Leitfaden und Strategieentwicklung Einführung SAP HANA

© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

für die Einführung der In-Memory-Technologie SAP HANA

Leitfaden und Strategieentwicklung

Tobias Hund MHP | AK Instandhaltung & Servicemanagement: 17.04.2015

Agenda

© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 2

1 MHP Beratungsportfolio

2 In-Memory Datenmanagement (IMDM)

3 Potenziale von In-Memory Datenmanagement (IMDM)

4 Strategieentwicklung & Leitfaden

5 IMDM & Instandhaltung- und Servicemanagement

6 Zusammenfassung

Agenda







6 Zusammenfassung


Mieschke Hofmann und Partner (MHP)A Porsche Company

Die Leistung

Management Consulting

System Integration

Application Management

Business Solutions

Business Solutions

Der Unterschied

Symbiose aus Prozess- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden

Die KompetenzGanzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette

Technology

Services

Application

Mgmt.

Services

Product

Lifecycle

Mgmt.

Supply

Chain

Mgmt.

Production

& Opera-

tions Mgmt.

Customer

Relations

Mgmt.

Finance &

Controlling

Business

Intelligence

After

Sales

Retail

Mgmt.

Human

Resources

MHP Beratungsportfolio


Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.Unsere Kompetenzbereiche mit Themenfeldern.

Technology

Services

Application

Mgmt.

Services

Product

Lifecycle

Mgmt.

Supply

Chain

Mgmt.

Production

& Opera-

tions Mgmt.

Customer

Relations

Mgmt.

Finance &

Controlling

Business

Intelligence

After

Sales

Retail

Mgmt.

Human

Resources

ProductionPlanning

Strategic ProductionConsulting

Lean Production

ManufacturingExecution

Maintenance

Retail Service Management

Retail Consulting

Fleet Management

Sourcing

Planning

Affiliation

Performance

Development & Talent

Management

Governance, Risk and

Compliance

Template Development and Rollouts

Business Process

Development & Optimization

Legal and Fiscal Requirements

Accounts, Reporting and Consolidation

System Harmonization

CIO Management Consulting

Enterprise Content

Management

Standard Software

IndividualSoftware

Application & Process Services

ApplicationManagementConsulting

ProductStructure

Management

Product Development Process (PDP) Management

SAP PLM Consulting &

Solution Implementation

PTC WindchillSolution

Integration

DS Enovia V6 Solution

Integration

PLM Strategy & Management Consulting

ProductionLogistics

Procurement & Quality

Sales Logistics

Service Management

Spare Parts Management

Supply Chain &Demand Planning

Service Management

Spare Parts Management

Warranty Processes

(Pro-active) Complaint

Management

Digital incl. Connected CRM

& Social CRM

CRM Strategy & Management Consulting

Sales Force Automation incl.

Mobile CRM

Analytics incl. Segmentation &

CampaignManagement

Vertical RetailIntegration

(Pro-active) Complaint

Management

BI Technology

BI Strategy

Integrated Corporate Planning

Analytical Business Processes

Next GenerationBI & BIG DATA

Mobile BI Scenarios

CRM IT Consulting &

Solution Implementation

Transition & Change

Management

Administrative Core Processes

MHP Dealer Performance Management

Finance and Controlling for

Automotive Retailers

Dealer Management

Systems

MHP Carbon

Innovations ConnectedVehicle

Cloud ComputeSustainable

MobilitySocial Business Mobile Business

Real-time Business

Industry 4.0

MHP Beratungsportfolio

Agenda







6 Zusammenfassung


Die Grundidee der In-Memory Technologie

In-Memory Datenmanagement (IMDM)

Shared 3rd Level Cache

1st Level Cache

Core

2nd Level Cache

1st Level Cache

Core

2nd Level Cache

1st Level Cache

Core

2nd Level Cache

1st Level Cache

Core

2nd Level Cache

Type ofMemory

Size Latency

L1 CPU-Cache 64KB 1 ns

L2 CPU-Cache

L3 CPU-Cache

256KB

30 MB

5 ns

20 ns

MainMemory

Disk

Main Memory

Disk

512GBup to TB

TB

10 - 100 ns

5.000.000 ns

Grundidee der In-Memory Technologie

10.000-

100.000schneller

Legende Abkürzungen: Ns = Nanosekunden / KB = Kilobyte / MB = Megabyte / GB = Gigabyte / TB = Terabyte

Register 1KB 0,3 ns

Quelle: vgl. Kittel (2013), S. 8-9; N.N. SAP (2013), S. 1.


