Das Banken-Aufsicht-Informations-System (BAIS) spielt eine entscheidende Rolle in der Bankenaufsicht und Meldung von Finanzdaten. Es ermöglicht den Banken, die gesetzlichen Anforderungen zu erfüllen und gleichzeitig die Qualität und Genauigkeit der Berichterstattung sicherzustellen. Dieser Blogbeitrag konzentriert sich auf die Bedeutung des Meldewesens im Kontext von BAIS und der Vorteile der Integration von SAP BW/4HANA.

In der heutigen Geschäftswelt spielen Daten eine entscheidende Rolle für den Erfolg von Unternehmen. Für Organisationen, die auf SAP-Systeme setzen, ist das Verständnis der Datenarchitektur von entscheidender Bedeutung, um eine effiziente Datenverwaltung und -analyse sicherzustellen. Wir werfen einen detaillierten Blick auf die SAP-Datenarchitektur, um die essenzielle Rolle von Datenbanken, Data Warehouses und Data Lakes in der effizienten Verwaltung sowie Analyse von Unternehmensdaten näher zu betrachten.

SAP BW/4HANA ist das „Next Generation“ Data Warehouse der SAP. Es nutzt die In-Memory-Technologie der SAP HANA Datenbank und die – für virtuelles Data Warehousing (LSA++) optimierten – neuen SAP BW Objekte und Prozesse. Starke Argumente, um ein bestehendes System umzustellen. Aber wie kann eine solche Migration in der Praxis möglichst reibungslos gelingen?

Dieser Blogartikel führt unsere SAP Data Warehouse Blog-Serie fort, indem wir uns damit beschäftigen, mit welcher Methode ein agiles SAP Data Warehouse aufgebaut werden kann. Sind wir dann noch Native, also nur mit HANA Bordmitteln unterwegs?

Für Banken bilden Daten die Grundlage, um in Zukunft wettbewerbsfähig zu bleiben. Um externe und interne Anforderungen zu erfüllen, bedarf es eines strukturierten Datenmanagements. Bei der Implementierung eines geeigneten Modells, kommt es auf verschiedene Handlungsfelder an. Doch woher können Banken Informationen erhalten, um diese Handlungsfelder zu bearbeiten?

Über die SAP Analytics Cloud (SAC) und grundlegende Funktionalitäten haben wir im movisco Blog schon öfter berichtet – zuletzt etwa ging es dabei um die konkrete Anwendung von SAC in Kreditinstituten und Banken. In diesem Artikel stellen wir die Möglichkeiten vor, welche die SAP Analytics Cloud bei Planungsprozessen zur Verfügung stellt...

Eine Business Intelligence-Strategie bietet Schöpfung von Ausbaupotentialen, und ein gutes Business-Dashboard informiert auf einen Blick. Ein perfektes Dashboard jedoch kombiniert hohe Leistung und Benutzerfreundlichkeit, damit jeder User datengesteuerte Antworten bekommt. So das Prinzip von Tableau, SAP und vielen weiteren Softwareanbietern, deren Ziel es ist, nutzerfreundliche Tools bereitzustellen. Doch sind es diese wirklich? Darauf gehen wir in diesem Beitrag anhand eines Vergleichs zwischen SAP Analytics Cloud und Tableau ein.

Strenge regulatorische Vorschriften hinsichtlich Compliance rücken die Datenqualität immer stärker in das Blickfeld der Aufsicht. Operativ ist die Datenqualität ebenfalls ein Erfolgsfaktor, denn nur eine hohe Qualität der gespeicherten Informationen bietet die Grundlage dafür, dass Banken Risiken rechtzeitig erkennen und aktive Risikosteuerung betreiben können. Anhand dieses Blogbeitrags soll das Zusammenspiel zwischen DQ (Datenqualität) & BI (Business Intelligence) in einer FSDP/M (Financial Services Data Platform/Management) geprägten Architektur grob dargestellt werden.

In unserem Blogbeitrag "SAP HANA Native Modelling – Zurück auf Anfang?" haben wir erklärt, was die native SAP-HANA-Datenmodellierung ist. Um es kurz zusammenzufassen, geht es bei diesem Modellierungsansatz darum, mit SAP-HANA-Werkzeugen sogenannte Information Views zu entwickeln, die auf Objekte in der SAP-HANA-Datenbank zugreifen. Dem gegenüber steht die Verwendung eines Data Warehouses (SAP BW on HANA oder SAP BW/4HANA). Dort stehen uns zahlreiche, speziell für HANA optimierte Modellierungsobjekte wie ADSO oder CompositProvider zur Verfügung. Dieses Thema haben wir ausführlich im Beitrag "Welche Vorteile bietet SAP BW/4HANA?" beleuchtet. Nun wollen wir gewissermaßen eine Brücke zwischen den beiden Modellierungsvorgehen schlagen.

Die SAP Analytics Cloud (SAC) haben wir bereits in allgemeinerer Form und mit branchenübergreifenden Beispielen in früheren Beiträgen als Teil einer Strategie für Business Intelligence vorgestellt. In diesem Blogpost geht es um den konkreten Einsatz in Kreditinstituten und Banken.