Ordner I SAP HCC Kundenschulung zum SAP® Business Information Warehouse SAP BW-Einführungsschulung Grundlagen und Reporting, Modellierung und Datenbeschaffung Matthias Mohr, SAP HCC TU München Hamburg, 28.02.05-04.03.05

Copyright 2005 SAP HCC TU München Alle Rechte vorbehalten Weitergabe und Vervielfältigung dieser Publikation oder von Teilen daraus sind, zu welchem Zweck und in welcher Form auch immer, ohne die ausdrückliche schriftliche Genehmigung durch SAP HCC TU München nicht gestattet. In dieser Publikation enthaltene Informationen können ohne vorherige Ankündigung geändert werden. Die von SAP AG oder deren Vertriebsfirmen angebotenen Softwareprodukte können Softwarekomponenten auch anderer Softwarehersteller enthalten. Microsoft®, WINDOWS®, NT®, EXCEL®, Word®, PowerPoint® und SQL Server® sind eingetragene Marken der Microsoft Corporation. IBM®, DB2®, DB2 Universal Database, OS/2®, Parallel Sysplex®, MVS/ESA®, AIX®, S/390®, AS/400®, OS/390® und OS/400®, iSeries, pSeries, zSeries, z/OS, AFP, Intelligent Miner, WebSphere®, Netfinity®, Tivoli®, Informix® und Informix® Dynamic ServerTM sind eingetragene Marken der IBM Corporation in den USA und anderen Ländern. ORACLE® ist eine eingetragene Marke der ORACLE Corporation. UNIX®, X/Open®, OSF/1® und Motif® sind eingetragene Marken der Open Group. Citrix®, das Citrix-Logo, ICA®, Program Neighborhood®, MetaFrame®, WinFrame®, VideoFrame®, MultiWin® und andere hier erwähnte Namen von Citrix-Produkten sind Marken von Citrix Systems, Inc. HTML, DHTML, XML, XHTML sind Marken oder eingetragene Marken des W3C®, World Wide Web Consortium, Massachusetts Institute of Technology.   JAVA® ist eine eingetragene Marke der Sun Microsystems, Inc. JAVASCRIPT® ist eine eingetragene Marke der Sun Microsystems, Inc., verwendet unter der Lizenz der von Netscape entwickelten und implementierten Technologie.   MarketSet und Enterprise Buyer sind gemeinsame Marken von SAP AG und Commerce One. SAP, R/3, mySAP, mySAP.com, xApps, xApp, SAP NetWeaver und weiter im Text erwähnte SAP-Produkte und –Dienstleistungen sowie die entsprechenden Logos sind Marken oder eingetragene Marken der SAP AG in Deutschland und anderen Ländern. Alle anderen Namen von Produkten und Dienstleistungen sind Marken der jeweiligen Firmen.

Inhaltsübersicht Ordner I Einleitung Data Warehousing Crashkurs Reporting Lebenszyklus und Projektplanung OLAP und OLTP Data Warehouse Produkte Business Content Querydefinition Semantische Modellierung Logische Modellierung InfoObjects InfoCubes Ordner II Staging von Stammdaten Staging von Bewegungsdaten Cube Copy InfoSpokes Transformationen Geovisualisierung Factless Fact Tables Webreporting R/3®-Extraktion R/3®-Deltadatenextraktion Generische R/3®-Extraktion Projektabschluss Anhang Im Schulungsordner enthalten: Folien aus der Schulung Übungsaufgaben samt Lösungen Hinweisblatt für den Dozenten Evtl. Zusatzmaterialien

Kursüberblick Zielsetzung dieser Schulung ist es, eine Einführung in die Funktionalitäten des SAP Business Information Warehouse zu geben. Die Teilnehmer erlernen die Grundlagen des Reportings und erwerben einen Überblick über Datenmodellierung und –laden. Neben der Besprechung der Regelungen für die BW-Nutzung im HCC-Umfeld werden Anregungen zu möglichen Einsatzszenarien des SAP Business Information Warehouse in der Lehre gegeben. Dauer: 5 Tage Zielgruppe: Dozenten, die an einem Einsatz von SAP BW in der Lehre interessiert sind Nutzer von SAP BW in der Lehre mit geringen Vorkenntnissen Termin: 28.02.05-04.03.05 Voraussetzung: Grundkenntnisse im Data Warehousing Releasestand: SAP BW 3.10 Schulungsinhalte: Regelungen für die BW-Nutzung im HCC-Umfeld Grundlagen des Data Warehousing Architektur und Werkzeuge des BW Reporting & Webreporting Datenmodellierung Datenfluss & Datenextraktion Administration Anregungen zum Einsatz des SAP BW in der Lehre Diese Schulung ersetzt nicht die Teilnahme an weiterführenden SAP BW-Schulungen der SAP.

Zeitplan Mo. 10:00 – 16:00 Uhr Di. 09:00 – 16:00 Uhr Mi. 09:00 – 16:00 Uhr Do. 09:00 – 16:00 Uhr Fr. 09:00 – 15:00 Uhr Mittagessen: Gutscheine nicht vergessen Kleine Pausen mit Kaffee und Erfrischungsgetränken

Einloggen leicht gemacht SAPLogon G11 – SAP BW 3.10 Mandant 800 User AUSER_5_XX mit XX = PlatzNr. von 01 bis 25 und TR Initialkennwort init Beim ersten Anmelden bitte das Kennwort ändern und merken !

Einleitung BW0001

Navigation im SAP BW SAP Easy Access Menü Favoriten Transaktionscodes Herausfinden Eingeben Kombination mit /o und /n Technische Namen einschalten © SAP AG

Hilfe zum SAP BW Feldhilfe (F1) Wertehilfe (F4) Hilfe zu Fehlermeldungen SAP-Bibliothek Glossar http://help.sap.com, Bereich SAP NetWeaver™ http://service.sap.com/bw © SAP AG

KISS = keep it simple, stupid Keine unnötig komplizierten Fallstudien Das KISS-Prinzip KISS = keep it simple, stupid Keine unnötig komplizierten Fallstudien Prinzipien werden anhand einfacher Beispiele verdeutlicht

Das Konzept des Data Warehousing BW0002

Google-Suchergebnisse im Zeitverlauf Anzahl Suchergebnisse 09/2002 03/2003 07/2003 02/2004 07/2004 02/2005 „data warehouse“ 451.000 574.000 650.000 1.780.000 1.840.000 4.450.000 „data warehousing“ 352.000 443.000 490.000 1.060.000 963.000 2.650.000 „business intelligence“ 850.000 1.160.000 1.140.000 2.960.000 3.330.000 8.820.000 Quelle: www.google.de

Vom MIS zum Data Warehouse

Definitionen für Data Warehouses A data warehouse is a central repository for all or significant parts of the data that an enterprise's various business systems collect. A data warehouse is a copy of transaction data specifically structured for querying and reporting A collection of data designed to support management decision making. Data warehouses contain a wide variety of data that present a coherent picture of business conditions at a single point in time.

Inmon-Definition: Data Warehouse Themenausrichtung an Sachverhalten des Unternehmens Dauerhafte Sammlung von Informationen „A data warehouse is a subject-oriented, integrated, nonvolatile, time-variant collection of data in support of management’s decision”. (Bill Inmon) Zeitraumbezug als Bestandteil der Daten unternehmensweite Integration von Daten

Reflexion der Inmonschen Definition Warum auf Kunden, Lieferanten, Produkte usw. beschränken ?  kann entfallen subject-oriented Schemaintegration (Metadaten) und Datenintegration sind unverzichtbar. integrated  beibehalten „Schnappschussansicht“ historischer Daten berücksichtigt nicht: - zeitnahe Daten (z.B. Aktien) - konstante Daten (Stammdaten) time-variant  Zeitabhängigkeit als eine Möglichkeit unter vielen Wenn Konsistenz gewährleistet bleibt, kann das Aktualisierungsverbot entfallen nonvolatile  kann entfallen collection of data klar…  beibehalten in support of management‘s decision Data Warehouses nur für Manager ?  kann entfallen Zeh, T. (2003). Data Warehousing als Organisationskonzept des Datenmanagements. Eine kritische Betrachtung der Data-Warehouse-Definition von Inmon. Informatik - Forschung und Entwicklung, 18(1), 32-38. Ein Data Warehouse ist ein physischer Datenbestand, der eine integrierte Sicht auf die zugrunde liegenden Datenquellen ermöglicht.

Data Warehouse: erweiterte Definition

Dreistufiges DW-Konzept Informationsanalyse Datenhaltung Datenbereitstellung

Aufbau des SAP BW

Aufbau des SAP BW © SAP AG

Nutzenpotentiale Technischer Nutzen Verbesserte Datenintegration Keine dezentralen Datenprüfungen mehr notwendig Schnelle Abfragen möglich Entlastung operativer Anwendungen Flexible Zugriffsmöglichkeiten Betriebswirtschaftlicher Nutzen Verbesserte Informationsbereitstellung Frühzeitiges Erkennen von Trends Zügige Reaktion auf Umweltveränderungen Verbesserung der Kundenzufriedenheit Harmonisierung von Begriffen

Crashkurs Reporting BW0003

Werkzeuge des SAP BW Administrator Workbench (AWB) Die wichtigsten Werkzeuge: Administrator Workbench (AWB) Administration des Systems Web Application Designer Erstellung von Web Applications BEx Analyzer Aufbereitung und Präsentation von Reports BEx Browser Verwaltung und Ausführen von Reports, Portalfunktion BEx Query Designer Definition von Reports

Business Explorer (BEx) © SAP AG

Multidimensionale Datenstrukturen

Multidimensionalität Matrixelement mit Kennzahl(en) Umsatz: 2 Mio. Dimension / Merkmal Weitere Dimensionen sind nicht darstellbar: VkOrg Material Auftraggeber Zeit Sparte Vertriebsweg

Merkmal oder Dimension ?

