Integrasi dengan SAP

Halaman ini menjelaskan langkah-langkah integrasi untuk beban kerja operasional SAP (SAP ECC dan SAP S/4 HANA) di Data Foundation Cortex Framework. Cortex Framework dapat mempercepat integrasi data SAP dengan BigQuery menggunakan template pemrosesan data yang telah ditentukan sebelumnya dengan pipeline Dataflow ke BigQuery, sementara Cloud Composer menjadwalkan dan memantau pipeline Dataflow ini untuk mendapatkan insight dari data operasional SAP Anda.

Catatan: Sebelum mengonfigurasi integrasi untuk beban kerja, ikuti langkah-langkah untuk deployment Cortex Framework Data Foundation.

File config.json di repositori Cortex Framework Data Foundation mengonfigurasi setelan yang diperlukan untuk mentransfer data dari sumber data apa pun, termasuk SAP. File ini berisi parameter berikut untuk beban kerja SAP operasional:

  "SAP": {
        "deployCDC": true,
        "datasets": {
            "cdc": "",
            "raw": "",
            "reporting": "REPORTING"
        },
        "SQLFlavor": "ecc",
        "mandt": "100"
    }

Tabel berikut menjelaskan nilai untuk setiap parameter operasional SAP:

Parameter	Arti	Nilai Default	Deskripsi
SAP.deployCDC	Men-deploy CDC	true	Buat skrip pemrosesan CDC untuk dijalankan sebagai DAG di Cloud Composer.
SAP.datasets.raw	Set data halaman landing mentah	-	Digunakan oleh proses CDC, di sinilah alat replikasi menempatkan data dari SAP. Jika menggunakan data pengujian, buat set data kosong.
SAP.datasets.cdc	Set Data yang Diproses CDC	-	Set data yang berfungsi sebagai sumber untuk tampilan pelaporan, dan target untuk DAG yang memproses rekaman. Jika menggunakan data pengujian, buat set data kosong.
SAP.datasets.reporting	Set Data Pelaporan SAP	"REPORTING"	Nama set data yang dapat diakses oleh pengguna akhir untuk pelaporan, tempat tampilan dan tabel yang ditampilkan kepada pengguna di-deploy.
SAP.SQLFlavor	SQL flavor untuk sistem sumber	"ecc"	s4 atau ecc. Untuk data pengujian, pertahankan nilai default (ecc).
SAP.mandt	Mandant atau Klien	"100"	Mandant atau klien default untuk SAP. Untuk data pengujian, pertahankan nilai default (100).
SAP.languages	Filter bahasa	["E","S"]	Kode bahasa SAP (SPRAS) yang akan digunakan untuk kolom yang relevan (seperti nama).
SAP.currencies	Filter mata uang	["USD"]	Kode mata uang target SAP (TCURR) untuk konversi mata uang.

Catatan: Jika menggunakan data pengujian, pastikan untuk menggunakan nilai default untuk mandt, languages, dan currencies.

Meskipun tidak ada versi minimum SAP yang diperlukan, model ECC telah dikembangkan pada versi SAP ECC yang didukung paling awal saat ini. Perbedaan kolom antara sistem kami dan sistem lainnya diharapkan terjadi, terlepas dari versinya.

Model Data

Bagian ini menjelaskan Model Data SAP (ECC dan S/4 HANA) menggunakan Diagram Hubungan Entitas (ERD).

SAP ECC

Gambar 2. SAP ECC: Diagram Hubungan Entitas.

SAP S/4 HANA

Gambar 2. SAP S/4 HANA: Diagram Hubungan Entitas.

Tampilan dasar

Objek ini adalah objek biru dalam ERD dan merupakan tampilan pada tabel CDC tanpa transformasi selain beberapa alias nama kolom. Lihat skrip di src/SAP/SAP_REPORTING.

Tampilan pelaporan

Objek ini adalah objek hijau dalam ERD dan berisi atribut dimensi yang relevan yang digunakan oleh tabel pelaporan. Lihat skrip di src/SAP/SAP_REPORTING.

