© SAP HCC 2005SAP BW-Schulung1 SAP HCC Kundenschulung zum SAP ® Business Information Warehouse SAP BW- Einführungsschulung Grundlagen und Reporting, Modellierung

© SAP HCC 2005 SAP BW-Schulung

1

SAP HCC Kundenschulung zumSAP® Business Information Warehouse

SAP BW-EinführungsschulungGrundlagen und Reporting,Modellierung und Datenbeschaffung

Matthias Mohr, SAP HCC TU München

Hamburg, 28.02.05-04.03.05

Ordner I


2

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.


3

Inhaltsübersicht

Ordner I

1. Einleitung2. Data Warehousing3. Crashkurs Reporting4. Lebenszyklus und

Projektplanung5. OLAP und OLTP6. Data Warehouse Produkte7. Business Content8. Querydefinition9. Semantische Modellierung10. Logische Modellierung11. InfoObjects12. InfoCubes

Ordner II

1. Staging von Stammdaten2. Staging von Bewegungsdaten3. Cube Copy4. InfoSpokes5. Transformationen6. Geovisualisierung7. Factless Fact Tables8. Webreporting9. R/3®-Extraktion10. R/3®-Deltadatenextraktion11. Generische R/3®-Extraktion12. Projektabschluss13. Anhang

Im Schulungsordner enthalten:- Folien aus der Schulung- Übungsaufgaben samt Lösungen- Hinweisblatt für den Dozenten- Evtl. Zusatzmaterialien


4

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 sindNutzer 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-UmfeldGrundlagen des Data WarehousingArchitektur und Werkzeuge des BWReporting & WebreportingDatenmodellierungDatenfluss & DatenextraktionAdministrationAnregungen zum Einsatz des SAP BW in der Lehre

Diese Schulung ersetzt nicht die Teilnahme an weiterführenden SAP BW-Schulungen der SAP.


5

Zeitplan

Mo. 10:00 – 16:00 UhrDi. 09:00 – 16:00 UhrMi. 09:00 – 16:00 UhrDo. 09:00 – 16:00 UhrFr. 09:00 – 15:00 Uhr

• Mittagessen: Gutscheine nicht vergessen• Kleine Pausen mit Kaffee und

Erfrischungsgetränken


6

Einloggen leicht gemacht

• SAPLogonG11 – SAP BW 3.10

• Mandant800

• UserAUSER_5_XXmit XX = PlatzNr.von 01 bis 25 und TR

• Initialkennwortinit

• Beim ersten Anmelden bitte das Kennwort ändern und merken !


7

Einleitung

BW0001


8

Navigation im SAP BW

• SAP Easy Access Menü

• Favoriten• Transaktionscodes

– Herausfinden– Eingeben– Kombination mit /o

und /n– Technische Namen

einschalten

© SAP AG


9

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

http://help.sap.com/

http://service.sap.com/bw





10

Das KISS-Prinzip

• KISS = keep it simple, stupid• Keine unnötig komplizierten Fallstudien• Prinzipien werden anhand einfacher

Beispiele verdeutlicht


11

Das Konzept des Data Warehousing

BW0002


12

Google-Suchergebnisse im Zeitverlauf

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

Anzahl Suchergebnisse


13

Vom MIS zum Data Warehouse

MIS

Unt

erst

ützu

ngsn

ivea

u

1960 1970 1980 1990 2000

EUS / DSSFIS / EIS

BI & DataWarehousing


14

Definitionen für Data Warehouses

1. A data warehouse is a central repositoryfor all or significant parts of the data that an enterprise's various business systems collect.

2. A data warehouse is a copy of transaction data specifically structured for querying and reporting

3. 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.


15

Inmon-Definition: Data Warehouse

„A data warehouse is a subject-oriented, integrated, nonvolatile, time-variant collection of data in support of management’s decision”.

(Bill Inmon)

DauerhafteSammlung von Informationen

unternehmensweite Integration vonDaten

Zeitraumbezug als Bestandteil der Daten

Themenausrichtung an Sachverhaltendes Unternehmens


16

Reflexion der Inmonschen Definition

subject-oriented Warum auf Kunden, Lieferanten, Produkte usw. beschränken ?

integrated Schemaintegration (Metadaten) und Datenintegration sind unverzichtbar.

time-variant „Schnappschussansicht“ historischer Daten berücksichtigt nicht:- zeitnahe Daten (z.B. Aktien)- konstante Daten (Stammdaten)

kann entfallen

beibehalten

Zeitabhängigkeit als eine Möglichkeit unter vielen

nonvolatile Wenn Konsistenz gewährleistet bleibt, kann das Aktualisierungsverbot entfallen

kann entfallen

collection of data klar… beibehalten

in support of management‘s decision

Data Warehouses nur für Manager ? kann entfallen

Ein Data Warehouse ist ein physischer Datenbestand, der eine integrierte Sicht auf die zugrunde liegenden Datenquellen ermöglicht.

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.


17

Data Warehouse: erweiterte DefinitionD

W im

wei

tere

n Si

nne

Bericht-erstellung

Grafik-erstellung

Tabellen-kalkulation

Analyse-methoden

externeDatenexterne

Daten

operativeDaten

operativeDaten

DW

imen

gere

n Si

nne

Data Warehouse

Datensammlung1. themenorientiert2. integriert3. dauerhaft4. zeitbezogen


18

Dreistufiges DW-Konzept

Datenbereitstellung

Datenhaltung

Informationsanalyse


19

Aufbau des SAP BW

Stamm-daten

Dat

enha

ltung

BW-S

erve

rD

aten

bere

itste

llung

Que

llsys

tem

eIn

form

atio

nsan

alys

eBE

x A

naly

zer,

Web

Repo

rting

R/3Flatfiles

Fremdsysteme

Grafik-erstellung

Tabellen-kalkulation

ODS

Meta-daten-

Repository

OLAP-Prozessor

Staging Engine


20

Aufbau des SAP BW

© SAP AG


21

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


22

Crashkurs Reporting

BW0003


23

Werkzeuge des SAP BW

AdministratorWorkbench (AWB)Administrationdes Systems

BEx AnalyzerAufbereitung undPräsentation von Reports

BEx BrowserVerwaltung undAusführen von Reports,Portalfunktion

Die wichtigsten Werkzeuge:

BEx Query DesignerDefinition von Reports

Web Application DesignerErstellung von Web Applications


24

Business Explorer (BEx)

© SAP AG


25

Multidimensionale Datenstrukturen


26

Multidimensionalität

Vertriebsweg

Zeit

Sparte

Weitere Dimensionen sindnicht darstellbar:

• VkOrg• Material• Auftraggeber

Umsatz:2 Mio.

Matrixelement mitKennzahl(en)

Dimension / Merkmal


27

Merkmal oder Dimension ?

Dimension Lehrstuhl

DimensionVeranstaltung

Note:2,3

Matrixelement mit Kennzahl(en)

510A 510B 510C 510H

39443

5577

Entwurf

Makro

SAP

InfoCube mit Dimensionen (klassisch)

Dimension Zeit mit demMerkmal Semester


mit den MerkmalenVeranstaltung und

Lehrstuhl

Note:2,3


SS 01 WS01/02 SS 02 WS

02/03

394435

577

Entwurf(510H)

Makro(510B)

SAP(510H)

InfoCube mit Merkmalen in Dimensionen (SAP BW)


28

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


29

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.


