Impact van S/4HANA op de Analytics strategie

Dirk Buitendijk • 5 June 2020

Bent u aan het nadenken over de stap naar S/4HANA? Voordat je een dergelijk transformatieproces doorloopt wilt u de analytics strategie (her-)definiëren vanwege de verschillende nieuwe aspecten in uw doel architectuur. Zo zullen bestaande operationele rapporten en bepaalde DataWarehouse voorzieningen vervangen kunnen worden door de embedded analytics van S/4HANA.

 

Waarom een DWH

In den beginne is het Data WareHouse ontstaan omdat ERP systemen zoals SAP ECC gebouwd zijn om zogenaamde ‘OLTP’ processen ondersteunen en niet gebouwd zijn om te analyseren. Met als gevolg performance problemen of omgevingen die plat gingen als er historische, strategische vragen werden gesteld aan het systeem. Vandaar dat uiteindelijk via data kopieën, aggregaties, indexeringen en hardware oplossingen performante (SQL en OLAP) analyses konden worden uitgevoerd. Los van het ERP systeem, dus niet real-time, maar wel met gestandaardiseerde data modellen, speciaal bedoeld voor besluitvorming. En data conformatie, harmonisatie en consolidatie over meerdere bronnen heen. Zodat de ‘single version of truth’ beschikbaar kwam, opgeschoond via data quality tools. Heb zelf als DWH en BI architect bij verschillende multinationals dergelijke Data Warehouses (DWH) van scratch af aan gebouwd in Oracle, SQLserver, DB2,… Dat zijn doosjes lego waarmee je flexibel zelf een DWH kan bouwen. Maar de prijs is dat je letterlijk alles zelf moet ontwerpen en ontwikkelen. Dit in tegenstelling tot SAP BW, wat een Data Warehouse applicatie is waarin alles out-of-the box beschikbaar is. De SAP BW versies t/m BW7.5 (ontwikkeling staat stil sinds 2016) zijn met name bedoeld als analyseomgeving en corporate memory voor SAP ECC. Waar BW/4HANA een compleet nieuwe oplossing is die meerwaarde biedt in combinatie met S/4HANA, maar vanwege het gebruiksgemak ook wordt ingezet door bedrijven die verder helemaal geen SAP hebben.  

 

HTAP

S/4HANA is een compleet herschreven en op HANA geënte ERP oplossing. Een zgn. HTAP (Hybrid Transactional/Analytical Processing) die de werelden van OLTP en OLAP combineert dankzij het uitgebreide HANA platform met z’n row/column based storage, in-memory computing, integratiemogelijkheden en zaken als machine learning algoritmes zoals text mining, graphs, Geospatial capabilities, bouwen van Fiori (web) applicatie, …  

Heeft u trouwens al naar SAP HANA Cloud gekeken? Ook voor uw relationele cloud data lake?

Hebben we het over Analytics, dan biedt S/4HANA als HTAP de mogelijkheid om gebruikers zowel data invoer als analyses te laten doen. Tijdens het invoeren van een transactie snel even een analyse doen en de uitkomst verwerken. De S/4HANA embedded analytics omvatten een uitgebreide reeks aan KPI’s, dashboards, etc. Maar zijn gebaseerd op alleen S/4HANA data. Wil je als eindgebruiker rapporten maken, flexibele self-service analyse doen, combinaties maken met data uit andere bronnen, voorspellende modellen trainen en toepassen en bijvoorbeeld plannen in combinatie met S/4HANA, BPC of IBP… dan is SAP Analytics Cloud de oplossing. Met z’n native real-time connectie met BW en S/4HANA. Het is de strategische oplossing van SAP voor (augmented) Business Intelligence, Planning, predictive en het bouwen van analytische applicaties.