Was bedeutet Multidimensionalität ? Multidimensionalität ist ein Hauptcharakteristikum von Daten in DWs Keine tabellenartige Darstellung Beliebig viele analyserelevante Kriterien (Dimensionen / Merkmale) Möglichst genaue, detaillierte Beschreibung der Daten Veranschaulichung oft durch einen Datenwürfel

Analysetechniken Für detaillierte Fragestellungen des Anwenders stehen im multidimensionalen Datenmodell verschiedenartige Operationen zur Manipulation des Datenwürfels zur Verfügung. Hierbei handelt es sich überwiegend um einen Wechsel von Dimensionen und Verdichtungsstufen, d.h. um eine Navigation im Datenraum. Diese Analysemöglichkeiten werden im BEx Analyzer z.B. über das Kontextmenü im Ergebnisbereich angeboten, an den OLAP-Prozessor weitergegeben und von diesem interpretiert und auf den Datenbestand angewendet.

Slicing, Dicing & Co. Pivoting bedeutet Drehen des Datenwürfels Slicing (engl. slice = Scheibe) ist das Setzen von Filtern; dadurch wird eine „Datenscheibe“ erzeugt Dicing ist das Erzeugen eines „kleineren“ Datenwürfels durch Slicing auf ein Intervall Drill down bedeutet allgemein das Hinzufügen zusätzlicher Informationen zu einem Report Roll up = Gegenteil von Drill down Als einen Drill Across bezeichnet man das Austauschen der X- und Y-Achsen Einige Data Warehouse Systeme bieten die Möglichkeit, auch auf Daten zu reporten, die gar nicht im Warehouse selbst, sondern nur in den OLTP-Systemen gespeichert sind. Ein Beispiel hierfür könnten einzelne Buchhaltungs-Belege sein. Diese Fähigkeit wird Drill Through genannt. In Anlehnung an http://miss.wu-wien.ac.at/~info1/stud/dw/main.html

Bereiche einer Query © SAP AG

Lebenszyklus eines Data Warehouse BW0004

The Business Dimensional Life Cycle as Course Structure Technical Architecture Design Product Selection & Installation Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Life Cycle Model: Presented by Ralph Kimball and others Illustrates the steps during the implementation of a data warehouse Use in education: Serves as structure for a data warehousing course In Munich, we have tried it out about 6 times. It works pretty well. Other lifecycle models might also work out well. Project Management time management oriented lessons technically oriented lessons by R. Kimball, modified

Project Planning & Management Project definition and scoping Development of Project Plan Parties involved Technical Architecture Design Product Selection & Installation Initial data warehouse considerations: Determining demand for data warehouse Cost Estimation Project plan drafting Project techniques (e.g. critical path method) Talk about dependencies, dates, status tracking Project team members Core Project team Role of external consultants on the project team This lesson mainly consists of discussions and role plays. Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Business Requirements Definition Gathering requirements Define Terminology Technical Architecture Design Product Selection & Installation Designing questionnaires How to create reasonable questionnaires Question types: closed-ended and open-ended questions Interviews Preparing an interview Role plays Central business vocabulary Define Terminology Define vocabulary (what does „customer“ mean ?) This lesson mainly consists of role plays. Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Technical Architecture Design Introducing Architecture Back Room Technical Architecture Architecture for the Front Room Infrastructure and Metadata Technical Architecture Design Product Selection & Installation Architecture basics: Value of architectures (communication, planning, flexibility and maintenance, documentation) Technical architecture = how to get the data at its place ? = pumps and valves that keep data flowing to the right places at the right times Flatfiles and R/3 as source systems: Overview of Source systems Client Server ERP Systems Operational data stores (ODS) Client-Server architecture SAP Client Server architecture: central instances, dialogue instances, database instances, work processes Hardware, Operating Systems Hardware (Hosts, networking …) Backup and archive planning Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Product Selection & Installation Evaluating products Choosing a product Features of SAP BW Installation Procedure Technical Architecture Design Product Selection & Installation Looking at other products (web search) evaluate: hardware platforms, database platforms, data staging tools, data access tools also point out importance of: vendor support, vendor relationship Looking at other data warehouse products: web search, trade publications, marketing literature … SAP BW: in your data warehousing course, it‘s a given. But you can talk about weaknesses and strengths. Installation Procedure: Steps necessary to install SAP BW Efforts necessary Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Designing dimensional models Dimensional Modeling Designing dimensional models Semantic, logical and physical data models Fact table grain Special fact types (non/semi additive) Specialities in modeling Technical Architecture Design Product Selection & Installation Modeling Overview: Data warehouse data modeling analogous to modeling data in OLTP systems (try to draw the line) Different levels of modeling (semantic, logical, physical) Multidimensional ERM: Semantic (conceptual) modeling of a data warehouse Star Schema, Galaxy, Snowflake schema: Examples for logical modeling (linked to the multidimensional ERM) Non-additive facts / factless fact tables: „specialities and exceptions in modeling“ Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Physical Design Physical structures necessary to support logical database design Naming standards Physical file locations Setting up database environment Indexing Partitioning Technical Architecture Design Product Selection & Installation Naming Standards: Object naming standards (e.g. Using Prime words …) Physical file locations: Kernel, Scripts, Raw devices … Can be seen in AL11 Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Data Staging Design and Development Extraction, Transformation and Loading Data Quality Initial population load Regular, incremental loads Technical Architecture Design Product Selection & Installation Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

End-User Application Specification & Development Standard vs. user-defined reports Geovisualization Web Reporting Technical Architecture Design Product Selection & Installation In the specification and development of end-user applications, you can use standard reporting options. But you can also achieve more complex reporting without much additional effort. It is also possible to include this in an end-user portal (BEx Browser) In geo-visualization, key figures can be pictured on maps. For many students, Web-based reporting is often the highlight of an SAP BW course. Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Deployment, Management & Growth, Replacement User support structures Training measures Performance metrics Replacement considerations Technical Architecture Design Product Selection & Installation When you examine distribution, maintenance, and growth, you can discuss such topics as the technical design of end-user workstations, password guidelines, and training concepts. The decision to no longer use a certain data warehouse brings with it questions relating to changeover costs, remaining license costs, and defining the optimal time for replacing the system. Investment-related and cost-related methods may be used here. You may wish to conclude your data warehouse class with such questions. Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management

Example Course Client server Architecture, SAP Web AS End users, Work places, Key words, Training concepts Project team Role Play Strengths and weaknesses of Data Warehouse products Interviews, questionnaires ETL (Flatfiles, R/3), ABAP™ Technical Architecture Design Product Selection & Installation Project Planning Business Requirements Definition Dimensional Modeling Physical Design Data Staging Design & Development Deployment Management & Growth Replacement End-user Application Specification End-user Application Development Project Management Extended Star schema, Snowflaking, Factless fact tables, Galaxy Investment appraisal, License costs Formulas, Web reporting, Maps

Data Warehouse Projektplanung BW0005

Vorbereitung des Unternehmens Sponsor finden Fachliche Rechtfertigung suchen Machbarkeitsstudie anfertigen Verhältnis zwischen Fachabteilung und IT Analytische Arbeitsweise verstehen

Projektumfang Welche Inhalte sollen berücksichtigt werden ? Welche organisatorischen Einheiten sind involviert ? Art der Daten Zeitrahmen Budget

Projektumfang Funktionen Abteilungen Regionen

Rechtfertigung DW-Projekt ist kein Selbstzweck Kosten-Nutzen-Analyse Messung der Kosten ? Messung des Nutzens ?

Projektteam Einbeziehung vieler Organisationseinheiten Unterschiedliche fachliche Disziplinen Rollenverteilung Verfügbarkeit der Projektmitglieder

Projektteam: Typische Rollen

Projektplan Planung Steuerung Kontrolle

OLTP und OLAP Systeme BW0006

OLTP-Systeme Operative Systeme Data Warehouse Reservie- rungs- system Personal- ver- waltung ... Operative Systeme Auftrags- verarbeitung Reservie- rungs- system Auftrags- verarbeitung Personal- ver- waltung Data Warehouse ... Quelle: In Anlehnung an http://www.educeth.ch/informatik/vortraege/olap/docs/olap.ppt

Unterschiede zwischen transaktions-orientierten und analyseorientierten Systemen Transaktionsorientierte Systeme Operative Systeme Auswertungsorientierte Systeme OLTP (Online Transaction Processing) OLAP (Online Analytical Processing) Häufige, einfache Anfragen Weniger häufige, komplexe Anfragen Kleine Datenmengen je Anfrage Grosse Datenmengen je Anfrage Operieren hauptsächlich auf aktuellen Daten Operieren auf aktuellen und historischen Daten Schneller Update wichtig Schnelle Kalkulation wichtig  Datenbanksystem kann nicht gleichzeitig für OLTP- und für OLAP-Anwendungen optimiert werden Paralleles Ausführung von OLAP-Anfragen auf operationalen Datenbe-ständen könnte Leistungsfähigkeit der OLTP-Anwendungen beeinträchtigen Quelle: In Anlehnung an http://www.educeth.ch/informatik/vortraege/olap/docs/olap.ppt

OLTP vs. OLAP

Data Warehouse Produkte BW0007

DW-Lösungen und Anbieter Hersteller Produkt Version Ascential DataStage 6.0 Business Objects Data Integrator Cognos DecisionStream 7.1 Hummingbird ETL 5 IBM DB2 Warehouse Manager 8.1 Informatica PowerCenter 6 Microsoft SQL Server 2000 MicroStrategy 7i NCR Teradata V2 R5.0 Oracle 9i 9i R2 Sagent Solution 4.5 Sand Analytic Server 3.0 SAP Business Information Warehouse 3.1 C SAS System 8 Sybase IQ 12.4.3 http://www.barc.de

OLAP-Anbieter und -Produkte Die 6 OLAP-Anbieter mit dem grössten Marktanteil in 1999 *: Weitere OLAP-Server: IBM (DB2 OLAP Server) Applix (iTM1) ... Weitere OLAP-Frontends: Temtec (Executive Viewer) Weitere OLAP-Anbieter: Brio Technology Pilot Software SAS Institute Hyperion Solutions (Essbase, Wired) Oracle (Express) Cognos (PowerPlay) MicroStrategy (MicroStrategy) Microsoft (OLAP-Server) Business Objects (Business Objects) * Quelle: The OLAP Report (www.olapreport.com)

„Stimmen“ zum SAP BW Besonders geeignet zur Analyse und Darstellung der im DW gespeicherten Daten Gute Werkzeuge zur Erstellung individueller Anwendungen (BEx Analyzer, Webreporting) Vordefinierte Informationsmodelle (Business Content) Theoretisch nicht von R/3 abhängig Die Strukturen basieren teilweise auf R/3-Geschäftsprozessen Business Content ist auf R/3-Strukturen ausgerichtet Optimale Leistung in Zusammenarbeit mit R/3 (spezielle Extraktoren usw.)