Tampilan utilitas atau BQML

Objek ini adalah objek kuning dalam ERD dan berisi fakta dan dimensi gabungan jenis tampilan tertentu yang digunakan untuk analisis dan pelaporan data. Lihat skrip di src/SAP/SAP_REPORTING.

Tag Tambahan

Tag berkode warna pada ERD ini mewakili fitur berikut dari tabel pelaporan:

Tag	Warna	Deskripsi
L	Kuning	Tag ini merujuk pada elemen atau atribut data yang menentukan bahasa yang digunakan untuk menyimpan atau menampilkan data.
S/4	Merah	Tag ini menunjukkan bahwa atribut tertentu khusus untuk SAP S/4 HANA (objek ini mungkin tidak ada di SAP ECC).
MANDT	Ungu	Tag ini menunjukkan bahwa atribut tertentu berisi parameter MANDT (mewakili klien atau ID klien) untuk menentukan instance klien atau perusahaan mana yang memiliki kumpulan data tertentu.
EXT	Merah	Tag ini menunjukkan bahwa objek tertentu diisi oleh DAG atau set data eksternal. Artinya, entitas atau tabel yang ditandai tidak disimpan secara langsung di sistem SAP itu sendiri, tetapi dapat diekstrak dan dimuat ke dalam SAP menggunakan DAG atau mekanisme lainnya.
T	Ungu	Tag ini menunjukkan bahwa atribut tertentu akan diwujudkan secara otomatis menggunakan DAG yang dikonfigurasi.
S	Merah	Tag ini menunjukkan bahwa data dalam entitas atau tabel dipengaruhi atau terpengaruh oleh beberapa mata uang.

Prasyarat untuk replikasi SAP

Pertimbangkan prasyarat berikut untuk data replikasi SAP dengan Data Foundation Cortex Framework:

• Integritas Data: Data Foundation Cortex Framework mengharapkan tabel SAP direplikasi dengan nama kolom, jenis, dan struktur data yang identik seperti yang ada di SAP. Selama tabel direplikasi dengan format, nama kolom, dan perincian yang sama seperti di sumber, tidak perlu menggunakan alat replikasi tertentu.
• Penamaan Tabel: Nama tabel BigQuery harus dibuat dalam huruf kecil.
• Konfigurasi Tabel: Daftar tabel yang digunakan oleh model SAP tersedia dan dapat dikonfigurasi dalam file CDC (Change Data Capture) cdc_settings.yaml. Jika tabel tidak tercantum selama deployment, model yang bergantung padanya akan gagal, meskipun model lain yang tidak bergantung akan di-deploy dengan berhasil.
• Pertimbangan khusus BigQuery Connector untuk SAP:
  • Pemetaan Tabel: Untuk opsi konversi, ikuti dokumentasi pemetaan tabel default.
  • Menonaktifkan Kompresi Kumpulan Data: Sebaiknya nonaktifkan kompresi kumpulan data yang dapat memengaruhi lapisan CDC Cortex dan kumpulan data pelaporan Cortex.
• Replikasi Metadata: Jika Anda tidak men-deploy data pengujian dan membuat skrip DAG CDC selama deployment, pastikan tabel DD03L untuk metadata SAP direplikasi dari SAP di project sumber. Tabel ini berisi metadata tentang tabel, seperti daftar kunci, dan diperlukan agar generator CDC dan pemecah dependensi dapat berfungsi. Tabel ini juga memungkinkan Anda menambahkan tabel yang tidak tercakup oleh model, misalnya tabel kustom atau Z, sehingga skrip CDC dapat dibuat.

• Menangani Variasi Kecil Nama Tabel: Jika ada perbedaan kecil pada nama tabel, beberapa tampilan mungkin gagal menemukan kolom yang diperlukan, karena sistem SAP mungkin memiliki variasi kecil karena versi atau add-on, atau karena beberapa alat replikasi mungkin memiliki penanganan karakter khusus yang sedikit berbeda. Sebaiknya jalankan deployment dengan turboMode : false untuk menemukan sebagian besar kegagalan dalam satu upaya. Beberapa masalah umum meliputi:

  • Kolom yang diawali dengan _ (misalnya, _DATAAGING) akan dihapus _-nya.
  • Kolom tidak boleh diawali dengan / di BigQuery.

