Dürfen wir Sie beraten?
Norbert Kytka
KontaktSAP Analytics Blog
Die Clickstream-Analysen aus dem Webshop fressen viel Speicherplatz. Angebote wie Amazon S3, der Google Cloud Storage oder Microsoft Azure sind für viele Unternehmen attraktiv, um große Datenmengen wie diese zu speichern. Diese Daten dann im SAP BW zu nutzen, um etwa mit BI-Verfahren und Daten aus SAP-Systemen Erkenntnisse über Verbrauchervorlieben zu gewinnen, kann sich schnell auszahlen.
Doch diese Auswertungen in der Praxis umzusetzen ist dagegen in der Regel nicht ohne weiteres möglich – Stichwort Datenintegration. 54 Prozent aller BI-Profis, die in einer aktuellen Studie durch die Marktanalysten BARC befragt wurden, gaben an, dass sie vom ständig wachsenden Datenvolumen überfordert sind. Der technische Aufwand, um Daten aus den unterschiedlichsten Quellen in die Analyselandschaft einzugliedern, ist groß. Sollen Daten aus Quellen außerhalb des SAP-Systems genutzt werden, sind immer manuelle Ladeprozesse erforderlich, damit diese integriert und bearbeitet werden können. Hinzu kommen viele weitere, manuelle Arbeitsschritte bei der Aufbereitung und Bereinigung der Daten, die vor der Integration nötig sind.
Aus diesem Grund bietet die SAP SE mit SAP Data Intelligence eine Datenmanagementlösung an, mit der wir uns umfassend beschäftigten. Mit SAP Data Intelligence können Unternehmen unterschiedliche Datenquellen verbinden und unzusammenhängende Datenbestände orchestrieren. Dadurch stehen die Informationen integriert für die Weiterverarbeitung zur Verfügung und liefern eine Grundlage für sinnvolle, wertschöpfende Entscheidungen.
Als Nachfolger des SAP Data Hub bietet SAP Data Intelligence aber weit mehr Funktionen als nur die Integration von Daten aus fragmentierten IT-Landschaften. Statt Daten nur zu verknüpfen, können im Vorfeld auch Datenquellen untersucht werden.
Der integrierte Metadata Explorer erlaubt den Vorschaublick auf die Daten, die in den erschlossenen Quellen liegen. Der Metadata Explorer bietet die Chance, Datenquellen zu untersuchen, auch wenn die Ablage dort beispielsweise in einem wenig strukturierten Ordnersystem erfolgte. Anwender können – Stichwort Data Exploration – mit dem Tool schnell die richtigen und für den Anwendungsfall benötigten Daten identifizieren. Der Blick auf die Beispieldaten zeigt, ob Werte fehlen oder leere Einträge vorliegen.
SAP Data Intelligence bietet außerdem die Möglichkeit, Machine Learning (ML) in einer automatisierten und skalierbaren Umgebung in die Analyticsprozesse zu integrieren. Bisher war es sehr aufwendig, ML-basierte Projekte produktiv zu setzen und sie in die IT-Infrastruktur sowie dem operativen Reporting zu integrieren. Einer der Services, die in SAP Data Intelligence eingebettet sind, erlaubt es, alle Schritte, die man für ein ML-Projekt benötigt, hier abzubilden: Der ML Scenario Manager.
So können beispielsweise die Daten aus der Adobe Marketing Cloud, die bei Amazon S3 gespeichert sind, in einem Schritt aufbereitet oder gejoined werden. Im nächsten Schritt werden die aufbereiteten Daten trainiert und folgend wird das Modell dem Endanwender zur Verfügung gestellt. Ein Vorteil: Diese Informationen können automatisch zum Beispiel in Fiori Apps verwendet werden.
Das alles funktioniert im Praxistest sehr gut. Unser Eindruck von der Arbeit mit der SAP Data Intelligence: Die Usability ist einfach gehalten und überzeugt. Der Teufel liegt natürlich im Detail. Wer individuelle Anforderungen an die Lösung hat, kann auch mehr eigenen Code einbauen.
Der Gedanke ist allerdings, dass Anwender die vordefinierten Bausteine nutzen können, um Workflows zusammenzufügen. Wegen der bereitgestellten Standardschnittstellen und Bausteine kommen die Anwender bei ihren Datenanalyseprojekten daher schnell ans Ziel.
Damit folgt SAP Data Intelligence dem Ansatz einer Low-Code-Plattform, auf der nicht nur IT-Profis eigene Lösungen entwickeln können. Für die Nutzung stehen mehr als 250 vordefinierte Operatoren bereit, aus denen Workflows zur Bearbeitung der Daten entwickelt werden können.
Für viele Unternehmen eröffnet die ML- und Workflow-Integration viele Perspektiven, innovative Datenanalyse-Technologien zu nutzen. Dort gibt es selten dezidierte Data-Science-Abteilungen, die mit viel Mühe ML in bestehende IT-Strukturen integrieren. Eine Alternative ist nun die Automatisierung der Workflows für maschinelles Lernen – von der Datenaufbereitung bis zur Modellauswahl, ‑validierung und ‑bereitstellung – out of the box.
Der hohe Aufwand zur Erschließung der Daten selbst sowie der enorme Aufwand zur Integration der ML-Modelle in die bestehende Infrastruktur entfällt. Der Data Scientist als „Integrationsfachmann“ ist hier nicht mehr zwingend bei der Integration notwendig und kann sich auf seine Fachthemen im Bereich der Entwicklung und Verbesserung der Modelle konzentrieren.
Damit bietet SAP Data Intelligence die Basis für viele spannende Use Cases. Zum Artikeleinstieg hatten wir die Auswertung von Webshop-Daten in der Cloud für Analysen etwa für den Vertrieb skizziert. Ein weiterer Use Case ist die Archivierung von BW-Daten aus dem SAP-System in der Cloud als FlatFiles. Möchte ein Unternehmen beispielsweise seine Daten in der Google-, Microsoft- oder Amazon-Cloud archivieren, um vorrangig Platz seitens SAP BW einzusparen, kann er nun eigene sogenannte Pipelines definieren, mit denen sie automatisch aus einem SAP-System beispielsweise in einen Amazon Data Lake übertragen werden.
Diese Automatisierung dank des Zusammenspiels von Datenintegration und ML hat aus unserer Sicht viel Potential für Anwenderunternehmen. Für weitere – auch produktionsnahe – Use Cases, etwa die Erfassung von Maschinendaten zur proaktiven Erkennung von Wartungsbedarfen im Sinne einer Predictive Maintenance , ist SAP Data Intelligence eine gute Grundlage.
Eines steht bereits jetzt fest: Vor allem die Partner werden in Abstimmung mit der SAP SE die Beratung der Kunden bei diesem Thema übernehmen. Unsere Experten freuen sich darauf, Ihnen die Möglichkeiten von SAP Data Intelligence vorzustellen und gemeinsam Datenschätze in Ihrem Unternehmen zu heben – egal, wo sie liegen.
Haben Sie Fragen zu diesem Thema? Dann kontaktieren Sie mich gerne.
Stefan Schwenzl (Autor) | Business Lead SGF Analytics | analytics.experte@team-con.de