Business Content BW0008

Warum vorkonfigurierte Informationsmodelle ? Modellierung anforderungsgerechter Datenmodelle ist eine langwierige und teilweise hoch komplexe Angelegenheit Der Aufwand ist umso höher, je individueller die Anforderungen sind und je weniger die Entwickler auf bereits existierende Vorlagen zurückgreifen können. Unternehmen modellieren in vielen Fällen immer dieselben Sachverhalte

Inhalt des Business Content © SAP AG © SAP AG, Marianne Kollmann, Product Management BI

Inhalt des Business Content © SAP AG © SAP AG, Marianne Kollmann, Product Management BI

Komponenten dieser Modelle sind: Def. Business Content Business Content sind umfassend vorgefertigte Informationsmodelle für die Analyse von Geschäftsprozessen. Komponenten dieser Modelle sind: Extraktoren im SAP R/3 Elemente des Datenmodells (wie Kennzahlen, Merkmale, InfoCubes und ODS-Objekte) Komponenten für den Datenladeprozess (wie InfoSources und Fortschreibungsregeln) Reportingkomponenten (wie Queries, Web Templates und Arbeitsmappen) Basiskomponenten (wie Rollen und Währungsumrechnungsarten)

Numbers of SAP BW Business Content Objects BI Content 3.2 Add-On InfoObjects 11.772 ODS objects 349 InfoCubes 605 MultiCubes 121 Roles 861 Queries 3.299 Workbooks 1.979

Arbeiten mit dem Business Content Ohne Anpassung verwenden Vorlage für eigenen Business Content Verfeinerung oder Vergröberung

Business Content Versionen Im BW werden 3 Objektversionen des BC unterschieden: D-Version: SAP-Auslieferungsversion A-Version: aktive Version M-Version: überarbeitete Version Um mit den Objekten des BC arbeiten zu können, müssen diese in die aktive Version (A-Version) überführt werden.

Auf der Suche nach dem richtigen Business Content Business Content kann im Metadata Repository durchsucht werden. Das Metadata Repository ist in der AWB integriert. Fragen: Was sind Metadaten ? Was ist die AWB ? Was ist das Metadata Repository ?

Werkzeuge des SAP BW Administrator Workbench (AWB) Die wichtigsten Werkzeuge: Administrator Workbench (AWB) Administration des Systems Web Application Designer Erstellung von Web Applications BEx Analyzer Aufbereitung und Präsentation von Reports BEx Browser Verwaltung und Ausführen von Reports, Portalfunktion BEx Query Designer Definition von Reports

Administrator Workbench © SAP AG

Metadaten Daten über Daten

Was sind Metadaten ? Informationen über die Datenstrukturen und ihre Beziehungen sind „Daten über Daten“ und werden als Metadaten bezeichnet

Technische und fachliche Metadaten Technische Metadaten beinhalten Informationen über das Data Warehouse, die von DW-Administratoren und Designern benötigt werden, um das Data Warehouse zu entwickeln und zu betreiben. Darunter fallen beispielsweise Datenbankfelder, -spalten, -tabellen, Speicherbedarf der Datenbank, Datenmodelle, Mappings. Fachliche Metadaten enthalten dagegen solche Informationen, die dem Fachanwender eine geschäftliche Sicht auf das Data Warehouse ermöglichen. Darunter fallen z.B. Mappings, Details über Auswertungen, Fachbegriffe usw. Fachliche Metadaten weisen Daten aus dem DW dem multidimensionalen Geschäftsmodell und dem Frontendtool des Endanwenders zu und beinhalten üblicherweise geschäftsinterne Bezeichnungen und Hierarchien.

Metadatenbanksystem „Hilfesystem“ für den Benutzer BW Metadata Repository: zentrale Verwaltung aller Metadaten BW Metadata Repository Browser: komfortabler Zugriff auf alle Metadaten

Common Warehouse Metamodel (CWM™) „The CWM™ is a specification that describes metadata interchange among data warehousing, business intelligence, knowledge management and portal technologies.“ Aus: www.omg.org/cwm Object Management Group (OMG) http://www.omg.org Common Warehouse Metamodel http://www.omg.org/cwm Spezifikation Artikel und Links

Querydefinition BW0009

Metaobjekte: Query

InfoProvider als Report-Grundlage I InfoCube ODS Merkmal mit Stammdaten InfoSet Virtueller Cube MultiProvider InfoCube ODS Merkmal mit Stammdaten Reporting InfoProvider DataTargets Datenladen

InfoProvider als Report-Grundlage II Business Explorer With Data Basic InfoCube Master Data InfoProvider Interface OLAP Engine MultiProvider ODS Object No Data Virtual InfoCube InfoSet © SAP AG

BEx Symbolleiste © SAP AG

Symbolleiste des Query Designers © SAP AG

Querydefinition per Drag & Drop © SAP AG

Definition einer Formel © SAP AG

Einige wichtige Elemente einer Querydefinition Merkmale einfügen Kennzahlen einfügen Freie Merkmale Filtermerkmale Eigenschaften von Merkmalen Formel-Kennzahlen © SAP AG

Zusammenfassung: Ablauf Querydefinition Sie definieren Queries, indem Sie: einen InfoProvider auswählen, zu dem die Query definiert wird wiederverwendbare Strukturen auswählen, die bereits Merkmals- oder Kennzahlkombinationen enthalten (z.B. Deckungsbeitragsschema) Merkmale aus dem InfoProvider auswählen ausgewählte Merkmale auf Merkmalswerte, Merkmalswertintervalle oder Hierarchieknoten einschränken Variablen für Merkmalswerte, Hierarchien, Hierarchieknoten, Formeln und Texte verwenden bzw. bei Bedarf neue Variablen definieren Kennzahlen aus dem InfoProvider auswählen berechnete Kennzahlen formulieren Kennzahlen durch die Kombination mit Merkmalen einschränken Ausnahmezellen definieren die Anordnung der Merkmale und Kennzahlen in Zeilen oder Spalten vornehmen und dadurch eine Startsicht für die Queryanalyse festlegen Die nicht fett gedruckten Schritte sind optional. Sie können die Query in Ihren Favoriten oder in Ihrer Rolle sichern. Anschließend können Sie die Querydaten im Business Explorer analysieren. Sie können die Query mit einem Klick im Web in einer Standardsicht anzeigen lassen die Query als Data Provider für Web Items verwenden und die Querydaten in einer individuell gestalteten Web Application analysieren oder die Query in eine Arbeitsmappe einfügen und im BEx Analyzer (MS Excel-basiert) analysieren. Quelle: SAP BW Functions in Detail, Version 1.0

Exception Reporting BW0029

Exception Reporting: Prozess © SAP AG

Output: Farbliche Hervorhebungen im Query-Arbeitsblatt Schritt für Schritt Exception definieren Output: Farbliche Hervorhebungen im Query-Arbeitsblatt Reporting Agent Einstellungen definieren Einplanen Output: Alert Monitor und Nachrichten

Datenmodellierung für Data Warehouses „At its current state of development, dimensional modelling is still more of an art than a science.“ BW0010

ARIS-Modell Quelle: Scheer, Wirtschaftsinformatik

OLTP vs. OLAP Datenmodellierungsmethoden für transaktionsorientierte Datenbanken (OLTP) semantische Ebene: ERM logische Ebene: Relationenmodell physische Ebene: Beschreibung relationaler Datenbanksysteme Datenmodellierungsmethoden für Data Warehouses (OLAP) ?

Ausgewählte Entwurfsmethoden

Multidimensionales ERM (MERM) abgeleitet aus ERM neu: Faktenrelation, Dimensionsfeld, hierarchische Beziehung Prinzip der Minimalität daher nur 5 Metaobjekte:

Transaktionale Strukturen in analytische abbilden Vom ERM zum MDM Transaktionale Strukturen in analytische abbilden

3 Schritte-Methode

1. Geschäftsprozesse identifizieren Prozess „universitäres Geschehen“

2. Überschneidungsentitäten suchen zentrale Überscheidungsentität

Beispiel für eine Überschneidungsentität © SAP AG

3. Dimensionen bilden Dimension „Fachbereich“ Dimension „Region“ Dimension „Zeit“

Bildung von Dimensionen © SAP AG

MERM

Wie detailliert sind die Daten ? Granularität Wie detailliert sind die Daten ?

Granularität = „Detail“ einer Datenstruktur hohe Granularität: die Daten werden von vielen Merkmalen beschrieben niedrige Granularität: die Daten werden von wenigen Merkmalen beschrieben Positive Auswirkung auf Möglichkeiten in der Query Negative Auswirkungen auf Performance der Abfragen und Ladezeit

Relativ hohe Granularität

Relativ niedrige Granularität

Logische Datenmodellierung BW0011

Ausgewählte Entwurfsmethoden

Physische Umsetzung im Data Warehouse System Physisch multidimensionale Data Warehouse Systeme Datenbank- und Speicher-strukturen sind multidimensional Bislang existiert noch kein anerkannter Standard Große Datenbestände sind problematisch Beispiele: Express (Oracle), Holos (Seagate), Essbase (Applix) Physisch relationale Data Warehouse Systeme Klassifikation von Daten in Fakten- und Dimensions-tabellen Verbindung über Schlüssel Beispiel: SAP BW

Klassisches Starschema Auf das Starschema sind sehr effektive Abfragen möglich Es ist sehr einfach zu verstehen Flexibilität ?