  Dalam situasi ini, Anda dapat menyesuaikan tampilan yang gagal untuk memilih kolom saat ditampilkan oleh alat replikasi pilihan Anda.

Mereplikasi data mentah dari SAP

Tujuan Data Foundation adalah untuk mengekspos data dan model analisis untuk pelaporan dan aplikasi. Model menggunakan data yang direplikasi dari sistem SAP menggunakan alat replikasi pilihan, seperti yang tercantum dalam Panduan Integrasi Data untuk SAP.

Data dari sistem SAP (baik ECC maupun S/4 HANA) direplikasi dalam bentuk mentah. Data disalin langsung dari SAP ke BigQuery tanpa perubahan pada strukturnya. Pada dasarnya, ini adalah gambar cerminan dari tabel dalam sistem SAP Anda. BigQuery menggunakan nama tabel huruf kecil untuk model datanya. Jadi, meskipun tabel SAP Anda mungkin memiliki nama huruf besar (seperti MANDT), tabel tersebut akan dikonversi menjadi huruf kecil (seperti mandt) di BigQuery.

Pemrosesan Pengambilan Data Perubahan (CDC)

Catatan: Untuk mengetahui informasi selengkapnya tentang pemrosesan CDC dalam Cortex Framework, lihat Pemrosesan Change Data Capture (CDC).

Pilih salah satu mode pemrosesan CDC berikut yang ditawarkan Cortex Framework untuk alat replikasi guna memuat data dari SAP:

• Selalu tambahkan: Sisipkan setiap perubahan dalam data dengan stempel waktu dan tanda operasi (Sisipkan, Perbarui, Hapus), sehingga versi terakhir dapat diidentifikasi.
• Perbarui saat mendarat (gabungkan atau perbarui): Buat versi terbaru dari data saat mendarat di change data capture processed. Tindakan ini melakukan operasi CDC di BigQuery.

Cortex Framework Data Foundation mendukung kedua mode tersebut, meskipun untuk selalu menambahkan, Cortex Framework Data Foundation menyediakan template pemrosesan CDC. Beberapa kemampuan perlu dikomentari untuk diperbarui di halaman landing. Misalnya, OneTouchOrder.sql dan semua kueri dependennya. Kemampuan ini dapat diganti dengan tabel seperti CDPOS.

Gambar 1. Pemrosesan CDC.

Mengonfigurasi template CDC untuk alat yang mereplikasi dalam mode selalu tambahkan

Sebaiknya konfigurasi cdc_settings.yaml sesuai dengan kebutuhan Anda. Beberapa frekuensi default dapat menimbulkan biaya yang tidak perlu jika bisnis tidak memerlukan tingkat keaktualan data tersebut. Jika menggunakan alat yang berjalan dalam mode selalu tambahkan, Cortex Framework Data Foundation menyediakan template CDC untuk mengotomatiskan pembaruan dan membuat versi terbaru dari sumber tepercaya atau kembaran digital dalam set data yang diproses CDC.

Anda dapat menggunakan konfigurasi dalam file cdc_settings.yaml jika perlu membuat skrip pemrosesan CDC. Lihat Menyiapkan Pemrosesan CDC untuk mengetahui opsi. Untuk data pengujian, Anda dapat membiarkan file ini sebagai default.

Lakukan semua perubahan yang diperlukan pada template DAG sesuai dengan instance Airflow atau Cloud Composer Anda. Untuk mengetahui informasi selengkapnya, lihat Mengumpulkan setelan Cloud Composer.

Opsional: Jika ingin menambahkan dan memproses tabel satu per satu setelah deployment, Anda dapat mengubah file cdc_settings.yaml untuk memproses hanya tabel yang Anda butuhkan dan menjalankan kembali modul yang ditentukan dengan memanggil src/SAP_CDC/cloudbuild.cdc.yaml secara langsung.

