SAP Business Data Cloud
¡Consolide su entorno de datos fragmentado con SAP Business Data Cloud! Conozca la arquitectura y los fundamentos semánticos de esta nueva solución y siga los pasos para la incorporación, la configuración del sistema y la activación inicial. Los productos de datos son el núcleo de SAP Business Data Cloud, así que descubra qué son y para qué sirven. Luego, explora el modelado de datos y semántico con SAP Datasphere, la ingeniería de datos avanzada con SAP Databricks y el análisis con SAP Analytics Cloud. Desde la conexión con tu sistema SAP BW existente hasta la implementación de aplicaciones inteligentes, esta guía te mostrará todo lo que SAP Business Data Cloud puede hacer.
- Conoce SAP Business Data Cloud, la nueva solución de estructura de datos
- Utilice sus componentes para el modelado semántico, la ingeniería de datos y el análisis
- Modernice SAP BW y descubra cómo utilizar aplicaciones inteligentes
Aprenderás sobre:
- Fundamentos:
Comprenda la arquitectura de principio a fin, incluidos los servicios de base y los productos de datos. Vea cómo se implementa y estructura SAP Business Data Cloud como un entorno unificado, cómo los componentes individuales se unen en una sola formación y cómo el cockpit de SAP Business Data Cloud sirve como centro de control para administrar el entorno.
- Soluciones por componentes:
Permita el consumo regulado de productos de datos al proporcionar contexto de negocio, enriquecimiento semántico y modelado analítico con SAP Datasphere. Vea cómo SAP Databricks complementa a SAP Datasphere al ofrecer funcionalidad escalable para ingeniería de datos avanzada, aprendizaje automático y cargas de trabajo de IA. A continuación, explore SAP Analytics Cloud como la capa principal de análisis y planificación dentro de SAP Business Data Cloud.
- Entornos empresariales del mundo real:
Examine los patrones comunes de adopción, los principios de gobernanza y los modelos operativos que ayudan a equilibrar la agilidad con el control. Explore cómo las organizaciones reales utilizan aplicaciones inteligentes en SAP Business Data Cloud para transformar datos empresariales seleccionados en información lista para usar.
Aspectos Destacados:
- Arquitectura
- Incorporación
- Creación del sistema
- Productos de datos
- SAP Datasphere
- SAP Databricks
- SAP Analytic Cloud
- SAP Business Warehouse (SAP BW)
- Aplicaciones inteligentes
- Gobernanza
Ver Tabla de Contenidos Completa
- Prólogo
- 1 ¿Qué es SAP Business Data Cloud?
- 1.1 La evolución de los datos empresariales: de los silos a las estructuras de datos unificadas
- 1.1.1 La era de los silos de datos
- 1.1.2 El auge de los almacenes de datos empresariales
- 1.1.3 La aparición de los lagos de datos y los «lakehouses»
- 1.1.4 El cambio hacia las estructuras de datos
- 1.1.5 La aparición de las estructuras de datos empresariales
- 1.2 Por qué la extracción tradicional de datos pierde el contexto empresarial y la confianza
- 1.2.1 El contexto empresarial en un sistema SAP
- 1.2.2 La extracción tradicional
- 1.2.3 Dónde se pierde el contexto empresarial
- 1.2.4 De la pérdida de contexto a la pérdida de confianza
- 1.3 Requisitos de datos empresariales modernos y desafíos arquitectónicos
- 1.4 SAP Business Data Cloud: evolución del Business Data Fabric
- 1.5 Pilares de valor fundamentales de SAP Business Data Cloud
- 1.6 Perfiles y roles clave en SAP Business Data Cloud
- 1.7 Posicionamiento de SAP Business Data Cloud dentro de la estrategia de datos, análisis e inteligencia artificial de SAP
- 1.8 Resumen
- 2 Descripción general de la arquitectura y los fundamentos semánticos
- 2.1 El marco arquitectónico: flujo de datos desde la fuente hasta la información empresarial
