Verkauf durch Sack Fachmedien

Kästner / Bührig / Holm

SAP Data Intelligence

Alle Funktionen des Nachfolgers von SAP Data Hub - Big Data verwalten und mit Machine Learning verarbeiten!

Medium: Buch
ISBN: 978-3-8362-7724-2
Verlag: Rheinwerk Verlag GmbH
Erscheinungstermin: 29.01.2021
sofort versandfertig, Lieferfrist: 1-3 Werktage
Lernen Sie SAP Data Intelligence kennen! Mit dem Nachfolger von SAP Data Hub koordinieren und integrieren Sie Big Data nicht nur, Sie können sie auch mit Machine Learning weiterverarbeiten. Damit Sie alle Funktionen kennen, die für Ihr Unternehmen wichtig sind, führt Sie das Autorenteam Schritt für Schritt durch die Anwendungen. Von der Dokumentation datenschutzrelevanter Ereignisse über die Modellierung von Datenflüssen bis hin zur Benutzerverwaltung lernen Sie alles, was Sie wissen müssen.

Aus dem Inhalt:

- Business Intelligence und Predictive Analytics

- Audit Log Viewer

- Connection Management

- Customer Data Export

- License Management

- Metadata Explorer

- Modeler

- Monitoring

- Policy Management

- System Management

- Vora Tools

- ML Scenario Manager

Produkteigenschaften


  • Artikelnummer: 9783836277242
  • Medium: Buch
  • ISBN: 978-3-8362-7724-2
  • Verlag: Rheinwerk Verlag GmbH
  • Erscheinungstermin: 29.01.2021
  • Sprache(n): Deutsch
  • Auflage: 1. Auflage 2021
  • Serie: SAP PRESS
  • Produktform: Gebunden
  • Gewicht: 1251 g
  • Seiten: 611
  • Format (B x H x T): 182 x 246 x 40 mm
  • Ausgabetyp: Kein, Unbekannt

Autoren/Hrsg.

Autoren

Kästner, Alexander

Alexander Kästner verfügt über umfangreiche Expertise in der Führung komplexer Projektorganisationen und Implementierungen im SAP-Business-Intelligence-Umfeld. Nach Tätigkeiten bei verschiedenen Beratungshäusern ist er seit 2015 bei der PCS Beratungscontor AG für die strategische Geschäftsfeldentwicklung zuständig. 2019 wurde er dort in den Vorstand berufen und zeichnet nun für die Bereiche Business Development, Human Ressources und Delivery verantwortlich. Neben der aktiven Projektarbeit tritt Alexander Kästner als Referent auf Fachkongressen und Messen auf.

Bührig, Maren

Maren Bührig blickt auf mehrjährige Erfahrung im Projekt- und Anwendungsmanagement zurück. Neben der Bearbeitung von Anforderungen im Data-Warehouse-Umfeld verantwortet sie als Senior Consultant den Betrieb und die Weiterentwicklung von Business-Intelligence-Anwendungen für zahlreiche Kunden der PCS Beratungscontor AG. Zusätzlich zu ihren umfassenden Kenntnissen in der Datenanalyse, -modellierung und -extraktion besitzt sie insbesondere im Incident Management weitreichende Praxiserfahrung. Die Optimierung von Business-Intelligence-Anwendungen und der zugehörigen Prozessabläufe ist dabei ihr Steckenpferd.

Holm, Janina

Janina Holm verfügt über breites Prozess-Know-how, insbesondere im Finance-/Controlling-Umfeld. Ihre technischen Schwerpunkte umfassen die Konzeption, Modellierung und Implementierung von Datenmodellen in SAP BW/4HANA und nativen Data Warehouses (DWH). Als Senior Consultant für die PCS Beratungscontor AG verantwortet sie auf Basis ihrer langjährigen Praxiserfahrung die Planung und Steuerung sogenannter Greenfield-Projekte. Über die DWH-Architektur, -Konzeption und -Umsetzung hinaus unterstützt sie Kunden methodisch strukturiert im Projektmanagement für komplexe, datengetriebene Initiativen.