Vom MDM zum Starschema Faktentabelle Zentrale Faktenrelation  Faktentabelle mit Kennzahlen numerische Attribute der Faktenrelation werden zu Kennzahlen Der Primärschlüssel setzt sich aus den Dimensions-IDs zusammen Dimensionstabellen Dimensionen  Dimensionstabellen Attribute der Dimensions-entitäten werden zu Feldern der Dimensionstabellen Jeder Datensatz der Dimensionstabelle bekommt eine eindeutige Dimensions-ID zugewiesen

Starschema

Probleme beim klassischen Starschema keine Unterstützung der Mehrsprachigkeit Alphanumerische Fremdschlüssel keine Unterstützung von zeitabhängigen Stammdaten Hierarchiebeziehungen müssen als Attribute einer Dimensionstabelle modelliert werden

Das erweiterte Starschema der SAP AG Faktentabelle bleibt unverändert Die Merkmale der Dimensionen werden in Segmente aufgeteilt Attribute Texte Hierarchien Attribute und Texte können zeitabhängig definiert werden Segmente müssen nicht angelegt werden, sie sind optional Einführung von SID

Erweitertes Starschema © Michael Hahne 2003

Lösungsabhängige und –unabhängige Daten Lösungsunabhängige Daten: Merkmale Lösungsabhängige Daten: Fakten- und Dimensionstabellen © SAP AG

Surrogat ID (SID) Künstlicher Primärschlüssel 4-Byte-Ganzzahl technische Verknüpfung zwischen InfoCube und Merkmal technische Verknüpfung zwischen Merkmal und zugehörigen Attributs-, Text- und Hierarchietabellen technischer Schlüssel statt Produktivschlüssel

SID-Tabellen © SAP AG

SID-Tabellen © SAP AG

InfoObjects BW0012

Namenskonventionen selbst definierte Objekte werden nach dem Muster AYXX… benannt A TU München Y=3 Kursnummer SAP BW-Schulung XX Platz-Nr. / Team-Nr. Beispiel: A303Cube01 oder A304Cube01  Richtlinien zum Umgang mit dem SAP BW

InfoAreas für InfoObjects und InfoCubes © SAP AG © SAP AG

Anwendungskomponente für InfoSources © SAP AG

InfoObjects Merkmal-InfoObject z.B. Kunde, Produkt Kennzahl-InfoObject z.B. Umsatz, Kosten möglichst numerisch und additiv

Vom Starschema zum InfoObject Jedes Feld einer Dimension wird zu einem Merkmal Ausnahme wg. Erweitertem Starschema: Texte, Attribute, Hierarchien werden in eigenen Segmenten abgelegt Jede Kennzahl der Faktentabelle wird zu einer Kennzahl Texte Attribute Hierarchien

Wichtige Eigenschaften von Merkmalen Bezeichnung Datentyp Länge Stammdaten Texte Attribute Hierarchien © SAP AG

Kennzahlen: Datentypen Aus: http://www.dpunkt.de/leseproben/3-89864-179-1/Kapitel_6.pdf

Merkmale: Datentypen Aus: http://www.dpunkt.de/leseproben/3-89864-179-1/Kapitel_6.pdf

Texte und Attribute: Felder Kurz: 0TXTSH Mittel: 0TXTMD Lang: 0TXTLN Attribute Jedes Attribut zu einem Merkmals-InfoObject ist selbst ein InfoObject (Merkmal oder Kennzahl)

Ablauf beim Anlegen von InfoObjects InfoObject anlegen Prüfen: InfoObject wird auf syntaktische Korrektheit geprüft Sichern: Definition wird gesichert Aktivieren: Datenbanktabellen werden generiert

InfoCubes BW0013

InfoCubes zentrale Datenspeicher im SAP BW aufgebaut aus Merkmalen und Kennzahlen maximal 233 Kennzahlen ca. 3.224 Merkmale möglich

Metaobjekte: InfoProvider

Aufbau eines InfoCube

Schritt für Schritt zum InfoCube InfoCube erstellen Kennzahlen hinzufügen Merkmale hinzufügen Dimensionen erzeugen Merkmale in Dimensionen einordnen Prüfen, sichern, aktivieren

Line Item und Hohe Kardinalität Sehr viele Einträge in dieser Dimension (min. 20 % der Anzahl Datensätze der Faktentabelle)  Andere Indizierung Line Item: Sehr wenige Ausprägungen des InfoObjects, z.B. Auftragsnummer in einem Auftrags(detail)cube  Keine Dimensionstabelle, direkte Integration des InfoObjects in den InfoCube © SAP AG

Objektdokumentation

Was kann dokumentiert werden ? © SAP AG

Dokumentationen Mögliche Formate Text (.TXT) HTML MS Word (.DOC) MS Power Point (.PPT) MS Excel (.XLS) GIF JPG

Ordner II SAP HCC Kundenschulung zum SAP® Business Information Warehouse SAP BW-Einführungsschulung Grundlagen und Reporting, Modellierung und Datenbeschaffung Matthias Mohr, SAP HCC TU München Hamburg, 28.02.05-04.03.05

Copyright 2005 SAP HCC TU München Alle Rechte vorbehalten Weitergabe und Vervielfältigung dieser Publikation oder von Teilen daraus sind, zu welchem Zweck und in welcher Form auch immer, ohne die ausdrückliche schriftliche Genehmigung durch SAP HCC TU München nicht gestattet. In dieser Publikation enthaltene Informationen können ohne vorherige Ankündigung geändert werden. Die von SAP AG oder deren Vertriebsfirmen angebotenen Softwareprodukte können Softwarekomponenten auch anderer Softwarehersteller enthalten. Microsoft®, WINDOWS®, NT®, EXCEL®, Word®, PowerPoint® und SQL Server® sind eingetragene Marken der Microsoft Corporation. IBM®, DB2®, DB2 Universal Database, OS/2®, Parallel Sysplex®, MVS/ESA®, AIX®, S/390®, AS/400®, OS/390® und OS/400®, iSeries, pSeries, zSeries, z/OS, AFP, Intelligent Miner, WebSphere®, Netfinity®, Tivoli®, Informix® und Informix® Dynamic ServerTM sind eingetragene Marken der IBM Corporation in den USA und anderen Ländern. ORACLE® ist eine eingetragene Marke der ORACLE Corporation. UNIX®, X/Open®, OSF/1® und Motif® sind eingetragene Marken der Open Group. Citrix®, das Citrix-Logo, ICA®, Program Neighborhood®, MetaFrame®, WinFrame®, VideoFrame®, MultiWin® und andere hier erwähnte Namen von Citrix-Produkten sind Marken von Citrix Systems, Inc. HTML, DHTML, XML, XHTML sind Marken oder eingetragene Marken des W3C®, World Wide Web Consortium, Massachusetts Institute of Technology.   JAVA® ist eine eingetragene Marke der Sun Microsystems, Inc. JAVASCRIPT® ist eine eingetragene Marke der Sun Microsystems, Inc., verwendet unter der Lizenz der von Netscape entwickelten und implementierten Technologie.   MarketSet und Enterprise Buyer sind gemeinsame Marken von SAP AG und Commerce One. SAP, R/3, mySAP, mySAP.com, xApps, xApp, SAP NetWeaver und weiter im Text erwähnte SAP-Produkte und –Dienstleistungen sowie die entsprechenden Logos sind Marken oder eingetragene Marken der SAP AG in Deutschland und anderen Ländern. Alle anderen Namen von Produkten und Dienstleistungen sind Marken der jeweiligen Firmen.

Inhaltsübersicht Ordner II Staging von Stammdaten Einleitung Data Warehousing Crashkurs Reporting Lebenszyklus und Projektplanung OLAP und OLTP Data Warehouse Produkte Business Content Querydefinition Semantische Modellierung Logische Modellierung InfoObjects InfoCubes Ordner II Staging von Stammdaten Staging von Bewegungsdaten Cube Copy InfoSpokes Transformationen Geovisualisierung Factless Fact Tables Webreporting R/3®-Extraktion R/3®-Deltadatenextraktion Generische R/3®-Extraktion Projektabschluss Anhang Im Schulungsordner enthalten: Folien aus der Schulung Übungsaufgaben samt Lösungen Hinweisblatt für den Dozenten Evtl. Zusatzmaterialien

Kursüberblick Zielsetzung dieser Schulung ist es, eine Einführung in die Funktionalitäten des SAP Business Information Warehouse zu geben. Die Teilnehmer erlernen die Grundlagen des Reportings und erwerben einen Überblick über Datenmodellierung und –laden. Neben der Besprechung der Regelungen für die BW-Nutzung im HCC-Umfeld werden Anregungen zu möglichen Einsatzszenarien des SAP Business Information Warehouse in der Lehre gegeben. Dauer: 5 Tage Zielgruppe: Dozenten, die an einem Einsatz von SAP BW in der Lehre interessiert sind Nutzer von SAP BW in der Lehre mit geringen Vorkenntnissen Termin: 28.02.05-04.03.05 Voraussetzung: Grundkenntnisse im Data Warehousing Releasestand: SAP BW 3.10 Schulungsinhalte: Regelungen für die BW-Nutzung im HCC-Umfeld Grundlagen des Data Warehousing Architektur und Werkzeuge des BW Reporting & Webreporting Datenmodellierung Datenfluss & Datenextraktion Administration Anregungen zum Einsatz des SAP BW in der Lehre Diese Schulung ersetzt nicht die Teilnahme an weiterführenden SAP BW-Schulungen der SAP.

Zeitplan Mo. 10:00 – 16:00 Uhr Di. 09:00 – 16:00 Uhr Mi. 09:00 – 16:00 Uhr Do. 09:00 – 16:00 Uhr Fr. 09:00 – 15:00 Uhr Mittagessen: Gutscheine nicht vergessen Kleine Pausen mit Kaffee und Erfrischungsgetränken

Einloggen leicht gemacht SAPLogon G11 – SAP BW 3.10 Mandant 800 User AUSER_5_XX mit XX = PlatzNr. von 01 bis 25 und TR Initialkennwort init Beim ersten Anmelden bitte das Kennwort ändern und merken !

