Die Details:

Unser ETL-Tool ermöglicht Ihnen eine umfassende Verarbeitung von Dateien, unabhängig von deren Format oder Struktur. Es kann strukturierte Datenbanktabellen oder semi-strukturierte Excel-, csv.- oder txt.-Dateien nahtlos verarbeiten, was die Integration von Daten aus verschiedenen Quellen stark vereinfacht. Und Sie haben die Möglichkeit, verschiedene Arten von Schnittstellen anzubinden.

Die ETL-Flexibilität erlaubt es, die gelieferten Felder der Inputdatei (z.B. Preislisten von Lieferanten) nach Bedarf zu mappen und zu gestalten. Dies erfolgt benutzerfreundlich durch Drag & Drop. Eine Vielzahl von verschiedenen Funktionen steht zur Verfügung, um die Daten der Quelldatei so zu transformieren, dass sie den verschiedenen Datenschemata und Geschäftsanforderungen entsprechen. Durch die Option, Bedingungen mit den Funktionen zu verknüpfen, kann die Ausgabe weiter präzisiert werden.

Die strukturierte und intuitive Oberfläche der Fiori-App erlaubt es auch Anwendern ohne IT-Kenntnisse, die Transformationsschritte und den Zeitpunkt der Zuordnung zu definieren. So wird zur Verarbeitung einer neuen Preisliste einfach ein Lauf erstellt und angestoßen, der die vordefinierten Schritte des Mappings ausführt. Durch das Delta-Laden werden dabei nur die Daten angelegt oder aktualisiert, die sich seit dem letzten Update geändert haben. Nach der initialen Definition kann das ETL-Tool weitere Daten automatisiert in das System integrieren.

Die Details:

Durch die Definition von Datenqualitätsregeln und deren systematische Katalogisierung im Repository entsteht eine klare Strukturierung der Qualitätsrichtlinien. Das im S/4HANA enthaltene BRF+ sowie eine integrierte Funktion im DMP ermöglichen eine intuitive Modellierung und Verwaltung, um die Regeln umzusetzen und komplexe Geschäftslogiken in das System zu integrieren. Über die Benutzeroberfläche der Fiori-App können auch Anwender ohne IT-Kenntnisse die Qualitätsprüfung der Daten managen.

Ein integraler Bestandteil des Regelverwaltungsprozesses ist die Konfiguration eines Datenqualitätsindex. Hierbei wird festgelegt, wie dieser Index auf Basis von Stammdaten und in Verbindung mit den definierten Datenqualitätsregeln berechnet wird. Der Datenqualitätsindex bietet eine quantitative Metrik zur Bewertung der Qualität der Daten - Basis für die Einleitung gezielter Maßnahmen zu deren Verbesserung.

Die definierten Datenqualitätsregeln werden dabei für aktive Auswertungen und Prüfungen von Daten verwendet. Die Durchführung der Prüfungsläufe kann einfach und effizient in einer übersichtlichen Benutzeroberfläche gesteuert und als Job eingerichtet werden. Dies ermöglicht eine kontinuierliche Überwachung und Bewertung der Datenqualität. Potenzielle Qualitätsprobleme können so frühzeitig erkannt und behoben werden.

Durch Integration in das Data Process Stream (DPS)-Modul ist eine automatisierte Bereinigung fehlerhafter Daten möglich. Zudem ermöglicht eine Anbindung weiterer Systeme über Mechanismen wie Smart Data Access den Zugriff auf externe Daten und entsprechende Prüfungen. Eine Integration der definierten Regeln in den Prozess der Neuanlage ermöglicht es, potenziell fehlerhafte Eingaben bereits im Ansatz zu verhindern.

Die Details:

Das DDC ermöglicht Ihnen eine effiziente Verwaltung individueller Dublettenläufe. Via Customizing werden maßgeschneiderte Auswertungen mit verschiedenen Prüfregeln definiert. Das Modul ermöglicht die Überprüfung aller SAP-Tabellen - und damit sowohl Stamm- als auch Bewegungsdaten - anhand dieser Regeln. Nach der initialen Definition können die Prüfungen über eine benutzerfreundliche Oberfläche automatisiert durchgeführt werden.

