Seminar SAP HANA – Datenmodellierung mit Calculation Views

Leistungsfähige analytische Modelle entstehen aus klarer Semantik, kontrollierten Kardinalitäten, passender Aggregation und konsequenter Wiederverwendung. Die Schulung entwickelt ein mehrschichtiges Modell von den Quelltabellen bis zur gesicherten, performanten Consumption View.

Inhaltsverzeichnis

• Zielsetzung
• Zielgruppe
• Voraussetzungen
• Seminarinhalte
• Praxisübungen
• Methodik

Zielsetzung

• Dimensionen, Fakten, Kennzahlen und Hierarchien in ein tragfähiges HANA-Modell überführen
• Calculation Views mit Projektionen, Joins, Aggregationen, Union, Rank und Variablen entwickeln
• Semantik, Währungsumrechnung, analytische Berechtigungen und Datenmaskierung integrieren
• Modelle mit Plananalyse, Partitionierung, Caching und Modellierungsregeln optimieren

Zielgruppe

SAP-HANA-Modeler, Data Warehouse-Entwickler, Analytics Engineers, BI-Architekten, technische Berater und erfahrene SQL-Entwickler.

Voraussetzungen

Sichere SQL-Grundlagen, Verständnis dimensionaler Modellierung und Grundkenntnisse von SAP HANA. Zugriff auf SAP Business Application Studio oder eine vergleichbare HANA-Modellierungsumgebung ist erforderlich.

Seminarinhalte

1. Schritt 1: Anforderungen und Kennzahlen präzisieren

   Geschäftsfragen, Granularität, Dimensionen, Fakten, additive Eigenschaften, Zeitbezug und Drill-down-Pfade werden in einem fachlichen Modell festgehalten. Unklare Kennzahlendefinitionen werden vor der technischen Umsetzung bereinigt.

2. Schritt 2: Modellierungsprojekt und HDI-Kontext einrichten

   Projektstruktur, Datenbankmodul, HDI-Container, Quellzugriff, Rollen und Deployment werden vorbereitet. Design-Time- und Runtime-Objekte werden klar getrennt.

3. Schritt 3: Grundlegende Calculation Views erstellen

   Data Category, Semantik, Projektionen, berechnete Spalten, Filter und Ausgabefelder werden aufgebaut. Datentypen und Nullbehandlung werden früh validiert.

4. Schritt 4: Joins und Kardinalitäten beherrschen

   Inner, Left Outer, Referential, Text und Temporal Join werden anhand geeigneter Szenarien eingesetzt. Kardinalität, Join-Pruning und fachliche Eindeutigkeit werden mit Testdaten geprüft.

5. Schritt 5: Aggregation und mehrschichtige Modelle entwickeln

   Kennzahlen, Aggregationsverhalten, Star-Join-Strukturen und wiederverwendbare Basissichten werden modelliert. Granularitätswechsel und Doppelzählungen werden systematisch verhindert.

6. Schritt 6: Union, Rank, Hierarchien und Zeitlogik einsetzen

   Heterogene Datenbestände werden vereinigt, Top-N-Logik und Hierarchien implementiert und zeitabhängige Auswertungen aufgebaut. Parameter und Variablen steuern flexible Analysen.

7. Schritt 7: Währungs- und Einheitenumrechnung integrieren

   Referenzdaten, Umrechnungsdatum, Fehlerverhalten und Ergebnisdatentypen werden festgelegt. Ergebnisse werden anhand kontrollierter Beispielfälle verifiziert.

8. Schritt 8: Analytische Sicherheit umsetzen

   Analytic Privileges, Rollen, strukturierte Zugriffskriterien und Maskierung sensibler Attribute werden integriert. Positive und negative Zugriffstests sichern das Modell ab.

9. Schritt 9: SQLScript und Tabellenfunktionen ergänzen

   Komplexe Logik, die sich nicht sauber mit grafischen Knoten ausdrücken lässt, wird in klar begrenzte Tabellenfunktionen ausgelagert. Seiteneffekte und unnötige Prozeduralität werden vermieden.

10. Schritt 10: Performance systematisch optimieren

    Filter-Pushdown, Projection Pruning, Join-Pruning, Partitionierung, Parallelisierung, PlanViz, Cache und Snapshots werden bewertet. Optimierungen werden durch Vergleichsmessungen belegt.

11. Schritt 11: Lifecycle und Teamarbeit organisieren

    Git, Branching, Namensstandards, Reviews, Transport, Deployment und Rücknahme werden in einen Modellierungsprozess überführt. Abhängigkeiten und Versionen bleiben nachvollziehbar.

12. Schritt 12: End-to-End-Modell abnehmen

    Fachliche Summen, Detailstichproben, Hierarchien, Berechtigungen, Laufzeit und Verbrauch durch ein Analysewerkzeug werden anhand eines Abnahmeprotokolls geprüft.

Praxisübungen

• Aufbau eines mehrschichtigen Vertriebsmodells mit Dimensionen, Fakten und Kennzahlen
• Implementierung von Hierarchie, Währungsumrechnung und parametrisiertem Zeitfilter
• Einrichtung analytischer Berechtigungen mit positiven und negativen Testfällen
• PlanViz-basierte Optimierung eines absichtlich ineffizienten Modells
• Deployment und Review eines vollständigen Modellierungsprojekts

Methodik

Die Schulung ist als zusammenhängendes Modellierungsprojekt aufgebaut. Fachmodell, technische Umsetzung, Sicherheit, Performance und Lifecycle werden täglich erweitert und durch Reviews sowie Messungen abgesichert.