Stagingszenarien BW0014

Staging-Szenarien Stagingszenarien mit nicht persistenter Datenablage Daten werden immer wieder neu beschafft und nur für die Dauer einer Transaktion im BW-System gehalten. Stagingszenarien mit persistenter Datenablage Die aus dem Quellsystem ins SAP BW-System geladenen Daten werden über die Dauer einer Transaktion hinaus gespeichert

Stagingszenarien: Überblick

Nicht persistente Stagingszenarien mit RemoteCubes © SAP AG

Persistentes Stagingszenario InfoCube Quell- system PSA InfoObjects (Merkmale)

Flatfiles als Quellsystem Als Quellsystem werden alle Systeme bezeichnet, die Daten für das SAP Business Information Warehouse bereitstellen. Dies können sein: SAP Systeme ab Release 3.0D SAP Business Information Warehouse-Systeme Flache Dateien (Flatfiles), bei denen die Metadaten manuell gepflegt werden und die Daten über eine Dateischnittstelle an das BW übertragen werden Datenbanksystem, in das Daten ohne Hilfe eines externen Extraktionsprogrammes aus einer von SAP unterstützten Datenbank geladen werden Fremdsysteme, bei denen der Daten- und Metadatentransfer über Staging BAPIs erfolgt aus: BW-Online-Doku

Laden von Stammdaten: Flexibles Master Data Staging BW0015

Daten im SAP BW

Anforderungen an das Flatfile-Quellsystem

Hinweise für das Laden aus Flatfiles Möglichst keine Überschriften. Dennoch können beim Ladeprozess Kopfzeilen ignoriert werden. Die Reihenfolge der Felder in der Datei muss unbedingt mit der Reihenfolge der InfoObjects in der Transferstruktur der DataSource übereinstimmen. Datumsangaben: JJJJMMDD Zeitangaben: hhmmss

Struktur der Attribute-Flatfiles /BIC/<ZYYYYY>   Schlüssel des geklammerten Merkmals (falls Merkmal vorhanden) /BIC/<ZXXXXX> Merkmalsschlüssel DATETO CHAR 8 gültig bis – Datum (nur bei zeitabhängigen Stammdaten) DATEFROM gültig ab – Datum (nur bei zeitabhängigen Stammdaten) Attribut 1 Attribut …

Struktur der Attribute-Flatfiles Schlüssel Klammerung Datum von Datum bis Attribut 1 Attribut 2 ... optional optional optional Für Fallstudie relevante Felder

Struktur der Texte-Flatfiles LANGU CHAR 1 Sprachschlüssel (D für Deutsch, E für Englisch) /BIC/<ZYYYYY>   Schlüssel des geklammerten Merkmals (falls Merkmal vorhanden) /BIC/<ZXXXXX> Merkmalsschlüssel DATETO CHAR 8 gültig bis – Datum (nur bei zeitabhängigen Stammdaten) DATEFROM gültig ab – Datum (nur bei zeitabhängigen Stammdaten) TXTSH CHAR 20 Kurztext TXTMD CHAR 40 mittlerer Text TXTLG CHAR 60 Langtext

Struktur der Texte-Flatfiles Sprache Schlüssel Klammer- ung Datum von Datum bis Kurz- text Mittel- text Lang- text optional optional optional Für Fallstudie relevante Felder

Vorgehensweise

Fortschreibungsarten Flexible Fortschreibung Bewegungsdaten Stammdaten = mit Fortschreibungsregeln (= Bewegungsdaten-InfoSources in BW-Release 2.X) Direkte Fortschreibung Nur Stammdaten = ohne Fortschreibungs-regeln (= Stammdaten-InfoSources in BW-Release 2.X)  Einfacher, daher vorzuziehen, wenn keine Transformationen in den Fortschreibungsregeln benötigt werden.

Datenfluss bei flexibler Fortschreibung © SAP

Fortschreibungsregeln Fortschreibungsregeln spezifizieren, wie die Daten (Kennzahlen, Zeitmerkmale, Merkmale) aus der Kommunikationsstruktur einer InfoSource in die Datenziele fortgeschrieben werden. Sie verbinden also eine InfoSource mit einem InfoCube, Merkmal oder ODS-Objekt. Bei InfoCubes gibt es zwei verschiedene Möglichkeiten, die Fortschreibungsregel für eine Kennzahl zu definieren: Keine Fortschreibung oder Addition, Minimum oder Maximum. Zudem können Merkmale in externen Tabellen, z.B. einer Stammdatentabelle, nachgeschlagen werden.

Schritt für Schritt Stammdaten laden Merkmal als Datenziel einfügen InfoSource für Stammdaten definieren Quellsystem und DataSource(s) zuweisen Transferstruktur und Übertragungsregeln pflegen Fortschreibungsregel anlegen InfoPackage anlegen und einplanen

InfoSource definieren Eine InfoSource beschreibt die Menge aller verfügbaren Daten zu einem Geschäftsvorfall oder einer Art von Geschäftsvorfällen. Eine InfoSource ist eine Einheit von logisch zusammengehörigen Informationen, d.h. von InfoObjects und kann unter Verwendung von Übertragungsregeln Daten aus einer oder mehreren DataSources beziehen. Die Struktur der InfoSource heißt Kommunikationsstruktur. Sie ist im Gegensatz zur Transferstruktur der DataSource unabhängig von den Quellsystemen.

DataSource(s) zuweisen Im Quellsystem liegen logisch zusammengehörige Daten in Form von DataSources vor. DataSources sind also quellsystembezogen. Sie umfassen eine Menge von Feldern, die in einer flachen Struktur (Extraktstruktur) zur Datenübertragung ins BW angeboten werden. In Form einer Auswahl an Feldern der Extraktstruktur, der Transferstruktur, werden die Daten vom Quellsystem in das BW übertragen.

Übertragungsregeln Die Übertragungsregeln bestimmen, welche Felder der quellsystemabhängigen Transferstruktur in welche Felder der quellsystemunabhängigen Kommunikationsstruktur auf welche Weise übertragen werden. Dazu können detaillierte Transformationsregeln erzeugt werden.

konstanten Wert zuweisen Übertragungsregeln Übertragungs- regeln Formel Feld in Feld schreiben ABAP-Routine konstanten Wert zuweisen © SAP AG

Datenfluss 1 2 3 4 5 6 7 © SAP AG

InfoPackage anlegen und einplanen Datenanforderung beinhaltet diverse Parameter für den Upload können per Jobverwaltung eingeplant und terminiert werden

Monitor Der Monitor ist das Überwachungswerkzeug der Administrator Workbench. Mit Hilfe des Monitors können Sie die Datenanforderung (Request) und Datenverarbeitung der Administrator Workbench überwachen. In den verschiedenen Ebenen der Detailanzeige wird Ihnen der Status der Datenverarbeitung angezeigt. © SAP AG

PSA Die Persistent Staging Area (PSA) stellt innerhalb des SAP BW die Eingangsablage von angeforderten Daten aus verschiedenen Quellsystemen dar. Die angeforderten Daten werden unverändert in Form der Transferstruktur in transparenten, relationalen Datenbanktabellen abgelegt und können somit auch fehlerhaft sein, wenn sie schon im Quellsystem fehlerhaft sind. Die logischen Datenpakete (Requests) können nun auf Qualität und Sinnhaftigkeit, Reihenfolge und Vollständigkeit überprüft werden. © SAP AG

Laden von Bewegungsdaten BW0016

Daten im SAP BW

Struktur der Bewegungsdaten-Flatfiles Merk- mal 1 Merk- mal 2 Merk- mal n Kenn- zahl 1 Kenn- zahl 2 Kenn- zahl n ... ... Merkmale Kennzahlen Reihenfolge ist konsequent einzuhalten Möglichst keine Überschriften Datumsangaben im Format JJJJMMDD

Datenfluss

Fortschreibungsregeln Fortschreibungsregeln spezifizieren, wie die Daten (Kennzahlen, Zeitmerkmale, Merkmale) aus der Kommunikationsstruktur einer InfoSource in die InfoCubes fortgeschrieben werden. Sie verbinden also eine InfoSource mit einem InfoCube. Bei InfoCubes gibt es zwei verschiedene Möglichkeiten, die Fortschreibungsregel für eine Kennzahl zu definieren: Keine Fortschreibung oder Addition, Minimum oder Maximum. Zudem können Merkmale in externen Tabellen, z.B. einer Stammdatentabelle, nachgeschlagen werden.

Schritt für Schritt Bewegungsdaten laden InfoSource für Bewegungsdaten definieren (flexible Fortschreibung) DataSource(s) zuweisen Transferstruktur und Übertragungsregeln pflegen Fortschreibungsregel pflegen InfoPackage anlegen und einplanen

Cube Copy BW0017

Fortschreibungsregel Cube Copy: Konzept Cubestruktur kopieren Cube B Cube A Daten kopieren Export-DataSource InfoSource Fortschreibungsregel

Export-DataSources Die Export-DataSource wird zur Datenübertragung aus einem Quell-BW in ein Ziel-BW benötigt. Der ausgewählte InfoProvider steht Ihnen als InfoSource für ein anderes System zur Verfügung. Die zugehörige Export-DataSource wird nicht im InfoSource-Baum des Quell-BW angezeigt. Die Metadaten einer Export-DataSource, wie sie im Quell-BW bestehen, werden generiert. Dies schließt auch die Vorgehensweise bei Fremdsystemen ein. Vorgehen: Siehe Dokument BW_Richtlinie03_Kopieren.doc Der technische Name der Export-DataSource setzt sich aus der Zahl 8 und dem Namen des Datenziels zusammen. Beispiel: InfoCube: AYXX_EKF Export-InfoSource: 8AYXX_EKF Quelle: http://help.sap.com/saphelp_bw31/helpdata/de/ad/6b023b6069d22ee10000000a11402f/frameset.htm

InfoSpokes und Open Hub Service BW0018

Open Hub Service Der Open Hub Service ermöglicht es, Daten aus einem SAP BW System in nicht-SAP Data Marts, Analytical Applications und anderen Anwendungen zu verteilen. Damit wird die kontrollierte Verteilung über mehrere Systeme hinweg gewährleistet. Das zentrale Objekt für den Datenexport ist die InfoSpoke. Durch sie wird definiert, aus welchem Objekt welche Daten bezogen werden und in welches Ziel sie weitergeleitet werden. Quelle: http://help.sap.com/saphelp_bw31/helpdata/DE/a8/6b023b6069d22ee10000000a11402f/frameset.htm

Transformationen beim Datenladen BW0020

Transformationen in den Übertragungsregeln Feld 1:1 Konstante ABAP-Routine Formel

Konstante Evtl. mit Wertehilfe

Formel

ABAP-Routine

Geovisualisierung BW0019

Bilder sagen mehr ...

... als tausend Worte

Geomerkmale Zahlreiche Merkmale des Business Information Warehouse besitzen auch geographische Bedeutung, z.B. Kunde, Verkaufsregion, Bundesland, Land. Die geographische Information kann in der BEx Map zusammen mit den betriebswirtschaftlich relevanten Kennzahlen ausgewertet werden. Die BEx Map ist das in den Business Explorer integrierte geographische Informationssystem (GIS) des BW.

