die sap hana plattform für den handel (ws3) · 2015-08-12 · sap hana, sapui5 & sap hana...
Post on 20-May-2020
14 Views
Preview:
TRANSCRIPT
Die SAP HANA Plattform
für den Handel (WS3)Oliver Reulmann
Dorint Kongresshotel Mannheim
6. Juli 2015 Public
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 2Internal
Agenda
Mit den richtigen Schritten zu SAP S/4 HANA mit SAP for Retail
14.00 – 14.30 Uhr
ABAP-basierte Entwicklung mit SAP HANA und wie programmiert man damit im SAP for Retail?
14.30 – 15.30 Uhr
Big Data im Handel – Welche Szenarien und IT-Architekturen sind möglich?
15.30 – 16.30 Uhr
Vorstellung von Fraud Prevention by Fujitsu
16.30 – 17.00 Uhr
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 3Internal
Agenda
Mit den richtigen Schritten zu SAP S/4 HANA mit SAP for Retail
14.00 – 14.30 Uhr
ABAP-basierte Entwicklung mit SAP HANA und wie programmiert man damit im SAP for Retail?
14.30 – 15.30 Uhr
Big Data im Handel – Welche Szenarien und IT-Architekturen sind möglich?
15.30 – 16.30 Uhr
Vorstellung von Fraud Prevention by Fujitsu
16.30 – 17.00 Uhr
SAP S/4HANA – Retail
Dr. Dieter Scheerer
Business Solution Architect
Product Management Retail
Heike Kraus
Director
Solution Management Retail
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 5
• Retail Roadmap
• Simple Finance 2.0
• S/4HANA Customer Journeys
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 7
S/4HANA3 Key Enabler to run digital transformation for key enterprises
SAP HANA REAL-TIME & SIMPLIFIED
SAP FIORI
SAP HANA AS THE UNDERLYING PLATFORM• OLAP & OLTP
MERGE
• IN-MEMORY COMPRESSION
• INCREASE IN SPEED
SIMPLIFICATION OF APPLICATIONS AND UNDERLYING DATA MODEL • NO AGGREGATES & NO INDICES
• HIGHER FLEXIBILITY & THROUGHPUT
• DATA FOOTPRINT REDUCTION
SAP FIORI AS THE USER EXPERIENCE (UX) PARADIGM;
CROSS-APPLICATION USER EXPERIENCE • WEB-BASED, ALL DEVICES
• ROLE-BASED
• DECISIVE
Components of S/4HANA Retail
Key Components of Offering
Reco
mm
en
ded
Exte
nsio
ns
SoH IS-RetailBase
Off
eri
ng
CEO / CIO / CFO CMO
Cloud MarketingEdition
SAP Merchandising
Targ
et
Ro
le
Retail Marketing Scenarios
Key components
• SAP Simple Finance standalone or w/ SAP
Merchandising (ERP Retail) on SAP HANA
• SAP Customer Activity Repository
• SAP Assortment Planning for Retail
• Optional S/4HANA components such as SAP
S/4HANA, cloud marketing edition
Planned Availability
• Starting Q2 2015
MgmtSAP Simple Finance 2.0 w/ SAP BS
MgmtSAP
S/4HANA Cloud
Marketing
CIO / Business Head
SAP Customer Activity Repository
2.0
SAP Customer ActivityRepository
MgmtAssortmentPlanning 1.0
SAP HANA SAP HANASAP HANA
…
Planned Roadmap of S/4HANA RetailOn premise*
Q2 2015 Q3 2015
Q4 2015
Q1 2016
Q4 2016
SAP Simple Finance 2.0 w/ SAP Merchandising (ERP Retail) on SAP HANASAP Customer Activity Repository 2.0SAP Assortment Planning for Retail 1.0
SAP Simple Finance 2.0 w/ SAP Merchandising on SAP HANASAP Customer Activity Repository 2.0 FP1 / FP2SAP Merchandise Planning for Retail 1.0SAP Assortment Planning for Retail 1.0 FP1 / FP2
S/4HANA sERP incl. sMerchandising 1.0SAP Customer Activity Repository 3.0SAP Merchandise Planning for Retail 2.0SAP Assortment Planning for Retail 2.0SAP Promotion Planning Retail 9.0
*) Hybrid scenarios managed cloud tbd
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 11
SAP S/4HANAThe Next Generation Business Suite
On-Premise
SoH
Cloud
NW 7.50 NW 7.60
SAP S/4HANA core (ERP)
SuccessFactors C4C
• No modifications
• SAP managed
• Quarterly innovations
• HCP for extensions
Concur
Customer /
Partner
extensions
HCP / HCI
Business Networks
Ariba
SAP Business Suite
On-Premise
NW 7.50
sMerchandising*
sLOG
SAP Simple
Finance
S/4 Editions
sFIN
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 13
Das Rechnungswesen wird vor immer größere Aufgaben gestellt
Fehlende Transparenz:
über Ursachen von Fehlern
oder Abweichungen führt zu
hohem Zeitaufwand
über relevante
Dimensionen für Planung
und Profitabilitätsrechnung
führen dazu dass das
Business nicht in ihren
(strategischen)
Entscheidungen
unterstützt werden kann.