30

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


31

Bereiche einer Query

© SAP AG


32

Lebenszyklus eines Data Warehouse

BW0004


33

The Business Dimensional Life Cycleas Course Structure

time

by R. Kimball, modified

Bus

ines

s R

equi

rem

ents

D

efin

ition

Pro

ject

Pla

nnin

g

Technical Architecture

Design

Product Selection & Installation

Dimensional Modeling

Physical Design

Data Staging Design &

Development

End-user Application

Specification

End-user Application

Development

Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

technically oriented lessons

management oriented lessons


34

Project Planning & Management

• Project definition and scoping• Development of Project Plan• Parties involved

Bus

ines

s R

equi

rem

ents

D

efin

ition

Technical Architecture Design


Dimensional Modeling Physical Design Data Staging Design & Development

End-user Application Specification

End-user Application Development

Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Pro

ject

Pla

nnin

g


35

Business Requirements Definition

• Gathering requirements• Define Terminology

Pro

ject

Pla

nnin

g






Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition


36


• Introducing Architecture• Back Room Technical Architecture• Architecture for the Front Room• Infrastructure and Metadata

Pro

ject

Pla

nnin

g





Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition



37


• Evaluating products• Choosing a product• Features of SAP BW• Installation Procedure

Pro

ject

Pla

nnin

g




Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition




38


• Designing dimensional models• Semantic, logical and physical data models• Fact table grain• Special fact types (non/semi additive)• Specialities in modeling

Pro

ject

Pla

nnin

g



Physical Design Data Staging Design & Development



Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition



39

Physical Design

• Physical structures necessary tosupport logical database design

• Naming standards• Physical file locations• Setting up database environment• Indexing• Partitioning

Pro

ject

Pla

nnin

g



Data Staging Design & Development



Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition

Dimensional Modeling Physical Design


40

Data Staging Design and Development

• Extraction, Transformation and Loading

• Data Quality• Initial population load• Regular, incremental loads

Pro

ject

Pla

nnin

g





Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition



41

End-User Application Specification & Development

• Standard vs. user-defined reports

• Geovisualization• Web Reporting

Pro

ject

Pla

nnin

g





Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition



42

Deployment, Management & Growth, Replacement

• User support structures• Training measures• Performance metrics• Replacement

considerations

Pro

ject

Pla

nnin

g





Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition


Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t


43

Pro

ject

Pla

nnin

g





Project Management

Bus

ines

s R

equi

rem

ents

D

efin

ition


Dep

loym

ent

Man

agem

ent &

Gro

wth

Rep

lace

men

t

Example Course

Strengths and weaknesses of Data Warehouse products

ETL (Flatfiles, R/3), ABAP™

Formulas, Web reporting, Maps

Extended Star schema, Snowflaking, Factless

fact tables, Galaxy

Project team Role Play

Interviews, questionnaires

End users, Work places, Key words, Training concepts

Investment appraisal,

License costs

Client server Architecture,SAP Web AS


44

Data Warehouse Projektplanung

BW0005


45

Vorbereitung des Unternehmens

• Sponsor finden• Fachliche Rechtfertigung suchen• Machbarkeitsstudie anfertigen• Verhältnis zwischen Fachabteilung und IT• Analytische Arbeitsweise verstehen


46

Projektumfang

• Welche Inhalte sollen berücksichtigt werden ?

• Welche organisatorischen Einheiten sind involviert ?

• Art der Daten• Zeitrahmen• Budget


47

Projektumfang

Regionen

Funk

tione

n

Abteilu

ngen


48

Rechtfertigung

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


49

Projektteam

• Einbeziehung vieler Organisationseinheiten

• Unterschiedliche fachliche Disziplinen• Rollenverteilung• Verfügbarkeit der Projektmitglieder


50

Projektteam: Typische Rollen

IT-AbteilungFachabteilungSystemanalytiker:

Übersetzer der fachlichenAnforderungen in die IT-Welt

Benutzer: frühesEinbeziehen der

Benutzer führt zuhöherer Akzeptanz

Sponsor: Fürsprecherdes Projekts

Projektmanager:kommuniziert mit

Fachabteilungen undTechnikern

Datenmodellierer:setzt Anforderungen inlogische Modelle um

Anwendungsentwickler:entwickelt und supportet

Endbenutzer-anwendungen

Support: oft einMitarbeiter, der aucheiner anderen Rolle

zugewiesen ist


51

Projektplan

• Planung• Steuerung• Kontrolle Fans Front Office Coaches Regular Line-Up Special Teams

Project Task Bus

ines

s E

nd U

sers

Bus

ines

s S

pons

or

IS S

pons

or

Bus

ines

s D

river

Bus

ines

s P

roje

ct L

ead

Pro

ject

Man

ager

Bus

ines

s S

ys. A

naly

st

Dat

a M

odel

er

DW

DB

A

Dat

a S

tagi

ng D

esig

ner

DW

Edu

cato

r

E/U

App

l'n D

evel

oper

Tech

/Sec

urity

Arc

hite

ct

Tech

Sup

port

Spe

cial

ist

Dat

a S

tagi

ng P

rogr

amm

er

Dat

a S

tew

ard

DW

QA

Ana

lyst

PROJECT MANAGEMENT AND REQUIREMENTSPROJECT DEFINITION

1 Assess Data Warehousing Readiness 2 Develop Preliminary Project Scope 3 Build Business Justification

PROJECT PLANNING & MANAGEMENT1 Establish Project Identity 2 Identify Project Resources 3 Prepare Draft Project Plan 4 Conduct Project Team Kick-Off & Planning 5 Revise Project Plan 6 Develop Project Communication Plan 7 Develop Program to Measure Success 8 Develop Process to Manage Scope 9 Ongoing Project Management

USER REQUIREMENT DEFINITION1 Identify and Prepare Interview Team 2 Select Interviewees 3 Schedule Interviews


52

OLTP und OLAP Systeme

BW0006


53

OLTP-Systeme

Operative Systeme

Data Warehouse ...

Reservie-rungs-system

Auftrags-verarbeitung ...

Reservie-rungs-system

Auftrags-verarbeitung

Personal-ver-

waltung

Personal-ver-

waltung

Quelle: In Anlehnung an http://www.educeth.ch/informatik/vortraege/olap/docs/olap.ppt


54

Unterschiede zwischen transaktions-orientierten und analyseorientierten Systemen

Transaktionsorientierte SystemeOperative Systeme

Auswertungsorientierte Systeme

Weniger häufige, komplexe Anfragen

Grosse Datenmengen je Anfrage

Häufige, einfache Anfragen

Kleine Datenmengen je Anfrage

Schnelle Kalkulation wichtigSchneller Update wichtig

Paralleles Ausführung von OLAP-Anfragen auf operationalen Datenbe-ständen könnte Leistungsfähigkeit der OLTP-Anwendungen beeinträchtigen

Operieren auf aktuellen und historischen Daten

Operieren hauptsächlich auf aktuellen Daten

Datenbanksystem kann nicht gleichzeitig für OLTP- und für OLAP-Anwendungen optimiert werden

OLTP(Online Transaction Processing)

OLAP(Online Analytical Processing)

Quelle: In Anlehnung an http://www.educeth.ch/informatik/vortraege/olap/docs/olap.ppt


55

OLTP vs. OLAP

OLTP OLAP Ziel Effizienz durch Automation Wettbewerbsvorteile durch

Wissensgenerierung Inhalt der Daten Anwendungsbezogen,

funktionsbezogen Themenbezogen

Art der Daten Transaktionsdaten Aggregierte Daten Alter der Daten Aktuell, zeitnah: 30-60 Tage Historisch (oft 8-10 Jahre alt),

aktuell, zukünftig Datenvolumen Klein Sehr umfangreich Hauptfunktionalität Häufige Änderungen Zeitabhängige Auswertungen Datenintegration Wenig mit anderen