- 2.1.1 Principios arquitectónicos fundamentales
- 2.1.2 Flujo de datos de negocio de extremo a extremo
- 2.2 Componentes clave de la arquitectura de SAP Business Data Cloud
- 2.2.1 SAP Business Data Cloud Cockpit
- 2.2.2 Servicios básicos y SAP HANA Cloud, archivos de Data Lake
- 2.2.3 Almacén de objetos SAP Datasphere HDLF
- 2.2.4 Productos de datos
- 2.2.5 SAP HANA Cloud
- 2.2.6 SAP Datasphere
- 2.2.7 SAP Databricks
- 2.2.8 SAP Snowflake
- 2.2.9 SAP Business Data Cloud Connect
- 2.2.10 Modernización de SAP BW y SAP BW/4HANA, Edición de nube privada
- 2.2.11 Gobernanza de datos maestros de SAP
- 2.2.12 SAP Analytics Cloud
- 2.2.13 Aplicaciones inteligentes
- 2.2.14 AI Foundation
- 2.3 Servicios básicos para la ingesta, la armonización y los productos de datos
- 2.4 Escenario de transformación bancaria de extremo a extremo con SAP Business Data Cloud
- 2.4.1 Establecimiento de una base de datos empresarial unificada
- 2.4.2 Armonización de la semántica empresarial con SAP Datasphere
- 2.4.3 Modernización de las inversiones existentes en SAP BW
- 2.4.4 Habilitación de la IA empresarial y el análisis avanzado
- 2.4.5 Obtención de información empresarial con SAP Analytics Cloud
- 2.5 Resumen
- 3 Introducción a la incorporación y la configuración del sistema
- 3.1 Conceptos de incorporación
- 3.1.1 Fundamentos administrativos
- 3.1.2 SAP for Me como punto de entrada a la incorporación
- 3.1.3 Recursos digitales para la incorporación
- 3.1.4 Actividades de incorporación en SAP Business Data Cloud
- 3.1.5 Consideraciones sobre identidad y autenticación
- 3.1.6 De la incorporación a la configuración del sistema
- 3.2 Aprovisionamiento
- 3.2.1 Licencias y unidades de capacidad
- 3.2.2 Aprovisionamiento del núcleo de SAP Business Data Cloud
- 3.2.3 Aprovisionamiento de SAP Datasphere
- 3.2.4 Aprovisionamiento de SAP Analytics Cloud
- 3.2.5 Aprovisionamiento de SAP Databricks
- 3.2.6 Pautas y restricciones de aprovisionamiento
- 3.3 Creación de la formación y configuración de los inquilinos
- 3.3.1 Creación de una formación
- 3.3.2 Participación en el sistema y reglas de cardinalidad
- 3.3.3 Conexión de inquilinos (incluidos los componentes)
- 3.3.4 Restricciones clave y mejores prácticas
- 3.4 Reconfiguración de los inquilinos
- 3.4.1 Qué es y qué no es el recableado de un inquilino
- 3.4.2 Descripción general del proceso de recableo
- 3.4.3 Asignación de unidades de capacidad después del recableo
- 3.4.4 Integración posterior al recableo
- 3.5 El SAP Business Data Cloud Cockpit como plano de control
- 3.5.1 Función del Cockpit en la arquitectura de SAP Business Data Cloud
- 3.5.2 Descubrimiento de catálogos y productos de datos
- 3.5.3 Gobernanza y control de acceso
- 3.5.4 Entorno del sistema y monitoreo
- 3.5.5 Aplicaciones inteligentes y activación de contenido
- 3.5.6 Acceso federado e integración de datos
- 3.5.7 Del plano de control a la plataforma operativa
- 3.6 Activación de contenido gestionado por SAP
- 3.7 Resumen
- 4 Comprensión de los productos de datos en SAP Business Data Cloud
- 4.1 Introducción a los productos de datos
- 4.1.1 De la integración tradicional de datos a los productos de datos
- 4.1.2 Por qué los productos de datos son importantes en las arquitecturas empresariales modernas
- 4.1.3 De los datos como servicio a los datos como producto
- 4.1.4 El papel de los productos de datos en SAP Business Data Cloud
- 4.2 Arquitectura central de los productos de datos
- 4.2.1 Diseño centrado en el negocio y orientado al dominio
- 4.2.2 Los productos de datos como activos empresariales semánticos regulados
- 4.2.3 Interfaces estables y consumo regulado
