Wafiullah Hafizyar Dieser Blogartikel befasst sich mit dem Thema des Business Builder in der SAP Data Warehouse Cloud. Um Ihnen einen kleinen Überblick über die Vorgehensweise zu geben und die verschiedenen Funktionen des Business Builder näher zu bringen, erhalten Sie Schritt für Schritt ein kleines Tutorial. Am Schluss des Beitrags sind Sie als Nutzer:in der Data Warehouse Cloud für Ihr nächstes PoC gut gewappnet.
Der Business Builder in der SAP Data Warehouse Cloud ist ein webbasierter Editor, mit dem Benutzer:innen Datenmodelle und -flüsse erstellen, bearbeiten und verwalten können. Mit dem Business Builder können Sie komplexe Datenintegrationen und Transformationsprozesse erstellen, um Daten aus verschiedenen Quellen in Ihrem Data Warehouse zusammenzuführen und zu transformieren. Darüber hinaus können Sie mit dem Business Builder auch Datenmodelle erstellen, die die Beziehungen zwischen den Daten in Ihrem Data Warehouse beschreiben. Sie können auch hierarchische Strukturen definieren, um die Daten in verschiedenen Ebenen der Aggregation zu organisieren.
Der Business Builder bietet eine visuelle Benutzeroberfläche, die das Erstellen und Verwalten von Datenmodellen und -flüssen erleichtert. Dies erleichtert die Zusammenarbeit und erhöht die Geschwindigkeit, mit der Erkenntnisse aus Daten gewonnen werden.
New Dimension
Eine Dimension muss im Business Builder eingerichtet werden, um Daten in Ihrem Data Warehouse besser zu organisieren und zu analysieren. Eine Dimension ist eine Beschreibung der verschiedenen Merkmale oder Attribute von Daten, die Sie in Ihrem Data Warehouse speichern möchten. Diese repräsentieren typischerweise Stammdaten wie Produkte, Kunden oder Zeit. Durch die Einrichtung von Dimensionen können Sie die Daten in Ihrem Data Warehouse leichter analysieren und schneller Erkenntnisse gewinnen. Sie können beispielsweise Berichte erstellen, die sich auf bestimmte Dimensionen wie den Umsatz nach Produktkategorie oder den Umsatz nach Land konzentrieren. Dimensionen helfen auch bei der Standardisierung von Daten und können dazu beitragen, Konsistenz und Genauigkeit in Ihrem Data Warehouse zu gewährleisten. Für eine leichtere und detailliertere Analyse sollten die Dimensionen mit Attributen versehen werden. Dabei sollte jede Eigenschaft aufgegriffen werden, die in der nachfolgenden Analyse wichtig wird. Je besser Sie die Dimensionen aufbereiten und die passenden Attribute auswählen, desto variabler wird die Datengrundlage für weitere Fragestellungen.
Dazu klicken Sie im Business Builder auf „New Dimension“. Unter dieser Auswahl können Sie neue Dimensionen erstellen und diese mit festgelegten Attributen und Schlüsseldefinitionen versehen.
Es öffnet sich ein neues Fenster mit der Überschrift „Create New Dimension“. Hier können Sie nun die Datensätze auswählen, die Sie nutzen möchten. Allerdings müssen diese vorher im Data Builder hochgeladen und fertig modelliert worden sein, um sie auch im Business Builder nutzen zu können. Für dieses Tutorial wird die Dimension „Customer Masterdata“ ausgewählt.
Nun öffnet sich die allgemeine Infoseite. Hier finden Sie verschiedene Informationen zur Datei, z.B. Name, technischer Name, Datenquelle, Version und den jeweiligen Status.
Im nächsten Schritt werden die Attribute und die Schlüsseldefinitionen festgelegt. Es besteht die Möglichkeit zwischen vorher erkannten Attributen zu wählen oder eigendefinierte Attribute selbst festzulegen, um diese später für die Analysen zu nutzen. Hierfür klicken Sie einfach auf die jeweiligen Reiter und nutzen das „Plus“-Symbol für eigendefinierten Attribute. Alternativ können Sie auch das Symbol der Tabellenerweiterung nutzen. Dort befinden sich die Attribute, die die Data Warehouse Cloud automatisch erkennt.
