Seminar SAP Datasphere – Intensivseminar Modellierung und Analytics

Dieses fünftägige Intensivseminar bündelt die Modellierungs- und Analytics-Themen des SAP-Datasphere-Portfolios. Data Builder, grafische und SQL-basierte Modelle, fortgeschrittene Data-Warehouse-Muster, Business Builder, Analytic Models, semantische Governance und SAP Analytics Cloud werden in einem durchgängigen Analysefall umgesetzt.

Inhaltsverzeichnis

1. Zielsetzung
2. Lernziele
3. Zielgruppe
4. Voraussetzungen
5. Seminarinhalte
6. Praxisübungen

Zielsetzung

Inhaltsverzeichnis: fachliches Ziel · technisches Ziel · Qualität und Betriebsfähigkeit

Ziel ist die Entwicklung einer belastbaren, wiederverwendbaren und performanten semantischen Modelllandschaft von der Rohstruktur bis zur abgesicherten Managementanalyse.

Lernziele

Inhaltsverzeichnis: Einordnung · Umsetzung · Prüfung · Dokumentation

• die fachlichen und technischen Grundlagen zu Modellierungszielbild und Schichten, Tabellen, Remote Tables und Datenprofiling, Grafische View-Modellierung sicher einordnen
• Anforderungen in nachvollziehbare Konfigurations-, Integrations- oder Modellierungsschritte überführen
• einen durchgängigen Praxisfall mit kontrollierten Zwischenschritten umsetzen
• Datenqualität, Berechtigungen, Abhängigkeiten und Laufverhalten mit festgelegten Prüfkriterien bewerten
• die Lösung dokumentieren, deployen und für einen geregelten Betrieb beziehungsweise die weitere Nutzung vorbereiten

Zielgruppe

Inhaltsverzeichnis: Rollen · Aufgabenbereiche · Projektbezug

Erfahrene Datenmodellierer, Data-Warehouse- und BI-Entwickler, Analytics Engineers, BI-Architekten sowie SAP-Analytics-Cloud-Entwickler

Voraussetzungen

Inhaltsverzeichnis: Fachkenntnisse · technische Grundlagen · empfohlene Praxiserfahrung

Grundkenntnisse in SAP Datasphere, sichere relationale Modellierungskenntnisse und SQL-Grundlagen

Seminarinhalte

Inhaltsverzeichnis: Modellierungszielbild und Schichten · Tabellen, Remote Tables und Datenprofiling · Grafische View-Modellierung · SQL Views und fortgeschrittenes SQL · Zeitabhängige und n:m-Modelle · Hierarchien, Snapshots und Bestände · Währung, Einheit und komplexe Kennzahlen · Business Builder und fachliche Modelle · Analytic Models · Sicherheit und semantische Governance · Integration mit SAP Analytics Cloud · Performance, Test und Deployment · End-to-End-Abschlussprojekt

1. Modellierungszielbild und Schichten
2. Tabellen, Remote Tables und Datenprofiling
3. Grafische View-Modellierung
4. SQL Views und fortgeschrittenes SQL
5. Zeitabhängige und n:m-Modelle
6. Hierarchien, Snapshots und Bestände
7. Währung, Einheit und komplexe Kennzahlen
8. Business Builder und fachliche Modelle
9. Analytic Models
10. Sicherheit und semantische Governance
11. Integration mit SAP Analytics Cloud
12. Performance, Test und Deployment
13. End-to-End-Abschlussprojekt

Modul 1: Modellierungszielbild und Schichten

Inhaltsverzeichnis: Quell-, Harmonisierung-, Kern-, Semantik- und Konsumschicht definieren · Granularität, Schlüssel und Verantwortlichkeit je Schicht dokumentieren · Data Builder, Business Builder und Analytic Models nach Aufgaben abgrenzen · ein fachliches Analyseziel in ein technisches Modellgerüst überführen

1. Schritt 1: Quell-, Harmonisierung-, Kern-, Semantik- und Konsumschicht definieren
2. Schritt 2: Granularität, Schlüssel und Verantwortlichkeit je Schicht dokumentieren
3. Schritt 3: Data Builder, Business Builder und Analytic Models nach Aufgaben abgrenzen
4. Schritt 4: ein fachliches Analyseziel in ein technisches Modellgerüst überführen

Praxis: Eine mehrschichtige Zielarchitektur für Vertrieb und Ergebnisrechnung entwerfen

Modul 2: Tabellen, Remote Tables und Datenprofiling

Inhaltsverzeichnis: Quellstrukturen nach Schlüssel, Datentyp und Datenqualität untersuchen · virtuelle und lokale Tabellen für den Modellzweck auswählen · Nullwerte, Dubletten und Wertebereiche mit Profiling-Prüfungen bewerten · technische und fachliche Datenprobleme dokumentieren