Anwendungen integriert Integrierte Daten aus einer Menge von Anwendungen

State of the Art beim Datenbanksystem

Relationale Datenbanken Relationale und multi-dimensionale Datenbanken

Datenmodell Normalisiert (häufig 3. Normalform)

Denormalisiertes Datenmodell

Modellierungsmethode Entity relationship Modell Multidimensionales Datenmodell

Erlaubte Operationen auf den Datenbestand

Einfügen, Aktualisieren, Löschen, Lesen

Lesen


56

Data Warehouse Produkte

BW0007


57

DW-Lösungen und Anbieter

http://www.barc.de

Hersteller Produkt Version Ascential DataStage 6.0

Business Objects Data Integrator 6.0

Cognos DecisionStream 7.1

Hummingbird ETL 5

IBM DB2 Warehouse Manager 8.1

Informatica PowerCenter 6

Microsoft SQL Server 2000

MicroStrategy 7i 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/

http://www.barc.de/

http://www.ascential.de/

http://www.barc.de/loader.php?page=s;32&produktid=162

http://www.businessobjects.com/

http://www.businessobjects.com/




http://www.cognos1.de/


http://www.hummingbird.com/


http://www.de.ibm.com/




http://www.informatica.com/


http://www.microsoft.de/


http://www.microstrategy.de/


http://www.ncr.com/


http://www.oracle.com/de


http://www.sagent.de/


http://www.sandtechnology.com/de/index.html



http://www.sap.de/



http://www.sas.de/


http://www.sybase.de/



58

OLAP-Anbieter und -Produkte

1. Hyperion Solutions (Essbase, Wired)

2. Oracle (Express)3. Cognos (PowerPlay)4. MicroStrategy

(MicroStrategy)5. Microsoft (OLAP-Server)6. Business Objects

(Business Objects)* Quelle: The OLAP Report

(www.olapreport.com)

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• ...


59

„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.)


60

Business Content

BW0008


61

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


62

Inhalt des Business Content

© SAP AG

© SAP AG, Marianne Kollmann, Product Management BI


63

Inhalt des Business Content

© SAP AG

© SAP AG, Marianne Kollmann, Product Management BI


64

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)


65

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


66

Arbeiten mit dem Business Content

BusinessContent

OhneAnpassungverwenden

Verfeinerungoder

Vergröberung

Vorlage füreigenen

Business Content


67

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.


68

Auf der Suche nach dem richtigen Business Content

1. Business Content kann im Metadata Repository durchsucht werden.

2. Das Metadata Repository ist in der AWB integriert.

Fragen:• Was sind Metadaten ?• Was ist die AWB ?• Was ist das Metadata Repository ?


69

Werkzeuge des SAP BW

AdministratorWorkbench (AWB)Administrationdes Systems

BEx AnalyzerAufbereitung undPräsentation von Reports

BEx BrowserVerwaltung undAusführen von Reports,Portalfunktion

Die wichtigsten Werkzeuge:

BEx Query DesignerDefinition von Reports

Web Application DesignerErstellung von Web Applications


70

Administrator Workbench

© SAP AG


71

Metadaten

Daten über Daten


72

Was sind Metadaten ?

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


73

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.


74

Metadatenbanksystem

• „Hilfesystem“ für den Benutzer• BW Metadata Repository: zentrale

Verwaltung aller Metadaten• BW Metadata Repository Browser:

komfortabler Zugriff auf alle Metadaten


75

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 Metamodelhttp://www.omg.org/cwm– Spezifikation– Artikel und Links

http://www.omg.org/

http://www.omg.org/

http://www.omg.org/cwm





76

Querydefinition

BW0009


77

Metaobjekte: Query

InfoProviderQuerydefinition liefertDaten 0,n1,1Arbeitsmappe

(xls-Datei)

einge-betteteQuery

0,n0,m

alsView

speich-ern

View


78

InfoProvider als Report-Grundlage I

InfoCube ODS Merkmal mit Stammdaten InfoSet Virtueller Cube MultiProvider

InfoCube ODS Merkmal mit Stammdaten

InfoProvider DataTargets

Reporting

Datenladen


79

InfoProvider als Report-Grundlage II

© SAP AG

No

Dat

a

With

Dat

a

Master Data

Basic InfoCube

MultiProvider

InfoSet

InfoProvider InterfaceODS Object

OLAP Engine

BusinessExplorer

Virtual InfoCube


80

BEx Symbolleiste

© SAP AG


81

Symbolleiste des Query Designers

© SAP AG


82

Querydefinition per Drag & Drop

© SAP AG


83

Definition einer Formel

© SAP AG


84

Einige wichtige Elemente einer Querydefinition

• Merkmale einfügen• Kennzahlen einfügen• Freie Merkmale• Filtermerkmale• Eigenschaften von

Merkmalen• Formel-Kennzahlen

© SAP AG


85

Zusammenfassung: Ablauf Querydefinition

Sie definieren Queries, indem Sie:

1. einen InfoProvider auswählen, zu dem die Query definiert wird2. wiederverwendbare Strukturen auswählen, die bereits Merkmals- oder Kennzahlkombinationen

enthalten (z.B. Deckungsbeitragsschema)3. Merkmale aus dem InfoProvider auswählen4. ausgewählte Merkmale auf Merkmalswerte, Merkmalswertintervalle oder Hierarchieknoten einschränken5. Variablen für Merkmalswerte, Hierarchien, Hierarchieknoten, Formeln und Texte verwenden bzw. bei

Bedarf neue Variablen definieren6. Kennzahlen aus dem InfoProvider auswählen7. berechnete Kennzahlen formulieren8. Kennzahlen durch die Kombination mit Merkmalen einschränken9. Ausnahmezellen definieren10. 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 dieQuerydaten 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


86

Exception Reporting

BW0029


87

Exception Reporting: Prozess

© SAP AG


88

Schritt für Schritt

1. Exception definieren2. Output: Farbliche Hervorhebungen im

Query-Arbeitsblatt3. Reporting Agent Einstellungen definieren4. Einplanen5. Output: Alert Monitor und Nachrichten


89

Datenmodellierungfür Data Warehouses

BW0010

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


90

ARIS-Modell

Quelle: Scheer, Wirtschaftsinformatik


91

OLTP vs. OLAP

Datenmodellierungsmethoden für transaktionsorientierte Datenbanken (OLTP)

• semantische Ebene: ERM• logische Ebene:

Relationenmodell• physische Ebene:

Beschreibung relationaler Datenbanksysteme

Datenmodellierungsmethoden für Data Warehouses (OLAP)

?


92

Ausgewählte Entwurfsmethoden

Entwurfsebene Entwurfsmethoden Konzeptueller (semantischer) Entwurf

Semantisches Data Warehouse Modell Multidimensionales ERM Dimensional Fact Modeling Application Design for Analytical Processing Technologies

Logischer Entwurf Starschema Erweitertes SAP-Starschema Fact/Constellation Schema Galaxy Schema Snowflake Schema Partial Snowflake Schema

Physischer Entwurf Speicherungsstrukturen Zugriffsmechanismen Datenbanktuning usw.


