Home SAP Analytics Cloud Google Cloud und SAP: Erfolgreiche Integration von SuccessFactors und Analytics Cloud

Google Cloud und SAP: Erfolgreiche Integration von SuccessFactors und Analytics Cloud

Die SAP Analytics Cloud (SAC) ermöglicht Unternehmen eine flexible und skalierbare Plattform für die Personalkostenplanung (PKP). Für diese Planung ist jedoch eine nahtlose Integration von Stamm- und Bewegungsdaten aus SAP SuccessFactors (SF) erforderlich. Damit die SAC die Planungslogik anwenden kann, benötigt sie einen Auszug des Datenbestands aus SF.

Da ein direkter Connector zwischen der SAC und SF fehlt, übernehmen die SAP Datasphere (DSP) und Google Cloud Services wesentliche Rollen im Datenexport und -import. Es können unterschiedliche Implementierungen ausgewählt werden, die auf ähnlichen technischen Ansätzen basieren. Dadurch ergibt sich eine hohe Flexibilität, angepasst an die eigenen Anforderungen und bereits vorhandene Infrastruktur.

Im Nachfolgenden werden die verschiedenen Ausbaustufen der PKP mit Google Cloud Services beschrieben und die spezifischen Merkmale sowie Vorteile detailliert erläutert.

Die erste Lösung verwendet die DSP als zentrale Plattform, um Daten aus SF für die PKP in der SAC bereitzustellen. Diese Lösung eignet sich besonders für Unternehmen, die bereits auf die DSP als Datenintegrationsplattform setzen. 

Sobald die Daten in die DSP übertragen wurden, werden sie dort so aufbereitet, dass die SAC sie für die Planungsprozesse nutzen kann. Nach Abschluss der Planung in der SAC werden die finalen Plandaten innerhalb eines Data Models gespeichert. Da die DSP jedoch nicht in der Lage ist, diese Plandaten zurück nach SF zu importieren, übernimmt die Google Cloud hierbei eine entscheidende Rolle. 

Die Inhalte des SAC Data Models werden über die SAC Export API in die Google Cloud übertragen. Dort werden die Daten entsprechend transformiert und anschliessend über die SF API in das SF System zurückgespielt. 

Wie funktioniert der Plandaten-Import?

Sobald der Planungsprozess in der SAC abgeschlossen ist, wird der Export der Plandaten angestossen. Hierfür wird ein Google Cloud Scheduler verwendet, um den Exportprozess aus der SAC in Google BigQuery zu initiieren. 

Dieser Vorgang löst eine Google Cloud Function aus, die mithilfe der SAC Export API das Data Model in BigQuery überträgt. In BigQuery werden die finalen Plandaten anschliessend mittels einer View in das benötigte Format gebracht. Zusätzlich wird in diesem Schritt die fachliche Logik angewandt, um die Daten für den Import in SF vorzubereiten. 

Sind die Plandaten korrekt formatiert, kann ein weiterer Cloud Scheduler aktiviert werden. Dieser startet eine zweite Cloud Function, welche die vorbereiteten Daten über die SF API in den SF Datenbestand importiert. 

Was sind die Vorteile dieser Lösung?

Individualität

Die PKP und der SF Import ist vollständig auf die individuellen Anforderungen eines Business Cases anpassbar.

Machbarkeit

Die DSP kann nicht für den Import in SF verwendet werden, da die notwendige Schnittstelle fehlt. Die Google Cloud ermöglicht die Nutzung der nativen SF API, um die Daten von BigQuery in den SF Datenhaushalt zu überführen. 

Versionskontrolle

Das Tool wird durch uns mit GitHub, einem beliebten Versionskontrollsystem, verwaltet. Dadurch sind wir jederzeit in der Lage, einen neuen Stand zu implementieren oder zu einem alten Stand zurückzukehren, ohne das Erfordernis aufwendiger und risikoreicher Rollback-Aktionen. 

Skalierbarkeit

Die Verwendung skalierbarer Google Cloud Services als Backendtechnologie ermöglicht die Skalierung auf Imports praktisch beliebiger Komplexität bei weiterhin überschaubarer Durchlaufzeit. 

