SQL Data Warehousing mit SAP HANA

Eckhard Schulze ist Unternehmensberater der ISR Information Products AG im Bereich SAP Information Management mit den Schwerpunkten Data-Warehouse-Architektur, Datenmodellierung und HANA Data Warehousing. Seine Kenntnisse konnte er sowohl in Best-of-Breed- als auch in Best-of-Suite-Architekturen einsetzen und erweitern. Im Unternehmen dient Eckhard Schulze als fachlicher Experte im Bereich HANA SQL Data Warehousing und verantwortet die technische BI-Systemlandschaft (Cloud und on premise). Zusätzlich ist er Kurstrainer und Systemarchitekt der SAP HANA Data Warehousing Schulung (HDW410) bei SAP.

Martin Peitz ist Masterabsolvent im Bereich Business Information Technology und hat sich während seines Studiums intensiv mit Fragen des Information Management und der Integration entsprechender Systeme im Enterprise-Umfeld auseinandergesetzt. Durch ein zuvor abgeschlossen duales Studium der Betriebswirtschaftslehre ist er zudem mit Problemstellungen der Praxis vertraut und kennt die Anforderungen des Mittelstandes hinsichtlich der Organisation heterogener Systemlandschaften um ein zentrales SAP-ERP-System.

Frederik Niemeyer ist als Berater bei der ISR Information Products AG beschäftigt und auf die Entwicklung von SAP HANA SQL Data Warehouses spezialisiert. Neben seiner Projekttätigkeit ist er als externer Trainer für den von SAP angebotenen Kurs HDW410 im Einsatz. Die Schulung vermittelt den Teilnehmenden die Grundlagen der Implementierung eines HANA-basierten SQL Data Warehouse und wurde von der ISR in enger Kooperation mit SAP entwickelt.

Stefan Kahle ist Data Warehouse-Experte der ISR Information Products AG im Bereich SAP Information Management mit den Schwerpunkten Data-Warehouse-Strategie und HANA Data Warehousing. Er hat eine langjährige Karriere im Bereich Data Warehouse und eine tiefgehende Expertise in SAP- und Nicht-SAP-Data-Warehouses. Er unterstützt Unternehmen vornehmlich in der strategischen Ausrichtung ihrer Data-Warehouse-Landschaft. Als "Head of Technology" im Geschäftsbereich SAP IM verantwortet er die technologische Entwicklung, die sich an den strategischen Bedarfen der Unternehmen orientiert. Wesentlicher Aspekt dabei ist die Frage, wie sich Data-Warehouse-Landschaften künftig verändern und welche Strategien für die Unternehmen die richtigen sind.

Als Technology Developer und Advisor setzt Dominik Fischer seinen Schwerpunkt auf die SQL-Data-Warehouse-Architektur. In enger Zusammenarbeit mit SAP Product Owner konnte er die benötigte Entwicklungsmethodik, Architektur sowie die Projektmanagement-Ansätze definieren, welche nun als SAP-Standard im Bereich der agilen (SQL-)Data-Warehouse-Entwicklung gelten.

Matthias Füsting ist als Technologie-Berater bei der ISR tätig. Er hat langjährige Erfahrung in der Umsetzung von modernen Data-Warehouse-Architekturen im SAP-Umfeld. Die Erstellung von Architekturen und Entwicklungsansätze für Applikationen auf der SAP Business Technology Plattform ist ein weiterer Schwerpunkt seiner Beratungstätigkeit. Dabei reicht seine Expertise von rein nativen Entwicklungen auf der HANA SQL Database bis zur Umsetzung von cloud-nativen Anwendungen in der SAP Cloud Platform.

lt;br>
Einleitung ... 17


TEIL I. Einführung ... 23


1. Ziele und Einsatzgebiete von Data Warehousing ... 25


1.1 ... Neue Anforderungen an das Data Warehousing ... 27

1.2 ... Data-Warehousing-Ansätze von SAP im Vergleich ... 33

1.3 ... Warum SAP SQL Data Warehousing? ... 47

1.4 ... Zusammenfassung ... 53



2. Einführung in SAP HANA als Plattform ... 55


2.1 ... Architektur der SAP-HANA-Plattform ... 55

2.2 ... Die Funktionen der SAP-HANA-Plattform ... 63

2.3 ... Werkzeuge der SAP-HANA-Plattform ... 77

2.4 ... Zusammenfassung ... 83



TEIL II. Architektur- und Datenmodellierungskonzepte eines SQL Data Warehouse ... 85


