Die SAP HANA Plattform für den Handel (WS3) Oliver Reulmann Dorint Kongresshotel Mannheim 6. Juli 2015 Public

Transkript

1 Die SAP HANA Plattform für den Handel (WS3) Oliver Reulmann Dorint Kongresshotel Mannheim 6. Juli 2015 Public

2 Agenda Mit den richtigen Schritten zu SAP S/4 HANA mit SAP for Retail Uhr ABAP-basierte Entwicklung mit SAP HANA und wie programmiert man damit im SAP for Retail? Uhr Big Data im Handel Welche Szenarien und IT-Architekturen sind möglich? Uhr Vorstellung von Fraud Prevention by Fujitsu Uhr 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 2

4 SAP S/4HANA Retail Dr. Dieter Scheerer Heike Kraus Business Solution Architect Product Management Retail Director Solution Management Retail

7 S/4HANA 3 Key Enabler to run digital transformation for key enterprises SAP HANA AS THE UNDERLYING PLATFORM OLAP & OLTP MERGE IN-MEMORY COMPRESSION INCREASE IN SPEED SAP HANA REAL-TIME & SIMPLIFIED SIMPLIFICATION OF APPLICATIONS AND UNDERLYING DATA MODEL NO AGGREGATES & NO INDICES HIGHER FLEXIBILITY & THROUGHPUT DATA FOOTPRINT REDUCTION SAP FIORI SAP FIORI AS THE USER EXPERIENCE (UX) PARADIGM; CROSS-APPLICATION USER EXPERIENCE WEB-BASED, ALL DEVICES ROLE-BASED DECISIVE 2015 SAP SE or an SAP affiliate company. All rights reserved. 7

8 Base Offering Recommended Extensions Target Role Components of S/4HANA Retail Key Components of Offering SAP Merchandising SAP Customer Activity Repository Cloud Marketing Edition Key components SAP Simple Finance standalone or w/ SAP Merchandising (ERP Retail) on SAP HANA CEO / CIO / CFO CIO / Business Head CMO SAP Customer Activity Repository SAP Assortment Planning for Retail SAP Simple Mgmt Finance 2.0 w/ SAP BS SoH IS-Retail Mgmt Assortment Planning 1.0 SAP Customer Activity Repository 2.0 SAP Mgmt S/4HANA Cloud Marketing Retail Marketing Scenarios Optional S/4HANA components such as SAP S/4HANA, cloud marketing edition Planned Availability Starting Q SAP HANA SAP HANA SAP HANA

9 Planned Roadmap of S/4HANA Retail On premise * SAP Simple Finance 2.0 w/ SAP Merchandising (ERP Retail) on SAP HANA SAP Customer Activity Repository 2.0 SAP Assortment Planning for Retail 1.0 S/4HANA serp incl. smerchandising 1.0 SAP Customer Activity Repository 3.0 SAP Merchandise Planning for Retail 2.0 SAP Assortment Planning for Retail 2.0 SAP Promotion Planning Retail 9.0 Q Q Q Q Q SAP Simple Finance 2.0 w/ SAP Merchandising on SAP HANA SAP Customer Activity Repository 2.0 FP1 / FP2 SAP Merchandise Planning for Retail 1.0 SAP Assortment Planning for Retail 1.0 FP1 / FP2 *) Hybrid scenarios managed cloud tbd

10 SAP S/4HANA The Next Generation Business Suite Business Networks Ariba SuccessFactors C4C Concur SAP S/4HANA core (ERP) SAP Business Suite S/4 Editions SAP Simple Finance On-Premise On-Premise Cloud smerchandising* slog SoH sfin No modifications SAP managed Quarterly innovations HCP for extensions Customer / Partner extensions NW 7.50 NW 7.50 NW 7.60 HCP / HCI 2015 SAP SE or an SAP affiliate company. All rights reserved. 11

12 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 SAP SE or an SAP affiliate company. All rights reserved. 13