Schritt für Schritt Landkarten erzeugen Merkmal als georelevant kennzeichnen Geodaten ins BW laden BEx Map in Query einfügen

Schritt 1: Geomerkmal kennzeichnen Zuerst werden die georelevanten Merkmale (z.B. Region) in der InfoObject-Pflege als Geomerkmal gekennzeichnet.

Statische und dynamische Geomerkmale Statisches Geomerkmal Ein statisches Geomerkmal ist ein Merkmal, das eine Fläche (Polygon) beschreibt und bei dem sich die geographischen Koordinaten nicht oft ändern. Land oder Region sind Beispiele für statische Geomerkmale. Dynamisches Geomerkmal Ein dynamisches Geomerkmal ist ein Merkmal, das einen Ort beschreibt (punktförmige Information), dessen geographische Koordinaten sich häufiger ändern können. Kunde oder Werk sind Beispiele für dynamische Geomerkmale, da sie an einem geographischen "Punkt" angesiedelt sind, der sich durch eine Adresse beschreiben lässt und sich die Adressdaten dieser Merkmale häufiger ändern können. BW207 5-9

Schritt 2: Geodaten ins BW laden Daraufhin werden die Landkarten ins BW-System geladen, die in Form von Shapefiles vorliegen, welche danach dem betreffenden Merkmal zugeordnet werden. Shapefile ist ein gängiger Standard zur Beschreibung von Geodaten, der bei vielen Geoinformationssystemen zum Einsatz kommt. Während detaillierte Shapefiles, die auch demographische Angaben wie Sozial­struktur, Altersstruktur usw. enthalten können, unter Umständen sehr teuer sind, werden im Internet einfache Shapefiles oft kostenlos zum Download angeboten. Für die in dieser Arbeit konzipierte Lehrveranstaltung wird ein einfaches Shapefile mit der Struktur der deutschen Bundesländer bereitgestellt.

Schritt 2: Geodaten ins BW laden „Geodaten“ downloaden: lädt die Stammdaten des Merkmals herunter. Wichtig: SAPBWKey Dbf-Datei der Geodaten öffnen und SAPBWKey einfügen Modifizierte Shapefiles uploaden  BEXMAPGEOCODIERUNG_20B.pdf

Die Struktur des Shapefiles Die Landkarte, auf der Sie die statischen Geo-Merkmale anzeigen lassen können, wird Ihnen in Form eines sogenannten Shapefiles zur Verfügung gestellt. Das Shapefile besteht aus drei Dateien in verschiedenen Formaten, die zusammen gehören: *.shp enthält die eigentlichen Geo-Daten, die die Landkarte bilden. *.shx enthält einen Index, der die Zugriffszeit auf die Karte verbessert. *.dbf enthält die Attribute für die einzelnen Geo-Elemente wie Länder, Regionen etc. In die dbf-Datei des Shapefiles übertragen Sie den SAPBWKEY aus der Geo-Daten-Datei Ihres InfoObjects. BW207 5-12 Stammdaten OREGION 01 02 03 ... Bavaria Bremen Hamburg ... Region: *.dbf ... ... ... ... Berlin Hamburg Bavaria ... 05 03 01 ...

Vom Shapefile zur Landkarte

Schritt 3: BEx Map Schließlich wird eine Query mit Geomerkmalen definiert und in eine Arbeitsmappe eingefügt. Nachdem eine Landkarte angebunden wurde, werden Querydaten mit geographischer Relevanz auf dieser dargestellt. Es ist möglich, auf der Landkarte zu navigieren, um die georelevanten Daten weiter auszuwerten.

Factless Fact Tables BW0021

Universitäre Wahlen Ein Kunde hat in einem Jahr in einem Land eine Niederlassung (oder nicht).

Merkmale & Kennzahlen Merkmale Kunde Land Jahr Kennzahlen ?

Abbildung von Factless Fact Tables Theoretisch Faktentabelle enthält keine Kennzahlen Faktentabelle besteht lediglich aus Fremd-schlüsseln (auf die Dimensionstabellen) SAP BW Faktentabelle muss mindestens eine Kennzahl enthalten Integration einer Dummy-Kennzahl (=1)

Vorgehensweise Eine numerische, ganzzahlige Dummy-Kennzahl Dummy wird definiert. Man integriert die Kennzahl Dummy in einen bislang faktenlosen InfoCube. Beim Laden der Bewegungsdaten in den InfoCube wird der Kennzahl Dummy der konstante Wert „1“ zugewiesen. Bei Auswertungen auf den InfoCube kann der Dummy dazu verwendet werden, die Anzahl der Ereignisse, hier der Wahlbesuche, darzustellen.

Webreporting BW0022

Vorteile des Webreporting ständige Verfügbarkeit Zugang zu Informationen im Intranet und Internet keine umfangreichen Softwareinstallationen notwendig intuitive Bedienung viele Anwender haben Erfahrung im Umgang mit Webbrowsern robuste Navigation in Webbrowsern

Ansätze beim Webreporting Offline-Ansatz Abfrage der Berichtsdaten in bestimmten zeitlichen Abständen Ablegen der Daten als statische HTML-Dokumente auf dem Webserver  SAP BW: Reporting Agent Dynamische Generierung Webseiten werden erst auf Anfrage des Anwenders generiert  SAP BW: Items in Web Applications einbetten Applets Java oder ActiveX Applets erlauben Programmierung und Generierung anspruchsvoller Oberflächen  SAP BW: JavaScript

Grundlagen und Architektur

Web Application Server Architecture ITS Mainly used for web-enabling of existing SAP applications Dynpro-based SAP BW used ITS only as a gateway (WEBRFC) ITS Flow Logic was only used in special cases SAP BW 2.0 ITS Web Serv. mySAP WAS Enhanced scalability, performance, and robustness Generation of charts and maps on Internet Graphic Server (IGS) Support of background processing BEx Mobile Intelligence Easy administration HTTP WEB Browser SAP BW 3.0 with mySAP Web AS technology IGS © SAP AG

Web Application Designer: Overall Architecture Any Web Design Tool BEx Web Application Designer Portal/ Web Browser BEx Query Designer (excel based, windows based, web based) http create Queries / Views Save HTML Templates in Web Content Management Generate URL automatically OLAP Processor SAP BW Web Service SAP BW Server (using mySAP Web App Server Technology) HTML Templates Data Base SAP BW Charting Engine © SAP AG

Web Application Designer Available Web items Multiple documents Web item properties Drag&Drop © SAP AG

Abhängigkeiten Der Funktionsumfang der Analyse in Web Applications ist abhängig davon, welchen Web Browser Sie benutzen. Anforderungen für einen uneingeschränkten Funktionsumfang Der volle Funktionsumfang mit Kontextmenüs, Snippet-Operationen und der erweiterten Geo- Funktionsleiste bei Karten kann nur mit aktuellen Web Browsern erreicht werden, die DOM Level 2 (mit dynamischer Generierung von DOM-Objekten), ECMA-262 Script, HTML 4.0 und CSS 1.0 unterstützen. Die Referenz-Web-Browser sind der Microsoft Internet Explorer (MS IE) und der Netscape Navigator (NS) in den aktuellen Windows-Implementierungen (MS IE 6.x und NS 6.x). Instanzen dieser Web Browser auf anderen Systemen, z.B. Apple Macintosh oder Linux können sich abweichend verhalten. Minimal-Anforderungen Sie können Web Applications auf Web Browsern verwenden, die dem HTML 3.2-Standard genügen und elementare Funktionen von CSS 1.0 unterstützen. Web Browser und Funktionsumfang Der volle Funktionsumfang des Kontextmenüs und des Ad-hoc Query Designers sowie eine flimmerfreie Navigation ist mit dem Internet Explorer 6.x und 5.x sowie dem Netscape Navigator 6.x möglich. Mit dem Internet Explorer 4.x und dem Netscape Navigator 4.x gibt es eine Einschränkung beim Web Item Hierarchisches Kontextmenü: das dynamische Nachladen von Hierarchieästen ist nicht möglich. Web Browser wie der Internet Explorer 3.0 oder Netscape 3 erlauben in BEx Web Applications kein Kontextmenü, sondern nur eine eingeschränkte Navigation über Symbole. Weitere Informationen zu den Web Browser-Abhängigkeiten finden Sie auch im SAP Service Marketplace alias SAP BW unter Services & Implementation  Frequently Asked Questions  SAP BW & Web Application Server. Quelle: SAP BW Functions in Detail, Version 1.0 SAP BW 3.0B

Web Applications erstellen

Metaobjekte: Webreporting (SAP BW 2.X)

Metaobjekte: Webreporting (SAP BW 3.X)

Objects used in the Design Process Excel Workbook SAP BW Workbooks = stored in roles Excel Workbook Libraries is embedded in Excel Workbook SAP BW Queries can be stored with supplies data to Excel Workbook Items (Charts, Tables, News Tickers ..) Excel Workbook HTML Templates is derived from is used in Excel Workbook Query Views supplies data to © SAP AG

View = Datenbasis für die Items definieren eine Gruppe von Daten spezifizieren Arbeitsmappen-Filter, Aufrisse, Exceptions usw. werden von einer Query abgeleitet, beinhalten aber auch Arbeitsmappen-Filter/-Navigation

Items Beispielsweise: Tabelle (Ergebnisbereich) Navigationsblock Diagramm Filter Alert-Monitor Exceptions Bedingungen

Neue Web Items New Items Ad-Hoc Query Designer News Ticker checkboxes for filter values Hierarchical dropdown boxes Single documents and document list Menu More WYSIWYG layout design Start as late as possible with direct HTML editing (and then make the integration as convenient as possible  WebDAV support) Remarks Publishing in SAP BW 2.0 systems is done with “old” Web Publisher Templates on ITS are not supported with SAP BW 3.0 Web Application Designer © SAP AG