Aspekte von In-Memory Datenmanagement (IMDM)und die Häufigkeit der Erwähnung


33,33%

Permanente Datenhaltung imHauptspeicher

Quelle: vgl. Koleva (2013), S. 21.




33,33%

25,64%


Sehr hohePerformanceoptimierungen





33,33%

25,64%

15,38%



Einfluss auf dieAnwendungsentwicklung





33,33%

25,64%

15,38%

15,38%




Vermischte Arbeitslast (OLXP)





33,33%

25,64%

15,38%

15,38%

7,69%Permanente Datenhaltung imHauptspeicher




SpaltenorientierteDatenhaltung





33,33%

25,64%

15,38%

15,38%

7,69% 2,56%Permanente Datenhaltung imHauptspeicher




SpaltenorientierteDatenhaltung

Trend zu Insert-Only



Preisentwicklung der Speichermedien (1955-2015)


0,00001

0,00010

0,00100

0,01000

0,10000

1,00000

10,00000

100,00000

1.000,00000

10.000,00000

100.000,00000

1.000.000,00000

10.000.000,00000

100.000.000,00000

1.000.000.000,00000

1955 1965 1975 1980 1985 1990 1995 2000 2005 2010 2015

Festplattenspeicher

Flashspeicher

Hauptspeicher

US$ / MB

Jahr

Quelle: vgl. Plattner & Zeier (2012), S. 15; McCallum (2013), http://www.jcmit.com, Zuletzt besucht: 03.05.2014.


CPU Taktrate, Geschwindigkeit FSB und Transistoren-Entwicklung


0,0010000

0,0100000

0,1000000

1,0000000

10,0000000

100,0000000

1000,0000000

10000,0000000

1970 1975 1980 1985 1990 1995 2000 2005 2010 2015

Taktrate in Mhz

Anzahl an Transistoren in Mio.

FSB in Mhz

Jahr

Mhz & Transistoren in Mio.

Quelle: vgl. Plattner & Zeier (2012), S. 11; Haare (2014), http://pclinks.xtreemhost.com/current_cpus.htm, Zuletzt besucht 04.03.2014)


Entwicklung der CPU-Kernanzahl


1

10

100

1000

10000

2000 2002 2004 2006 2008 2010 2012 2014 2016

Produkt

Prototype

Vorhersagen

Jahr

Anzahl an CPU-Kernen

Quelle: vgl. Plattner & Zeier (2012), S. 13; (vgl. Intel II (2013), http://ark.intel.com/de/products/family (Zuletzt besucht: 10.03.2014.


Zusammenfassung IMDM


Empirische Gesetzmäßigkeiten Moore, Gilder, Huntley, Metcalfe (Keine kurzfristigen Phänomene sondern langfristige Entwicklung)

SpeicherhierarchieVerschiebung der Speicherhierarchie, Fehlende Leistungszuwächse bei Festplatte & Flashspeicher

Hauptspeicherdatenbanken (IMDB)Hauptspeicher wird sich in Zukunft mit hoher Wahrscheinlichkeit zum Standard entwickeln

Hardware-TrendsPreise der Speichermedien, CPU-Taktraten (Transistoren), Multi-Core-Architekturen

Agenda







6 Zusammenfassung


Fragestellungen & wissenschaftliche Einschätzungen

Potenziale von In-Memory Datenmanagement (IMDM)

Einschätzung: Umsetzung der Vision von Real-Time BI mit IMDM?13 wissenschaftliche Einschätzungen

9 Zustimmungen (Plattner, Zeier, Gartner etc.) 4 Neutral

Einschätzung: IMDM als Lösung für Big Data13 wissenschaftliche Einschätzungen

8 Zustimmungen 3 Neutral 1 Abl.

Einschätzungen zur OLAP- und OLTP-Integration15 wissenschaftliche Einschätzungen

8 Zustimmungen 6 Neutral 1 Abl.

Quelle: vgl. Wessel, Köffer, Becker (2013), S. 1785-1787.