Notwendigkeit manueller
Abschluss-, Abstimm- und
Prüfungsarbeiten
erhöhen das Fehlerrisko
von (Disclosures)
Pflichtveröffentlichungen
Sowie die Personalkosten,
da diese Arbeiten
periodisch Wiederholt
werden müssen.
Zu wenig Überblick
über die
unternehmensweiten
Cash Positionen,
zu wenig Transparenz
über Bankkonten in
verteilten Systemen
behindert die optimale
Unterstützung von
Investitionsentscheidung
en und das rechtzeitige
Aufdecken finanzieller
Risiken.
Uneinheitliche Systeme
und Prozesse führen zu
zeitraubenden und
fehlerbehafteten
manuellen Prozessen.
“Ich kläre das” (in einem
Tag, einer oder mehreren
Wochen)
Das Fehlen
automatischer interner
Kontrollen kostet viel
Zeit, die für Audits oder
um Betrug aufzudecken
verwendet werden muss
sowie um den dadurch
entstandenen Schaden
zu beseitigen.
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 14
Focus für Innovationen im SAP Simple Finance
Accounting and
Financial Close
Financial Planning
and Analysis
Treasury and
Financial Risk Management
Collaborative
Finance Operations
Enterprise Risk and
Compliance Management
Receivables
Management
Enterprise,
Risk Management
Controls and Compliance Management
Access Governance
AccountingDevelop and Translate Strategy
Planning, Budgeting
and Forecasting
Payments and Bank Communications
Cash and Liquidity Management
Profitability and Cost Management
Monitoring and Reporting
Entity Close
Corporate Close
Reporting and Disclosure
Financial Close
Governance
Collaborative
Invoice to Pay
Travel Management
Financial Shared Services
Debt and Investment Management
Commodity Risk Management
Financial Risk
ManagementInternational Trade Management
Fraud Management
Audit Management
Real Estate Management
SAP Simple Finance
Neue oder signifikant verbesserte Lösung
Lösung
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 15
Herausforderungen der aktuellen Architektur: Unterschiedliche „Sources of Truth“
Herausforderungen:
• Der Inhalt mehrerer unterschiedlicher
Tabellen bestimmt “die Wahrheit”. Hoher
Abstimmaufwand ist “per design”
vorgegeben.
• In den jeweiligenen Komponenten und
Tabellen werden Informationen auf
unterschiedliches Detailebene vorgehalten.
• Komponenten sind unterschiedlich
strukturiert, z.B. unterscheiden sich Entitäten
und Felder.
• Unterschiedliche Funktionalitäten innerhalb
der Komponenten (Kundenfelder,
Währungen etc. )
• Notwendigkeit Daten in weitere Tabellen zu
“schieben” für ein einheitliches
Berichtswesen.
• Unterschiedliche BI Extraktoren müssen die
“gesamte single source of truth” abdecken.
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 16
„Single Source of Truth“ in SAP Simple Finance 2.0
Architektur der “ACDOCA” oder “Universal
Journal”:
• Konzept: Wir nehmen das Beste aus jeder
Welt und kombinieren es in einer Tabelle.
• EINE Tabelle für alle Komponenten mit
Daten auf granularerer Ebene für schnelles
Reporting und Erweiterbarkeit.
• Daten werden nur einmal vorgehalten; kein
Abstimmaufwand per design!