13 Focus für Innovationen im SAP Simple Finance Financial Planning and Analysis Accounting and Financial Close Treasury and Financial Risk Management Collaborative Finance Operations Enterprise Risk and Compliance Management Develop and Translate Strategy Accounting Payments and Bank Communications Receivables Management Enterprise, Risk Management Planning, Budgeting and Forecasting Entity Close Cash and Liquidity Management Collaborative Invoice to Pay Controls and Compliance Management Profitability and Cost Management Corporate Close Debt and Investment Management Travel Management Access Governance Monitoring and Reporting Reporting and Disclosure Financial Risk Management Financial Shared Services International Trade Management Financial Close Governance Commodity Risk Management Real Estate Management Fraud Management Audit Management SAP Simple Finance Neue oder signifikant verbesserte Lösung Lösung 2015 SAP SE or an SAP affiliate company. All rights reserved. 14

14 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 SAP SE or an SAP affiliate company. All rights reserved. 15

15 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 SAP SE or an SAP affiliate company. All rights reserved. 16

16 SAP Simple Finance die Transformation vom Blues am Periodenende zum schnellen Überblick für Alle 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 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. 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 SAP SE or an SAP affiliate company. All rights reserved. 17

18 Examples for Customer Journeys towards S/4HANA Innovation without disruption Starting Point New Customer SAP Bus. Suite Financials Add-on On Premise deploy new installation SAP CAR or On Premise/Cloud deploy new installation SAP Assortment Pl. SAP Promotion Man. SAP Merch. Pl. or On Premise/Clod enhance CAR installation S/4HANA or On Premise/Cloud transfer data to S/4HANA Hybrid SAP Retail On Premise SAP Bus. Suite Financials Add-on On Premise upgrade and migrate data SAP CAR or On Premise/Cloud deploy new installation S/4HANA or On Premise/Cloud transfer data to S/4HANA Hybrid SAP AFS On Premise SAP FMS Financials Add-on On Premise transfer data SAP CAR SAP Assortment Pl. SAP Merch. Pl. or On Premise/Clod enhance CAR installation S/4HANA or On Premise/Cloud transfer data to S/4HANA Hybrid 2015 SAP SE or an SAP affiliate company. All rights reserved. 19

21 ABAP-Entwicklung mit SAP HANA Verwendung von HANA-Fähigkeiten in ABAP Lukas Bretschneider SAP Deutschland SE & Co. KG

22 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. Internal 23

23 Erfahrungswerte Betrachtung 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 SAP SE or an SAP affiliate company. All rights reserved. Internal 24

24 Wie kann mein ABAP-Code von SAP HANA profitieren? Neues Coding Paradigma Berechnung AS ABAP Data to Code Code to Data SAP HANA Berechnung Code-Pushdown bedeutet die Verlagerung rechenintensiver Datenbank-Operationen auf die Datenbankschicht 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 25

25 Eclipse Strategie bei SAP Central Eclipse Update site ABAP Java SAPUI5 Cloud SAP HANA Cloud Add On Gateway 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 3 rd - Party-Erweiterungen HANA 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 26

26 Erweiterung des OpenSQL Weniger Restriktionen, mehr Freiheiten Open SQL ist die Abstraktionsschicht für Datenbanken in ABAP die eine gemeinsame Syntax für alle SAPunterstützten 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 SQL-92 Standard Advanced Open SQL (ABAP 7.4) Open SQL Code pushdown beginnt im Open SQL Mit der Verlagerung der Datenverarbeitung in die Datenbank durch z.b. Aggreggationen, JOINs, Verwendung von Funktionen) 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 27

27 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 so GROUP BY buyer_guid, currency_code, tax_amount, gross_amount + net_amount HAVING MIN( gross_amount * net_amount ) > INTO 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 28

28 NW AS ABAP 7.4 SP 2 - Bottom-Up Bottom-Up LM SAP HANA AS ABAP External Views External Views exposing Hana Views EPM Datamodel Stored Procedure Stored Proxy Proxy exposing Stored Procedures Modeled Views HANA Transportcontainer Delivery Unit transporting 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 29

29 NW AS ABAP 7.4 SP5 Top Down Top-Down LM SAP HANA AS ABAP CDS Views External Views deploy Hana Views EPM Datamodel ABAP Managed Stored Procedure Stored (AMDP) Proxy deploy Stored Procedures Modeled Views Standard ABAP Transport (CTS) 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 30

30 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. Internal 31

31 SAP HANA AS ABAP 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 AMDP Class 1 Lifecycle Standard ABAP transport CTS Nur die ABAP / AMDP-Klasse ist relevant für den Transport ABAP Development Tools notwendig Erzeugt Database Procedure 2 ABAP-System als einzige Quelle zur Entwicklung und Verwaltung von HANA-Prozeduren 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 32

