SAP Data Intelligence

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.

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.

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.

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.

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.

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.

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.

lt;br> 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