Kosteneffizienz

Da Google Cloud Services sehr einfach skalieren, gewährleistet dies einen kostengünstigen Betrieb, welcher sich an die individuelle Nutzungsintensität anpasst

Features des Produkts

SF-Datenabzug via DSP

Der Datenabzug aus SF erfolgt über die DSP, da die Modellierungswerkzeuge innerhalb von SF und SAC eingeschränkt sind. Die DSP fungiert als zentrale Plattform für den Export der benötigten Daten. Hier werden die relevanten Informationen aus SF extrahiert und für die Weiterverarbeitung aufbereitet. Dieser Schritt stellt sicher, dass die Stamm- und Bewegungsdaten in einem strukturierten Format vorliegen, bevor sie in die SAC übertragen werden.

PKP innerhalb der SAC

Die PKP wird in der SAC durchgeführt, nachdem die Daten aus SF via DSP übertragen wurden. Innerhalb der SAC können Planungslogiken und Prognosen auf Grundlage der SF-Daten angewendet werden. Die SAC bietet dabei eine flexible und anpassbare Planungsumgebung, die auf die individuellen Anforderungen des Unternehmens zugeschnitten werden kann. Sobald die Planung abgeschlossen ist, werden die finalen Plandaten in einem Data Model innerhalb der SAC gespeichert, um sie für den weiteren Prozess bereitzuhalten.

Import von SAC-Plandaten über Google Cloud Services in SF

Nach der abgeschlossenen PKP in der SAC übernehmen die Google Cloud Services die Datenintegration. Der Export der Plandaten erfolgt über die SAC Export API in Google BigQuery, wo die Daten transformiert und für den Import in SF vorbereitet werden. Mithilfe der SF API werden die Plandaten schliesslich in das SF-System zurückgeführt. Dieser Prozess nutzt die Skalierbarkeit und Effizienz der Google Cloud, um eine reibungslose und flexible Datenintegration zu gewährleisten.

Welche Möglichkeiten verpassen Sie ohne das Produkt?

Ohne diese Lösung verpassen Sie die Möglichkeit, den gesamten Prozess der PKP effizient und nahtlos zu implementieren. Manuelle Datenabgleiche zwischen SF und der SAC führen häufig zu Fehlern, Verzögerungen und erhöhtem Aufwand. Zudem fehlt Ihnen ohne die Google Cloud die Möglichkeit, die Plandaten nach Abschluss der Planung in der SAC korrekt in SF zurückzuführen. 

Darüber hinaus entgeht Ihnen die Flexibilität und Skalierbarkeit, die die Google Cloud bietet. Während manuelle oder lokale Systeme schnell an ihre Grenzen stossen, können Sie mit dieser Lösung beliebige Datenmengen effizient verarbeiten und so sicherstellen, dass Ihre PKP auch bei steigenden Anforderungen problemlos funktioniert. Fehlende Automatisierung bedeutet zudem höhere Kosten und längere Entscheidungszeiten, was zu verpassten Chancen in der agilen Unternehmensführung führen kann. 

Kontaktieren Sie uns für eine individuelle Beratung zur Integration Ihrer SF Daten in die DSP und deren Nutzung in der SAC mit Rückführung über die Google Cloud. 

Produkt 2: Effiziente Zusammenarbeit - So verbindet Google Cloud, SAP SuccessFactors und SAP Analytics Cloud

Die zweite Lösung nutzt Google Cloud Services als Plattform für den Datenaustausch mit SAP SuccessFactors (SF) und SAP Analytics Cloud (SAC), ohne die SAP Datasphere (DSP) zu verwenden. Dieser Ansatz ist für Unternehmen interessant, welche die DSP nicht im Einsatz haben und auf der Suche nach einer kosteneffizienten Infrastruktur für die Personalkostenplanung (PKP) in der SAC sind. 

Da die Google Cloud als zentrale Plattform fungiert, werden die benötigten Daten direkt aus SF über die SF API in Google BigQuery geladen. Dort werden sie für die Planung in der SAC aufbereitet und in das erforderliche Format gebracht. Nach der Planung werden die fertigen Plandaten aus der SAC über die SAC Export API wieder in BigQuery exportiert, wo sie für den Rückimport in SF erneut aufbereitet werden. Der letzte Prozessschritt ist analog zum Produkt 1, bezüglich der Rückführung von Plandaten in SF via Google Cloud Services. 

Wie funktioniert der Datenaustausch?

Um die PKP zu beginnen, muss ein Google Cloud Scheduler angestossen werden, welcher eine Cloud Function startet. Diese nutzt die SF API, um die Plandaten aus dem SF System in Google BigQuery zu exportieren. Dort werden die einzelnen Tabellen gepflegt und mit Views sowie fachlicher Logik zu einer finalen Ansicht für die SAC zusammengeführt. Diese rohen Stamm- und Bewegungsdaten werden dann via SAC Import Job (Verbindung zu BigQuery) als Data Model für die PKP bereitgestellt. 

