Home Data Warehousing Core Data Service (CDS) Views im SAP Business Warehouse

Core Data Service (CDS) Views im SAP Business Warehouse

Der Wiki-Artikel bietet eine Einführung in SAP Core Data Services (CDS) und deren Bedeutung für die Datenmodellierung in SAP S/4HANA. CDS-Views ermöglichen die Definition und Nutzung semantischer, virtueller Datenmodelle (VDM), die sowohl für Geschäftsprozesse als auch für Analysen verwendet werden. Diese Modelle reduzieren durch die Ausführung von Berechnungen auf der Datenbank die Laufzeit und vereinfachen das Applikations-Coding. Der Artikel erklärt die Rolle von CDS-Views in SAP S/4HANA Embedded Analytics, sowie deren Nutzung zur Datenextraktion im SAP BW/4HANA. Darüber hinaus beleuchtet er die Herausforderungen bei der Verwendung nicht freigegebener CDS-Views und gibt Tipps zur Auffindbarkeit von CDS-Views in SAP-Systemen.

Inhaltsverzeichnis

1. CDS-was?

Als ich das erste Mal von CDS-Views hörte, dachte ich «hm, schon wieder eine weitere dreistellige Abkürzung von SAP …». Auch mit den drei Wörtern «Core Data Service» konnte ich nicht viel anfangen; also versuchte ich zu verstehen, was dahintersteckt.

Analytics Online Konferenz 2024

Triple A: AI, Analytics & Applications

31.10.2024
09.00-16.30 Uhr

2. Virtuelles Datenmodell

Ein ABAP Core Data Service ist eine SAP konforme Infrastruktur, mit der semantische Datenmodelle (hier gibt man Daten eine geschäfts- bzw. prozessrelevante Bedeutung) definiert und konsumiert werden können. Man spricht hier auch von virtuellen Datenmodellen (VDM).
VDMs sind die Grundlage von SAP S/4 HANA und werden sowohl von Geschäftsprozessen als auch Analytics genutzt, um Daten für verschiedene Reporting-Front-Ends zu liefern. Bei den CDS-Views werden intensive Berechnungen auf der Datenbank ausgeführt, was die Ausführungszeit reduziert und das Application-Coding vereinfacht.
Vor allem im Bereich SAP S/4HANA Embedded Analytics spielen virtuelle Datenmodelle eine grosse Rolle, da sie in Echtzeit und ohne Datenreplikation Businessprozess-Informationen liefern, ohne dass der Anwender über ein detailliertes Wissen der Datenstrukturen verfügen muss.

3. Einsatzbereiche von Core Data Service Views

Ein weiterer Einsatzbereich von CDS-Views ist die Datenextraktion nach SAP-BW.
So ist es in BW/4HANA und S/4HANA möglich, die bekannten LIS-Extraktoren, z. B. im Bereich SD-Sales, Billing und Conditions, durch CDS-View-Extraktoren abzulösen. Das bringt einige Vorteile mit sich: Wer das aufwendige Füllen von Set-up-Tabellen zur Initialisierung des BW-Datenlayers kennt (plus System-Block!), der weiss, wovon ich spreche – nicht zu vergessen auch das aufwendige Anreichern der LIS-Extraktoren mit neuen Feldern bei einem schon produktiv laufenden Extraktionsprozess.

4. Freigegeben oder nicht freigegeben? – das ist hier die Frage!

SAP S/4HANA bringt mehr als 42000 CDS-Views mit sich. Jedoch sind 90 % davon von SAP nicht zur Weiterverwendung freigegeben, d. h. diese VDMs können sich in Zukunft ändern – ähnlich wie bei nicht freigegebenen Funktionsbausteinen. Ob man diese nun nutzt oder nicht, gilt es im jeweiligen Fall abzuwägen. Da CDS-Views oft verschachtelt sind und auf verschiedenen Views aufbauen, kann die Gesamtstruktur über mehrere Stufen gehen und entsprechend komplex werden.

5. Wie lässt sich eine vorhandene Core Data Service View finden?

Um Core Data Views zu finden, gibt es verschiedene Vorgehensweisen. In SAP Fiori gibt es z. B. eine Kachel, welche eine Liste der Views ausgibt. Wenn man z. B. in Erfahrung bringen möchte, welche SAP-Tabellen in welchen CDS-Views landen, kann man das aber auch über den Transaktionscode SE11 in S/4 und den Verwendungsnachweis erreichen.