• Möglichkeit eines schnelles
mehrdimensionales Reporting, ohne
Datenreplikation in ein BW
• Wenn ein BW vorhanden ist wird nur ein BW
Extraktor benötigt.
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 17
SAP Simple Finance –die Transformation vom “Blues” am Periodenende zum schnellen Überblick für Alle
Simulation und Prognose
Starkt verbesserte Simulations- und
Prognosefunktionalität z.B. für die Erstellung
aussagekräftiger GuV´s für Profit Center bereits
innerhalb einer Periode .
Integrierte Liquiditätsprognose mit
multidimensionale Echtzeitanalysen.
Monatsabschluss nahezu in Echtzeit
Bessere Prozessübersicht wegen des neuen
Management Dashboards
Flexible “on-the-fly Aggregation”, keine unnötigen
Wartezeiten bedingt durch die Replikation von
Daten
Analyse von Kosten und Erlösen in
Echtzeit
Interaktives drill-down für die Analyse von
Ursachen von Abweichungen und Fehlern.
Optimierung von Strategien um die Finanz- und
Ertragslage des Unternehmens zu verbessern.
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 19
Examples for Customer Journeys towards S/4HANAInnovation without disruption
New
Customer
deploy new installationOn Premise
SAP Bus. Suite
Financials Add-on
deploy new installationOn Premise/Cloud
SAP CAR
or
enhance CAR installationOn Premise/Clod
SAP Assortment Pl.
SAP Promotion Man.
SAP Merch. Pl.
or
S/4HANA
On Premise/Cloudtransfer data to S/4HANA
or
Hybrid
S/4HANA
On Premise/Cloudtransfer data to S/4HANA
or
On Premise
SAP AFS
transfer dataOn Premise
SAP FMS
Financials Add-on
enhance CAR installationOn Premise/Clod
SAP CAR
SAP Assortment Pl.
SAP Merch. Pl.
or
upgrade and migrate dataOn Premise
SAP Bus. Suite
Financials Add-on
HybridOn Premise
SAP Retail
S/4HANA
On Premise/Cloudtransfer data to S/4HANA
or
deploy new installationOn Premise/Cloud
SAP CAR
or
Starting Point
Hybrid
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 21Internal
Agenda
Mit den richtigen Schritten zu SAP S/4 HANA mit SAP for Retail
14.00 – 14.30 Uhr
ABAP-basierte Entwicklung mit SAP HANA und wie programmiert man damit im SAP for Retail?
14.30 – 15.30 Uhr
Big Data im Handel – Welche Szenarien und IT-Architekturen sind möglich?
15.30 – 16.30 Uhr
Vorstellung von Fraud Prevention by Fujitsu
16.30 – 17.00 Uhr
ABAP-Entwicklung mit SAP HANAVerwendung von HANA-Fähigkeiten in ABAP
Lukas Bretschneider
SAP Deutschland SE & Co. KG
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 23Internal
Agenda
Übersicht: Ein Paradigmenwechsel im ABAP
Umsetzugsmöglichkeiten
OpenSQL
ABAP Managed Database Procedure (AMDP)
CDS Views
Live-Demo
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 24Internal
ErfahrungswerteBetrachtung von SAP HANA als Plattform
Die Entscheidung für SAP
HANA ist für unser Kunden
auch eine Plattform
Entscheidung.
Unsere Kunde starten daher
sehr häufig mit einen SAP
HANA Assessment, dass die
SAP Systemlandschaft
ganzheitlich betrachtet und
sowohl technische als auch
betriebswirtschaftliche
Fragestellungen betrachtet vor
dem Hintergrund der
Fähigkeiten der SAP HANA
Plattform.
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 25Internal
Wie kann mein ABAP-Code von SAP HANA profitieren?