Klee, Dominik

Dominik Klee ist als Consultant mit den Schwerpunkten Change Management und Entwicklung der SAP-BI/BW-Architektur bei der PCS Beratungscontor AG tätig. Neben der Implementierung von Datenextraktionen und -flüssen in Mixed Scenarios auf Basis von SAP BW auf SAP HANA und SAP BW/4HANA besitzt er Erfahrung in den Bereichen Application Management und Support. Dominik Klee legt seinen fachlichen Schwerpunkt auf die Optimierung von Business-Intelligence-Prozessen in der Logistik. Zu seinen Aufgaben zählen u.a. Datenanalyse, -modellierung und Reportdesign für das Vertriebs-Reporting, das Reporting der Vertriebsplanung für den Innen- und Außenabsatz und das Einkaufs-Reporting.

Löbbert, Michael

Michael Löbbert ist Management Consultant und Leiter der Münchener Niederlassung der PCS Beratungscontor AG. Er blickt auf mehrjährige Erfahrung aus diversen Kundenprojekten zurück, in denen er als Projektleiter, Architekt und Trainer für die Planung, Konzeption, Realisierung und den Betrieb umfangreicher Business-Intelligence-Systeme verantwortlich war. Dabei arbeitete er in agilen und komplexen Projektumfeldern. Weitere Schwerpunkte von Michael Löbbert sind die strategische Business-Intelligence-Beratung sowie das strategische und operative Reporting unter Berücksichtigung der IBCS®-Standards.

Scherbinek, Marcel

Marcel Scherbinek ist Business-Intelligence-Experte mit den Themenschwerpunkten SAP BW, SAP HANA und SAP Predictive Analytics sowie Machine Learning. Bei der PCS Beratungscontor AG tritt er als Senior Consultant mit Verantwortung für das Thema Machine Learning auf und kann mittlerweile auf über zehn Jahre Praxiserfahrung in verschiedenen Business-Intelligence- und Data-Warehouse-Projekten zurückblicken. Aktuell berät er eine Vielzahl an Kunden zu Architektur und Prototyping von Machine-Learning-Lösungen mit SAP.

Schmid, Vincent

Vincent Schmid ist Consultant im Bereich Business Intelligence bei der PCS Beratungscontor AG mit Schwerpunkten in Data Warehousing und Data Science. Besonders in der BW- und HANA-Entwicklung sammelte er umfangreiche Praxiserfahrungen. Kenntnisse der Frontend-Tools (SAP Analysis for Microsoft Office und SAP Analytics Cloud) und Backend-Lösungen (SAP BW und SAP HANA) vervollständigen sein Profil. Seine Leidenschaft gilt hier insbesondere neuen Technologien und Data Science.