Nachdem Sie die Attribute und Schlüsseldefinitionen festgelegt haben, können Sie diese nun speichern und haben somit Ihre erste Dimension erstellt. Natürlich haben Sie die Möglichkeit diese Dimension weiter zu bearbeiten. Input-Parameter, Hierarchien, Assoziationen und Autorisations-Szenarien können genutzt werden, um die Dimension detaillierter darzustellen.
Analytical Dataset
Nach der Erstellung einer Dimension können wir uns nun an die Faktendaten anschauen. Diese werden als analytischer Datensatz verwendet und bilden den Kern des Datenmodells. Sie sollten mindestens eine Kennzahl enthalten. Zudem ist es wichtig, dass sie die Fremdschlüssel zu der Dimension liefern, die vorher angelegt wurde und die später in SAP Analytical Cloud analysiert werden soll. Zu den Faktendaten können beispielsweise Buchhaltungsdaten aus dem Finanzwesen, Verkaufsdaten, Lieferketten oder Gehaltszahlungen gehören.
Um ein analytisches Dataset zu erstellen, klicken Sie auf „New Analytical Dataset“. Wie bei Erstellung der Dimension öffnet sich zuerst ein Fenster, wo wieder die zu nutzende Datei ausgewählt werden soll. Diese muss nun im Business Builder bearbeitet werden. Wie auch zuvor muss dieser Datensatz erst einmal im Data Builder vorbereitet und modelliert worden sein. Für den nächsten Schritt klicken Sie auf „Create“.
Wie im Kapitel der Dimension öffnet sich die allgemeine Informationsseite. Auch hier haben Sie die Möglichkeit jeweils Namen, technischen Namen, die Version und den Status einzusehen und gegebenenfalls zu ändern.
Im nächsten Schritt werden die verschiedenen Kennzahlen, die analysiert werden sollen, definiert sowie Attribute und die Schlüsseldefinitionen eingefügt.
Nun wollen wir diese Faktentabelle, die den Kern unseres Datenmodells ausmacht, mit der Dimension, die wir vorher erstellt haben, verknüpfen. Dies funktioniert über den Reiter „Associations“. Achten Sie darauf, dass die Schlüsseldefinitionen der Dimension auch in der Faktentabelle vorhanden sind, um eine gültige Verbindung herstellen zu können. Klicken Sie zuerst auf den Reiter Associations und dann auf das Plus-Symbol. Hier wählen Sie die Dimension aus, mit der die Faktentabelle verbunden werden soll und die Schlüsseldefinition, die sowohl in der Faktentabelle als auch in der Dimension vorhanden ist. In diesem Fall wäre die richtige Schlüsseldefinition „Costumer_ID“.
Sobald Sie die Verbindung zwischen der Dimension und den analytischen Datenset hergestellt haben, müssen Sie diese auch noch benennen. Nach dem Speichern dieser Informationen haben Sie das analytisches Datenset mit der Dimension anhand von Schlüsseldefinitionen verbunden.
Consumption Model und Perspectives
Im letzten Schritt müssen Sie ein Consumption Model und eine Perspective erstellen. Beides ist notwendig, um die Daten zunächst vorzubereiten und dann in der SAP Analytics Cloud zur Verfügung zu stellen. Mit Perspectives können nur bestimmte Attribute und Kennzahlen ausgewählt werden. Ihr Ziel ist es, den besten Input für Visualisierungs- und Verbrauchstools wie die SAP Analytics Cloud zu erstellen. Ein Consumption Model ermöglicht es hingegen, Geschäftsentitäten und Faktenmodelle zu kombinieren. Dadurch können Sie eine Ausgabe erstellen, die eine konkrete Geschäftsfrage beantwortet. Demnach kann ein Consumption Model mehrere Perspektiven enthalten.