6. Core Data Service View – Komponenten

Hier eine kurze Übersicht über die vorhandenen Domain-spezifischen Sprachen und Services, um Datenmodelle semantisch zu definieren und Daten zu konsumieren:

7. CDS-View- Typen

Interface-View (I_*)

Dient als Basis für Consumption- Views

    • Master-View (Master, Text, Hierarchie)
    • Transaction-View
    • Data-Source-View

 

Consumption-View (C_*)

Mit dieser View können Applikationen mit Daten versorgt werden, z.B. Queries in Analysis for Office, Fiori-Tiles, SAP Analytics Cloud Models und Stories. Diese Art Views können auf folgende Weise Daten propagieren:

    • via ODATA-Service
    • via InA-Service

 

8. Consumption-View als Quelle für SAP Analytics Cloud

Eine Consumption-View, wie z. B. C_FinStmntComparison, mit der man eine Gewinn- und Verlustrechnung sowie Bilanz-Struktur abbilden kann, kann ebenfalls über eine direkte Live-Connection S/4HANA zu SAP Analytics Cloud genutzt werden (Voraussetzung ist ein OData-Service auf der View), um damit ein Model und eine Story zu erstellen.
Grosser Vorteil hier: Echtzeitdaten ohne Replikation oder Datenloads direkt in einem ansprechenden Dashboard.
Vom Begriff «View» sollte man sich nicht irreleiten lassen und vorschnell auf eine Kombination von Tabelle u/o View schliessen. Eine Consumption-View ist eher als Query oder Frontend-Objekt zu betrachten.

9. Transient Provider

Ein Transient Provider – manchmal auch Transient Query genannt – ist ein Konstrukt, welches sich z. B. aus zwei CDS-Views ergeben kann. Dabei muss die erste CDS-View [A] u. a. mit der Annotation «@Analytics.dataCategory: #CUBE» definiert werden. Die zweite CDS-View [B] selektiert die Daten aus [A] und muss die Annotation «@Analytics.query: true» enthalten. Dieser Transient Provider kann dann im Analysis-for-Office konsumiert werden.

Dies ist nur ein kleiner Ausschnitt davon, was mit CDS-Views möglich ist und soll als erste Einführung dienen. Die Einsatzfelder sind sehr vielfältig und reichen bis in SAP’s neueste Plattformtechnologien (SAP Business Process Technology).

Mehr wissen?

Sie möchten tiefer in dieses Thema einsteigen? Dann freuen wir uns, Ihnen alle Vorteile der CDS-Views persönlich zu präsentieren – sehr gerne auch kombiniert mit Details zu weiteren Funktionen der SAP Data Warehouse Cloud. Nehmen Sie einfach Kontakt mit uns auf!

Ihre Analytics Ansprechpartnerin
Christiane Kalfass-sPeers Mood Print-150
Recruiting & Marketing Specialist

Published by:

Sven Knöpfler

Head of Technology

autor:IN

Wie hat Ihnen der Artikel gefallen?

Wie hilfreich war dieser Beitrag?

Klicken Sie auf einen Stern, um zu bewerten!

Durchschnittliche Bewertung 3.7 / 5.
Anzahl Bewertungen: 19

Bislang keine Stimmen! Seien Sie die erste Person, die diesen Beitrag bewertet!

INFORMATIONEN

Weitere Informationen

Plandaten-Import für die Personalkostenplanung Wie Google Cloud Success Factors und SAP Analytics Cloud verbindet

Plandaten-Import für die Personalkostenplanung: Wie Google Cloud Success Factors und SAP Analytics Cloud verbindet

Diese Lösung ermöglicht die Integration von SAP SuccessFactors (SF) und...
Titelbild On-Premise vs. Off-Premise Software Was ist der Unterschied

On-Premise vs. Off-Premise Software: Was ist der Unterschied?

Während der Begriff on-premise existiert, gibt es den Begriff off-premise so nicht. Man spricht entweder vom Outsourcing (Nutzung von...

R vs. PYTHON

R und Python sind beide führende Programmiersprachen in der Datenanalyse...

Projektmanagement optimieren mit KI-gestütztem Dokumenten-Chat und BigQuery

In vielen Branchen sind Effizienz und Präzision entscheidend. Mit KI und BigQuery können Projektdaten einfach verwaltet und Informationen in...
Wiki BigQuery Data Canvas

Ad-Hoc & Explorative Datenanalysen mit BigQuery Data Canvas

BigQuery Data Canvas (BQDC) ist ein von Gemini AI unterstützter Service der Google Cloud Platform (GCP), welcher das Auffinden,...
SAC Forecasting mit Google Cloud Services

SAC & GCP: SAC Forecasting mit Google Cloud Services

BigQuery Data Canvas (BQDC) ist ein von Gemini AI unterstützter Service der Google Cloud Platform (GCP), welcher das Auffinden,...