Realisierung der Nutzenpotenziale von IMDM

Potenziale von In-Memory Datenmanagement (IMDM)

Nutzenpotentiale von IMDM realisieren

Datenhaltung &

Redundanz

Komplexität &

Vereinfachung von

System-architekturen

Unterstützung von

Big Data Anforderungen

Real-Time Performance

& Entscheidungs-unterstützung

Business &

ProcessManagement

Wirtschaftsinformatik

Integration &

Harmonisierung

Pote

nti

alb

aust

ein

e IM

DM

Business Intelligence

Data-Mining, Stochastik, Simulation, Operation Research, Operational Business Intelligence

Arb

eits

geb

iete

W

I

Prozessmanagement (BPM)

Process PerformanceManagement, Business Activity

Monitoring

IT-Management

IT-Strategie, Enterprise Architecture Management, IT-

Governance,Wissensmanagement,

Internetökonomie & SOA

IuK-Systeme

Anwendungssysteme, Entscheidungsunterstützungs-

systeme, Führungsinformationssysteme,

Kommunikation & Collaboration

Quelle: vgl. Hund (2014), S. 108.

Agenda







6 Zusammenfassung


Strategieentwicklung & Leitfaden

Baustein 03 Baustein 04Baustein 02


Baustein 01

IT-Management

Baustein 05

IMDM Potenziale Interne Aspekte Externe Aspekte

Anwendungsmuster

Piller & Hagedorn Koleva Schmalzried Winter, Bischoff & WortmannBusiness Scenario Recommendations

Erweitertes Referenzmuster Hund

Strategieentwicklung & Bausteine

Bausteine Bausteine Bausteine Bausteine


Idealtypisches Anwendungsmuster für den Einsatz von IMDM

In-Memory Technologie

Operatives Reporting

Explorative Analyse

Komplexe Auswertungsverfahren

Schnelle Konsolidierung

Adaptive Planung

Daten aus Endverbrauchergeräten

Geschäftsprozesseigenschaften Nutzenpotentiale

hoch mittel niedrig

Än

der

un

gs-

dyn

amik

Sch

wan

kun

gs-

bre

ite

Au

swer

tun

gs-

op

tio

nen

Dri

ng

lich

keit

Ko

mp

lexi

tät

Dat

envo

lum

en

Au

swer

tun

gs-

häu

fig

keit

Flex

ibili

tät

Akt

ual

ität

Ban

db

reit

e

Det

ailie

run

gs-

gra

d

Quelle: vgl. Piller & Hagedorn (2011 / No1), S. 21.


Anwendungsmuster & Ergebnismatrix SAP HANA Use-Case Community

In-Memory Technologie

PerformanceVerbesserungen

(A)

Daten-Granularität

(C)

Hohes Datenvolumen

(B)

EnterpriseMobility

(1)

KomplexeAnalysen

(2)

Simulationen

(3)

OperationalReporting

(4)

Geschäftsprozess-optimerung

(5)Quelle: vgl. Koleva (2013), S. 26.


Anwendungsmuster von Piller & Hagedorn / Koleva


Piller & Hagedorn Koleva

Winter, Bischoff & Wortmann Schmalzried

Business Scenario Recommendation


Transformationsprozess und vereinfachte Phasenplanung


Any DB

SAPERP / BW

HANA DB

EinführungSide-by-Side

Client

HANA DB

SAP Business Suite

ERP

CR

M

SCM

SRM

/PLM

VD

L

BW

Ap

ps

InnovationIntegriertes Szenario

HANA DB

Next Generation ERP

ERP

CR

M

SCM

SRM

/PLM

VD

LTransformation„One Store OLXP“

BW

& B

I (A

nalyse)

1

2

3

Quelle: vgl. Hund (2014), S. 157.