Um ein Consumption Model zu erstellen, klicken Sie auf „New Consumption Model“ und tragen im ersten Schritt den gewünschten Namen für das Modell ein. Im zweiten Schritt fordert Sie die SAP Data Warehouse Cloud nun auf, eine Faktenquelle auszuwählen. In diesem Fall wird das analytische Datenset „RadWelt-Store Verkaufsdaten 20“ ausgewählt, dass im vorherigen Kapitel erstellt wurde. Im dritten Schritt werden ein Alias-Name erstellt und alle Informationen durch den „Create“ Button bestätigt.
Nun befinden Sie sich in der graphischen Ansicht des Consumption Models. Hier werden Ihnen durch die vorangegangenen Schritte auch das analytischen Datenset und die Dimensionen angezeigt. Im nächsten Schritt werden die Quellkontexte der beiden Dimensionen hinzugefügt.
Wählen Sie nun die Attribute aus, die Sie für Ihre Analysen benötigen.
Wiederholen Sie diesen Schritt basierend auf der Anzahl der Dimensionen, die Sie mit dem analytischen Datenset assoziiert haben.
Fügen Sie im nächsten Schritt die Kennzahlen und Attribute hinzu.
Wie bereits erwähnt, müssen Sie Ihr Verbrauchsmodell für Visualisierungs- und Reporting-Tools verfügbar machen, bevor diese tatsächlich auf die Ausgabe dieses Modells zugreifen können. Sie können den öffentlichen Datenzugriff jederzeit gewähren und auch wieder widerrufen.
Um Ihre Daten auf Ihren Bedürfnissen anzupassen, klicken Sie auf „Data Preview“. Dort finden Sie jeweils die von Ihnen hinterlegten Kennzahlen und Attribute und können sie weiter aufbereiten. Durch die Drag-und-Drop-Funktion ist es möglich, die Perspective je nach Bedarf zu ändern. Auf der rechten Seite sehen Sie anschließend das Ergebnis Ihrer Anpassung. Zusätzlich können Sie die einzelnen Attribute sortieren oder filtern.
Wenn Sie mit der Aufbereitung der Daten fertig sind, klicken Sie auf „Save New“ und benennen Sie die Perspective. Danach haben Sie auch diesen Schritt abgeschlossen.
Kehren Sie nun zum Consumption Model zurück. Unter dem Reiter finden Sie nun Ihre gespeicherte Perspective. Als letzten Schritt klicken Sie auf den Button „Deploy“. Nun ist Ihr Consumption Model in der SAP Analytical Cloud verfügbar.
Somit sind die erforderlichen Schritte erfüllt worden. Mit einer aktiven Verbindung zwischen der SAP Data Warehouse Cloud und SAP Analytics Cloud können Sie nun die exponierten Daten in der SAC je nach Anwendungsfall visualisieren.
Fazit
In einer immer komplexer werdenden Geschäftswelt mit sich ständig ändernden Unternehmensanforderungen, die durch immer größer werdende Datenmengen belastet ist, ist eine geordnete und effiziente IT-Umgebung von entscheidender Bedeutung. Dies gilt insbesondere im Kontext von Business Intelligence, wo wichtige Entscheidungen auch auf Basis der verfügbaren Daten getroffen werden sollen.
Business Builder verfolgt ein grundlegendes Ziel: die Entkopplung von Semantik und Datenmodellen. Werden später Änderungen am zugrunde liegenden Datenmodell vorgenommen, können diese schnell und einfach in die semantische Schicht übernommen werden (z. B. durch unterschiedliche Quellfelder). Datenquellen können aus SAP- und Nicht-SAP-Systemen stammen. Eine Data-Warehouse-Cloud kann als (Geschäfts-)Virtualisierungsebene fungieren, indem sie eine einheitliche virtuelle Geschäftsansicht über mehrere Quellsysteme hinweg erstellt.
Insgesamt ermöglicht der Business Builder eine höhere Effizienz und Automatisierung von Geschäftsprozessen und bietet eine benutzerfreundliche und anpassbare Schnittstelle, um Daten zu integrieren und Einblicke in die Geschäftsabläufe zu gewinnen.