Introduction
SAP Datasphere publie fréquemment des mises à jour incluant de nouvelles fonctionnalités. Nous vous proposons un tour d’horizon des principales nouveautés de ce trimestre.
Amélioration de la passerelle BW/4HANA
La passerelle de BW/4HANA vers le datawarehouse voit son lot de fonctionnalités évoluer. Les utilisateurs ont désormais la possibilité de transférer les hiérarchies de données. La conception des modèles sur Datasphere est ainsi plus rapide et plus efficace, notamment lors de la construction de la couche sémantique qui peut s’avérer laborieuse. Par exemple, les hiérarchies de clients ou fournisseurs ou de comptes comptables sont transportables dans le datawarehouse.
Amélioration du scope de l’exploitation des données
Les fonctionnalités Datasphere se voient améliorées selon plusieurs axes. SAP Datasphere propose dorénavant d’extraire les métadonnées de ses objets – vues, tables, modèles – en plus de l’extraction des données déjà disponibles. L’utilisateur peut ainsi extraire le nom de chaque champ, son type et la longueur associée, les indicateurs de clé, et autres propriétés de l’objet. Cette fonctionnalité est également disponible pour SAP Analytics Cloud.
L’association des éléments Datasphere avec des KPI est également rendue possible dans le lot de nouveautés. On peut ainsi associer à une vue de dimension, de fait un mot-clé, et des qualificatifs aux attributs et mesures afin de les organiser de façon plus efficace.
Enfin, SAP Datasphere prend maintenant en charge les différents mandants du système (unité homogène de données ; le mandant représente en quelque sorte un environnement de données).
Amélioration du Databuilder
Des fonctionnalités de traçage de modifications ont été développées. L’option « Delta Capture », qui se paramètre lors de la création d’une table locale, permet, une fois activée, de flaguer et afficher les données ayant fait l’objet de modifications. Cette action ne peut pas être désactivée après déploiement.
Lors de l’activation du paramètre de « delta capture », une table de caputure XXX_Delta est automatiquement créée. Cette table contient les données de la table d’origine (XXX), à laquelle deux champs sont ajoutés : « Change_Type » et « Change_Date ».
Avec cette fonctionnalité, les informations de mise à jour (type de changement et date de changement) seront affichées dans la table XXX_Delta concernant les lignes modifiées ; SAP Datasphere est capable d’identifier et de reconnaître les numéros d’enregistrement grâce aux clés paramétrées de la table d’origine (XXX).
SAP Datashere a également publié le nouvel objet « flux de transformation » qui se base sur le principe du « delta capture », mais possède des fonctionnalités avancées.
Ainsi, la table d’origine peut être remplacée par une autre source, plus complexe (vue de fait ou de dimension par exemple), à laquelle il est possible d’associer des transformations (projections avec champs calculés, filtres…). Le flux de transformation va générer de la même manière les deux champs « change_type » et « modification_type ».
Le flux de transformation se matérialise ainsi :
La table cible (« target table ») permet de définir des valeurs cibles qui seront ensuite comparées avec l’objet source transformé.
Ainsi, le résultat du flux de transformation fournira les champs relatifs au delta, mais aussi un troisième champ, de type indicateur, qui viendra flaguer chaque ligne en indiquant si la valeur cible a été atteinte à l’issue du flux de transformation.
Conclusion
Avec ce lot de nouveautés, la solution s’inscrit dans une logique d’amélioration continue, tout en innovant avec la fonctionnalité de flux de transformation. Cette nouveauté offre en effet des perspectives intéressantes pour l’analyse décisionnelle lorsqu’elle vient confronter, d’une part, l’évolution des données dans le temps (delta change) avec des prévisions (valeurs cibles).