- 4.2.4 Puertos de entrada, puertos de salida e interfaces de productos
- 4.2.5 Integración en un ecosistema abierto
- 4.2.6 El papel del Estudio de Productos de Datos
- 4.3 Metadatos y fundamentos semánticos
- 4.3.1 Metadatos, semántica empresarial y preservación del contexto
- 4.3.2 Descubrimiento de recursos abiertos
- 4.3.3 Especificación de interoperabilidad de la notación de esquemas básicos
- 4.4 Tipos de productos de datos
- 4.4.1 Productos de datos administrados por SAP
- 4.4.2 Productos de datos administrados por el cliente
- 4.4.3 Productos de datos primarios
- 4.4.4 Productos de datos derivados
- 4.4.5 Productos de datos de interfaz
- 4.4.6 Paquetes de datos y contenido empresarial agrupado
- 4.5 Descubrimiento, propiedad y consumo de productos de datos
- 4.5.1 Roles y perfiles en el ecosistema de productos de datos
- 4.5.2 Propiedad del dominio, gobernanza y gestión del ciclo de vida
- 4.5.3 Descubrimiento de productos de datos en SAP Business Data Cloud
- 4.5.4 Consumo externo a través del intercambio de deltas
- 4.6 Democratización de los datos y consumo de datos impulsado por el mercado
- 4.7 Productos de datos para análisis e inteligencia artificial
- 4.7.1 Los productos de datos como base para el análisis
- 4.7.2 Contexto empresarial preparado para la IA y enriquecimiento semántico
- 4.7.3 Futura orientación de los productos de datos en SAP Business Data Cloud
- 4.8 Resumen
- 5 Modelado de datos y semántico con SAP Datasphere
- 5.1 SAP Datasphere como base de un Business Data Fabric
- 5.2 El papel de SAP Datasphere en SAP Business Data Cloud
- 5.3 Posicionamiento arquitectónico
- 5.4 Componentes arquitectónicos de SAP Datasphere
- 5.4.1 Administración del espacio
- 5.4.2 Integración de datos y conectividad
- 5.4.3 Incorporación semántica
- 5.4.4 Catálogo y mercado
- 5.4.5 Explorador de repositorios
- 5.4.6 Seguridad y administración
- 5.4.7 Monitor de integración de datos
- 5.4.8 Almacén de objetos de SAP Datasphere y entorno de ejecución de Apache Spark
- 5.5 Data Builder: Modelado técnico de datos
- 5.5.1 Adquisición de datos
- 5.5.2 Preparación de datos
- 5.5.3 Modelado de datos
- 5.6 Business Builder: modelado semántico de negocios
- 5.6.1 Entidades de negocio
- 5.6.2 Modelos de hechos
- 5.6.3 Modelos de consumo
- 5.6.4 Escenarios de autorización
- 5.6.5 Escenario de negocio: Análisis de costos y utilización de la fuerza laboral con Business Builder
- 5.7 Cockpit de intercambio de datos: centro neurálgico para la gestión de proveedores de datos
- 5.7.1 Activación o creación de un perfil de proveedor de datos
- 5.7.2 Creación de un producto de datos administrado por el cliente
- 5.7.3 Escenario de negocio: Producto de datos gestionado por el cliente sobre señales económicas externas
- 5.8 Escenario de negocio: Análisis del desempeño financiero mediante productos de datos armonizados
- 5.9 Resumen
- 6 Ingeniería de datos avanzada e IA/ML con SAP Databricks
- 6.1 El papel de SAP Databricks en SAP Business Data Cloud
- 6.2 Integración arquitectónica
- 6.2.1 Modelos de implementación
- 6.2.2 Componentes arquitectónicos
- 6.2.3 Flujo de integración
- 6.3 Acceso a datos sin copia y intercambio bidireccional de datos
- 6.3.1 Acceso a datos sin copia
- 6.3.2 Intercambio bidireccional de datos
- 6.3.3 Función del intercambio de diferencias
- 6.3.4 Beneficios de la arquitectura sin copia y bidireccional
- 6.4 SAP Business Data Cloud Connect y el ecosistema de datos abierto
- 6.4.1 Ampliación de SAP Business Data Cloud más allá de SAP
- 6.4.2 Modelo de integración y arquitectura
- 6.4.3 Integración con plataformas de datos externas
- 6.4.4 Integración impulsada por productos de datos
- 6.4.5 Gobernanza y seguridad en un ecosistema abierto