Struktur und Modifikationen

Layoutgestaltung Sie können Ihr Web Template – die HTML-Seite mit SAP BW-spezifischen Inhalten – im Layout verändern, wie Sie es von HTML-Editoren gewohnt sind. Web Items auf der Seite anordnen Sie können die Größe der Platzhalter verändern. Sie können die Web Items horizontal ausrichten. Sie können die Web Items per Drag und Drop an die gewünschte Position ziehen, um die Web Items innerhalb des Web Templates umzugruppieren. Web Items anordnen mit Hilfe einer HTML-Tabelle Um Web Items neben- und untereinander anzuordnen, können Sie sich eine HTML-Tabelle zunutze machen. Dieses Raster können Sie sich nach Ihren Anforderungen zurecht legen und verschiedene Web Items in die einzelnen Zellen der Tabelle ziehen, je nachdem, ob Sie Ihre Web Items horizontal oder vertikal anordnen wollen. Web Template um Texte erweitern Neben dem Einfügen und Arrangieren von Web Items können Sie das Web Template um Texte erweitern und diese formatieren. Web Templates um Bilder erweitern Zusätzlich haben Sie die Möglichkeit, Bilder wie z.B. Firmenlogos in Ihre Web Templates einzubinden, die im MIME Repository des SAP BW Servers abgelegt sind. Das System unterstützt die Bildformate GIF, JPG und BMP. Quelle: SAP BW Functions in Detail, Version 1.0 SAP BW 3.0B

URL Allgemein: http://server/sap/bw/BEx?sap-language=Sprache&cmd=ldoc&TEMPLATE_ID=Template (&weitere Parameter) Beispiel: http://hcc2b12.informatik.tu-muenchen.de:8001/sap/bw/BEx?sap-language=DE&cmd=ldoc&TEMPLATE_ID=A200_APPL1

User und Passwort beim Webreporting Angabe von User und Passwort in der URL &sap-user=xxx&sap-password=yyy Anonymes Logon Siehe Hinweis 498936

Integration in den HTML-Code <body> <object> SAP BW Object </object> </body> </html> SAP BW Objects Data Provider (View) Item

Weiterbearbeitung des HTML-Codes Um die HTML Source eines Web Templates zu bearbeiten, haben Sie folgende Möglichkeiten: Sie können das Web Template direkt in der HTML-Sicht des Web Application Designers editieren. Wählen Sie dazu im unteren Bereich des Fensters Template des Web Application Designers die Registerkarte HTML. Sie können das Web Template auch mit einem externen HTML-Editor bearbeiten. Quelle: SAP BW Functions in Detail, Version 1.0 SAP BW 3.0B

Der Datenfluss im BW BW0025

Technische Voraussetzungen Inhalte Datenfluss im SAP BW Quellsysteme Technische Voraussetzungen

Übung Kapitel 1 Aufgabe 1: Data Warehouse Aufgabe 2: Farben ändern

Data Warehouse- und BW-Architektur © SAP AG

Übung Zusatzaufgabe Beschreiben Sie den Datenfluss im BW.

Datenfluss: Übersicht Quell-system BW 7 Quell- system 1 4 8 5+6 Reporting 3 Fortschr.- regel xls Query Rolle InfoCube (Infoprovider) Arbeits- mappe InfoPackage Data- Source (Transfer- Struktur) DS-Replikation PSA xls 2 Übertragungs- regeln Infosource (Komm.-Struktur) View Merkmal mit Stammdaten HTML Strukturen / Definitionen Daten Web Template Transformation

Quellsystemtypen und ihre Schnittstellen 1 BW Datenziele Fortschreibungsregeln InfoSource Übertragungsregeln Datei Schnitt- stelle XML Schnitt- stelle DB Connect Staging BAPI Flache Datei Web Service RDBMS RFC Server RFC Client Extractor RFC-Verbindung (sm59) mit Hintergrund-benutzern Externe DB BW Service API Extraktor Fremd- Systeme SAP Quellsystem (R/3, CRM, SEM, BW, APO)

DataSource 2 Metadaten zu einem betriebswirtschaftlichen Prozess oder Einheit Typen: Bewegungsdaten, Stammdaten (Attribute, Texte, Hierarchien) Quellsystembezogen 1 DataSource (DS) besitzt genau 1 Extraktstruktur (ES) ES wird durch einen Extraktor gefüllt Metadatentabelle: ROOSOURCE DS wird vom Quell- ins Zielsystem repliziert 0CO_OM_CCA_9: Kostenstellen-Istkosten Einzelposten (Delta) Funktionsbaustein View Query

Extraktoren Für die Extraktion von Daten aus SAP-R/3 Systemen sind so genannte Extraktoren zuständig. Plug-ins ermöglichen die technische Realisierung der Extraktion und bieten vorgefertigte Extraktionsszenarien für die unterschiedlichen Module an. Extraktor Extraktor Extraktor Extraktor Extraktor CO FI HR … DB-View SAP Query Funktionsbaustein R/3 System

DataSource-Replikation 3 © SAP AG

Enthält Metadaten zu einem betriebswirtschaft-lichen Prozess InfoSource 4 Enthält Metadaten zu einem betriebswirtschaft-lichen Prozess Funktionen Metadatenabgleich mit den DataSources Versorgung der Datenziele Typen direkte Fortschreibung flexible Fortschreibung © SAP AG

DS-IS-Zuweisung und Übertragungsregeln 5+6 Transferstruktur-Felder werden InfoObjects zugeordnet Übertragungsregeln: 1:1 Konstante ABAP-Routine Formel © SAP AG

Datenziele (Data Targets) 7 Basis-InfoCube ODS-Objekt Stammdatentragendes Merkmal Data Target = enthält physisch Daten InfoProvider = Reportinggrundlage

Fortschreibungsregeln 8 Verbindet flexibel fortgeschriebene InfoSources mit Datenzielen Verschiedene Fortschreibungs-methoden © SAP AG

Datenflussmodellierung im BW Integration der Daten in anwendungsspezifische Modelle Fortschreibungsregeln InfoSource InfoSource Kommunikationsstruktur Kommunikationsstruktur Homogenisierung: Daten in strukturiertes und einheitliches Format transformieren Übertragungsregeln DataSource DataSource DataSource Anwendungs- spez. Extraktor: FI Anwendungs- spez. Extraktor: CO Generischer Extraktor Aus Tabelle

Übung Kapitel 1 Aufgabe 3: Datenfluss Dozent Aufgabe 4: Quellsystem testen

Datenextraktion aus SAP® R/3®-Systemen BW0023

R/3®-Extraktion: Hinweise zum Einsatz in der Lehre Systemübergreifende Aktivitäten  2 Systeme müssen beherrscht werden BW ist nicht mandantenfähig: mehrere Kunden auf einem BW-System  Regeln und Rücksichtnahme Evtl. werden große Datenmengen bewegt  Dauer der Transaktionen Keine einheitliche Vorgehensweise verfügbar, da Extraktion stark applikationsabhängig ist  hoher Einarbeitungsaufwand Arbeit mit zentralen Objekten des Data Dictionary  hohe Anforderungen an das Design von Fallstudien  viele Aktionen müssen vom Dozenten vorgeführt werden

Voraussetzungen zur Datenextraktion aus R/3 Installation der notwendigen Plug-Ins und Patches. Einrichtung eines R/3 Systems als Quellsystem im BW. (wird auf Anfrage vom HCC durchgeführt) Eindeutige Identifikation der Systeme: logischer Name. Einstellungen für RFC und ALE ALE bietet Monitoring und Fehlerbehandlung bei der Datenübertragung Anforderungen und Quittierungen über IDocs gesendet R/3 BW

Datenextraktion aus SAP-R/3 Systemen Für die Extraktion von Daten aus SAP-R/3 Systemen sind so genannte Extraktoren als Plug-ins vorgesehen. Diese Plug-ins ermöglichen die technische Realisierung der Extraktion und bieten vorgefertigte Extraktionsszenarien für die unterschiedlichen Module an. Extraktor Extraktor Extraktor Extraktor Extraktor CO FI HR … DB-View SAP Query Funktionsbaustein R/3 System

Kommunikationsstruktur Datenfluss SAP BW In der Transferstruktur, werden Daten vom Quellsystem in das BW übertragen. Sie stellt eine Auswahl der Felder einer DataSource des Quellsystems dar. Eine Transferstruktur bezieht sich immer auf eine DataSource aus einem Quellsystem und auf eine InfoSource im BW. Fortschreibungsregeln Kommunikationsstruktur Übertragungsregeln Eine DataSource umfasst eine Menge von Feldern, die zur Datenübertragung ins BW angeboten werden. Technisch basiert sie auf den Feldern der Extraktstruktur. Die Felder können sowohl erweitert wie auch gefiltert werden. Transferstruktur Selektion von Feldern DataSource In der Extraktstruktur werden Daten einer DataSource im Quellsystem bereitgestellt. Sie enthält die Menge der Felder, die von einem Extraktor im Quellsystem für den Datenladeprozess angeboten werden. Extraktstrukturen von DataSources werden im Quellsystem bearbeitet. Replikation DataSource Selektion von Feldern Extraktstruktur Extraktstruktur Extraktstruktur Extraktor Extraktor SAP R/3 Extraktor

Prozess des R/3-Uploads Durch einen Metadaten-Upload wird die Datasource ins BW repliziert. Dort steht sie zur Zuordnung zu einer InfoSource zur Verfügung. Dort werden die Felder der DataSource zur Zuordnung zu InfoObjects im BW angeboten. Nachdem der Datenfluss durch die Pflege der Übertragungsregeln festgelegt ist, kann ein InfoPackage eingeplant werden. Der Datenladeprozess wird dann durch ein Anforderungs-IDoc an das Quellsystem ausgelöst.

Extraktionsszenarien Extraktions-prozess Extraktoren Anwendungsspez. Extraktoren Generische Extraktoren Appli-kationen Business Content DataSources Kundendefinierte DataSources Anwendungs- spezifisch (CO, FI, HR, etc.) Datenhaltung im R/3 - Generische DataSources (Tabellen, Views, Kunden- definiert Queries) Extraktoren Legende: Mögliche Schwerpunkte in der Lehre

Übungsszenario R/3 BW 1 4 5 3 6 2 7 zuordnen 0CO_OM_CCA_9 0CO_OM_CCA_9 replizieren ZYXX_KUV 4 5 zuordnen 0CO_OM_CCA_9 0CO_OM_CCA_9 ZYCO_OM_CCA_IK FR DataSource DataSource InfoSource InfoCube InfoPackage 3 6 2 Monitoring 0CO_OM_CCA_9 0CCA_C11 7 Vorlage Vorlage

R/3®-Deltadatenextraktion BW0026

Es existieren zwei Formen der Extraktion: Full vs. Delta Upload Es existieren zwei Formen der Extraktion: Full Upload: Extraktion des gesamten Datenbestandes Delta Upload: Nur die Daten, die sich seit der letzten Extraktion geändert haben, werden ins BW geladen. Erhebliche Verbesserung der Performanz im Vergleich zur Extraktion des Gesamtdatenbestandes.