Neues Coding Paradigma
AS ABAP
SAP HANA
Berechnung
Berechnung
“Data to Code” “Code to Data”
Code-Pushdown bedeutet die Verlagerung rechenintensiver
Datenbank-Operationen auf die Datenbankschicht
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 26Internal
Eclipse™ Strategie bei SAP
Eine Entwicklungsumgebung für alles: ABAP,
SAP HANA, SAPUI5 & SAP HANA Cloud
Effizientere Unterstützung für Entwickler
Professionelles Toolset für ABAP Entwicklung
ABAP Development Tools for SAP NetWeaver (ADT)
Zentrale Upgrade-Seite verfügbar
Einfache Integration von eigenen und 3rd-
Party-Erweiterungen
ABAP
HANA
Gateway
Add On
SAPUI5
CloudJava
SAP HANA
CloudCentral Eclipse Update site
https://tools.hana.ondemand.com
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 27Internal
Erweiterung des OpenSQL
Weniger Restriktionen, mehr Freiheiten
Open SQL ist die Abstraktionsschicht für Datenbanken
in ABAP die eine gemeinsame Syntax für alle SAP-
unterstützten Datenbanken vorgibt
Unterstützung von mehr SQL-Standardbefehlen SQL92
in Open SQL
Erweiterungen werden ab ABAP 7.4 SP05 umgesetzt
Sowohl für SAP HANA als auch andere DB-Plattformen
“Code pushdown” beginnt im Open SQL
Mit der Verlagerung der Datenverarbeitung in die Datenbank
durch z.B. Aggreggationen, JOINs, Verwendung von
Funktionen)
SQL-92 Standard
Advanced Open SQL
(ABAP 7.4)
Open SQL
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 28Internal
Erweiterung des OpenSQL
Auszug: SQL-Ausdrücke verwenden
Komplexe Fallunterscheidung: Searched CASE
Menge logische Ausdrücke sql_cond
werden durch WHERE Bedingungen
unterstützt
Verwendung von SQL-Ausdrücken hinter GROUP BY
Verwendung von SQL-Ausdrücken
als Argumente von Aggregatfunktionen im SELECT
sowie im HAVING
Außer im Ausdruck AVG
SELECT buyer_guid,currency_code, gross_amount + net_amount AS sum,MAX(gross_amount + net_amount ) AS max,tax_amount,CASE WHEN sql_cond1 THEN result1
[WHEN sql_cond2 THEN result2] ...
[ELSE resultn]END AS status
FROM snwd_so AS soGROUP BY buyer_guid, currency_code, tax_amount,
gross_amount + net_amountHAVING MIN( gross_amount * net_amount ) > 2500000INTO TABLE @DATA(lt_data).
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 29Internal
NW AS ABAP 7.4 SP 2 - Bottom-Up
EPM Datamodel
SA
P H
AN
AA
S A
BA
P
Modeled ViewsStored Procedures
External ViewsExternal Views
Stored Proxy
Stored Procedure
Proxy
exposing exposing
HANA
Transportcontainer
Delivery Unit
transporting
EPM DatamodelHana Views
LMBottom-Up
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 30Internal
NW AS ABAP 7.4 SP5 – Top Down
EPM Datamodel
SA
P H
AN
AA
S A
BA
P
Modeled ViewsStored Procedures
External ViewsCDS Views
Stored Proxy
ABAP Managed
Stored Procedure
(AMDP)
deploy deploy
Standard ABAP
Transport (CTS)
EPM DatamodelHana Views
LMTop-Down
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 31Internal
ABAP Managed Database Procedures (AMDP)
Motivation
Datenbankprozeduren sind Routinen um
Applikationslogik direkt in der Datenbank
auszuführen
SAP HANA bietet Prozeduren in SQLScript –
einer Erweiterung von SQL – an, um…
…datenintensive Logik abzubilden.
…auf HANA-Funktionen zuzugreifen.
…mehrere Ergebniswerte / Result Sets
zurückzugeben.
Gute AMDPs können der Schlüssel für
signifikante Performancegewinne sein!