33 SAP HANA AS ABAP 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 DDL Source 1 Erzeugt Lifecycle Standard ABAP transport CTS Nur DDL_Sourcen für Transport etc. relevant Transport, Installation undupgrade Database View 2 ABAP Development Tools benötigt ABAP-System als einzige Quelle zur Entwicklung und Verwaltung von HANA-Views 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 34

34 CDS-Views verwenden Beispiel einer CDS-View-Definition (DDL) CDS View entity name Select list SQL View name Joins Name list Built-in functions Annotations CASE statement Where clause Group by clause Aggregation ABAP DDL Source 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 35

35 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 ZCDSV_UI_ANNO' define view cds_ui_consumption as select from snwd_so as so { key { label: 'Creation Timestamp', quickinfo: 'Creation Timestamp as Mouse over' } 'Sales Order { amount : {currencycode: 'so.currency_code'} } { label: 'Demo', quickinfo: 'Fake distance' { quantity : {unitofmeasure: 'rsd99.funit'} } '50' as distance } 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 36

38 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!) Datebankunabhängiges Coding Verwendung von HANA-Funktionen 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 39

40 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) 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 41

42 Schnelle Nachschubplanung Beispiel für Core Data Services (CDS) in der SAP Business Suite for Retail powered by SAP HANA Wolfgang Schuhn SAP SE

43 Live Demo Start Hintergrundverarbeitung Klassische Nachschubplanung vs. Schnelle Nachschubplanung (CDS) für eine Filiale mit Artikeln auf SAP HANA DB 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 44

44 Nachschubplanung Motivation 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. Internal 45

45 Nachschubplanung Prozess Ermittlung Arbeitsvorrat Laufzeit Bedarfsrechnung Ermittlung Bedarfselemente Folgebelegerzeugung Bedarfsmengen- Rechnung 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 46

46 Nachschubplanung Bedarfsmengenrechnung 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. Internal 47

47 Nachschubplanung Parameter max./min. Sollbestand Sollbestand Sollreichweite Meldebestand Dispomerkmal Sicherheitsbestand Wiederbeschaffungszeit Berücksichtigung Zu-/Abgänge Berücksichtigung prognostizierte Abgänge Prognoseversion Prognoseperioden Randperioden Dezimalstellen Disporelevanz Bestandsarten Disporelevanz Lagerorte Sollbestandsverfahren Disporelevanz Belegarten Berücksichtigung Zugänge in Vergangenheit Lagerorte Bestandsarten Umlagerungsbestand Negativer Bestand Nachschubbestand Berücksichtigung Bestellanforderungen Berücksichtigung Bestellungen Berücksichtigung Bestellbestätigungen Berücksichtigung bestätigte Mengen Umlagerung Bestellanforderung Bestellung Lagerort Bestellbestätigung Retoure Belegart Bestätigte Menge Löschung Teillieferung Endlieferung Teilauslieferung Endauslieferung 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 48

48 Optimierung Ansatz Vereinfachung Bedarfsrechnungsprozess Ersatz generischer, komplexer Module durch maßgeschneiderte Module Reduktion Datentransfer zwischen Applikations-Server und DB Wenige 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 Data Determination / Calculation Step 1 Data Determination / Calculation Step n Appl. Server Prep. Step Data Determination Calc. Step DB Server DB Server 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 49

49 Optimierung Umsetzung Ermittlung Arbeitsvorrat Bedarfsrechnung Folgebelegerzeugung Steuerparameter ermitteln opensql Bedarfsmengen berechnen ABAP CDS Bedarfselemente einlesen und vorverdichten Bestand Prognosen Bestellanforderungen Bestellungen und Bestellbestätigungen 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 50

50 Live Demo Laufzeitanalyse Klassische Nachschubplanung vs. Schnelle Nachschubplanung (CDS) für eine Filiale mit / Artikeln auf SAP HANA DB 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 51

51 Proz. ID Aggr. Prognose pro Artikel/Betrieb Betrieb Artikel Historie Version Periode Optimierung Beispiel: CDS für Prognosen Logik Prognoseindex (MAPR) Prognoseparameter (PROP) 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 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 mit anteiliger Berücksichtigung Randperioden 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 X X X X X X 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 52