93

Multidimensionales ERM (MERM)

• abgeleitet aus ERM• neu: Faktenrelation, Dimensionsfeld,

hierarchische Beziehung• Prinzip der Minimalität• daher nur 5 Metaobjekte:

Name

ZentraleFaktenrelation

Name

Dimensions-feld

Name

Variable oderAttribut

HierarchischeBeziehung Beziehung


94

Vom ERM zum MDM

Transaktionale Strukturenin analytische abbilden


95

3 Schritte-Methode

Schritt Bezeichnung Beschreibung 1 Geschäftsprozesse identifizieren Aufspaltung eines ERM in einen oder

mehrere Geschäftsprozesse 2 Faktenrelation erzeugen n-m-Beziehungen zwischen starken Entitäten

ergeben die Faktenrelation, die numerischen Attribute sind Kandidaten für Kennzahlen

3 Dimensionen bilden Inhaltliche Zusammenfassung der verbleib-enden Entitäten zu Gruppen, die von starken Entitäten dominiert werden


96

1. Geschäftsprozesse identifizieren

0,m

Bundesland,Bezeichnung

Semester,Beginn, Ende

BundeslandZeitabh.Länder-daten

Semester0,n

Land, Semester,Fachbereich, #Diplomarbeiten,

#Studenten, #Promotionen,Landesmittel, Drittmittel

Fachbereich

0,nFachbereich,Bezeichnung

Land liegt in

1,1

1,n

Land,Bezeichnung

Prozess „universitäres Geschehen“


97

2. Überschneidungsentitäten suchen

0,m



BundeslandZeitabh.Länder-daten

Semester0,n



Fachbereich


Land liegt in

1,1

1,n

Land,Bezeichnung

zentraleÜberscheidungsentität


98

Beispiel für eine Überschneidungsentität

Customer

Material Sales Person

Material group Sales Department

Customer noCustomer nameCityRegion

Material noMaterial nameMaterial type color price

Material group noMaterial group name....

Sales TransactionDateCustomer noMaterial noSales pers noAmountQuantityCurrency

Sales pers. noSales pers. name.......

Sales dep. noSales dep. location.......

© SAP AG


99

3. Dimensionen bilden

0,m



BundeslandZeitabh.Länder-

datenSemester0,n



Fachbereich


Land liegt in

1,1

1,n

Land,Bezeichnung

Dimension „Region“

Dimension„Fachbereich“

Dimension „Zeit“


100

Bildung von Dimensionen

Sales Rep ID

LastNameSalesDep

Material ID

Material NameMaterial TypeMaterial Group

Customer ID

Customer NameCityRegionOffice Name

Time Code ID

YearFiscal YearQuaterMounthDay of the Week

Material IDSales Rep IDTime Code IDCustomer IDSales AmountQuantityUnit Price

Time DimensionCustomer Dimension

Sales Org DimensionMaterial Dimension

FACT??

Customer

City

Region

Material Group

Sales order

Price

Sales Person

Sales Dept.

Sales Dept. Loc.

Material

Material TypeColor

© SAP AG


101

MERM



#Diplomarbeiten, #Studenten,#Promotionen, Landesmittel,

Drittmittel

Fachbereich

Fachbereich,Bezeichnung

Land

Land,Bezeichnung

SemesterBundesland Länder-daten


102

Granularität

Wie detailliert sind die Daten ?


103

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


104

Relativ hohe Granularität



Drittmittel

Land

Land,Bezeichnung

Bundesland Länder-daten


105

Relativ niedrige Granularität


Drittmittel

Land

Land,Bezeichnung

Länder-daten


106

Logische Datenmodellierung

BW0011


107

Ausgewählte Entwurfsmethoden

Entwurfsebene Entwurfsmethoden Konzeptueller (semantischer) Entwurf

Semantisches Data Warehouse Modell Multidimensionales ERM Dimensional Fact Modeling Application Design for Analytical Processing Technologies

Logischer Entwurf Starschema Erweitertes SAP-Starschema Fact/Constellation Schema Galaxy Schema Snowflake Schema Partial Snowflake Schema

Physischer Entwurf Speicherungsstrukturen Zugriffsmechanismen Datenbanktuning usw.


108

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


109

Klassisches Starschema

• Auf das Starschema sind sehr effektive Abfragen möglich

• Es ist sehr einfach zu verstehen• Flexibilität ?


110

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


111

Starschema

Kennzahlen

Faktentabelle

Dimensions-attribute

Dimension 2


Dimension 1


Dimension 3


Dimension 4


112

Probleme beim klassischen Starschema

• keine Unterstützung der Mehrsprachigkeit• Alphanumerische Fremdschlüssel• keine Unterstützung von zeitabhängigen

Stammdaten• Hierarchiebeziehungen müssen als

Attribute einer Dimensionstabelle modelliert werden


113

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


114

Erweitertes Starschema

© Michael Hahne 2003


115

• Lösungsabhängige Daten:Fakten- und Dimensionstabellen

Lösungsabhängige und –unabhängige Daten

• Lösungsunabhängige Daten:Merkmale

G e biet 1 G eb iet 2 G eb ie t 3

B ezir k 1

G e biet 3 a

B ez irk 2

Reg ion 1

G eb iet 4 G e b iet 5

B ez ir k 3

R eg ion 2

G e b iet 6

B ez ir k 4

G e b iet 7 G e biet 8

B ez irk 5

R eg ion 3

V ertrieb s org an is at io n

M a t e r i a l G r o u p

M a t e r i a l H i e r a r c h y T a b l e

M a t e r i a l N u m b e rL a n g u a g e C o d e

M a t e r i a l N u m b e rL a n g u a g e C o d e

M a t e r i a l N a m e

M a t e r i a l T e x t T a b l eM a t e r i a l _ D i m e n s i o n _ I D

M a t e r i a l N u m b e r

M a t e r i a l D i m e n s i o n T a b l e

M a t e r i a l M a s t e r T a b l e

M a t e r i a l N u m b e rM a t e r i a l N u m b e r

M a t e r i a l T y p e

M a t e r i a lM a t e r i a l D i m e n s i o n D i m e n s i o n

© SAP AG


116

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


117

SID-Tabellen

Text

SID Tables

Master

Hierarchies

Hierarchies

Master

SID Tables

Text

Hierarchies

Master

SID Tables

Text

Hierarchies

Master

SID Tables

Text

Hierarchies

Master

SID Tables

Text

Hierarchies

Master

SID Tables

Text

Text

SID Tables

Master

Hierarchies

Text

SID Tables

Master

Hierarchies

Text

SID Tables

Master

Hierarchies

DimensionTable

Text

SID Tables

Master

Hierarchies

DimensionTable

DimensionTable

DimensionTable

DimensionTable

Hierarchies

Master

SID Tables

Text

FACT

© SAP AG


118

SID-Tabellen

SID Tables andInfoCube Access

(1) Fact Table(1) Fact Table

(2) Dimension Tables(2) Dimension Tables

(3) time-independent-SID(3) time-independent-SID(4)(4) time-dependent-SIDtime-dependent-SID(5) ‘traditional‘ SID (5) ‘traditional‘ SID