Menyiapkan pemrosesan CDC

Selama deployment, Anda dapat memilih untuk menggabungkan perubahan secara real time menggunakan tampilan di BigQuery atau menjadwalkan operasi penggabungan di Cloud Composer (atau instance Apache Airflow lainnya). Cloud Composer dapat menjadwalkan skrip untuk memproses operasi penggabungan secara berkala. Data diupdate ke versi terbarunya setiap kali operasi penggabungan dijalankan, tetapi operasi penggabungan yang lebih sering akan menghasilkan biaya yang lebih tinggi. Sesuaikan frekuensi terjadwal sesuai dengan kebutuhan bisnis Anda. Untuk mengetahui informasi selengkapnya, lihat penjadwalan yang didukung oleh Apache Airflow.

Skrip contoh berikut menunjukkan ekstrak dari file konfigurasi:

  data_to_replicate:
    - base_table: adrc
      load_frequency: "@hourly"
    - base_table: adr6
      target_table: adr6_cdc
      load_frequency: "@daily"

Contoh file konfigurasi ini melakukan hal berikut:

1. Buat salinan dari SOURCE_PROJECT_ID.REPLICATED_DATASET.adrc ke TARGET_PROJECT_ID.DATASET_WITH_LATEST_RECORDS.adrc, jika yang terakhir tidak ada.
2. Buat skrip CDC di bucket yang ditentukan.
3. Buat salinan dari SOURCE_PROJECT_ID.REPLICATED_DATASET.adr6 ke TARGET_PROJECT_ID.DATASET_WITH_LATEST_RECORDS.adr6_cdc, jika yang terakhir tidak ada.
4. Buat skrip CDC di bucket yang ditentukan.

Jika Anda ingin membuat DAG atau tampilan runtime untuk memproses perubahan pada tabel yang ada di SAP dan tidak tercantum dalam file, tambahkan tabel tersebut ke file ini sebelum deployment. Cara ini berfungsi selama tabel DD03L direplikasi di set data sumber dan skema tabel kustom ada di tabel tersebut. Misalnya, konfigurasi berikut membuat skrip CDC untuk tabel kustom zztable_customer dan tampilan runtime untuk memindai perubahan secara real time untuk tabel kustom lain yang disebut zzspecial_table:

    - base_table: zztable_customer
      load_frequency: "@daily"
    - base_table: zzspecial_table
      load_frequency: "RUNTIME"

Contoh template yang dibuat

Template berikut menghasilkan pemrosesan perubahan. Modifikasi, seperti nama kolom stempel waktu, atau operasi tambahan, dapat diubah pada tahap ini:

  MERGE `${target_table}` T
  USING (
     SELECT *
     FROM `${base_table}`
     WHERE
        recordstamp > (
            SELECT IF(
                MAX(recordstamp) IS NOT NULL,
                MAX(recordstamp),
                TIMESTAMP("1940-12-25 05:30:00+00"))
            FROM `${target_table}` )
  ) S
  ON ${p_key}
  WHEN MATCHED AND S.operation_flag='D' AND S.is_deleted = true THEN
    DELETE
  WHEN NOT MATCHED AND S.operation_flag='I' THEN
    INSERT (${fields})
    VALUES
    (${fields})
  WHEN MATCHED AND S.operation_flag='U' THEN
  UPDATE SET
      ${update_fields}

Atau, jika bisnis Anda memerlukan insight nyaris real-time dan alat replikasi mendukungnya, alat deployment akan menerima opsi RUNTIME. Artinya, skrip CDC tidak akan dibuat. Sebagai gantinya, tampilan akan memindai dan mengambil data terbaru yang tersedia saat runtime untuk konsistensi langsung.