- 6.4.6 Capacidades clave
- 6.4.7 Beneficios de un ecosistema de datos abierto
- 6.5 Capacidades de ingeniería de datos e inteligencia artificial
- 6.5.1 Trabajar con SAP Databricks
- 6.5.2 Flujo integral de ingeniería de datos e inteligencia artificial
- 6.5.3 Capacidades de ingeniería de datos
- 6.5.4 Análisis avanzado y aprendizaje automático
- 6.5.5 Gestión del ciclo de vida del aprendizaje automático
- 6.5.6 Capacidades en tiempo real y de transmisión
- 6.5.7 IA generativa y escenarios avanzados de IA
- 6.5.8 Integración con SAP Business Data Cloud
- 6.5.9 Límites de ejecución en toda la arquitectura
- 6.6 Consideraciones de diseño y mejores prácticas
- 6.7 Escenario de negocio: enriquecimiento de un producto de datos de SAP con información obtenida mediante IA
- 6.8 Resumen
- 7 Modernización de SAP BW con SAP Business Data Cloud
- 7.1 La evolución de SAP BW: de una arquitectura local a una nativa de la nube
- 7.2 Desafíos de las arquitecturas heredadas de SAP BW
- 7.3 El papel de la modernización en SAP Business Data Cloud
- 7.4 Arquitectura de SAP Business Data Cloud para la modernización de SAP BW
- 7.5 Vías de transición para la modernización de SAP BW: el marco «Lift–Shift–Innovate»
- 7.5.1 Fase de «Lift»
- 7.5.2 Fase «Shift»
- 7.5.3 Fase «Innovate»
- 7.6 Límites de la modernización y modelos de coexistencia
- 7.6.1 Límites arquitectónicos en la modernización de SAP BW
- 7.6.2 Separación funcional de responsabilidades
- 7.6.3 Modelos de coexistencia
- 7.6.4 Criterios de decisión para la definición de límites
- 7.7 Escenario de negocio: Transformación de SAP BW en una empresa impulsada por productos de datos
- 7.8 Resumen
- 8 Análisis y planificación con SAP Analytics Cloud
- 8.1 El papel de SAP Analytics Cloud en el ecosistema de SAP Business Data Cloud
- 8.2 Componentes arquitectónicos de SAP Analytics Cloud
- 8.3 Conectividad y modelado de datos
- 8.3.1 Conectividad de datos (en tiempo real vs. importación)
- 8.3.2 Conceptos de modelado: tipos de modelos, dimensiones, medidas y jerarquías
- 8.3.3 Elección entre conjuntos de datos y modelos
- 8.4 Análisis y diseño de historias
- 8.4.1 La experiencia optimizada de la historia y las capacidades unificadas
- 8.4.2 Prácticas recomendadas de visualización
- 8.4.3 Diseño avanzado de historias y creación de guiones
- 8.4.4 Análisis ad hoc con Data Analyzer
- 8.4.5 Presentaciones ejecutivas con SAP Digital Boardroom
- 8.5 Planificación y pronóstico
- 8.5.1 Proceso de planificación en SAP Analytics Cloud
- 8.5.2 Planificación empresarial integrada con SAP Analytics Cloud
- 8.5.3 Planificación colaborativa y flujos de trabajo
- 8.5.4 Cálculos de varios pasos y acciones sobre datos
- 8.5.5 Planificación sin interrupciones con SAP Datasphere
- 8.5.6 Escenario de negocio: planificación integrada de la cadena de suministro con SAP Business Data Cloud
- 8.6 Análisis aumentado e inteligencia artificial
- 8.6.1 Descubrimiento automatizado e inteligencia predictiva
- 8.6.2 Análisis asistido por IA y apoyo a la toma de decisiones
- 8.6.3 Interacción en lenguaje natural y Joule
- 8.7 Seguridad, gobernanza y colaboración
- 8.7.1 Administración de identidades e inicio de sesión único
- 8.7.2 Administración de usuarios y equipos
- 8.7.3 Control de acceso basado en roles
- 8.7.4 Control de acceso a los datos y seguridad a nivel de fila
- 8.7.5 Bloqueo de datos y reglas de validación
- 8.7.6 Auditoría y registro de actividades
- 8.7.7 Colaboración
- 8.8 Mejores prácticas de diseño para SAP Analytics Cloud
- 8.8.1 Diseño de modelos
- 8.8.2 Optimización del rendimiento
- 8.8.3 Diseño de historias y paneles
- 8.8.4 Mejores prácticas de diseño de planificación
- 8.8.5 Gobernanza y gestión de contenido