11

22

22

22

22 3 355

4 4

3 3

5555

5555

55

55

55

55

3 3 3 35555

5555

4 4

3 3

5555

5555

© SAP AG


119

InfoObjects

BW0012


120

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


121

InfoAreas für InfoObjects und InfoCubes

© SAP AG © SAP AG


122

Anwendungskomponente für InfoSources

© SAP AG


123

InfoObjects

Merkmal-InfoObject• z.B. Kunde, Produkt

Kennzahl-InfoObject• z.B. Umsatz, Kosten• möglichst numerisch

und additiv


124

Kennzahlen

Faktentabelle


Dimension 2


Dimension 1


Dimension 3


Dimension 4

Vom Starschema zum InfoObject

TexteAttribute

Hierarchien

• 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


125

Wichtige Eigenschaften von Merkmalen

• Bezeichnung• Datentyp• Länge• Stammdaten

– Texte– Attribute– Hierarchien

© SAP AG


126

Kennzahlen: Datentypen

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


127

Merkmale: Datentypen

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


128

Texte und Attribute: Felder

Texte• Kurz: 0TXTSH• Mittel: 0TXTMD• Lang: 0TXTLN

Attribute• Jedes Attribut zu

einem Merkmals-InfoObject ist selbst ein InfoObject (Merkmal oder Kennzahl)


129

Ablauf beim Anlegen von InfoObjects

1. InfoObject anlegen2. Prüfen: InfoObject wird auf syntaktische

Korrektheit geprüft3. Sichern: Definition wird gesichert4. Aktivieren: Datenbanktabellen werden

generiert


130

InfoCubes

BW0013


131

InfoCubes

• zentrale Datenspeicher im SAP BW• aufgebaut aus Merkmalen und

Kennzahlen• maximal 233 Kennzahlen• ca. 3.224 Merkmale möglich


132

Metaobjekte: InfoProvider

InfoProviderQuerydefinition liefertDaten 0,n1,1Arbeitsmappe

(xls-Datei)

einge-betteteQuery

0,n0,m

alsView

speich-ern

View


133

Aufbau eines InfoCube

Dimension Lehrstuhl


Dimen

sion S

tude

nt

Note:2,3


510A 510B 510C 510H

394435

577

Entwurf

Makro

SAP

InfoCube mit Dimensionen (klassisch)

Dimension Zeit mit demMerkmal Semester


mit den MerkmalenVeranstaltung und

Lehrstuhl

Dimen

sion S

tude

nt

mit dem

Merk

mal St

uden

t

Note:2,3


SS 01 WS01/02 SS 02 WS

02/03

394435

577

Entwurf(510H)

Makro(510B)

SAP(510H)

InfoCube mit Merkmalen in Dimensionen (SAP BW)


134

Schritt für Schritt zum InfoCube

1. InfoCube erstellen2. Kennzahlen hinzufügen3. Merkmale hinzufügen4. Dimensionen erzeugen5. Merkmale in Dimensionen einordnen6. Prüfen, sichern, aktivieren


135

Line Item und Hohe Kardinalität

Line Item:Sehr wenige Ausprägungen des InfoObjects, z.B. Auftragsnummer in einem Auftrags(detail)cube Keine Dimensionstabelle, direkte Integration des InfoObjects in den InfoCube

Hohe Kardinalität:Sehr viele Einträge in dieser Dimension (min. 20 % der Anzahl Datensätze der Faktentabelle) Andere Indizierung

© SAP AG


136

Objektdokumentation


137

Was kann dokumentiert werden ?

© SAP AG


138

Dokumentationen

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


139

SAP HCC Kundenschulung zumSAP® Business Information Warehouse

SAP BW-EinführungsschulungGrundlagen und Reporting,Modellierung und Datenbeschaffung

Matthias Mohr, SAP HCC TU München

Hamburg, 28.02.05-04.03.05

Ordner II


140

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.


141

Inhaltsübersicht

Ordner I

1. Einleitung2. Data Warehousing3. Crashkurs Reporting4. Lebenszyklus und Projektplanung5. OLAP und OLTP6. Data Warehouse Produkte7. Business Content8. Querydefinition9. Semantische Modellierung10. Logische Modellierung11. InfoObjects12. InfoCubes

Ordner II

1. Staging von Stammdaten2. Staging von Bewegungsdaten3. Cube Copy4. InfoSpokes5. Transformationen6. Geovisualisierung7. Factless Fact Tables8. Webreporting9. R/3®-Extraktion10. R/3®-Deltadatenextraktion11. Generische R/3®-Extraktion12. Projektabschluss13. Anhang

Im Schulungsordner enthalten:- Folien aus der Schulung- Übungsaufgaben samt Lösungen- Hinweisblatt für den Dozenten- Evtl. Zusatzmaterialien


142

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 sindNutzer 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-UmfeldGrundlagen des Data WarehousingArchitektur und Werkzeuge des BWReporting & WebreportingDatenmodellierungDatenfluss & DatenextraktionAdministrationAnregungen zum Einsatz des SAP BW in der Lehre

Diese Schulung ersetzt nicht die Teilnahme an weiterführenden SAP BW-Schulungen der SAP.


143

Zeitplan

Mo. 10:00 – 16:00 UhrDi. 09:00 – 16:00 UhrMi. 09:00 – 16:00 UhrDo. 09:00 – 16:00 UhrFr. 09:00 – 15:00 Uhr

• Mittagessen: Gutscheine nicht vergessen• Kleine Pausen mit Kaffee und

Erfrischungsgetränken


144

Einloggen leicht gemacht

• SAPLogonG11 – SAP BW 3.10

• Mandant800

• UserAUSER_5_XXmit XX = PlatzNr.von 01 bis 25 und TR

• Initialkennwortinit

• Beim ersten Anmelden bitte das Kennwort ändern und merken !


145

Stagingszenarien

BW0014


146

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


147

Stagingszenarien: Überblick

ohne persistenteDatenablage

mit persistenterDatenablage

InfoCube/ODS RemoteCube

Quellsystem RemoteCube

Quellsystem PSA InfoCube ODS InfoCube

Quellsystem PSA ODS

InfoCube

InfoCube InfoCube

Quellsystem PSA ODS

Stagingszenarien


148

Nicht persistente Stagingszenarien mit RemoteCubes

© SAP AG


149

Persistentes Stagingszenario

Quell-system

PSA

InfoCube

InfoObjects(Merkmale)


150

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


151

Laden von Stammdaten:Flexibles Master Data Staging

BW0015


152

Daten im SAP BW

Daten im BW

MetadatenAnwendungs-daten

fachlicheMetadaten

technischeMetadaten

Bewegungs-daten Stammdaten

Attribute Texte Hierarchien


153

Anforderungen an dasFlatfile-Quellsystem


154

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: JJJJMMDDZeitangaben: hhmmss


155

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 CHAR 8 gültig ab – Datum (nur bei zeitabhängigen Stammdaten)

Attribut 1

Attribut …


156

Struktur der Attribute-Flatfiles

Schlüssel Klammerung Datumvon

Datumbis

Attribut 1 Attribut 2 ...

optional optional optional

Für Fallstudie relevante Felder


157

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 CHAR 8 gültig ab – Datum (nur bei zeitabhängigen Stammdaten)

TXTSH CHAR 20 Kurztext

TXTMD CHAR 40 mittlerer Text

TXTLG CHAR 60 Langtext


158

Struktur der Texte-Flatfiles

Schlüssel Klammer-ung

Datumvon

Datumbis

Kurz-text

optional optional optional

Mittel-text

Lang-text

Sprache

Für Fallstudie relevante Felder


159

Vorgehensweise


160

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.


161

Datenfluss bei flexibler Fortschreibung

© SAP


162

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.


163

Schritt für Schritt Stammdaten laden

1. Merkmal als Datenziel einfügen2. InfoSource für Stammdaten definieren3. Quellsystem und DataSource(s)

zuweisen4. Transferstruktur und Übertragungsregeln

pflegen5. Fortschreibungsregel anlegen6. InfoPackage anlegen und einplanen


164

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.