Neben der Überprüfung interner Daten im System ermöglicht die Integration einer Importfunktion auch das direkte Importieren von Daten aus beispielsweise einer Excel-Datei und den Abgleich mit den Datenbanktabellen im System. Use Cases sind u.a. klassische Migrationsarbeiten (z.B. im Rahmen einer S/4HANA Conversion) oder Preisvergleiche (z.B. Zuordnung von Artikelpreisen aus einem Web Crawling und den bereits im System vorhandenen Artikeln).

Bei der Ausführung einer Prüfung werden Bedingungen festgelegt, um die untersuchten Daten zu begrenzen und das Ergebnis weiter zu verfeinern. Nach erfolgreichem Abschluss der Dublettenprüfung werden klare Ergebniswerte für jede potenzielle Dublette präsentiert. Diese Ergebnisse bieten eine strukturierte Grundlage für die gezielte Bearbeitung und Bereinigung von Duplikaten.

Die Dublettenprüfung kann nicht nur auf Bestandsdaten angewendet, sondern bereits in den Dialog zur Neuanlage integriert werden.

Die Details:

Zusätzlich zu unserem bestehenden Regelwerk präsentieren wir erweiterte Lösungen im Bereich Data Mining auf Grundlage von PAL (Predictive Analysis Library) und APL (Analytic Processing Library). Diese Lösungen ermöglichen eine facettenreiche Datenanalyse, einschließlich Klassifizierung, Clustering (Profiling) und Anomalieerkennung.

Die Predictive Analysis Bibliothek bietet leistungsstarke statistische Algorithmen für umfassende Datenanalysen. Der Assoziationsalgorithmus im Rule Mining erkennt Muster und Regeln in Daten, bewertet sie statistisch und ermöglicht die Identifizierung versteckter Muster sowie Anomalien. Nach Überprüfung der Plausibilität liefern die ermittelten Regeln klare Einblicke in Datenzusammenhänge. In Stamm- und Bewegungsdaten deckt der Assoziationsalgorithmus auf, wie und warum bestimmte Datenelemente miteinander verbunden sind. Ein praktisches Beispiel hierfür ist die Analyse von Warenkörben, um festzustellen, welche Artikel häufig gemeinsam in Transaktionen auftreten. Der Anwender profitiert somit von einer automatisierten Analyse zur Entdeckung von Zusammenhängen in seinen Daten. Zusätzlich zum PAL-Algorithmus setzen wir verschiedene statistische Verfahren ein, darunter KI-Bibliotheken in Python, um Anomalien in den Daten zu identifizieren. Use Case hier ist z.B. die Analyse von Ausreißern in Bestell- oder Überweisungsvorgängen.

Die präsentierten Daten werden in übersichtlichen Dashboards dargestellt, die eine benutzerfreundliche Visualisierung und Interpretation ermöglichen. Von hier aus können Benutzer die Daten nahtlos weiterverarbeiten, um schnell fundierte Entscheidungen zu treffen und Maßnahmen abzuleiten. Die Ergebnisse integrieren wir je nach Anwendungsfall in die verschiedenen Module unseres iDM-Baukastens.

Die Details:

Das DPS ermöglicht die Abbildung von Prozessen, um Daten zu prüfen, zu bereinigen und Transaktionen durchzuführen. Dadurch ist es möglich, Stammdaten zu aktualisieren oder neu anzulegen oder Bewegungsdaten wie beispielsweise Bestellungen zu generieren.

Die einzelnen Schritte und ihre Reihenfolge lassen sich über das Customizing individuell anpassen. Unsere Anwendungen "Data Mining und Profiling" sowie die „Dublettenprüfung“ können hierbei nahtlos integriert und bestehende Auswertungen so in den verschiedenen Apps wiederverwendet werden. Durch die Integration von KI-Algorithmen ist es z.B. möglich, intelligente Vorhersagen für Warengruppen zu treffen oder Materialbezeichnungen sinnvoll auf 40 Zeichen zu kürzen. Vorschläge des Systems können durch den Anwender jederzeit übersteuert werden.

Die Anwendung bietet somit die Möglichkeit, zahlreiche Prozesse abzubilden, bei denen Daten transformiert, aufbereitet und anschließend im System weiterverarbeitet werden. Zusätzlich zur Anlage von Artikeln und Geschäftspartnern umfassen weitere Beispiele die Erfassung von Bestellungen über Excel sowie die Prüfung und Verbuchung von Verkaufsdaten aus verschiedenen Geschäften.