Übungsszenario: Buchungen im OLTP Buchungen im OLTP-System nach Durchführen eines Full-Updates MM Materialverbrauch für Kostenstelle FI Lieferantenrechnung Buchung von Kosten in Anw.-Tabelle COVP Extraktor: Funktionsbaustein BWOMD_GET_CTRCSTA1 CO Innerbetriebliche Leistungsverrechnung DataSource 0CO_OM_CCA_9 BW

Übung Dozent Kapitel 3 Aufgabe 1: Deltainitialisierung Aufgabe 2-4 Buchungen in R/3 durchführen Aufgabe 5-7 Delta-Ladeprozess vervollständigen

Deltaübertragung ins BW Im Scheduler des BW stehen folgende Fortschreibungsmodi zur Verfügung: Full Update Fordert alle Daten an, die den im Scheduler festgelegten Selektionskriterien entsprechen. Delta-Update: Fordert nur die Daten, die seit dem letzten Ladegang im Quellsystem angefallen sind. Initialisierung des Delta-Verfahrens: Voraussetzung für Delta-Verfahren. Selektionen der Initialisierung werden für das Laden der Delta-Sätze übernommen.

Deltaübertragung ins BW Fortschreibungsmodi ins BW © SAP AG

Wie identifiziert man Deltas ? Delta-Queue Erfassung der Schlüssel-Werte von geänderten oder neuen Sätzen in einer Tabelle. SAP speichert in der Delta-Queue before- und after- images jedes geänderten Datensatzes. Ähnlicher Ansatz wie die Logs eines DBMS. Timestamp Verbuchung der Zeitstempel in externer Tabelle. Abweichung zwischen Zeitstempel und Verbuchungszeitpunkt. Daher Vorgabe einer Sicherheitszeit. Keine Historisierung der Änderungen möglich.

SAP LUW vs. DB LUW ... COMMIT Dialogteil Verbuchungsteil Dynpro 1 SAVE ... COMMIT WORK. Dialogteil Verbuchungsteil SAP-LUW DB-COMMIT DB-COMMIT DB-COMMIT DB-COMMIT DB-COMMIT DB Applikationstabellen Protokolltabelle SAP-LUW © SAP AG DB-LUW 1 DB-LUW 2 DB-LUW 3 DB-LUW 4 DB-LUW 4 Zeit

Sicherheitszeit Da das SAP-R/3-System zur Verbuchung von Einzelposten eine bestimmte Verbuchungszeit benötigt und den Zeitstempel bereits zum Beginn der Verbuchung eines Einzelpostens setzt, kann eine Abweichung zwischen Verbuchungszeitpunkt und Zeitstempel entstehen. Die Einzelposten, die im Zeitraum dieser Abweichung liegen, also noch nicht auf der Datenbank verbucht wurden, können bei der Erstellung eines Delta-Datenbestandes nicht selektiert und somit nicht ins BW geladen werden. Durch die Vorgabe einer Sicherheitszeit (die Zeit, in der Einzelposten sicher verbucht werden) wird sichergestellt, daß Einzelposten trotz der Abweichung zwischen Zeitstempel und Verbuchungszeitpunkt extrahiert und ins BW geladen werden. © SAP AG

Delta Verfahren der DataSources Die verwendeten Delta-Modi in einer DataSource definieren ein bestimmtes Delta-Verfahren. Delta-Verfahren ist Eigenschaft des Extraktors. Als Attribut der DataSource gibt es an, wie die Daten dem Datenziel übermittelt werden. Daraus wird abgeleitet für welche Datenziele eine DataSource geeignet ist, wie fortzuschreiben ist und auf welche Weise serialisiert wird.

Deltafähigkeit einer DataSource © SAP AG

Delta-Extraktion am Bsp. Kostenstellen Die DataSource 0CO_OM_CCA_9 liefert Informationen zu den Istkosten, die auf Kostenstellen gebucht wurden. Unterstützte Fortschreibungsmodi: Delta-Init (Ermittlung des Anfangbestandes) Delta Update (Ermittlung und Laden des Delta Datenbestandes) Full Update (Ermittlung und Laden des Gesamt-Datenbestandes) BW R/3 DataSource 0CO_OM_CCA_9 Kostenstellen: Istkosten-Einzelposten (Delta) Delta-Verfahren ADD: Additive Extraktion über Extraktor Der Extraktor erlaubt nur das Addieren von Feldern. Fortschreibung in InfoCube und ODS möglich. Request Serialisierung. ADD Definieren Delta-Verfahren Datensätze: -Before Img. -After Img. Wegen Verbuchung von Einzelposten: Abweichung zwischen Zeitstempel und Verbuchungszeitpunkt. Vorgabe einer Sicherheitszeit. Daten Herkunfts- tabellen R/3 Timestamp Tabelle

Fazit: Einsatzmöglichkeiten „BW-Extraktion“ Chancen Herausforderungen Lediglich „Füllen von InfoCubes“ Datenbankorientiertes Thema Deltamanagement als anspruchsvolles SAP-Thema Systemübergreifende Fallstudien Systemübergreifende Aktivitäten  2 Systeme müssen beherrscht werden BW ist nicht mandantenfähig: mehrere Kunden auf einem BW-System  Regeln und Rücksichtnahme Evtl. werden große Datenmengen bewegt  Dauer der Transaktionen Keine einheitliche Vorgehensweise verfügbar, da Extraktion stark applikationsabhängig ist  hoher Einarbeitungsaufwand Arbeit mit zentralen Objekten des Data Dictionary  hohe Anforderungen an das Design von Fallstudien  viele Aktionen müssen vom Dozenten vorgeführt werden

Generische DataSources für die R/3®-Extraktion BW0027

Extraktionsszenarien Extraktions-prozess Extraktoren Anwendungsspez. Extraktoren Generische Extraktoren Appli-kationen Business Content DataSources Kundendefinierte DataSources Anwendungs- spezifisch (CO, FI, HR, etc.) Datenhaltung im R/3 - Generische DataSources (Tabellen, Views, Kunden- definiert Queries) Extraktoren Mögliche Schwerpunkte in der Lehre

Szenario: Generische Extraktion R/3-Quellsystem BW-System Z_YXX_ Userdaten Z_YXX_ Userdaten_DS Z_YXX_ Userdaten_DS AYXX_US_IS AYXX_US USR01 Z_YXX_ Userdaten Z_YXX_ Userdaten_DS Z_YXX_ Userdaten_DS AYXX_US_IS AYXX_US USREFUS R/3-Applikationstabellen (Benutzerverwaltung) Extraktor (View) Generische DataSource Generische DataSource (Replikat) InfoSource Merkmal (mit Stammdaten)

Projektabschluss BW0024

Verteilung eines Data Warehouse Produkt bei den Anwendern bekanntmachen Marketing: Newsletter, Webseite Community Technische Ausstattung der Arbeitsplätze Anwenderschulung Aufbau einer Supportstruktur Die Anwender sind der sensibelste Faktor in einem DW-Projekt ! neues Data Ware-house !!!

Wartung des Data Warehouse Anwenderbezogene „Wartung“ Ständiger Kontakt zu den Anwendern Fortführender Support Weiterführende und wiederholende Schulungsangebote Technische Wartung Vermeidung von Systemausfällen Pflege der Infrastruktur Performance gewährleisten und verbessern Wachstum managen System für Wachstum rüsten Wachstum ist ein Zeichen für Akzeptanz des DW

Abschaffung / Ersatz eines DW Bestimmung des Zeitpunkts der Totalabschaffung oder des Ersatzes Umstellungskosten remanente Lizenzkosten  Investitionsrechnung Lebenszyklusbetrachtung Folgeprojekt !

Quelle BW Fortschr.- regel xls Query Rolle InfoCube (Infoprovider) Arbeits- mappe InfoPackage Data- Source (Transfer- Struktur) PSA Quell- System xls Übertragung- regeln Infosource (Komm.-Struktur) View Merkmal mit Stammdaten HTML Web Template Strukturen / Definitionen Daten Transformation Quelle: BW-Schulung, TUM 31.03.04

Aktuelle BW-Schulungen der SAP AG

Schulungen zum SAP BW: Überblick Quelle: www.sap.de (Online-Kurskatalog), zugegriffen am 18.02.2005

Schulungen zum SAP BW: Schwerpunkt Reporting Ausrichtung auf Analysen und Auswertungen Vorwiegend BEx Analyzer „ab InfoProvider“ Quelle: www.sap.de (Online-Kurskatalog), zugegriffen am 18.02.2005

Schulungen zum SAP BW: Schwerpunkt Data Warehousing Quelle: www.sap.de (Online-Kurskatalog), zugegriffen am 18.02.2005 Technisch orientiert Vorwiegend AWB „bis InfoProvider“

Schulungen zum SAP BW: Schwerpunkt Administration Für HCC-Kunden nicht unbedingt notwendig Aufgabe der HCCs  Quelle: www.sap.de (Online-Kurskatalog), zugegriffen am 18.02.2005

Schulungen zum SAP BW: Schwerpunkt Planung (SEM) Quelle: www.sap.de (Online-Kurskatalog), zugegriffen am 18.02.2005

Aktuelle Trends im Data Warehousing BW0100

Aktuelle Trends: Ebenen im DW Quelle: BARC, aus Computerwoche 21/04

Trends im Data Warehousing: Überblick Real-Time Data Warehousing Datenqualität: Profiling, Cleansing Anforderungen an Performance bei wachsenden Datenmengen Lifecycle Management für Data Warehouses Metadatenmanagement (CWM™) Unstrukturierte Informationen (Text, Ton, Bild) Alerting: Information Broadcasting ( BW 3.5)