165

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.


166

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.


167

Übertragungsregeln

Übertragungs-regeln

Feld in Feldschreiben konstanten Wert

zuweisenABAP-Routine

Formel

© SAP AG


168

Datenfluss

1

2

3

4

5

© SAP AG

6

7


169

InfoPackage anlegen und einplanen

• Datenanforderung• beinhaltet diverse Parameter für den

Upload• können per Jobverwaltung eingeplant und

terminiert werden


170

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


171

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


172

Laden von Bewegungsdaten

BW0016


173

Daten im SAP BW

Daten im BW

MetadatenAnwendungs-daten

fachlicheMetadaten

technischeMetadaten

Bewegungs-daten Stammdaten

Attribute Texte Hierarchien


174

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


175

Datenfluss

Extraktstruktur

Dat

aSou

rce

Que

llsys

tem

Selektion von Feldern

Transferstruktur

Flatfile mitBewegungs-

daten

Extraktstruktur


Transferstruktur

Kommunikations-struktur

Übertragungsregeln Übertragungsregeln

Info

Sour

ce


Dat

enzi

el In

foC

ube

PSA PSA

keine Modifikationkeine Modifikation

PSA

Flatfile mitStammdaten

Extraktstruktur


Transferstruktur

Kommunikations-struktur

Übertragungsregeln

PSA

keine Modifikation

Mer

kmal

Flatfile mitBewegungs-

daten


176


• 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.


177

Schritt für Schritt Bewegungsdaten laden

1. InfoSource für Bewegungsdaten definieren (flexible Fortschreibung)

2. DataSource(s) zuweisen3. Transferstruktur und Übertragungsregeln

pflegen4. Fortschreibungsregel pflegen5. InfoPackage anlegen und einplanen


178

Cube Copy

BW0017


179

Cubestruktur kopieren

Daten kopieren

Cube Copy: Konzept

Cube A

Export-DataSource

InfoSource Fortschreibungsregel

Cube B


180

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_EKFExport-InfoSource: 8AYXX_EKF

Quelle: http://help.sap.com/saphelp_bw31/helpdata/de/ad/6b023b6069d22ee10000000a11402f/frameset.htm


181

InfoSpokes und Open Hub Service

BW0018


182

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


183

Transformationen beim Datenladen

BW0020


184

Transformationen in den Übertragungsregeln

1. Feld 1:1

2. Konstante

3. ABAP-Routine

4. Formel


185

Konstante

Evtl. mit Wertehilfe


186

Formel


187

ABAP-Routine


188

Geovisualisierung

BW0019


189

Bilder sagen mehr ...


190

... als tausend Worte


191

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.


192

Schritt für Schritt Landkarten erzeugen

1. Merkmal als georelevant kennzeichnen2. Geodaten ins BW laden3. BEx Map in Query einfügen


193

Schritt 1: Geomerkmal kennzeichnen

• Zuerst werden die georelevanten Merkmale (z.B. Region) in der InfoObject-Pflege als Geomerkmal gekennzeichnet.


194

Statische und dynamische Geomerkmale

• Statisches GeomerkmalEin 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 GeomerkmalEin 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.


195

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 Sozial struktur, 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.


196

Schritt 2: Geodaten ins BW laden

1. „Geodaten“ downloaden: lädt die Stammdaten des Merkmals herunter. Wichtig: SAPBWKey

2. Dbf-Datei der Geodaten öffnen und SAPBWKey einfügen

3. Modifizierte Shapefiles uploaden


197

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.

Stammdaten OREGION

010203...

BavariaBremenHamburg...

Region: *.dbf

...

...

...

...

BerlinHamburgBavaria...

050301...


198

Vom Shapefile zur Landkarte


199

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.


200

Factless Fact Tables

BW0021


201

Universitäre Wahlen

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


202

Merkmale & Kennzahlen

Merkmale1. Kunde2. Land3. Jahr

Kennzahlen• ?

Fakten

-

Kunde

Kunde Land

Land

Zeit

Jahr


203

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)


204

Vorgehensweise

1. Eine numerische, ganzzahlige Dummy-Kennzahl Dummy wird definiert.

2. Man integriert die Kennzahl Dummy in einen bislang faktenlosen InfoCube.

3. Beim Laden der Bewegungsdaten in den InfoCube wird der Kennzahl Dummy der konstante Wert „1“ zugewiesen.

4. Bei Auswertungen auf den InfoCube kann der Dummy dazu verwendet werden, die Anzahl der Ereignisse, hier der Wahlbesuche, darzustellen.


205

Webreporting

BW0022


206

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


207

Ansätze beim Webreporting

1. Offline-Ansatz– Abfrage der Berichtsdaten in bestimmten zeitlichen Abständen– Ablegen der Daten als statische HTML-Dokumente auf dem

Webserver SAP BW: Reporting Agent

2. Dynamische Generierung– Webseiten werden erst auf Anfrage des Anwenders generiert SAP BW: Items in Web Applications einbetten

3. Applets– Java oder ActiveX Applets erlauben Programmierung und

Generierung anspruchsvoller Oberflächen SAP BW: JavaScript


208

Grundlagen und Architektur


209

Web Application Server Architecture

WEB Browser

HTTP

ITS Web Serv.

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

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

SAP BW 3.0 with mySAP Web

AS technology

IGS

SAP BW 2.0

© SAP AG


210

Web Application Designer: Overall Architecture

SAP BW Server (using mySAP Web

App Server Technology)

HTMLTemplatesData

Base SAP BW Charting Engine

Any Web Design Tool

OLAP Processor

Portal/ Web Browser

http

• Save HTML Templates in Web Content Management

• Generate URL automatically

BEx Web Application

Designer

SAP BW Web Service

BEx Query Designer

(excel based, windows

based, web based)

createQueries /

Views

© SAP AG


211

Web Application DesignerAvailable

Web itemsMultiple documents Web item

propertiesDrag&Drop

© SAP AG


212

Abhängigkeiten

Der Funktionsumfang der Analyse in Web Applications ist abhängig davon, welchen Web Browser Siebenutzen.

Anforderungen für einen uneingeschränkten FunktionsumfangDer 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 1.0unterstützen. Die Referenz-Web-Browser sind der Microsoft Internet Explorer (MS IE) und derNetscape 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 sichabweichend verhalten.

Minimal-AnforderungenSie können Web Applications auf Web Browsern verwenden, die dem HTML 3.2-Standard genügenund elementare Funktionen von CSS 1.0 unterstützen.

Web Browser und FunktionsumfangDer volle Funktionsumfang des Kontextmenüs und des Ad-hoc Query Designers sowie eineflimmerfreie Navigation ist mit dem Internet Explorer 6.x und 5.x sowie dem Netscape Navigator 6.xmöglich.Mit dem Internet Explorer 4.x und dem Netscape Navigator 4.x gibt es eine Einschränkung beim WebItem 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 keinKontextmenü, sondern nur eine eingeschränkte Navigation über Symbole.Weitere Informationen zu den Web Browser-Abhängigkeiten finden Sie auch im SAP ServiceMarketplace alias SAP BW unter Services & Implementation Frequently Asked Questions SAP BW & WebApplication Server.