Die Lösung sind ABAP Managed Database Procedures
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 32Internal
ABAP Managed Database Procedures (AMDP)
Lifecycle Management
AMDP wird als Methode einer Klasse zur
Verfügung gestellt und speziell markiert
AMDP classes, AMDP methods, AMDP procedures
Die SQLScript-Methode wird auf der HANA
zum ersten Aufruf generiert
Nur die ABAP / AMDP-Klasse ist relevant für
den Transport
ABAP Development Tools notwendig
ABAP-System als einzige Quelle zur Entwicklung und Verwaltung von HANA-Prozeduren
Database
Procedure
Standard ABAP
transport
AS
AB
AP
SA
P H
AN
A
Lifecycle
AMDP
Class
2
1
CTS
Erzeugt
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 33Internal
ABAP Managed Database Procedures (AMDP)
Beispiel einer AMDP
Marker und
Spezifikation
SQLScript
(nativ)
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 34Internal
CDS-Views verwenden
CDS Integration in ABAP - Lifecycle Management
CDS views werden in einem neuen Objekt (ABAP DDL object ,R3TR DDL) definiert
Fully integrated in and managed by the ABAP
infrastructure
ABAP Dictionary, Open SQL und Standard
Transportwesen
DDIC-View und HANA-View werden generiert
Nur DDL_Sourcen für Transport etc. relevant
Transport, Installation undUpgrade
ABAP Development Tools benötigt
Database
View
Standard ABAP
transport
AS
AB
AP
SA
P H
AN
A
Lifecycle
DDL
Source
2
1
CTS
Erzeugt
ABAP-System als einzige Quelle zur Entwicklung und Verwaltung von HANA-Views
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 35Internal
CDS-Views verwenden
Beispiel einer CDS-View-Definition (DDL)
Group by clause
CASE statement
Name
list
Annotations
Joins
Aggregation
Built-in
functions
SQL View nameCDS View entity
name
Where clause
ABAP DDL Source
Select list
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 36Internal
CDS-Views verwenden
Einblick: Annotationen
Anreicherung der Datenmodelle
mit domänenspezifischen
Metadaten (z.B. für UI)
Unterstützt von ALV, FPM/WDA
und BW Reporting
End-user-Text (label, quickInfo)
Referenzfelder für Mengen und
Währungen
Schlüsselfelder der View
@AbapCatalog.sqlViewName: ‚ZCDSV_UI_ANNO'define view cds_ui_consumptionas select from snwd_so as so
{key so.so_id,@EndUserText: { label: 'Creation Timestamp', quickInfo: 'Creation Timestamp as Mouse over' }
so.created_at,@Semantics.currencyCodeso.currency_code,@EndUserText.label: 'Sales Order Amount' @Semantics: { amount : {currencyCode: ‚'so.currency_code'} } so.gross_amount,@EndUserText: { label: 'Demo', quickInfo: 'Fake distance' } @Semantics: { quantity : {unitOfMeasure: 'rsd99.funit'} } '50' as distance
}
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 37Internal
Live-Demo
Entwicklung einer CDS-View
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 38Internal
Live-Demo
Integration der CDS-View in OpenSQL
cl_salv_gui_table_ida=>create(
'ZV_OIA_DEMO01' )->fullscreen(
)->display( ).
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 39Internal
ABAP-Programmierung mit SAP HANA
Empfehlungen
1. Verwenden Sie OPEN-SQL und klassische ABAP-Views um von HANA zu profitieren
2. Verwenden Sie vor allem in Fällen, in denen spezifische HANA-Features benötigt werden
AMDPs oder CDS-Views
3. Verwenden Sie HANA-spezifische Elemente (bottom-up) nur, falls sich Anforderungn nicht
anders umsetzen lassen (Transportwesen!)
Verwendung von HANA-Funktionen
Datebankunabhängiges Coding
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 40Internal
Probieren Sie es aus!
Tutorials und Videos im SCN verfügbar
http://scn.sap.com/docs/DOC-59038
http://scn.sap.com/community/abap/hana
https://open.sap.com/
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 41Internal
Fazit
Code-Pushdown kann Ihre Applikationen auf ein neues Performance-Level bringen.
Code-Pushdown beginnt bereits im OpenSQL mit JOINs.
Mit AMDPs können Sie alle nativen HANA-Features sehr einfach im ABAP konsumieren
CDS-Views bieten die Möglichkeit komplexe Views zentral zu definieren
SAP bietet diverse Tutorials (open SAP, SCN)
Schnelle NachschubplanungBeispiel für Core Data Services (CDS) in der
SAP Business Suite for Retail powered by SAP HANA
Wolfgang Schuhn
SAP SE
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 44Internal
Live DemoStart Hintergrundverarbeitung
Klassische Nachschubplanung vs. Schnelle Nachschubplanung (CDS)für eine Filiale mit 50.000 Artikeln
auf SAP HANA DB
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 45Internal
NachschubplanungMotivation
Die automatisierte Nachbeschaffung für Filialen (und Verteilzentren) ist
ein geschäftskritischer Kernprozess im Retail, bei dem
häufig
große Datenmengen
in einem begrenzten Zeitfenster
verarbeitet werden.