1. Schritt 1: Quellstrukturen nach Schlüssel, Datentyp und Datenqualität untersuchen
2. Schritt 2: virtuelle und lokale Tabellen für den Modellzweck auswählen
3. Schritt 3: Nullwerte, Dubletten und Wertebereiche mit Profiling-Prüfungen bewerten
4. Schritt 4: technische und fachliche Datenprobleme dokumentieren

Praxis: Mehrere Quelltabellen profilieren und eine Bereinigungsstrategie ableiten

Modul 3: Grafische View-Modellierung

Inhaltsverzeichnis: Projektion, Filter, Join, Union und Aggregation gezielt kombinieren · Kardinalitäten und Join-Typen anhand realer Daten verifizieren · berechnete Spalten und Ausdrücke nachvollziehbar gestalten · Zwischenergebnisse in jeder Modellstufe testen

1. Schritt 1: Projektion, Filter, Join, Union und Aggregation gezielt kombinieren
2. Schritt 2: Kardinalitäten und Join-Typen anhand realer Daten verifizieren
3. Schritt 3: berechnete Spalten und Ausdrücke nachvollziehbar gestalten
4. Schritt 4: Zwischenergebnisse in jeder Modellstufe testen

Praxis: Ein mehrstufiges Vertriebsmodell mit grafischen Views erstellen

Modul 4: SQL Views und fortgeschrittenes SQL

Inhaltsverzeichnis: komplexe Logik mit CTEs und lesbaren Teilschritten strukturieren · Fensterfunktionen für Rangfolge, Periodenvergleich und Laufwerte nutzen · Nullwert-, Datums- und Datentypregeln explizit behandeln · SQL-Ergebnisse mit festgelegten Kontrollwerten prüfen

1. Schritt 1: komplexe Logik mit CTEs und lesbaren Teilschritten strukturieren
2. Schritt 2: Fensterfunktionen für Rangfolge, Periodenvergleich und Laufwerte nutzen
3. Schritt 3: Nullwert-, Datums- und Datentypregeln explizit behandeln
4. Schritt 4: SQL-Ergebnisse mit festgelegten Kontrollwerten prüfen

Praxis: Kohorten-, Top-Kunden- und Zeitvergleichslogik als SQL View umsetzen

Modul 5: Zeitabhängige und n:m-Modelle

Inhaltsverzeichnis: Gültigkeitsintervalle und Stichtagsbezug definieren · zeitabhängige Joins mit Randfällen testen · n:m-Beziehungen über Brückenstrukturen ohne Doppelzählung modellieren · Granularität vor und nach jedem Join kontrollieren

1. Schritt 1: Gültigkeitsintervalle und Stichtagsbezug definieren
2. Schritt 2: zeitabhängige Joins mit Randfällen testen
3. Schritt 3: n:m-Beziehungen über Brückenstrukturen ohne Doppelzählung modellieren
4. Schritt 4: Granularität vor und nach jedem Join kontrollieren

Praxis: Historische Zuständigkeiten und Mehrfachsegmentierung kombinieren

Modul 6: Hierarchien, Snapshots und Bestände

Inhaltsverzeichnis: levelbasierte und parent-child-Hierarchien bereitstellen · periodische Snapshots und Bewegungsmodelle vergleichen · semiadditive Bestandskennzahlen korrekt behandeln · Navigation und Stichtagswerte mit Testfällen validieren

1. Schritt 1: levelbasierte und parent-child-Hierarchien bereitstellen
2. Schritt 2: periodische Snapshots und Bewegungsmodelle vergleichen
3. Schritt 3: semiadditive Bestandskennzahlen korrekt behandeln
4. Schritt 4: Navigation und Stichtagswerte mit Testfällen validieren

Praxis: Organisationshierarchie und Monatsbestand in ein gemeinsames Modell integrieren

Modul 7: Währung, Einheit und komplexe Kennzahlen

Inhaltsverzeichnis: Umrechnungsdatum, Kursart und Zielwährung fachlich festlegen · Einheiten und Währungen an Kennzahlen binden · berechnete und eingeschränkte Kennzahlen definieren · Aggregation, Rundung und fehlende Kurse prüfen

1. Schritt 1: Umrechnungsdatum, Kursart und Zielwährung fachlich festlegen
2. Schritt 2: Einheiten und Währungen an Kennzahlen binden
3. Schritt 3: berechnete und eingeschränkte Kennzahlen definieren
4. Schritt 4: Aggregation, Rundung und fehlende Kurse prüfen

Praxis: Umsatz, Marge, Durchschnittspreis und Währungsumrechnung modellieren

Modul 8: Business Builder und fachliche Modelle

Inhaltsverzeichnis: Business Entities aus technischen Dimensionen ableiten · Faktmodelle und fachliche Kennzahlen aufbauen · Consumption Models und Perspektiven zielgruppengerecht gestalten · bestehende Business-Builder-Inhalte im Zielbild bewerten

1. Schritt 1: Business Entities aus technischen Dimensionen ableiten
2. Schritt 2: Faktmodelle und fachliche Kennzahlen aufbauen
3. Schritt 3: Consumption Models und Perspektiven zielgruppengerecht gestalten
4. Schritt 4: bestehende Business-Builder-Inhalte im Zielbild bewerten