Struktur direktori untuk DAG dan Skrip CDC

Struktur bucket Cloud Storage untuk DAG CDC SAP mengharapkan file SQL dibuat di /data/bq_data_replication, seperti contoh berikut. Anda dapat mengubah jalur ini sebelum deployment. Jika belum memiliki lingkungan Cloud Composer, Anda dapat membuatnya nanti dan memindahkan file ke bucket DAG.

with airflow.DAG("CDC_BigQuery_${base table}",
                template_searchpath=['/home/airflow/gcs/data/bq_data_replication/'], ##example
                default_args=default_dag_args,
                schedule_interval="${load_frequency}") as dag:
    start_task = DummyOperator(task_id="start")
    copy_records = BigQueryOperator(
      task_id='merge_query_records',
        sql="${query_file}",
        create_disposition='CREATE_IF_NEEDED',
        bigquery_conn_id="sap_cdc_bq", ## example
        use_legacy_sql=False)
    stop_task = DummyOperator (task_id="stop")
    start_task >> copy_records >> stop_task

Skrip yang memproses data di Airflow atau Cloud Composer sengaja dibuat secara terpisah dari skrip khusus Airflow. Hal ini memungkinkan Anda mentransfer skrip tersebut ke alat pilihan lain.

Kolom CDC yang diperlukan untuk operasi MERGE

Tentukan parameter berikut untuk pembuatan otomatis proses batch CDC:

• Project + set data sumber: Set data tempat data SAP di-streaming atau direplikasi. Agar skrip CDC berfungsi secara default, tabel harus memiliki kolom stempel waktu (bernama recordstamp) dan kolom operasi dengan nilai berikut, yang semuanya ditetapkan selama replikasi:
  • I: untuk Sisipkan.
  • U: untuk Update.
  • D: untuk Penghapusan.
• Project + set data target untuk pemrosesan CDC: Skrip yang dihasilkan secara default membuat tabel dari salinan set data sumber jika tabel tersebut tidak ada.
• Tabel yang direplikasi: Tabel yang skripnya perlu dibuat
• Frekuensi pemrosesan: Mengikuti notasi Cron, seberapa sering DAG diharapkan berjalan:
• Bucket Cloud Storage target tempat file output CDC disalin.
• Nama koneksi: Nama koneksi yang digunakan oleh Cloud Composer.
• (Opsional) Nama tabel target: Tersedia jika hasil pemrosesan CDC tetap berada di set data yang sama dengan target.

Pengoptimalan performa untuk tabel CDC

Untuk set data CDC tertentu, Anda mungkin ingin memanfaatkan partisi tabel, pengelompokan tabel, atau keduanya di BigQuery. Pilihan ini bergantung pada faktor-faktor berikut:

• Ukuran dan data tabel.
• Kolom yang tersedia dalam tabel.
• Kebutuhan akan data real-time dengan tampilan.
• Data yang diwujudkan sebagai tabel.

Secara default, setelan CDC tidak menerapkan partisi tabel atau pengelompokan tabel. Anda dapat mengonfigurasinya sesuai dengan yang paling sesuai untuk Anda. Untuk membuat tabel dengan partisi atau cluster, perbarui file cdc_settings.yaml dengan konfigurasi yang relevan. Untuk mengetahui informasi selengkapnya, lihat Partisi Tabel dan Setelan Cluster.

1. Fitur ini hanya berlaku jika set data di cdc_settings.yaml dikonfigurasi untuk replikasi sebagai tabel (misalnya, load_frequency = "@daily"), dan tidak ditentukan sebagai tampilan (load_frequency = "RUNTIME").
2. Tabel dapat berupa tabel berpartisi dan tabel berkluster.

Jika Anda menggunakan alat replikasi yang memungkinkan partisi dalam set data mentah, seperti BigQuery Connector untuk SAP, menyetel partisi berbasis waktu dalam tabel mentah direkomendasikan. Jenis partisi berfungsi lebih baik jika cocok dengan frekuensi untuk DAG CDC dalam konfigurasi cdc_settings.yaml. Untuk mengetahui informasi selengkapnya, lihat Pertimbangan desain untuk pembuatan model data SAP di BigQuery.