Quelle: SAP BW Functions in Detail, Version 1.0 SAP BW 3.0B


213

Web Applications erstellen


214

Metaobjekte: Webreporting (SAP BW 2.X)

Querydefinition

Mappe

einge-betteteQuery

alsView

speich-ern

View ItemliefertDaten

Template enthältspeich-ern in


215

Metaobjekte: Webreporting (SAP BW 3.X)

Querydefinition

Mappe

einge-betteteQuery

alsView

speich-ern

View ItemliefertDaten

Template enthält

liefertDaten


216

Objects used in the Design Process

ExcelWorkbookExcelWorkbook

HTMLTemplates

ExcelWorkbookExcelWorkbook

Items(Charts, Tables, News Tickers ..)

ExcelWorkbook

ExcelWorkbook

SAP BW Queries

ExcelWorkbookExcelWorkbookQuery Views

is derived from

can be stored with

is used in

supplies data to

ExcelWorkbookExcelWorkbookLibraries

ExcelWorkbook

ExcelWorkbook

SAP BW Workbooks

is embedded in

supplies data to

= stored in roles

© SAP AG


217

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


218

Items

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


219

Neue Web Items

– Ad-Hoc Query Designer– News Ticker– checkboxes for filter values– Hierarchical dropdown boxes– Single documents and

document list– Menu

New Items

© SAP AG


220

Struktur und Modifikationen


221

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-TabelleUm Web Items neben- und untereinander anzuordnen, können Sie sich eine HTML-Tabelle zunutzemachen. Dieses Raster können Sie sich nach Ihren Anforderungen zurecht legen und verschiedeneWeb Items in die einzelnen Zellen der Tabelle ziehen, je nachdem, ob Sie Ihre Web Items horizontaloder vertikal anordnen wollen.

Web Template um Texte erweiternNeben dem Einfügen und Arrangieren von Web Items können Sie das Web Template um Texteerweitern und diese formatieren.

Web Templates um Bilder erweiternZusätzlich 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.



222

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


223

User und Passwort beim Webreporting

Angabe von User und Passwort in der URL

• &sap-user=xxx&sap-password=yyy

Anonymes Logon• Siehe Hinweis 498936


224

Integration in den HTML-Code

<html>

<body>

<object> SAP BW Object </object>

</body>

</html>

SAP BW Objects• Data Provider (View)• Item


225

Weiterbearbeitung des HTML-Codes

Um die HTML Source eines Web Templates zu bearbeiten, haben Sie folgende Möglichkeiten:

1. 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.

2. Sie können das Web Template auch mit einem externen HTML-Editor bearbeiten.



226

Der Datenfluss im BW

BW0025


227

Inhalte

1. Datenfluss im SAP BW2. Quellsysteme3. Technische Voraussetzungen


228

Übung

Kapitel 1• Aufgabe 1:

Data Warehouse• Aufgabe 2:

Farben ändern


229

Data Warehouse- und BW-Architektur

© SAP AG


230

Übung

Zusatzaufgabe• Beschreiben Sie den

Datenfluss im BW.


231

Datenfluss: Übersicht

Quell-system

Fortschr.-regel RolleArbeits-

mappe

Query

Merkmalmit Stammdaten

Infosource(Komm.-Struktur)

Übertragungs-regeln

PSAData-Source(Transfer-Struktur)

Quell-system

BW

InfoCube(Infoprovider)

xls

Daten

Transformation

InfoPackage

View

xls

Web Template

HTMLStrukturen / Definitionen

1

2

3

DS-Replikation

45+6

7

8

Reporting


232

Quellsystemtypen und ihre Schnittstellen

BW Service API

Web Service

RDBMSFlache Datei

ExtractorExterne

DB

RFC

Ser

ver

RFC

Clie

nt

ExtraktorFremd-

Systeme

SAP Quellsystem(R/3, CRM, SEM, BW, APO)

DateiSchnitt-stelle

XMLSchnitt-stelle

DBConnect

StagingBAPI

InfoSource

Datenziele

Übertragungsregeln


BW1

RFC-Verbindung (sm59)

mit Hintergrund-benutzern


233

DataSource

• 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

2 0CO_OM_CCA_9: Kostenstellen-Istkosten Einzelposten (Delta)

Funktionsbaustein View Query


234

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.

HRFICO

Extraktor Extraktor Extraktor

Extraktor Extraktor

DB-ViewSAP QueryFunktionsbaustein

R/3 System

…


235

DataSource-Replikation

3

© SAP AG


236

InfoSource

• Enthält Metadaten zu einem betriebswirtschaft-lichen Prozess

• Funktionen– Metadatenabgleich mit

den DataSources– Versorgung der

Datenziele• Typen

– direkte Fortschreibung– flexible Fortschreibung

4

© SAP AG


237

DS-IS-Zuweisung und Übertragungsregeln

5+6

Transferstruktur-Felder werden InfoObjects zugeordnet

Übertragungsregeln:- 1:1- Konstante- ABAP-Routine- Formel

© SAP AG


238

Datenziele (Data Targets)

1. Basis-InfoCube2. ODS-Objekt3. Stammdatentragendes Merkmal

Data Target = enthält physisch DatenInfoProvider = Reportinggrundlage

7


239


• Verbindet flexibel fortgeschriebene InfoSources mit Datenzielen

• Verschiedene Fortschreibungs-methoden

8

© SAP AG


240

Datenflussmodellierung im BW

Kommunikationsstruktur

DataSource

InfoSource


InfoSource

DataSource DataSource

Anwendungs-spez.

Extraktor: FI

Anwendungs-spez.

Extraktor: CO

GenerischerExtraktor

Aus Tabelle


ÜbertragungsregelnHomogenisierung: Daten in strukturiertes und einheitliches Format transformieren

Integration der Daten in anwendungsspezifische Modelle


241

Übung

Kapitel 1• Aufgabe 3: Datenfluss

DozentKapitel 1• Aufgabe 4:

Quellsystem testen


242

Datenextraktion ausSAP® R/3®-Systemen

BW0023


243

R/3®-Extraktion: Hinweise zum Einsatz in der Lehre

1. Systemübergreifende Aktivitäten 2 Systeme müssen beherrscht werden

2. BW ist nicht mandantenfähig:mehrere Kunden auf einem BW-System Regeln und Rücksichtnahme

3. Evtl. werden große Datenmengen bewegt Dauer der Transaktionen

4. Keine einheitliche Vorgehensweise verfügbar,da Extraktion stark applikationsabhängig ist hoher Einarbeitungsaufwand

5. Arbeit mit zentralen Objekten des Data Dictionary hohe Anforderungen an das Design von Fallstudien viele Aktionen müssen vom Dozenten vorgeführt werden


244

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


245

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.

HRFICO

Extraktor Extraktor Extraktor

Extraktor Extraktor

DB-ViewSAP QueryFunktionsbaustein

R/3 System

…


246

Datenfluss

Extraktstruktur

Transferstruktur

DataSource

DataSource


SAP BW

SAP R/3



Replikation


Übertragungsregeln

Extraktstruktur

ExtraktorExtraktor

Extraktstruktur

Extraktor

• 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.

• 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.

• 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.


247

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.


248

Extraktionsszenarien

Business ContentDataSources

KundendefinierteDataSources

GenerischeDataSources

Anwendungsspez.Extraktoren

GenerischeExtraktoren

Anw

endu

ngs-

spez

ifisc

h(C

O, F

I, H

R, e

tc.)