Qualifikation für tiefgreifende Optimierung auf SAP HANA
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 46Internal
NachschubplanungProzess
Ermittlung
Arbeitsvorrat
Bedarfsrechnung
Folgebeleg-
erzeugung
Ermittlung
Bedarfselemente
Bedarfsmengen-
Rechnung
Laufzeit
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 47Internal
NachschubplanungBedarfsmengenrechnung
Bedarfsmenge = Sollbestand – erwarteter Bestand
• statisch
• dynamisch
= Prognosen in Sollreichweite
= aktueller Bestand
+ offene Zugänge
- offene Abgänge / Prognose
in Wiederbeschaffungszeit
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 48Internal
NachschubplanungParameter
Sollbestand Sollreichweite
max./min. Sollbestand
SicherheitsbestandMeldebestand
Wiederbeschaffungszeit
Dispomerkmal
Lagerorte
BestandsartenUmlagerungsbestand
Nachschubbestand
Negativer Bestand
Prognoseversion
Prognoseperioden
RandperiodenDezimalstellen
Bestellanforderung
Bestellung
Umlagerung
Retoure
Bestätigte Menge
Teillieferung Endlieferung
EndauslieferungTeilauslieferung
Löschung
Bestellbestätigung BelegartLagerort
Sollbestandsverfahren
Disporelevanz
Bestandsarten
Disporelevanz
Lagerorte
Disporelevanz
Belegarten
Berücksichtigung
Zugänge in Vergangenheit
Berücksichtigung
prognostizierte Abgänge
Berücksichtigung
Zu-/AbgängeBerücksichtigung
Bestellungen
Berücksichtigung
Bestellanforderungen
Berücksichtigung
Bestellbestätigungen
Berücksichtigung
bestätigte Mengen
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 49Internal
OptimierungAnsatz
Vereinfachung BedarfsrechnungsprozessErsatz generischer, komplexer Module durch maßgeschneiderte Module
Reduktion Datentransfer zwischen Applikations-Server und DBWenige Massendatenzugriffe statt vieler Einzelsatzzugriffe
Anwendung statischer und dynamischer Filter beim DB Zugriff
Lesen benötigter Felder statt kompletter Sätze
Vorverdichtung von Daten in der Datenbank
Ausführen Logik in DB (Code Push-Down)Verknüpfen von Informationen aus verschiedenen Tabellen
Aggregationen und Berechnungen
Appl.
Server
DB
Server
Data Determination /
Calculation Step 1
… …
… Data Determination /
Calculation Step n
Appl.
Server
DB
Server
Data Deter-
mination
Prep.
StepCalc. Step
∑
…
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 50Internal
Bedarfsrechnung
OptimierungUmsetzung
Ermittlung
Arbeitsvorrat
Folgebeleg-
erzeugung
ABAP
Steuerparameter ermitteln
openSQL
Bedarfsmengen berechnen
CDS
Bedarfselemente
einlesen und vorverdichten
• Bestand
• Prognosen
• Bestellanforderungen
• Bestellungen und Bestellbestätigungen
Bedarfsrechnung
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 51Internal
Live DemoLaufzeitanalyse
Klassische Nachschubplanung vs. Schnelle Nachschubplanung (CDS)für eine Filiale mit 1.000 / 10.000 Artikeln auf SAP HANA DB
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 52Internal
OptimierungBeispiel: CDS für Prognosen – Logik
Prognoseindex (MAPR)
X X X
X X X
X X X
X X X
X X X
Prognoseparameter (PROP)
X X X X
X X X X
X X X X
X X X X
X X X X
Prognosewerte (PROW)
X X X
X X X
X X X
X X X
X X X
X X X
X X X
X X X
X X X
X X X
X X X
X X X
X X X
Be
trie
b
Art
ike
l
His
tori
e
Ve
rsio
n
Pe
rio
de
∑mit anteiliger
Berücksichtigung
Randperioden
Aggr.