- 8.8.6 Integración con SAP Datasphere y Business Data Cloud
- 8.9 Escenario de negocio: del producto de datos a la decisión estratégica
- 8.10 Resumen
- 9 Generación de valor empresarial con aplicaciones inteligentes
- 9.1 Aplicaciones inteligentes en SAP Business Data Cloud
- 9.2 Valor empresarial y beneficios estratégicos de las aplicaciones inteligentes
- 9.3 Arquitectura de las aplicaciones inteligentes
- 9.4 Instalación de aplicaciones inteligentes gestionadas por SAP
- 9.5 Ampliación y personalización de aplicaciones inteligentes
- 9.6 Aplicaciones inteligentes en todas las líneas de negocio
- 9.6.1 Inteligencia financiera e inteligencia de ERP en la nube
- 9.6.2 Inteligencia de recursos humanos
- 9.6.3 Inteligencia de la cadena de suministro
- 9.6.4 Inteligencia de gastos
- 9.6.5 Inteligencia de ingresos
- 9.6.6 Inteligencia entre líneas de negocio
- 9.6.7 Aplicaciones inteligentes y toma de decisiones operativas
- 9.7 Escenario de negocio: mejora de una aplicación de inteligencia financiera
- 9.8 Resumen
- 10 Adopción, gobernanza y el futuro de SAP Business Data Cloud
- 10.1 Patrones de adopción de SAP Business Data Cloud
- 10.2 Principios de gobernanza en un Business Data Fabric
- 10.3 Modelos operativos para la propiedad de productos de datos
- 10.4 Preparación organizacional y evolución de los roles
- 10.5 Orientación futura de SAP Business Data Cloud
- 10.6 Resumen
- El autor
- Índice
SAP Business Data Cloud
Consolidate your fragmented data landscape with SAP Business Data Cloud! Understand the architecture and semantic foundation of this new solution and walk through onboarding, system formation, and initial activation. Data products are at the core of SAP Business Data Cloud, so get to know what they are and what they do. Then explore data and semantic modeling with SAP Datasphere, advanced data engineering with SAP Databricks, and analytics with SAP Analytics Cloud. From connecting to your existing SAP BW system to implementing intelligent applications, this guide will show you all that SAP Business Data Cloud can do.
- Get to know SAP Business Data Cloud, the new data fabric solution
- Use its components for semantic modeling, data engineering, and analytics
- Modernize SAP BW and see how to use intelligent applications
You'll learn about:
- Foundations:
Understand the end-to-end architecture, including foundation services and data products. See how SAP Business Data Cloud is provisioned and structured as a unified environment, how individual components come together into a single formation, and how the SAP Business Data Cloud cockpit serves as the control center for managing the landscape.
- Component Solutions:
Enable governed consumption of data products by providing business context, semantic enrichment, and analytical modeling with SAP Datasphere. See how SAP Databricks complements SAP Datasphere by providing scalable functionality for advanced data engineering, machine learning, and AI workloads. Then walk through SAP Analytics Cloud as the primary analytics and planning layer within SAP Business Data Cloud.
- Real-World Enterprise Environments:
Examine common adoption patterns, governance principles, and operating models that help balance agility with control. Explore how real organizations use intelligent applications in SAP Business Data Cloud to transform curated business data into ready-to-use insights.
Key Highlights:
- Architecture
- Onboarding
- System formation
- Data products
- SAP Datasphere
- SAP Databricks
- SAP Analytic Cloud
- SAP Business Warehouse (SAP BW)
- Intelligent applications
- Governance
View Full Table of Contents
- Preface
- 1 What Is SAP Business Data Cloud?