Einleitung. 15

TEIL I  Einführung. 21

  1.  Geänderte Rahmenbedingungen für das Datenmanagement. 23

       1.1. Digitalisierung. 24

       1.2. Aktuelle Herausforderungen für das Datenmanagement. 36

       1.3. Von Business Intelligence zu Predictive Analytics. 41

       1.4. Einsatz von Machine Learning und künstlicher Intelligenz. 53

       1.5. SAPs Umgang mit der neuen Datenflut. 58

       1.6. Zusammenfassung. 63

  2.  Relevante Technologien für das Datenmanagement. 67

       2.1. Evolution des Datenmanagements. 68

       2.2. Das SAP-Technologieportfolio für das Datenmanagement. 80

       2.3. Zusammenfassung. 92

  3.  Einführung in SAP Data Intelligence. 95

       3.1. Was ist SAP Data Intelligence?. 95

       3.2. Funktionen von SAP Data Intelligence im Überblick. 99

       3.3. Betrieb und Administration der Applikationen. 104

       3.4. Entwicklung von Datenflüssen. 105

       3.5. Machine-Learning-Szenarien. 111

       3.6. Zusammenfassung. 112

TEIL II  Funktionen von SAP Data Intelligence. 113

  4.  Connection Management. 115

       4.1. Einführung in das Connection Management. 115

       4.2. Verbindungen zu SAP-Systemen. 127

       4.3. Verbindungen zu Datenbanken. 130

       4.4. Verbindungen zu cloudbasierten Systemen. 131

       4.5. Technische Verbindungen. 136

       4.6. Zusammenfassung. 137

  5.  Metadata Explorer. 139

       5.1. Einführung in den Metadata Explorer. 140

       5.2. Funktionsbereich 'Catalog'. 150

       5.3. Funktionsbereich 'Rules'. 192

       5.4. Funktionsbereich 'Business Glossary'. 210

       5.5. Administration, Monitor und Einstellungen. 217

       5.6. Zusammenfassung. 229

  6.  Modeler. 231

       6.1. Einführung in den Modeler. 232

       6.2. Operatoren. 235

       6.3. Graphen modellieren. 270

       6.4. Zusammenfassung. 295

  7.  Customer Data Export. 297

       7.1. Einen Export durchführen. 298

       7.2. Ergebnis eines Exports. 300

       7.3. Zusammenfassung. 302

  8.  Vora Tools. 303

       8.1. Einführung in die Vora Tools. 304

       8.2. Verarbeitung von Daten aus unterschiedlichen Quellsystemen. 308

       8.3. Zusammenfassung. 324

  9.  Policy Management. 325

       9.1. Berechtigungsverwaltung in SAP Data Intelligence. 325

       9.2. Standard-Policys. 331

       9.3. Eigene Policys und Berechtigungen erstellen. 334

       9.4. Zusammenfassung. 339

10.  System Management. 341

       10.1. Einführung in das System Management. 342

       10.2. Applikationen verwalten. 343

       10.3. Benutzer verwalten. 352

       10.4. Dateien verwalten. 358

       10.5. Strategien und Lösungen verwalten. 365

       10.6. Zusammenfassung. 371

11.  Monitoring. 373

       11.1. Zielsetzung der Monitoring-Funktionen in SAP Data Intelligence. 373

       11.2. Monitoring mit der Monitoring-Applikation. 374

       11.3. Monitoring im Modeler. 388

       11.4. Zusammenfassung. 395

12.  Audit Log Viewer. 397

       12.1. Datenschutzrelevante Ereignisse zugänglich machen. 398

       12.2. Auswertungsmöglichkeiten. 400

       12.3. Zusammenfassung. 403

13.  License Management. 405

       13.1. Verwaltung von Lizenzen. 405

       13.2. Messung lizenzpflichtiger Aktivitäten. 407

       13.3. Zusammenfassung. 409

14.  Applikationen für Machine Learning. 411

       14.1. Machine-Learning-Szenarien entwickeln. 412

       14.2. ML-Applikationen im Überblick. 426

       14.3. Einsatz von Jupyter Notebooks. 458

       14.4. Zusammenfassung. 471

TEIL III  Einsatzszenarien für SAP Data Intelligence. 473

15.  Beispielszenario. 475

       15.1. Überblick über das Beispielszenario. 475

       15.2. Benutzer im System Management anlegen. 479

       15.3. Kundeneigene Policys im Policy Management erstellen. 481

       15.4. Systemverbindungen im Connection Management anlegen. 487

       15.5. Daten im Metadata Explorer anreichern. 490

       15.6. Graph im Modeler modellieren. 517

       15.7. ML-Szenario im ML Scenario Manager erstellen. 541

       15.8. Export und Einplanung des Graphen im System Management. 563

       15.9. Zusammenfassung. 569

16.  Beispiele für weitere Einsatzmöglichkeiten. 571

       16.1. Integration von Clouddatenquellen. 571

       16.2. Systemübergreifende Modellierung von Datenflüssen. 574

       16.3. Globales Datenmanagement. 577

       16.4. Professionelles Machine Learning. 581

       16.5. Zusammenfassung. 583

17.  Ausblick auf die weitere Produktentwicklung. 585

       17.1. Schnittstellen und Integration. 586

       17.2. Metadaten und Governance. 588

       17.3. Modellierung von Graphen. 589

       17.4. Administration. 590

       17.5. Zusammenfassung. 591

Anhang A.  Quellen- und Literaturverzeichnis. 593

Anhang B.  Das Autorenteam. 595

  Index. 599