Reifegrad und Adaptionslevel von IMDM

65 %

35 %

7 %

2011 2016 2021+ 2011 2016 2021

Maturity Level of Adoption

Adolescent

Early mainstream

Mature mainstream

Quelle: vgl. Piller (2012), S. 4.

Agenda







6 Zusammenfassung


Stellen Sie sich vor Sie hätten folgende Systemumgebung:

5. IMDM & Instandhaltung- & Servicemanagement

Keine Replikation erforderlich / Sub-Second Response Time

Analysemöglichkeiten stehen in Real-Time zur Verfügung

Direkter Zugang zu allen Daten inkl. Historie

IMDB / HANADB

Next Generation ERP

ERP

CR

M

SCM

SRM

/PLM

VD

L

Transformation„One Store OLXP“

BW

& B

I (A

nalyse)

Tausende Anfragen pro Stunde auf Datenmenge im TB-Bereich1

Daten im Hauptspeicher verfügbar

Analyse auf Einzelbelege ohne Aggregate

2

3

Wie würden Geschäftsprozessinnovation im PM/CS Umfeld aussehen?

Welche Entscheidungen können in Echtzeit bei PM/CS Prozessen unterstützt werden?

Wie würde sich die Erwartungshaltung im Unternehmen (IT/Fachbereiche) ändern?


Nutzenpotenziale IMDM & Anwendungsmuster anwenden


Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung)

Analysemöglichkeiten von Assets (Operational Reporting)

Zustandsorientierte Instandhaltung / Condition-Based Maintenance

Szenario 2:

Szenario 3:

Vorrausschauende Wartung / Predictive Maintenance Szenario 4:


Szenario 1 – Instandhaltungsplanung (Vorbeugende Wartung)


Instandhaltungsplanung (Vorbeugende Wartung) – Typischer Prozess

Vorauswahl der Wartungspläne(Relevante Wartungspläne für die Planung auswählen)

1

Aufteilen der Wartungspläne(Wartungspläne definieren für die Hintergrundverarbeitung (Jobs)

2

Planungsparameter definieren(Planungsparameter für die jeweiligen Gruppen definieren)

3

Instandhaltungsplanungsjob ausführen(Planungsjob wird im definierten Zyklus ausgeführt / Alle Gruppen)

4

Wartungsmeldungen/Wartungsaufträge erzeugen

Zeitaufwand & KostenFehleranfällig

(Wartungspläne vergessen / Zeitraum der Periode zu lang)


Szenario 1 – Instandhaltungsplanung (Vorbeugende Wartung)


Instandhaltungsplanung (Vorbeugende Wartung) – mit IMDM / SAP HANA

Vorauswahl der Wartungspläne(Relevante Wartungspläne für die Planung auswählen)

1

Aufteilen der Wartungspläne(Wartungspläne definieren für die Hintergrundverarbeitung (Jobs)

2

Planungsparameter definieren(Planungsparameter für die jeweiligen Gruppen definieren)

3

Instandhaltungsplanungsjob ausführen(Wartungsplanung kann mehrmals täglich & gesamtheitlich ausgeführt werden)

4

Wartungsmeldungen/Wartungsaufträge / Genauere Wartungsplanung

Geschwindigkeit(1000 Mal)

Weniger Aufwand(Prozessschritte obsolet)

Weniger Fehler(Prozessschritte nicht erforderlich)


Szenario 2 – Analysemöglichkeiten von Assets (Operational Reporting)


IMDB(HANA)

Next Generation ERP

ERP

CR

M

SCM

SRM

/PLM

VD

L

BW

& B

I (A

nalyse)

DB(any DB)

SAP Business Suite

ERP

CR

M

SCM

SRM

/PLM

VD

L

BW

OLTP & OLAP

DB(any DB)

OLXP

1 Anforderungen aufnehmen

2 BW-System (Abgleich der Daten)

3 ETL / InfoCubes aufbauen

4 Query aufbauen

5 Tests & Transporte

6 Iterationsschleifen

Echtzeitanalysen (Agilität & Flexibilität)

