Embedded Analytics für S/4HANA – Business Intelligence in der Praxis

Im Banking-Fachblog von movisco zu Tools rund um Business Intelligence (BI) beschäftigt sich dieser Artikel mit SAP S/4HANA Embedded Analytics. Dargestellt wird im Folgenden, um was es sich bei Embedded Analytics handelt, welche möglichen Vorteile aus dem Einsatz für Banken entstehen und welche Stellung in der SAP-Architektur Embedded Analytics einnimmt.

Aktuell ist der Begriff „Embedded“ in vielen Branchen ein regelrechtes Buzzword. „Embedded Banking“ oder „Embedded Insurance“ elektrisieren gerade die Banken- und die Versicherungswelt. Doch was verbirgt sich letzten Endes hinter diesen Buzzwords?

Wenn etwas „embedded“ ist, gehört es eigentlich nicht zum Kern einer Sache, eines Prozesses oder einer Software, ist aber mit ihr so verschmolzen, dass dies für Anwender:innen oder die Kundschaft wie aus einem Guss wirkt. Ein Beispiel: Wer ein iPhone oder iPad von Apple kauft, kann während des Kaufs „Apple Care“ dazu erwerben. Dabei handelt es sich um eine recht spezielle Versicherung, die Schäden für (nur) diese Art von recht kostspieligen und den Usern im Wortsinne teuren Geräten abdeckt. Ein typisches Beispiel für „Embedded Insurance“. Solche Konstruktionen begegnen uns im Alltag immer häufiger.

Diesem Gedanken folgt auch „Embedded Analytics“ für SAP S/4HANA. Den Begriff hat erstmals Howard Dresner geprägt, der auch schon die griffige Formulierung der „Business Intelligence“ fand.

Betrachtet man das noch weitverbreitete Setting in vielen Banken, spielen sich Geschäft, Analysen und Reportings in zwei getrennten Bereichen ab: Zunächst das ERP (Enterprise Resource Planning) als transaktionales System. Darin arbeiten die Fachbereiche; vereinfacht lässt sich formulieren, dass hier das „Geschäft“ stattfindet.

Die dort entstehenden Daten wandern dann im Rahmen von Batch-Verarbeitungen im ETL-Prozess (ETL = Extract, Transform, Load) in den “zweiten Bereich”, in ein Data Warehouse. Im SAP-Umfeld wird es sich hier in der Regel um das SAP Business Warehouse (BW) handeln. Während des ETL-Prozesses werden die Daten repliziert und aus dem transaktionalen Format in ein für Analysen geeignetes Format aufbereitet. Zum Beispiel werden eine Reihe von Analyse-Wegen (Segmentierungen, spezifische Sichten, usw.) vorbereitet sowie Harmonisierungen und Aggregationen durchgeführt. Während also etwa die Buchhaltung hauptsächlich mit dem ERP System arbeitet, ist das BW System die Domäne z.B. des Fachbereichs Controlling und Planung.

S/4HANA ermöglicht hier neue Ansätze. Dank der In-Memory-Technologie und der HANA-Datenbank sind Analysen in Echtzeit im transaktionalen Kern über ein virtuelles Datenmodell möglich. Das ist das Konzept des „Embedded Analytics“: Die Analysen finden nicht wie sonst üblich in einem Data Warehouse statt, sondern dort, wo die Daten ursprünglich entstehen: im transaktionalen System. Die Analysen verschmelzen somit mit einem Bereich der Architektur, aus dem das Data Warehouse sie mit gutem Grund ausgegliedert hatte.

Die Trennung war u.a. erforderlich, weil die bisher verfügbare Technologie nicht dafür ausgelegt war, Transaktionen (Online-Transaction-Processing, OLTP) und Analysen (Online-Analytical-Processing, OLAP) parallel zu bedienen.

Betrachten wir die Vorteile des Einsatzes von Embedded Analytics an einem konkreten Beispiel: Es liegt auf der Hand, dass sich durch die vorwiegend nachts ablaufenden ETL-Prozesse eine Verzögerung in der Aufbereitung von Reports ergibt. Dabei erfordert die Geschäftswelt eigentlich, dass Business User relevante, kontextbezogene und aktuelle Informationen schnell für ihre Arbeit erhalten.

Der Vorteil von Embedded Analytics liegt hier auf der Hand: Mitarbeitende können durch die Aufhebung der Trennung von operativen und analytischen Systemen z.B. einen Kundenauftrag vervollständigen und zeitgleich mit Echtzeitdaten Prognosen abrufen oder die Entwicklung in einem Dashboard betrachten.  

Business User erhalten durch das Echtzeit-Reporting die Möglichkeit, direkt im Fachbereich Entscheidungen auf Basis von fundierten Erkenntnissen zu treffen. Da sie ihr Reporting selbst entwickeln können, also nicht auf Controlling oder IT angewiesen sind, wird die Organisation schlagkräftiger. Das hat auch direkte Auswirkungen auf das Geschäft: Denn die Ergebnisse aus der Analyse können – optional sogar automatisch – in die transaktionalen Prozesse einfließen. Als Beispiel dafür seien dynamische Preisstellungen genannt.

Was sich auf den ersten Blick sehr einfach liest, ist tatsächlich ein architektonisch umfassendes Konstrukt.

Zur Visualisierung für Embedded Analytics in S/4HANA können SAP Fiori-Apps (siehe weiterführend unter SAP Profitability and Performance Management (SAP PaPM)) verwendet werden. Eine Vielzahl von Apps stellt die SAP standardmäßig mit Fiori zur Verfügung. SAP bietet zudem die Option, eigene analytische Apps zu entwickeln. Fiori dient somit als Schicht, die die analytischen Fähigkeiten von SAP HANA mit einem modernen User Interface (UI) verbindet und auf Basis der SAP UI5 Technologie Multi-Devise fähig ist.

Hier kommt dann auch die SAC ins Spiel. Denn mit Fiori entwickelte Apps oder Dashboards lassen sich auch als Frames in die SAP Analytics Cloud einbinden.

Die SAC ist als Self-Service-System konzipiert. Sie bietet dem Business User vielfältige Gestaltungsmöglichkeiten, arbeitet aber auch unter Einbeziehung weiterer Datenquellen (siehe SAP Analytics Cloud – die ganzheitliche BI-Lösung) und kann auch ohne Fiori auf die Daten des S/4HANA Systems zugreifen.

Als Unterbau von Embedded Analytics dienen die Datenbanktabellen in SAP HANA und das von SAP zur Verfügung gestellte virtuelle Datenmodell. Diese Core Data Service (CDS) Views liefern die Datengrundlage für Analysen und Reports. Die CDS Views enthalten die Semantik (fachliche Objektnamen) und die Business-Logik (Berechnungen, Ableitungen usw.). Damit werden die persistenten Daten aus der Datenbank „on the fly“ modelliert und für Reports und Analysen in Fiori, SAC oder auch Lumira zur Verfügung gestellt.