Pro
gnose p
ro A
rtik
el/B
etr
ieb
CDS Steuerparameter
X X X X X X
X X X X X X
X X X X X X
X X X X X X
X X X X X X
Pro
z. ID
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 53Internal
OptimierungBeispiel: CDS für Prognosen – DDL Source und openSQL
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 54Internal
Live DemoEnde Hintergrundverarbeitung
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 55Internal
Schnelle NachschubplanungOptimierungspotenzial
Laufzeitfaktor bis > 25 auf SAP HANA DB
– klassische Nachschubplanung / schnelle Nachschubplanung in Labortests
– kompletter Planungslauf ohne Folgebelegerzeugung
– Bedarfsrechnungsmodul isoliert: > 98% Laufzeiteinsparung
Optimierungspotenzial steigt mit
– Umfang zu berücksichtigender Bedarfselemente
– Datenvolumen
– Paketgröße
Optimierungspotenzial auch auf anderen Datenbankplattformen
– je nach Testszenario bis Faktor > 5
Beispiel:
Wöchentliche Planung von 20.000 Artikeln in 500 Filialen (10 Millionen Objekte)
Planung für 50.000 Objekte in 100 statt 1.000 Sekunden (Faktor 10)
Laufzeiteinsparung von 50 Stunden pro Woche (seriell)
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 56Internal
Schnelle NachschubplanungEckdaten
Verfügbar mit SP07 für ERP 6.0 EHP 7
– Business Function ISR_APPL_RRPL
– Transaktion WRP1R (RWRPLRRP)
Quasi nicht-disruptiv / keine Migrationsaufwände
– selbe Stammdaten und Konfiguration (Customizing)
– gleicher Funktionsumfang
– unveränderte Prozessintegration
– Parallele Nutzung mit klassischer Nachschubplanung möglich
Unterschiede zur klassischen Nachschubplanung
– nur für Betriebe (nicht für Kunden / VMI)
– nur für wichtige Bedarfselemente (nicht voller ATP Prüfumfang)
– nicht für Mehrschrittnachschub
– kleinere Unterschiede in Berechnungslogik
– neue BAdIs / feinere Eingriffsmöglichkeiten
– Wiederverwendung der Kernfunktion
Weitere Infos siehe Beratungshinweis 2051280
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 58Internal
Agenda
Mit den richtigen Schritten zu SAP S/4 HANA mit SAP for Retail
14.00 – 14.30 Uhr
ABAP-basierte Entwicklung mit SAP HANA und wie programmiert man damit im SAP for Retail?
14.30 – 15.30 Uhr
Big Data im Handel – Welche Szenarien und IT-Architekturen sind möglich?
15.30 – 16.30 Uhr
Vorstellung von Fraud Prevention by Fujitsu
16.30 – 17.00 Uhr
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 60Internal
Geht es bei Big Data nur um das Volumen?...
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 61Internal
Nein! Big Data Im Handel wird durch Business Use Cases getrieben
Kundenloyalität Kanal-
profitabilität
Nachfrage-
voraussagen
Echtzeit-
Angebote
Markenimage Kampagnenleistung Kundenverhalten Kundensegmentierung
Bestands-
optimierung
Online
Konsumenten-
gewohnheiten
Einflussbereiche /
Social Media
Lieferanten-
stimmung
:-)
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 62Internal
Big Data Analysemöglichkeiten entlang des Einkaufes
Filialbesuch
• Frequenz & Wiederkehrende der Kunden durch
Produktauswahl
• Videodaten zur Greifanalyse
• Heatmaps basierend auf Bewegungsdaten
Laufwege
• Vorhersagen zum Kassenschlangen-management
• Personalisierte & situationsabhängige Empfehlungen
Kasse
• Tiefe Kassendatenanalysen
• Korrelationen mit Wetterdaten
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 63Internal
Eine typische Situation heute
Heute stützen sich Händler bei Analysen zum Kundenverhalten hauptsächlich die getätigten Verkaufstransaktionen.
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 64Internal
Was wäre wenn…. • Daten zum Kundenverhalten vorliegen
• Diese helfen können das Kundenverhalten besser zu verstehen und auch vorher zu sagen
• Sich unbekannte Zusammenhänge erkennen und nutzen lassen
• Man das Einkaufserlebnis zur Freude machen kann
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 65Internal
Welche Gruppen verhalten sich wie / wann?