Operational Business Intelligence

KnowHow

DataMining

Stochastik

Simulation

Operation Research

SelfService BIERP

BI

ERP


Szenario 2 – Analysemöglichkeiten von Assets (Operational Reporting)


Bessere Entscheidungsfindung aufgrund (Analysen)Operational Reporting / Real-Time Business Intelligence

Ursachenanalyse bei AssetsGeführte Navigation oder Ad-Hoc-Analysen

Überwachen von KPI`s (Monitor) / Visualisierung von Assets(Kennzahlen wie: MTBF/ MTTR bzw. Performance des Assets

Quelle: vgl. openSAP 2014


Szenario 3 - Zustandsorientierte Instandhaltung


IH-Strategien„Ausfall/Wartung“

Zustandsorientierte Strategie

Datenstrom

„Instandsetzung“

„Wartung“

„KVP/Optimierung“Material-entnahme

„Inspektion“

Zeit-rückmeldung

Ersatzteile

Typische Prozesse & End-to-End betrachten!

Daten/Informationen für die jeweiligen Geschäftsprozesse nutzen

Zustandsorientierte Instandhaltungsstrategie gewinnt zunehmend an Bedeutung!

Große Datenmengen (BigData) zu einem einzigen Equipment (Sensordaten)

Ziele: Asset Verfügbarkeit erhöhen -> Produktion mit weniger Ausfällen -> Verkauf & Umsatzziele optimieren


Szenario 4 - Vorrausschauende Wartung / Predictive Maintenance


Geschäftsprozesse & Aktionen

Datenstrom & BigDataIMDB

(HANA)

Next Generation ERP

ERP

CR

M

SCM

SRM

/PLM

VD

L

BW

& B

I (A

nalyse)

Analyse und Vorhersage-

modelle

Geschäfts-prozessregeln

Alerts & Informationen

Unterschiedliche Architektur-& Integrationsmöglichkeiten & Erweiterte Fragestellungen

Vorhersage überMaschinenausfälle

Echtzeitanalysen, BigData (Komprimierung), Muster identifizieren, (Data Mining)


Nutzenpotenziale IMDM & Anwendungsmuster anwenden


Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung)

Analysemöglichkeiten von Assets (Operational Reporting)

Zustandsorientierte Instandhaltung / Condition-Based Maintenance

Szenario 2:

Szenario 3:

Vorrausschauende Wartung / Predictive Maintenance Szenario 4:

Baustein 05

Anwendungsmuster

Piller & Hagedorn Koleva Schmalzried Winter, Bischoff & WortmannBusiness Scenario Recommendations

Erweitertes Referenzmuster Hund

Agenda







6 Zusammenfassung


Zusammenfassung

Zusammenfassung

Grundverständnis & Empirische Gesetzmäßigkeiten (Trends)Längerfristige Entwicklung und Verschiebung der Speicherhierarchie

Nutzenpotenziale von In-Memory Datenmanagement (Exemplarisches Beispiel)IMDM liefert einen wesentlichen Beitrag zur Vereinigung der beiden Systemwelten OLTP und OLAP

In-Memory Datenmanagement (Kontext Instandhaltung & Servicemanagement)Anwendungswissen und Systemarchitekturkomponenten vereinen (IMDM & BPM)


Mögliche Diskussionspunkte

Zusammenfassung & Diskussion

Szenarien Weitere Anwendungsgebiete & Szenarien: Stillstandszeiten etc.

Geschäftsprozessinnovationen & Operational Business IntelligenceInnovation

Weitere Bausteine aus dem Leitfaden & Integration in IMDB-StrategieLeitfaden

Aktuelle Implementierungsprojekte & FallstudienProjekte

42© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH

Ihr Ansprechpartner

AK Instandhaltung & Servicemanagement: 17.04.2015

Tobias Hund

Senior Consultant

SU SCM

Mobil: +49 (0)151 4066-7550 E-Mail: [email protected]