- 1.1 The Evolution of Enterprise Data: From Silos to Unified Data Fabrics
- 1.1.1 The Era of Data Silos
- 1.1.2 The Rise of Enterprise Data Warehouses
- 1.1.3 The Emergence of Data Lakes and Lakehouses
- 1.1.4 The Shift Toward Data Fabrics
- 1.1.5 The Emergence of Business Data Fabrics
- 1.2 Why Traditional Data Extraction Loses Business Context and Trust
- 1.2.1 Business Context in an SAP System
- 1.2.2 Traditional Extraction
- 1.2.3 Where Business Context Is Lost
- 1.2.4 From Lost Context to Lost Trust
- 1.3 Modern Enterprise Data Requirements and Architectural Challenges
- 1.4 SAP Business Data Cloud: Evolution of the Business Data Fabric
- 1.5 Core Value Pillars of SAP Business Data Cloud
- 1.6 Key Personas and Roles in SAP Business Data Cloud
- 1.7 Positioning SAP Business Data Cloud Within SAP’s Data, Analytics, and AI Strategy
- 1.8 Summary
- 2 Architectural Overview and the Semantic Foundation
- 2.1 The Architectural Framework: Source-to-Business-Insight Data Flow
- 2.1.1 Core Architectural Principles
- 2.1.2 End-to-End Business Data Flow
- 2.2 Key Components of SAP Business Data Cloud Architecture
- 2.2.1 SAP Business Data Cloud Cockpit
- 2.2.2 Foundation Services and SAP HANA Cloud, Data Lake Files
- 2.2.3 SAP Datasphere HDLF Object Store
- 2.2.4 Data Products
- 2.2.5 SAP HANA Cloud
- 2.2.6 SAP Datasphere
- 2.2.7 SAP Databricks
- 2.2.8 SAP Snowflake
- 2.2.9 SAP Business Data Cloud Connect
- 2.2.10 Modernizing SAP BW and SAP BW/4HANA, Private Cloud Edition
- 2.2.11 SAP Master Data Governance
- 2.2.12 SAP Analytics Cloud
- 2.2.13 Intelligent Applications
- 2.2.14 AI Foundation
- 2.3 Foundation Services for Data Ingestion, Harmonization, and Data Products
- 2.4 End-to-End Banking Transformation Scenario with SAP Business Data Cloud
- 2.4.1 Establishing a Unified Enterprise Data Foundation
- 2.4.2 Harmonizing Business Semantics with SAP Datasphere
- 2.4.3 Modernizing Existing SAP BW Investments
- 2.4.4 Enabling Enterprise AI and Advanced Analytics
- 2.4.5 Delivering Enterprise Insights with SAP Analytics Cloud
- 2.5 Summary
- 3 Getting Started with Onboarding and System Formation
- 3.1 Onboarding Concepts
- 3.1.1 Administrative Foundation
- 3.1.2 SAP for Me as the Onboarding Entry Point
- 3.1.3 Digital Onboarding Resources
- 3.1.4 Onboarding Activities in SAP Business Data Cloud
- 3.1.5 Identity and Authentication Considerations
- 3.1.6 From Onboarding to System Formation
- 3.2 Provisioning
- 3.2.1 Licensing and Capacity Units
- 3.2.2 Provisioning the SAP Business Data Cloud Core
- 3.2.3 Provisioning SAP Datasphere
- 3.2.4 Provisioning SAP Analytics Cloud
- 3.2.5 Provisioning SAP Databricks
- 3.2.6 Provisioning Guidance and Constraints
- 3.3 System Formation and Tenant Wiring
- 3.3.1 Creating a Formation
- 3.3.2 System Participation and Cardinality Rules
- 3.3.3 Tenant Wiring (Including Components)
- 3.3.4 Key Constraints and Best Practices
- 3.4 Tenant Rewiring
- 3.4.1 What Tenant Rewiring Is and Is Not
- 3.4.2 Rewiring Process Overview
- 3.4.3 Capacity Units Allocation After Rewiring
- 3.4.4 Postrewiring Integration
- 3.5 SAP Business Data Cloud Cockpit as the Control Plane
- 3.5.1 Role of the Cockpit in the SAP Business Data Cloud Architecture
- 3.5.2 Catalog and Data Product Discovery
- 3.5.3 Governance and Access Control
- 3.5.4 System Landscape and Monitoring
- 3.5.5 Intelligent Applications and Content Activation
- 3.5.6 Federated Access and Data Integration
- 3.5.7 From Control Plane to Operational Platform
- 3.6 Activation of SAP-Managed Content
- 3.7 Summary
- 4 Understanding Data Products in SAP Business Data Cloud
- 4.1 Introduction to Data Products
- 4.1.1 From Traditional Data Integration to Data Products
- 4.1.2 Why Data Products Matter in Modern Enterprise Architectures
- 4.1.3 From Data as a Service to Data as a Product
- 4.1.4 Role of Data Products in SAP Business Data Cloud
- 4.2 Core Architecture of Data Products