Die Rückführung der Plandaten aus der SAC in SF findet dann über die in Produkt 1 beschriebene Herangehensweise statt. 

Was sind die Vorteile dieser Lösung?

Individualität

Die Datenbereitstellung sowie Rückführung innerhalb der Google Cloud ist vollständig an den Prozess der PKP in der SAC anpassbar, so dass genau die Daten verarbeitet werden, welche auch benötigt sind. 

Automatisierung

Die komplexen Abläufe hinter den Datenprozessen werden automatisiert vom implementierten Prozess innerhalb der Google Cloud ausgeführt. 

Kosteneffizienz

Durch die Ersetzung der DSP durch die native SF API via Google Cloud Services, werden hohe Lizenzkosten für die DSP eingespart. Von dieser würde für die PKP nur einen minimalen Anteil des Funktionsumfangs genutzt werden. 

Features des Produkts

SF Datenabzug via Google Cloud Services

Die DSP wurde als zentrale Datenplattform mit der Google Cloud ersetzt und somit die Notwendigkeit für eine alleinstehende PKP eliminiert. Die Verwendung der SF API vereinfacht zudem die Integration von sogenannten „Custom Fields“, welche in jedem modifizierten SF-System vorhanden sind, da sie standardmässig von der API mitgeliefert werden.

PKP innerhalb der SAC

Die PKP wird in der SAC durchgeführt, nachdem die Daten aus SF via DSP übertragen wurden. Innerhalb der SAC können Planungslogiken und Prognosen auf Grundlage der SF-Daten angewendet werden. Die SAC bietet dabei eine flexible und anpassbare Planungsumgebung, die auf die individuellen Anforderungen des Unternehmens zugeschnitten werden kann. Sobald die Planung abgeschlossen ist, werden die finalen Plandaten in einem Data Model innerhalb der SAC gespeichert, um sie für den weiteren Prozess bereitzuhalten.

Import von SAC-Plandaten über Google Cloud Services in SF

Nach der abgeschlossenen PKP in der SAC übernehmen die Google Cloud Services die Datenintegration. Der Export der Plandaten erfolgt über die SAC Export API in Google BigQuery, wo die Daten transformiert und für den Import in SF vorbereitet werden. Mithilfe der SF API werden die Plandaten schliesslich in das SF-System zurückgeführt. Dieser Prozess nutzt die Skalierbarkeit und Effizienz der Google Cloud, um eine reibungslose und flexible Datenintegration zu gewährleisten.

Welche Möglichkeiten verpassen Sie ohne das Produkt?

Ohne diese Lösung entgehen Ihnen erhebliche Vorteile im Bereich der PKP. Die manuelle Integration von Daten zwischen SAP SF und der SAC ist zeitaufwendig und anfällig für Fehler. 

Ohne die Google Cloud Services fehlt es Ihnen an einer automatisierten und skalierbaren Datenbereitstellung sowie -rückführung, was den gesamten Planungsprozess ineffizient macht. 

Zudem profitieren Sie nicht von der Kosteneinsparung, die durch die Substitution der DSP erzielt wird, da die Google Cloud die nativen APIs von SF optimal nutzt und Kosten für ungenutzte Softwarekomponenten vermeidet. 

Kontaktieren Sie uns für eine individuelle Beratung zur Integration Ihrer SF-Daten mit der Google Cloud und deren Nutzung in der SAC. 

Published by:

Gary Lude

Professional Consultant

autor:IN

Wie hat Ihnen der Artikel gefallen?

Wie hilfreich war dieser Beitrag?

Klicken Sie auf einen Stern, um zu bewerten!

Durchschnittliche Bewertung 4.1 / 5.
Anzahl Bewertungen: 18

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

INFORMATIONEN

Weitere Informationen

Was kann das neue SAC Add-in for Microsoft PowerPoint (Composable Analytics)?

In diesem Wiki Artikel geht es um das neue SAP Analytics Cloud (SAC) Add-in für Microsoft PowerPoint, das eine...

Von Ordnung zu Mehrwert: Metadatenmanagement mit dem Data Catalog

Der SAP Datasphere Data Catalog bietet ein zentrales Verzeichnis für Unternehmensdaten, das durch strukturierte Metadaten den Zugang und das...
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,...