 

S/4HANA + data warehouse + analytics

Net zoals je voor Analytics niet voldoende hebt aan de krachtige embedded analytics van S/4HANA (real-time transactional decision support en KPI-driven process handling) o.a. omdat de scope alleen de operationele data in S/4HANA omvat, voorziet S/4HANA ook niet in DataWarehousing processen. Denk aan capabilities zoals harmonisatie van alle enterprise data (ERP + non-SAP, governance, corporate memory, big data, …) en het niet bieden van een complete data warehouse toolset. 

 

Integratie

Qua integratie is het goed om te noemen dat SAP een strategische modellering standaard heeft; Virtuele data modellen, ook wel bekend als ‘CDS views’. Deze CDS views bevatten de logica en standaarden voor het bevragen van de onderliggende tabellen binnen informatiegebieden. Alle applicaties en KPI’s etc. binnen S/4HANA maken hiervan gebruik. Deze standaard komt overal terug in S/4HANA en ook BW/4HANA. Het biedt stabiliteit, simpliciteit, governance en minder data complexiteit.

Voordeel voor SAP producten als SAP Analytics Cloud, SAP Data Warehouse Cloud en BW/4HANA is dat deze standaard native en real-time kan worden gebruikt. 

Terwijl niet-SAP oplossingen, om dezelfde functionaliteit te krijgen, deze CDS views moeten reverse engineren en de logica/security concepten moeten proberen na te bouwen nadat data is gerepliceerd via OData. Kortom, je voegt juist extra complexiteit toe.

Credo van SAP is “Leave the data where it is”, dus benader virtueel waar het kan en sla data fysiek op waar het moet. Connect instead of collect. Creëer daarmee een simpeler landschap met minder data duplicaten, dus minder kans op fouten.

SAP landschap

 

SAP BW/4HANA

Hét datawarehouse voor S/4HANA is BW/4HANA. Dit is een guided & packaged Enterprise Data Warehouse oplossing met S/4HANA business content en best practices. Denk bij business content aan alles wat er komt kijken op DWH gebied rond ETL, datamodellering, governance, security, etc. Dus stel dat je iets met finance wilt gaan doen in S/4, dan kan je in BW/4 de kant-en-klare S/4 Finance business content activeren en je hebt meteen een nieuw deel van je data warehouse operationeel. Je kent de businesscontent misschien ook wel uit SAP Analytics Cloud. Ok in Data Warehouse Cloud komt dit terug.

Verder is er de naadloze integratie met de SAP cloud en on-premise applicaties. Denk bijvoorbeeld aan de voor gedefinieerde extractors en datamodellen voor verschillende SAP-applicaties.

Met de bijbehorende SAP specifieke business metadata zoals time depended master data, currency conversion, hiërarchieën en vele andere. Denk ook bijvoorbeeld aan real-time data masking om data anoniem te houden of GDPR compliancy; Als iemand zijn gegevens wil laten verwijderen kan een medewerker dit doen in S/4HANA, waarna het verwijderverzoek via ILM automatisch naar BW/4HANA wordt doorgezet en de persoon ook in het DWH wordt verwijderd…

Een van de verschillen met de BW versies die u misschien kent is dat BW/4HANA open is. In de zin dat het makkelijker met niet-SAP bronnen kan omgaan, zoals Hadoop of SQL-Server. In dit voorbeeldje van 3 minuten combineren we Hadoop data met BW/4 en gebruiken het in SAC.

Er kan zelfs een hybride DWH mee worden gemaakt met aan de ene kant BW functionaliteit voor SAP systemen, gecombineerd met uw bestaande SQL datawarehouse die u naar HANA heeft gemigreerd. Binnen dezelfde BW/4HANA omgeving.

Ten slotte is de TCO en time to market beter dan de BW varianten, bijvoorbeeld vanwege de data tiering optimization en het feit dat er veel sneller en eenvoudiger ontwikkeld kan worden.

Om een indruk te geven van wat er komt kijken bij de overstap van BW naar BW/4HANA hier de transition to BW/4HANA roadmap.

