SAP+BW+学习笔记-理论片

達沃旗SAP培訓中心：SAP BW 学习笔记SAP BW 学习笔记（一）SAP BW 全称 Business Information Warehouse，在版本3.5之后又称SAP Business Intelligence.处于SAP Netweaver整体架构当中的Information Integration这一层，与之并列的还有主数据管理（Master Data Management）和知识管理（Knowledge Management），这一块所谓的Information Integration，就是从企业的底层数据到最高表现层之间的一层分析的部分。

但是它又不完全是在进行分析，因为这一层本身，也包含了数据挖掘（Data Warehousing），商务智能平台（BI Platform），商务智能表现（BI Suite）三个细的层次。

或许对BW的精确解释，就是如何能让企业的商务活动，变得高效和便捷的关键一步吧。

SAP Business Intelligence is an enterprise-class, complete, open and integrated solution that delivers actionable insight. 呵呵，自己解释不清楚的时候，只能抄一句讲义上的定义了。

不过这个定义还是基本准确的。

基本上阐述了BW的功能和应用对象。

BW的最底层，Data Warehousing。

传说中的数据仓库，这一层里面主要完成的任务包括，ETL流程（Extraction，Transformation，Loading），数据仓库管理和商业建模三块内容。

其中的ETL流程，通过各种途径和方法，把种类繁多的元数据进行处理，清洗，从而转化为系统所需的统一格式的数据类型，便于之后所有的需要。

是BW中非常基础非常关键的一步。

之后的数据仓库管理，则将这些数据根据种类，划分成主数据，PSA，ODS Objects等不同的类型，加以管理。

商业建模则是数据仓库中比较难很快掌握的内容，这块内容，基本上是和客户的需求紧密联系，并根据需求建立合适高效的模型。

这个技能，也不是一天两天的理论学习能够涵盖的，需要项目经验的积累。

第二层所谓的BI Platform，是BI中偏重逻辑处理的一块，它把Data Warehousing的数据，按照需求进行各种计算，规划和进一步的细致的处理，这一层更多地是对数据进行统一的处理和基本的封装。

在这一层里面，完成的内容有business calculations, planning and forecasts, exception scanning, alerting, query pre-calculation, caching, background printing和data mining等。

主要的产品有OLAP，metadata management，data mining，Analysis process designer and BPS（Business Planning and Simulation）。

第三块是BI Suite，这一块其实完全是在对BI Platform里面出来的东西的再加工了，主要的内容就是对BI Platform出来的内容加入一些商务智能的要素，比如Query的多样化选择，自动报表的生成，多维度的数据分析，信息发布，公开的面向第三方的分析接口和具体的Web页面体现。

有了以这一块，sap的BW才显得更为文章，更为专业。

BW目前的市场很大，供需关系不平衡，近几年应该都会比较火。

SAP靠它产品的完备性和强大的集成功能，一方面在项目选择上有更大余地，接受一些较为大型的项目，另一方面这个平台的推广，也给它带来了无限的商机。

掌握了SAP系统软件的一些内涵，就能在这个行业吃开来了，IBM，Accenture在这一块也都有很大的一块业务。

不过，他们更多地是作为SAP的partner。

SAP達沃旗SAP培訓中心：目前最大的竞争对手是Oracle，不过Oracle同时也是SAP系统的一个支持对象，所以SAP和Oracle又是合作伙伴。

哎哎，好复杂。

对了，还有一点补充一下，SAP的系统之所以这么好用，还以为它预定义了很多很多有用的模板，当实施变得轻松而美观的时候，企业自然也会觉得你更加优秀。

好了，这次就这些闲话吧，以后有了更深的了解，再来谈一谈好了。

SAP BW 学习笔记（二）今天主要看了SAP BW中的ETL Services中的Extraction部分的前面两个引入话题的小节。

（效率真是汗啊-。

-）做了一点笔记，其实几乎是在翻译了。

ExtractionBasic Principles1, Classes of DataData在典型的像SAP一样的ERP系统中被分为三种，主数据，事务数据和配置数据。

先说主数据，主数据通常是组织的实体，也有作为外部实体出现的，还可以是其他的事务，比如材料（@@？）。

主数据在数据仓库中的重要性就在于，它提供了多维数据分析中的那些维数。

在BW中，主数据通常又是由三种表现方式呈现的，属性，层级和文本。

属性就是描述实体属性的那些域，层次则大多数是一些独立的表，它们表述的通常是主数据之间的父子关系。

而文本表则是包含了主数据的一些文字表述，它们通常也被分别保存在独立的表中，因为它们通常都是依赖于语言的。

主数据的关键键值，通常因为应用而异，所以有时候即使是相类似的概念，也会根据业务的需求制定复合的信息对象（Compound InfoObjects），以适应于不同的业务类型。

层次表相对属性表来说更复杂。

首先，层次中主数据的相互联系可以很复杂，第二，保存这些层级关系的技术也因应用而异，许多应用模块只有唯一的层次表达方式，事务数据用来表述一个商业事件，或者商业过程的结果。