Kun

den-

defin

iert

(Tab

elle

n, V

iew

s,

Que

ries)

Extraktoren

Dat

enha

ltung

im R

/3

-

Extraktions-prozess

Appli-kationen

Extraktoren

Mögliche Schwerpunkte in

der Lehre

Legende:


249

Übungsszenario

ZYXX_KUVZYCO_OM_CCA_IK0CO_OM_CCA_90CO_OM_CCA_9

R/3 BW

DataSource DataSource InfoSource

InfoCube

0CCA_C11

Vorlage

replizieren

0CO_OM_CCA_9

Vorlage

FR

InfoPackage 3

1

2

zuordnen

45

6

Monitoring7


250

R/3®-Deltadatenextraktion

BW0026


251

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.


252

Übungsszenario: Buchungen im OLTP

Materialverbrauchfür Kostenstelle

Lieferantenrechnung

InnerbetrieblicheLeistungsverrechnung

MM

FI

CO

Buchung von Kosten in Anw.-Tabelle COVP

Extraktor:FunktionsbausteinBWOMD_GET_CTRCSTA1

DataSource0CO_OM_CCA_9

BW

Buchungen im OLTP-System nach Durchführen eines Full-Updates


253

Übung

DozentKapitel 3• Aufgabe 1:

Deltainitialisierung

Kapitel 3• Aufgabe 2-4

Buchungen in R/3 durchführen

Kapitel 3• Aufgabe 5-7

Delta-Ladeprozess vervollständigen


254

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.


255

Deltaübertragung ins BW

Fortschreibungsmodi ins BW

© SAP AG


256

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.


257

DB

Dynpro 1 Dynpro 2 Dynpro 3

... COMMIT WORK.

SAVE

Verbuchungsteil

DB-COMMIT

Protokolltabelle Applikationstabellen

DB-COMMIT DB-COMMIT DB-COMMIT

DB-LUW 1Zeit

Dialogteil

DB-COMMIT

SAP-LUW

DB-LUW 2 DB-LUW 3 DB-LUW 4 DB-LUW 4

SAP-LUW

SAP LUW vs. DB LUW

© SAP AG


258

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


259

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.


260

Deltafähigkeit einer DataSource

deltafähig

© SAP AG


261

Delta-Extraktion am Bsp. Kostenstellen

0CO_OM_CCA_9Kostenstellen:

Istkosten-Einzelposten(Delta)

DataSource

Daten Herkunfts-tabellen R/3

Datensätze:-Before Img.-After Img.

TimestampTabelle

BW

Definieren Delta-Verfahren

ADD

Delta-VerfahrenADD: Additive Extraktion über Extraktor• Der Extraktor erlaubt nur das Addieren von Feldern.• Fortschreibung in InfoCube und ODS möglich.• Request Serialisierung.

Wegen Verbuchung von Einzelposten:• Abweichung zwischen Zeitstempel und Verbuchungszeitpunkt.• Vorgabe einer Sicherheitszeit.

Unterstützte Fortschreibungsmodi:• Delta-Init (Ermittlung des Anfangbestandes)• Delta Update (Ermittlung und Laden des Delta Datenbestandes)• Full Update (Ermittlung und Laden des Gesamt-Datenbestandes)

R/3

Die DataSource 0CO_OM_CCA_9 liefert Informationen zu den Istkosten, dieauf Kostenstellen gebucht wurden.


262

Fazit: Einsatzmöglichkeiten „BW-Extraktion“

1. Lediglich „Füllen von InfoCubes“

2. Datenbankorientiertes Thema

3. Deltamanagement als anspruchsvolles SAP-Thema

4. Systemübergreifende Fallstudien

1. Systemübergreifende Aktivitäten 2 Systeme müssen beherrscht werden

2. BW ist nicht mandantenfähig: mehrere Kunden auf einem BW-System Regeln und Rücksichtnahme

3. Evtl. werden große Datenmengen bewegt Dauer der Transaktionen

4. Keine einheitliche Vorgehensweise verfügbar, da Extraktion stark applikationsabhängig ist hoher Einarbeitungsaufwand

5. Arbeit mit zentralen Objekten des Data Dictionary hohe Anforderungen an das Design von Fallstudien viele Aktionen müssen vom Dozenten vorgeführt werden

Chancen Herausforderungen


263

Generische DataSources für dieR/3®-Extraktion

BW0027


264

Extraktionsszenarien

Business ContentDataSources

KundendefinierteDataSources

GenerischeDataSources

Anwendungsspez.Extraktoren

GenerischeExtraktoren

Anw

endu

ngs-

spez

ifisc

h(C

O, F

I, H

R, e

tc.)

Kun

den-

defin

iert

(Tab

elle

n, V

iew

s,

Que

ries)

Extraktoren

Dat

enha

ltung

im R

/3

-

Extraktions-prozess

Appli-kationen

Extraktoren

Mögliche Schwerpunkte in

der Lehre


265

R/3-Quellsystem

Szenario: Generische Extraktion

USR01

USREFUS

R/3-Applikationstabellen(Benutzerverwaltung)

Z_YXX_Userdaten

Extraktor (View)

Z_YXX_Userdaten_DS

GenerischeDataSource

BW-System

Z_YXX_Userdaten_DS

GenerischeDataSource(Replikat)

AYXX_US_IS

InfoSource

Z_YXX_Userdaten

Z_YXX_Userdaten_DS

Z_YXX_Userdaten_DS AYXX_US_IS

AYXX_US

Merkmal (mitStammdaten)

AYXX_US


266

Projektabschluss

BW0024


267

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 sensibelsteFaktor in einem DW-Projekt !

neuesDataWare-

house !!!


268

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


269

Abschaffung / Ersatz eines DW

• Bestimmung des Zeitpunkts der Totalabschaffung oder des Ersatzes

• Umstellungskosten• remanente Lizenzkosten

Investitionsrechnung Lebenszyklusbetrachtung Folgeprojekt !


270

Quell-System

Fortschr.-regel RolleArbeits-

mappe

Query

Merkmalmit Stammdaten

Infosource(Komm.-Struktur)

Übertragung-regeln

PSAData-Source(Transfer-Struktur)

Quelle BW

InfoCube(Infoprovider)

xls

Quelle: BW-Schulung, TUM 31.03.04

Daten

Transformation

InfoPackage

View

xls

Web Template

HTML

Strukturen / Definitionen


271

Aktuelle BW-Schulungen der SAP AG

BW0095


272

Schulungen zum SAP BW: Überblick

Quelle: www.sap.de (Online-Kurskatalog),zugegriffen am 18.02.2005


273

Schulungen zum SAP BW: Schwerpunkt Reporting

• Ausrichtung auf Analysenund Auswertungen

• Vorwiegend BEx Analyzer• „ab InfoProvider“



274

Schulungen zum SAP BW: Schwerpunkt Data Warehousing

• Technisch orientiert• Vorwiegend AWB• „bis InfoProvider“

Quelle: www.sap.de(Online-Kurskatalog),zugegriffen am 18.02.2005


275

Schulungen zum SAP BW: Schwerpunkt Administration

• Für HCC-Kunden nichtunbedingt notwendig

• Aufgabe der HCCs Quelle: www.sap.de (Online-Kurskatalog),zugegriffen am 18.02.2005


276

Schulungen zum SAP BW: Schwerpunkt Planung (SEM)



277

Aktuelle Trends im Data Warehousing

BW0100


278

Aktuelle Trends: Ebenen im DW

Quelle: BARC, aus Computerwoche 21/04


279

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)

Documents

© SAP HCC 2005SAP BW-Schulung1 SAP HCC Kundenschulung zum SAP ® Business Information Warehouse SAP BW- Einführungsschulung Grundlagen und Reporting, Modellierung