Data Warehouse: Agiles Berichtswesen dank SAP-Datenbank mit Cloud-Anbindung 

Um fundierte Entscheidungen für die Finanzplanung zu treffen, braucht es gut aufbereitete Berichte mit belastbaren Datenquellen – und zwar schnellstmöglich. Es bedarf eines Berichtswesens, dass möglichst alle zur Verfügung stehenden Datenquellen einbezieht und Ad-hoc-Analysen ermöglicht.  

von Tim Bremer, SAP-Berater bei Caleo

In vielen Konzernen ist für das Berichtswesen bereits ein Data Warehouse im Einsatz; klassisch sind solche Lösungen so aufgebaut, dass das Application Log auf der Datenbank aufsetzt. Die Daten müssen deshalb in das Log hinein- und wieder heraus transferiert werden. Die Folge: Die Erstellung ist aufwändig, dauert länger und im Zweifel wurden nicht alle der zur Verfügung stehenden Daten genutzt. Die Aussagen solcher Berichte sind nicht verlässlich, darauf aufbauende Finanzplanungen vage. Klassische Data Warehouse ganz ohne beschleunigten Application Log eigenen sich ebenfalls kaum für ein valides Reporting, weil sie durch den hohen Datentransfer viel zu langsam sind.

Jedwede Datenquelle anschließen, Modellierung selbst vornehmen

Um valide und verlässliche Finanzplanungen durchführen zu können, bedarf es eines Data Warehouse, das ein zentraler Datenspeicher ist. Solche Lösungen fußen sowohl auf einer Datenbank als auch auf einer Cloud und können deshalb alle zur Verfügung stehenden Daten anbinden, standardisieren und orchestrieren. Sie sollten dafür über vordefinierte Konnektoren verfügen – wie zum Beispiel Google Cloud Storage, Microsoft Azure, Data Lake, Oracle oder SAP Business Warehouse (WBW) –, zusätzlich aber generisch offene Konnektoren bereitstellen – beispielsweise für Java Database Connectivity (JDBC), Prodata oder Secure File Transfer Protocol (SFTP). Dann lassen sich alle denkbaren Datenquellen anbinden und neue, externe Infoquellen zu zum Beispiel marktspezifischen Situationen (Erweiterung des Konzerns, gesellschaftliche Krisen) einbeziehen.

Zusätzlich sollten die Daten nicht nur für einzelne Berichte und Slides aufbereitet sein, sondern im Data Warehouse liegen. Entscheider können dann auf die primären Daten zugreifen und die Kennzahlen nachvollziehen. Ein weiterer Vorteil:

Fachanwender können Berichte viel schneller und eigenständig erstellen. Vor allem dann, wenn die vorhandenen Daten gut modellierbar sind.”

Das System sollte daher die Möglichkeit zum Selfservice bieten und visualisierte Tools für eigene Modellierung durch Fachanwender bereitstellen. So bieten sich für das Berichtswesen weitaus mehr Darstellungsmöglichkeiten, als wenn Fachanwender nur auf ein begrenztes Repertoire zurückgreifen können oder für darüber hinausgehende Modellierungen auf die Unterstützung durch die IT warten müssen. Die Berichterstellung wird auf diese Weise nochmals beschleunigt. Erst so sind fundierte Ad-hoc-Analysen möglich.

Sinnvoll ist auch, wenn sich im Data Warehouse eigene Arbeitsbereiche für jede Nutzergruppe installieren lassen, in denen sie sich frei bewegen können.”

Fachanwender können sich für Datenaufbereitung zum Beispiel ohne IT-prozessuale Restriktionen ausprobieren. IT-Fachleute können darüber hinaus direkt auf die Datenbank zugreifen, neue Datenbankstrukturen mittels SQL aufbauen und anschließend in die Standardlogik integrieren. Die Fähigkeiten SGL-affiner Mitarbeiter können stärker für das Berichtswesen genutzt werden. Beide Nutzergruppen – Fachanwender und IT – sollten aber aufeinander aufbauend arbeiten können.