比如一个交易请求或者一个产品的当前库存。

事务数据也被分为两个种类，文档事务数据和总结性事务数据。

就文档事务数据来说，通常可以从三个部分来描述，一个是开篇部分，一个是内容，一个是时间表的内容，开头部分主要是文档相关的信息，比如作者和建立时间，内容部分是文档的详细描述，时间表则是在文档需要被划分为若干个阶段发布时候文档发布的时间表。

通常最适合数据抽取的往往是最低级别的颗粒数据，因为它们的信息量也是最大的。

动态的总结性数据表则多是一些冗余的对表述内容的总结。

SAP BW稳定的将SAP R/3中的总结性数据的部分孤立开来。

達沃旗SAP培訓中心： 在SAP R/3 的HR系统中，主数据和事务数据的差别不是很大的。

（只是举个例子）配置数据是整个ERP的逻辑驱动者，在许许多多的ERP软件中都能找到配置数据表，如此多的应用程序的逻辑被放置到配置数据表中，是的企业级别的软件解决方案趋于高度用户化。

配置数据虽然本意是用来定义业务过程的细节的，但是它在数据仓库中也常常得到应用，举例省略。

备注：在SAP BW系统中，配置数据被模块化为特征，并且可能包含有主数据的属性，文本或者层次，所以在SAP BW中，主数据和配置数据是不作区分的。

主数据，事务数据和配置数据就组成了BW系统中所有的数据类型，包括报表相关的和不相关的（那些专业性很强的部分数据，可以忽略，对业务的分析和汇报没有实际意义）。

一些报表相关的数据需要在转化过程（Transformation）之前就要做一些改动（意即在Extraction过程中开始做一些conversion——原作没有在这里用transformation，可见转化的区别）。

2，Data Flow and IntegrationSAP R/3是个包含了各种各样拥有独自的数据模型特性的系统，随着R/3的发展，不同的系统之间经常发生分歧和合并的矛盾，知道现在将R/3分为四个大块, mySAP Financials, mySAP Human Capital Management, mySAP Logistics and mySAP Product Lifecycle Management.每块由着自己不同于其他块的特性，特别是从信息系统的角度来看。

当然，如果从更大的角度出发，就会发现其实他们之间还是有着千丝万缕的联系。

熟悉和了解过程流对于跨不同应用类型的建模和辨别相当重要，特别是对于关键项来源究竟在哪里如何确定。

P209，P210讲述了两个具体的例子进行了具体分析。

讲述了数据流和整合的重要性。

SAP BW 学习笔记（三）继续写ETL部分的学习体会，今天是Extraction的第三部分Dimensions of Data Extraction (数据抽取的维数)数据抽取的过程通常可以由四种不同的维度来进行描述和分类。

首先是抽取模式，抽取模式通常分为完全抽取和动态抽取。

两者意思很明确，完全抽取是每次抽取的时候讲数据源可用的所有数据都抽取过来，而动态抽取则是每次抽取的时候只抽取更新和增加了的新的数据。

達沃旗SAP培訓中心： 其次是按照抽取的情景作为抽取的维度，分为推式抽取和拉式抽取，推式抽取时，数据抽取和传输过程的发起者是操作的系统，反之在拉式抽取时，发起者变成了数据仓库。

推式和拉式抽取的共存也暗含了一个领导角色的概念，因为在实际生活中，信息后台更多地是在和发起者进行交易。

另外一种更好的解释方法是将推式抽取和拉式抽取分别比拟为信息的发布与预定和请求与反应的情形。

第三种抽取的维度是时间的滞后性，这里常用的有三种时间滞后尺度：同步的（就是实时的），不同步的（存储和转发）和不同步批处理（按需或者事件触发或者调度式的）。

第四种维度则是抽取的范畴，抽取范畴对我们抽取数据方法角度的一种描述，是从映射的角度，还是从选择的角度，还是从聚合的角度，来进行这么一次抽取。

每一次数据抽取的过程都可以拿这四种维度来衡量，SAP BW中首先符合SAP 3/R数据抽取需求的抽取器就主要是异步批处理拉式完全抽取模式。

现在主流的数据抽取还都是集中在拉式抽取这一块内容，不过随着业务的需求变化，现在的数据抽取已经稳步地由动态总结表变成业务表，动态抽取的捕捉机制更加复杂化了。

动态抽取的难点在于，如果和识别那些动态变化了的部分，这里通常也有两种不同的方法，一种是用增量队列的方法，一种是时间戳判断法。

时间戳判断方法比较常用，也因为它比较容易实现，所以常用。

但是时间戳法有缺憾就是在时间戳被记录的时间和抽取实际开始的时间之间有段无法弥补的空白，这段时间内的文件更新将会丢失。

不过也有对付这个的“安全增量”法，那就是将用户的时间戳调后几小时，这样便能避免了。

另外一种代价不菲但是质量有保证的方法就是增量队列法了，这个类似于对每次的更新和新加入元素进行记录，形成log，就是所谓的增量队列了，增量队列关键就表现为一些记录了主要键值发生变化的抓拍过程。