 

SAP Data Warehouse Cloud

SAP zet in op cloud datawarehousing. SAP Data Warehouse Cloud (DWC) is een SaaS oplossing die business gebruikers Self-Service Data Modeling & Analytics biedt op basis van IT governed databronnen, gecombineerd met data die door de business wordt aangeleverd. Dus een top-down aanpak, anders dan een datawarehouse die bottom-up wordt opgebouwd (1. bronnen ontsluiten -2. data modelleren - 3. DWH structuren bouwen - 4.nieuwe eindgebruikersvraag matchen en bij 1 beginnen...). Deze bottom-up architectuur is ooit ontstaan vanuit de gedachte dat een DWH in zoveel mogelijk vragen moet kunnen voorzien, gebaseerd op de bestaande beschikbare data bronnen. Via een business analyse, gevolgd door een data analyse werden er, bijvoorbeeld via een "bus-matrix" informatiegebieden in kaart gebracht. Datamodellen en ETL flows ontworpen en geïmplementeerd. Nadat het Data Warehouse klaar was, waren de business specifieke data marts aan de beurt. Ik krijg spontaan een flashback; heb ooit nog eens met Ralph Kimball en zijn vrouw aan de bar gehangen. Good old days.

Tegenwoordig is de informatiebehoefte een stuk volatieler en is het lastiger om deze vooraf  te verzinnen. Antwoord hierop is het inzetten van moderne technologie. Nieuwe databronnen, cloud en on-premise kunnen snel ontsloten worden en er is voor business gebruikers een lagere adoptiebarrière door de business semantic layer die de gegevenslaag abstraheert van onderliggende fysieke gegevensbronnen. Gebruik de datacatalogus en de beschikbare business content (LoB en industry-data models, KPIs). Gebruikers kunnen een eigen ruimte krijgen (spaces) waarin ze eigen geüploade of via door IT aangemaakte connecties data kunnen gebruiken, modeleren, verrijken en natuurlijk meteen kunnen analyseren met de embedded Analytics Cloud.

DWC, een SQL DWH, heeft directe toegang tot databases en business applicaties via pre-built adapters om ieder type data van iedere bron te integreren. SAP of niet SAP. Virtueel of via data replicatie. IT kan gebruik maken van de bestaande SQL-vaardigheden en ETL oplossingen om data te laden. Eindgebruikers zetten hun business kennis in en bouwen data flows, voegen data, berekeningen, filters en nieuwe attributen toe om hun dagdagelijkse vraagstukken te kunnen beantwoorden.

DWC kan je ook inzetten als ‘cross-application logical (virtueel) Data Warehouse’, bijvoorbeeld om data uit S/4HANA te combineren met data uit andere applicaties/bronnen. Maar ook voor nieuwe data mart scenario’s. En natuurlijk als cloudgebaseerde flexibele uitbreiding van het bestaande data warehouse.

Tot slot is er het kostenaspect met transparantie, pay per use, on-demand scaling en de mogelijkheid om spaces te pauzeren of verwijderen.

Analytics

Om af te sluiten nog wat statements van bedrijven die SAP DataWarehouse Cloud gebruiken:

  • Simplified landscape, 3 tools in one
  • Connect to real time data, not necessary to collect & duplicate data
  • Consolidate data from SAP, non-SAP, cloud and on-premise in a simple manner
  • Leverage existing investments (BW) to avoid rebuilding complex authorization concepts
  • Self-service access to data and data modeling within an IT governed environment
  • Business users leverage existing SQL knowledge for heavy calculation queries without calling upon IT, thus saving time and resources.
  • Decoupling the semantics from the visualization tools facilitated the creation of scalable and reusable models
  • Integration to SAP systems, data dictionary, via out-of-box ABAP Adapter
  • Hybrid data management strategy building upon existing in-premises investments

Conclusie: S/4HANA biedt veel met de embedded analytics en machine learning toepassingen. Maar er zal behoefte blijven aan data warehousing en analytics.