Praxis: Ein fachliches Vertriebsmodell mit zwei Konsumperspektiven erstellen

Modul 9: Analytic Models

Inhaltsverzeichnis: Fakt- und Dimensionssemantik für den analytischen Konsum vorbereiten · Assoziationen, Kennzahlen, Hierarchien und Variablen exponieren · technische Felder aus der Konsumsicht entfernen · Aggregation und Navigation auf mehreren Ebenen prüfen

1. Schritt 1: Fakt- und Dimensionssemantik für den analytischen Konsum vorbereiten
2. Schritt 2: Assoziationen, Kennzahlen, Hierarchien und Variablen exponieren
3. Schritt 3: technische Felder aus der Konsumsicht entfernen
4. Schritt 4: Aggregation und Navigation auf mehreren Ebenen prüfen

Praxis: Ein vollständiges Analytic Model für Ergebnisanalyse bereitstellen

Modul 10: Sicherheit und semantische Governance

Inhaltsverzeichnis: Modellfreigaben und Sharing nach Verantwortlichkeit gestalten · Data Access Controls in der semantischen Schicht anwenden · Definitionen, Eigentümer und Lineage im Catalog ergänzen · fachliche Abnahme und Rezertifizierung organisieren

1. Schritt 1: Modellfreigaben und Sharing nach Verantwortlichkeit gestalten
2. Schritt 2: Data Access Controls in der semantischen Schicht anwenden
3. Schritt 3: Definitionen, Eigentümer und Lineage im Catalog ergänzen
4. Schritt 4: fachliche Abnahme und Rezertifizierung organisieren

Praxis: Ein Modell katalogisieren und regionale Zugriffe mit Testbenutzern prüfen

Modul 11: Integration mit SAP Analytics Cloud

Inhaltsverzeichnis: Live-Zugriff und Verantwortungsgrenzen zwischen beiden Plattformen festlegen · Analytic Model in einer Analyse verwenden · Filter, Hierarchien und Datenberechtigungen im Konsum testen · eine Management-Story mit Detailnavigation aufbauen

1. Schritt 1: Live-Zugriff und Verantwortungsgrenzen zwischen beiden Plattformen festlegen
2. Schritt 2: Analytic Model in einer Analyse verwenden
3. Schritt 3: Filter, Hierarchien und Datenberechtigungen im Konsum testen
4. Schritt 4: eine Management-Story mit Detailnavigation aufbauen

Praxis: Eine SAC-Story auf dem erstellten Ergebnisanalysemodell umsetzen

Modul 12: Performance, Test und Deployment

Inhaltsverzeichnis: Modellbreite, Join-Pfade und Berechnungen als Laufzeitfaktoren messen · virtuelle und persistierte Varianten vergleichen · Regressionstests mit Kennzahlen- und Berechtigungsfällen durchführen · Objekte in korrekter Reihenfolge deployen und freigeben

1. Schritt 1: Modellbreite, Join-Pfade und Berechnungen als Laufzeitfaktoren messen
2. Schritt 2: virtuelle und persistierte Varianten vergleichen
3. Schritt 3: Regressionstests mit Kennzahlen- und Berechtigungsfällen durchführen
4. Schritt 4: Objekte in korrekter Reihenfolge deployen und freigeben

Praxis: Das Gesamtmodell optimieren, testen und als Releasepaket vorbereiten

Modul 13: End-to-End-Abschlussprojekt

Inhaltsverzeichnis: Anforderungen und Akzeptanzkriterien aus einem Fachfall ableiten · Datenmodell, Semantik, Sicherheit und Konsum durchgängig umsetzen · Ergebnisse gegen definierte Kontrollwerte abnehmen · Architektur-, Modell- und Betriebsdokumentation vollständig übergeben

1. Schritt 1: Anforderungen und Akzeptanzkriterien aus einem Fachfall ableiten
2. Schritt 2: Datenmodell, Semantik, Sicherheit und Konsum durchgängig umsetzen
3. Schritt 3: Ergebnisse gegen definierte Kontrollwerte abnehmen
4. Schritt 4: Architektur-, Modell- und Betriebsdokumentation vollständig übergeben

Praxis: Eine vollständige Analyseanwendung von der Quelle bis zur Management-Story realisieren

Praxisübungen

Inhaltsverzeichnis: Mehrschichtiges Data-Builder-Modell mit grafischer und SQL-Logik entwickeln · Fortgeschrittene Zeit-, Hierarchie-, Bestands- und Kennzahlenmuster umsetzen · Analytic Model, Governance, Berechtigung und SAC-Story End-to-End bereitstellen

• Mehrschichtiges Data-Builder-Modell mit grafischer und SQL-Logik entwickeln
• Fortgeschrittene Zeit-, Hierarchie-, Bestands- und Kennzahlenmuster umsetzen
• Analytic Model, Governance, Berechtigung und SAC-Story End-to-End bereitstellen