- 4.2.1 Business-Centric and Domain-Oriented Design
- 4.2.2 Data Products as Governed Semantic Business Assets
- 4.2.3 Stable Interfaces and Governed Consumption
- 4.2.4 Input Ports, Output Ports, and Product Interfaces
- 4.2.5 Open Ecosystem Integration
- 4.2.6 Role of the Data Product Studio
- 4.3 Metadata and Semantic Foundations
- 4.3.1 Metadata, Business Semantics, and Context Preservation
- 4.3.2 Open Resource Discovery
- 4.3.3 Core Schema Notation Interoperability Specification
- 4.4 Types of Data Products
- 4.4.1 SAP-Managed Data Products
- 4.4.2 Customer-Managed Data Products
- 4.4.3 Primary Data Products
- 4.4.4 Derived Data Products
- 4.4.5 Interface Data Products
- 4.4.6 Data Packages and Bundled Business Content
- 4.5 Data Product Discovery, Ownership, and Consumption
- 4.5.1 Roles and Personas in the Data Product Ecosystem
- 4.5.2 Domain Ownership, Governance, and Lifecycle Management
- 4.5.3 Data Product Discovery in SAP Business Data Cloud
- 4.5.4 External Consumption Through Delta Sharing
- 4.6 Data Democratization and Marketplace-Driven Data Consumption
- 4.7 Data Products for Analytics and AI
- 4.7.1 Data Products as the Foundation for Analytics
- 4.7.2 AI-Ready Business Context and Semantic Enrichment
- 4.7.3 Future Direction of Data Products in SAP Business Data Cloud
- 4.8 Summary
- 5 Data and Semantic Modeling with SAP Datasphere
- 5.1 SAP Datasphere as the Foundation of a Business Data Fabric
- 5.2 Role of SAP Datasphere in SAP Business Data Cloud
- 5.3 Architectural Positioning
- 5.4 Architectural Building Blocks of SAP Datasphere
- 5.4.1 Space Management
- 5.4.2 Data Integration and Connectivity
- 5.4.3 Semantic Onboarding
- 5.4.4 Catalog and Marketplace
- 5.4.5 Repository Explorer
- 5.4.6 Security and Administration
- 5.4.7 Data Integration Monitor
- 5.4.8 SAP Datasphere Object Store and Apache Spark Runtime
- 5.5 Data Builder: Technical Data Modeling
- 5.5.1 Data Acquisition
- 5.5.2 Data Preparation
- 5.5.3 Data Modeling
- 5.6 Business Builder: Semantic Business Modeling
- 5.6.1 Business Entities
- 5.6.2 Fact Models
- 5.6.3 Consumption Models
- 5.6.4 Authorization Scenarios
- 5.6.5 Business Scenario: Workforce Cost and Utilization Analysis Using the Business Builder
- 5.7 Data Sharing Cockpit: Central Hub for Data Provider Management
- 5.7.1 Activating or Creating a Data Provider Profile
- 5.7.2 Creating a Customer-Managed Data Product
- 5.7.3 Business Scenario: External Economic Signals Customer-Managed Data Product
- 5.8 Business Scenario: Financial Performance Analysis Using Harmonized Data Products
- 5.9 Summary
- 6 Advanced Data Engineering and AI/ML with SAP Databricks
- 6.1 Role of SAP Databricks in SAP Business Data Cloud
- 6.2 Architectural Integration
- 6.2.1 Deployment Models
- 6.2.2 Architectural Building Blocks
- 6.2.3 Integration Flow
- 6.3 Zero-Copy Data Access and Bidirectional Data Sharing
- 6.3.1 Zero-Copy Data Access
- 6.3.2 Bidirectional Data Sharing
- 6.3.3 Role of Delta Sharing
- 6.3.4 Benefits of Zero-Copy and Bidirectional Architecture
- 6.4 SAP Business Data Cloud Connect and the Open Data Ecosystem
- 6.4.1 Extending SAP Business Data Cloud Beyond SAP
- 6.4.2 Integration Model and Architecture
- 6.4.3 Integration with External Data Platforms
- 6.4.4 Data Product–Driven Integration
- 6.4.5 Governance and Security in an Open Ecosystem
- 6.4.6 Key Capabilities
- 6.4.7 Benefits of an Open Data Ecosystem
- 6.5 Data Engineering and AI Capabilities
- 6.5.1 Working with SAP Databricks
- 6.5.2 End-to-End Data Engineering and AI Flow
- 6.5.3 Data Engineering Capabilities
- 6.5.4 Advanced Analytics and Machine Learning
- 6.5.5 Machine Learning Lifecycle Management
- 6.5.6 Real-Time and Streaming Capabilities
- 6.5.7 Generative AI and Advanced AI Scenarios
- 6.5.8 Integration with SAP Business Data Cloud
- 6.5.9 Execution Boundary Across the Architecture
- 6.6 Design Considerations and Best Practices