3. Referenzarchitektur eines modernen Data Warehouse ... 87


3.1 ... Data-Warehouse-Architektur ... 87

3.2 ... Zweck der Referenzarchitektur ... 96

3.3 ... Konzeption und Vorteile der Referenzarchitektur ... 97

3.4 ... Bestandteile der Referenzarchitektur ... 98

3.5 ... Business-Intelligence-Tools ... 108

3.6 ... Zusammenfassung ... 109



4. Entwicklungsansatz für das SAP SQL DWH ... 111


4.1 ... Unterschiedliche Entwicklungsansätze im Vergleich ... 111

4.2 ... DevOps-Ansatz für SAP SQL Data Warehousing ... 126

4.3 ... Zusammenfassung ... 139



5. Methodische Grundlagen für das Data Warehousing ... 141


5.1 ... Modellierungsprozess ... 142

5.2 ... Modellierungsarten ... 154

5.3 ... Prozessorganisation ... 178

5.4 ... Teamarbeit und Prozessautomatisierung ... 181

5.5 ... Zusammenfassung ... 187



6. Technische Grundlagen ... 189


6.1 ... Infrastruktur ... 190

6.2 ... Core Data Services ... 201

6.3 ... Persistenztypen ... 211

6.4 ... Datenzugriff ... 214

6.5 ... Datentransformation und Orchestrierung ... 236

6.6 ... Analyseobjekte ... 245

6.7 ... Sonstige Datenbankobjekte ... 255

6.8 ... Zusammenfassung ... 258



TEIL III. Modellierung und Implementierung eines SQL Data Warehouse ... 259


7. Modellierung des konzeptionellen Datenmodells ... 261


7.1 ... Issue Tracking ... 262

7.2 ... Anforderungsaufnahme ... 266

7.3 ... Zusammenfassung ... 279



8. Modellierung der physischen Datenmodelle ... 281


8.1 ... Erstellen des Datenmodells der Quellsysteme ... 283

8.2 ... Erstellen des quellgetriebenen Datenmodells ... 292

8.3 ... Erstellen des Core-Datenmodells ... 303

8.4 ... Erstellen der analytischen Datenmodelle ... 321

8.5 ... Export der Datenmodelle ... 331

8.6 ... Zusammenfassung ... 334



9. Entwicklung des SQL Data Warehouse ... 337


9.1 ... Initialisierung von Git und SAP Web IDE ... 338

9.2 ... Import der SAP-PowerDesigner-Datenmodelle ... 342

9.3 ... Datenzugriff ... 346

9.4 ... Datentransformation ... 357

9.5 ... Implementierung von Calculation Views im Virtual Analytical Layer ... 378

9.6 ... Implementierung von Calculation Views in Data Marts ... 387

9.7 ... Berechtigungskonzept für analytische Sichten ... 391

9.8 ... Zusammenfassung ... 393



10. Deployment des SAP SQL Data Warehouse ... 395


10.1 ... Manuelles Deployment ... 396

10.2 ... Automatisches Deployment ... 400

10.3 ... Testautomation ... 404

10.4 ... Zusammenfassung ... 408



11. Beladung und Betrieb des SQL Data Warehouse ... 409


11.1 ... Beladung und Orchestrierung ... 410

11.2 ... Data Lifecycle Manager ... 415

11.3 ... Data Distribution Optimizer ... 419

11.4 ... Data Warehouse Monitoring ... 425

11.5 ... Zusammenfassung ... 426



TEIL IV. Ergänzende Werkzeuge ... 429


12. SAP Analytics Cloud ... 431


12.1 ... SAP Analytics Cloud im Überblick ... 432

12.2 ... Anbinden von Datenquellen ... 436

12.3 ... Datenmodellierung ... 441

12.4 ... Erstellen von Storys ... 446

12.5 ... Zusammenfassung ... 452



13. SAP Data Warehouse Cloud ... 453


13.1 ... SAP Data Warehouse Cloud im Überblick ... 454

13.2 ... SAP Data Warehouse Cloud und SAP SQL DWH ... 474

13.3 ... Zusammenfassung ... 483



14. SAP Data Intelligence ... 485


14.1 ... Architektur von SAP Data Intelligence ... 486

14.2 ... Datenmanagement und Datenorchestrierung ... 494

14.3 ... Machine Learning ... 504

14.4 ... Anwendungsbeispiel für SAP Data Intelligence ... 514

14.5 ... SAP Data Intelligence und SAP SQL DWH ... 532

14.6 ... Zusammenfassung ... 540



Abkürzungsverzeichnis ... 543


Literaturverzeichnis ... 549


Die Autoren ... 553


Index ... 555