie auf Zusammenhänge zu prüfen. Außerdem lassen sich in kurzer Zeit Rechenoperationen oder Abfragen performant ausführen. 1988 stellte IBM als erstes Unternehmen ein Data Warehouse vor.