54 Schnelle Nachschubplanung Optimierungspotenzial 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 Artikeln in 500 Filialen (10 Millionen Objekte) Planung für Objekte in 100 statt Sekunden (Faktor 10) Laufzeiteinsparung von 50 Stunden pro Woche (seriell) 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 55

55 Schnelle Nachschubplanung Eckdaten 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 SAP SE or an SAP affiliate company. All rights reserved. Internal 56

58 Big Data im Handel Welche Szenarien und IT-Architekturen sind möglich?

60 Nein! Big Data Im Handel wird durch Business Use Cases getrieben :-) Markenimage Kampagnenleistung Kundenverhalten Kundensegmentierung Kundenloyalität Kanalprofitabilität Nachfragevoraussagen Echtzeit- Angebote Bestandsoptimierung Einflussbereiche / Social Media Online Konsumentengewohnheiten Lieferantenstimmung 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 61

61 Big Data Analysemöglichkeiten entlang des Einkaufes Filialbesuch Produktauswahl Laufwege Kasse Frequenz & Wiederkehrende der Kunden durch Videodaten zur Greifanalyse Heatmaps basierend auf Bewegungsdaten Vorhersagen zum Kassenschlangenmanagement Personalisierte & situationsabhängige Empfehlungen Tiefe Kassendatenanalysen Korrelationen mit Wetterdaten 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 62

62 Eine typische Situation heute Heute stützen sich Händler bei Analysen zum Kundenverhalten hauptsächlich die getätigten Verkaufstransaktionen SAP SE or an SAP affiliate company. All rights reserved. Internal 63

63 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. Internal 64

68 HANA / Hadoop BIGDATA Reference Architecture HAVING DATA ISN T VALUABLE - USING IT IS! Volume, Variety, Velocity What if you could turn new signals from Big Data into business value? * Operationalizing the Buzz: Big Data, An Enterprise Management Associations (EMA) Research Report 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 69

69 Sources Data System Applications HANA / Hadoop BIGDATA Reference Architecture SAP HANA 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 selflearning 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 Analytics HADOOP Infinite Storage Raw Data SAP HANA Instant Results Big Data Applications SAP HANA Engines and Libraries EIM Services Data Tiering Data Federation Custom Applications SAP HANA Applications SAP BW, S/4HANA SAP CAR, HADOOP 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. Existing Sources (ERP, CRM, SCM, ) Emerging Sources (Sensor, Sentiment, Click Stream, ) Simplified data management Accelerated Insight Rapid Innovation 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 70

70 HANA / Hadoop BIGDATA Reference Architecture (simplified) SAP Analytics Tools Design Studio Lumira Fiori Infinite Insight Data Processing In-Memory Engines Extended Storage Hadoop Storage Streaming HANA Big Data Platform SAP CAR Customer Acitivity Repository Connected CAR (Thing Model) Weather Data Social Media 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 71

71 HANA / Hadoop BIGDATA Reference Architecture (Overview) Mobile applications and BI CONSUME High Performance Applications Business Planning & Forecasting Reporting & Dashboards Adhoc & OLAP Analytics Data Exploration & Visualization Predictive Analytics COMPUTE Application Development Environment STREAM PROCESSING ANALYTICS ENGINE TEXT ENGINE PREDICTIVE ENGINE GRAPH ENGINE SPATIAL PROCESSING Hadoop / NoSQL Data Lake In-Memory MPP architecture Calculation engine Column Storage Series Data Storage Dynamic Tiering MANAGE Data model & data Parallel processing Fast computing High performance analytics Store time-series data Aged data in Disk MapReduce YARN HDFS HIVE ACQUIRE Smart Data Streaming Stream Processing Smart Data Access Virtual Tables User Defined Functions Smart Data Integration Smart Data Quality Transformations & Cleansing Data Exchange SOURCE ERP Store & OLTP Geo Logs Text Social Machine forward Sensor 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 72

74 Vielen Dank! Oliver Reulmann Strategic Architect Trade SAP HANA & Business Intelligence Service Demand Layer Trade SAP Deutschland SE & Co.KG Hasso-Plattner-Ring Walldorf oliver.reulmann@sap.com 2015 SAP SE or an SAP affiliate company. All rights reserved.