- 6.7 Business Scenario: Enriching an SAP Data Product with AI Insights
- 6.8 Summary
- 7 Modernizing SAP BW with SAP Business Data Cloud
- 7.1 The Evolution of SAP BW: From On-Premise to a Cloud-Native Architecture
- 7.2 Challenges of Legacy SAP BW Architectures
- 7.3 Role of Modernization in SAP Business Data Cloud
- 7.4 SAP Business Data Cloud Architecture for SAP BW Modernization
- 7.5 Transition Paths for SAP BW Modernization: Lift–Shift–Innovate Framework
- 7.5.1 Lift Phase
- 7.5.2 Shift Phase
- 7.5.3 Innovate Phase
- 7.6 Modernization Boundaries and Coexistence Models
- 7.6.1 Architectural Boundaries in SAP BW Modernization
- 7.6.2 Functional Separation of Responsibilities
- 7.6.3 Coexistence Models
- 7.6.4 Decision Criteria for Boundary Definition
- 7.7 Business Scenario: Transforming SAP BW into a Data Product– Driven Enterprise
- 7.8 Summary
- 8 Analytics and Planning with SAP Analytics Cloud
- 8.1 Role of SAP Analytics Cloud in the SAP Business Data Cloud Ecosystem
- 8.2 Architectural Building Blocks of SAP Analytics Cloud
- 8.3 Data Connectivity and Modeling
- 8.3.1 Data Connectivity (Live vs. Import)
- 8.3.2 Modeling Concepts: Model Types, Dimensions, Measures, and Hierarchies
- 8.3.3 Choosing Between Datasets and Models
- 8.4 Analytics and Story Design
- 8.4.1 The Optimized Story Experience and Unified Capabilities
- 8.4.2 Visualization Best Practices
- 8.4.3 Advanced Story Design and Scripting
- 8.4.4 Ad Hoc Analysis with Data Analyzer
- 8.4.5 Executive Presentations with SAP Digital Boardroom
- 8.5 Planning and Forecasting
- 8.5.1 Planning Process in SAP Analytics Cloud
- 8.5.2 Integrated Enterprise Planning with SAP Analytics Cloud
- 8.5.3 Collaborative Planning and Workflows
- 8.5.4 Multistep Calculations and Data Actions
- 8.5.5 Seamless Planning with SAP Datasphere
- 8.5.6 Business Scenario: Integrated Supply Chain Planning with SAP Business Data Cloud
- 8.6 Augmented Analytics and AI
- 8.6.1 Automated Discovery and Predictive Intelligence
- 8.6.2 AI-Assisted Analysis and Decision Support
- 8.6.3 Natural Language Interaction and Joule
- 8.7 Security, Governance, and Collaboration
- 8.7.1 Identity Management and Single Sign-On
- 8.7.2 User and Team Management
- 8.7.3 Role-Based Access Control
- 8.7.4 Data Access Control and Row-Level Security
- 8.7.5 Data Locking and Validation Rules
- 8.7.6 Auditing and Activity Logging
- 8.7.7 Collaboration
- 8.8 Design Best Practices for SAP Analytics Cloud
- 8.8.1 Model Design
- 8.8.2 Performance Optimization
- 8.8.3 Story and Dashboard Design
- 8.8.4 Planning Design Best Practices
- 8.8.5 Governance and Content Management
- 8.8.6 Integration with SAP Datasphere and Business Data Cloud
- 8.9 Business Scenario: From Data Product to Strategic Decision
- 8.10 Summary
- 9 Delivering Business Value with Intelligent Applications
- 9.1 Intelligent Applications in SAP Business Data Cloud
- 9.2 Business Value and Strategic Benefits of Intelligent Applications
- 9.3 Intelligent Application Architecture
- 9.4 Installing SAP-Managed Intelligent Applications
- 9.5 Extending and Customizing Intelligent Applications
- 9.6 Intelligent Applications Across Lines of Business
- 9.6.1 Finance Intelligence and Cloud ERP Intelligence
- 9.6.2 People Intelligence
- 9.6.3 Supply Chain Intelligence
- 9.6.4 Spend Intelligence
- 9.6.5 Revenue Intelligence
- 9.6.6 Cross-LoB Intelligence
- 9.6.7 Intelligent Applications and Operational Decision-Making
- 9.7 Business Scenario: Enhancing a Finance Intelligence Application
- 9.8 Summary
- 10 Adoption, Governance, and the Future of SAP Business Data Cloud
- 10.1 Adoption Patterns for SAP Business Data Cloud
- 10.2 Governance Principles in a Business Data Fabric
- 10.3 Operating Models for Data Product Ownership
- 10.4 Organizational Readiness and Role Evolution
- 10.5 Future Direction of SAP Business Data Cloud
- 10.6 Summary
- The Author
- Index