Beispiel: SAP Data Warehouse Cloud

Ein Beispiel für eine solche Datenbank ist die SAP Data Warehouse Cloud (DWC). Sie ist deshalb ein zentraler Datenspeicher, weil sie technisch sowohl auf der HANA-in-memory-Datenbank als auch auf der SAP Cloud-Umgebung (BTP, Business Technology Plattform) basiert. Die HANA-in-memory-Datenbank erlaubt schnelle Reportingabfragen und greift aggregierte Daten ab. Im Unterschied zum klassischen zeilenbasierten Speicher basiert die DWC vor allem auf einem spaltenbasierten Speicher. Dadurch können viel größere Datensätze in viel kürzerer Zeit abgefragt werden. Logiken lassen sich deshalb direkt auf die Daten anwenden (Code to Data), die Daten müssen nicht länger zur Logik transferiert werden (Data to Code). Das Ergebnis: Der Report ist schneller und direkter möglich.

Das zweite Standbein der DWC, die Business Technology Plattform BTP, erlaubt darüber hinaus eine schnelle Skalierbarkeit. Denn als Software-as-a-Service-Modell (SaaS) können sowohl fachliche als auch technische Ressourcen bei Bedarf schnell hinzugebucht werden, ohne dass gleich neue Mitarbeiter eingearbeitet werden müssen. Der browserbasierte Zugriff stellt die Funktionalitäten der DWC im Prinzip auf jedem Endgerät zur Verfügung. Gehostet wird die Cloud-Lösung nicht mehr inhouse, sondern extern. Zusätzlich ist die BTP für die SAP strategisch – ihr Weiterentwicklungsfokus liegt hier. Anwender dürfen deshalb mit weiteren Innovationen rechnen, die in kurzen Update-Zyklen eingeführt werden und so schnell nutzbar sind.

Selbstgeschriebene Programme side by side ausrollen

Selbstgeschriebene Programme können in solchen zentralen Data Warehouses allerdings nicht gehostet werden, weil diese dafür keine Applikationsplattformen bieten. Das muss aber nicht ein Nachteil sein; Unternehmen müssen diesem Umstand mit einer anderen Denkweise begegnen – dem Prinzip „side by side“:

Das eigene Programm muss mittels standardisierter Schnittstellen in die Plattform ausgerollt werden, dann können Anwender zwischen beiden Programmen interagieren.”

Das hat den Vorteil, dass beide Applikationen für sich robuster sind und sich gegenseitig nicht so stark beeinflussen. Zudem ist in der selbstgeschriebenen Anwendung eine technologieoffene Entwicklung weiterhin möglich, die Applikation kann in fast jeder beliebigen Programmiersprache gehostet werden.

Um einen solch zentralen Datenspeicher im Konzern einzuführen, sind verschiedene Szenarien denkbar: Zunächst kann die bestehende Finanz- und Reportinglandschaft erweitert und neue Datenquellen situationsabhängig über das vorhandene Data Warehouse oder die neue Datenbank angeschlossen werden. Soll die neue Datenbank der zentrale Zugang zu allen relevanten Quellen werden, kann die alte Reportinglandschaft ebenfalls zunächst bestehen bleiben. Das vorhandene Data Warehouse lässt sich integrieren und Anwender können dann direkt auf die Daten zugreifen. Praktisch ist ein Live-Zugriff auf die bestehende Datenbank, der keine Persistenz in die Cloud erforderlich macht.

Soll eine komplette Umstellung erfolgen, sind dafür oftmals Wege vorgedacht: Modellierungen und Konnektoren können über eine Bridge integriert werden, die erstmal ohne große Anpassungen noch nach der alten Logik funktionieren oder über die Bridge direkt in die neue Logik transferiert werden können.

Fazit

Für eine agile Finanzplanung ist ein Data Warehouse notwendig, an das sich jedwede Datenquelle anschließen lässt und in dem Fachanwender Daten selbstständig aufbereiten und modellieren können.”

Nur dann fußen Berichte auf validen Daten, erst dann sind Ad-hoc-Analysen überhaupt möglich. Konzerne können so auch auf kurzfristige Marktveränderungen reagieren und verlässlich planen.Tim Bremer, Caleo