08:00 – 10:00 10:00 – 12:00 12:00 – 14:00
Frische Fans Backen & Kochen Kurzentschlossene
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 69Internal
HANA / Hadoop BIGDATA Reference ArchitectureHAVING DATA ISN’T VALUABLE - USING IT IS!
* Operationalizing the Buzz: Big Data, An Enterprise Management Associations (EMA) Research Report
What if you could turn new signals
from Big Data into business value?
Volume, Variety, Velocity …
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 70Internal
HANA / Hadoop BIGDATA Reference Architecture
SAP HANA
Infinite Storage
Raw Data
HADOOP
Instant Results
Data
Syste
mS
ou
rces
Existing Sources (ERP, CRM, SCM, …)
Emerging Sources (Sensor, Sentiment,
Click Stream, …)
Ap
plic
ations
AnalyticsBig Data
Applications
Custom
Applications• Core of the SAP Big Data Platform, 100% In-
Memory
• Storage, processing, movement and
modeling of data set and analytical
scenarios
• Virtualized data access to other sources
• Platform for intelligent systems and self-
learning algorithms, R-Integration,
playground for analysts etc.
• Metadata repository and database at the
same time
• Data Mining, Prediction and Simulation
• Full integration of text and search
capabilities
• Spatial support (geo coding and vectors),
business functions and predefined
predictive libraries
Low-cost, open source platform
Massive scalable and fast data storage,
e.g. for clickstream data.
Access through SAP HANA, real-time via
native interface ‘Smart Data Access’ or
ETL-based with ‘Smart Data Integration’.
Support for various Hadoop distributions,
with additional operational, data, and
platform services from the open source
community.
Multi-tenancy is built into HDP, so it can
be a shared enterprise infrastructure
instead of a silo.
SAP HANA HADOOP
Simplified data management Accelerated Insight Rapid Innovation
SAP HANA
ApplicationsSAP BW,
S/4HANA
SAP CAR,
… EIM Services
Data Tiering
Data
Federation
SAP HANA
Engines and
Libraries
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 71Internal
HANA / Hadoop BIGDATA Reference Architecture(simplified)
HANA Big Data Platform
Data Processing
Extended Storage
Hadoop
In-Memory
Engines
Streaming
Storage∞
SAP Analytics Tools
SAP CARCustomer Acitivity
RepositoryConnected
CAR(Thing Model)
Weather Data
Social Media
Design Studio Lumira Fiori Infinite Insight
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 72Internal
HANA / Hadoop BIGDATA Reference Architecture(Overview)
GRAPH
ENGINE
PREDICTIVE
ENGINE
TEXT
ENGINE
SPATIAL
PROCESSINGANALYTICS
ENGINE
Logs TextOLTP Social MachineGeoERP Sensor
CONSUME
COMPUTE
MANAGE
SOURCE
ACQUIRE
Reporting &
Dashboards
High Performance
Applications
Application
Development
Environment
Transformations & Cleansing
Stream
Processing Virtual Tables
Smart Data Integration
Smart Data Quality
Smart Data AccessSmart Data Streaming
Data Exploration
& Visualization
Adhoc & OLAP
Analytics
Predictive
AnalyticsBusiness Planning
& Forecasting
STREAM
PROCESSING
User Defined
Functions
Store &
forward
Data
Exchange
MPP architecture Dynamic Tiering
Aged data in Disk
1010100
1010110
1001110
In-Memory Column Storage
Data model & data Parallel processing
Calculation engine
Fast computing
Series Data Storage
High performance
analytics
Store time-series
data
Mobile applications and BI
Hadoop / NoSQL
Data Lake
MapReduce HIVE
YARN
HDFS
© 2015 SAP SE or an SAP affiliate company. All rights reserved. 74Internal
Agenda
Mit den richtigen Schritten zu SAP S/4 HANA mit SAP for Retail
14.00 – 14.30 Uhr
ABAP-basierte Entwicklung mit SAP HANA und wie programmiert man damit im SAP for Retail?
14.30 – 15.30 Uhr
Big Data im Handel – Welche Szenarien und IT-Architekturen sind möglich?
15.30 – 16.30 Uhr
Vorstellung von Fraud Prevention by Fujitsu
16.30 – 17.00 Uhr
top related