Opsional: Mengonfigurasi Modul Inventaris SAP

Modul Inventaris SAP Cortex Framework mencakup tampilan InventoryKeyMetrics dan InventoryByPlant yang memberikan insight utama tentang inventaris Anda. Tampilan ini didukung oleh tabel snapshot bulanan dan mingguan menggunakan DAG khusus. Keduanya dapat dijalankan secara bersamaan dan tidak akan saling mengganggu.

Catatan: Tabel snapshot bulanan yang terbaru diperlukan untuk tampilan InventoryKeyMetrics, sedangkan tabel snapshot mingguan yang terbaru diperlukan untuk tampilan InventoryByPlant.

Untuk memperbarui satu atau kedua tabel snapshot, ikuti langkah-langkah berikut:

1. Perbarui SlowMovingThreshold.sql dan StockCharacteristicsConfig.sql untuk menentukan nilai minimum pergerakan lambat dan karakteristik stok untuk berbagai jenis bahan, berdasarkan persyaratan Anda.

   Catatan: Mulai dari Cortex Framework v6.0, skrip ini berada di direktori src/SAP/SAP_REPORTING/{SQL_FLAVOR}, dengan {SQL_FLAVOR} adalah ECC atau S4. Pastikan untuk mengupdate skrip yang benar berdasarkan sistem Anda.

2. Untuk pemuatan awal atau refresh penuh, jalankan DAG Stock_Monthly_Snapshots_Initial dan Stock_Weekly_Snapshots_Initial.

3. Untuk pembaruan berikutnya, jadwalkan atau jalankan DAG berikut:

   • Pembaruan bulanan dan mingguan:
     • Stock_Monthly_Snapshots_Periodical_Update
     • Stock_Weekly_Snapshots_periodical_Update
   • Info Harian:
     • Stock_Monthly_Snapshots_Daily_Update
     • Stock_Weekly_Snapshots_Update_Daily
   Catatan: Nama DAG di sini mengacu pada nama DAG setelah deployment, seperti yang ditampilkan di UI Airflow.

4. Muat ulang tampilan StockMonthlySnapshots dan StockWeeklySnapshots menengah, diikuti dengan tampilan InventoryKeyMetrics dan InventoryByPlants, masing-masing, untuk menampilkan data yang dimuat ulang.

Opsional: Mengonfigurasi tampilan Teks Hierarki Produk

Tampilan Teks Hierarki Produk meratakan materi dan hierarki produknya. Tabel yang dihasilkan dapat digunakan untuk memberikan daftar istilah ke add-on Trends guna mengambil Minat dari Waktu ke Waktu. Konfigurasi tampilan ini dengan langkah-langkah berikut:

1. Sesuaikan tingkat hierarki dan bahasa dalam file prod_hierarchy_texts.sql, di bawah penanda untuk ## CORTEX-CUSTOMER.

2. Jika hierarki produk Anda berisi lebih banyak level, Anda mungkin perlu menambahkan pernyataan SELECT tambahan yang mirip dengan Common Table Expression h1_h2_h3.

   Mungkin ada penyesuaian tambahan, bergantung pada sistem sumber. Sebaiknya libatkan pengguna atau analis bisnis sejak awal proses untuk membantu menemukan masalah ini.

Opsional: Mengonfigurasi tampilan perataan hierarki

Mulai rilis v6.0, Cortex Framework mendukung perataan hierarki sebagai tampilan Pelaporan. Hal ini merupakan peningkatan besar dibandingkan dengan perata hierarki lama karena kini meratakan seluruh hierarki, mengoptimalkan S/4 dengan lebih baik dengan memanfaatkan tabel khusus S/4, bukan tabel ECC lama, dan juga meningkatkan performa secara signifikan.

Catatan: Sebaiknya migrasikan dari solusi perata hierarki lama. Untuk mengetahui informasi selengkapnya tentang cara melakukan migrasi, lihat bagian bermigrasi dari solusi perataan hierarki lama.

Ringkasan Tampilan Pelaporan

Temukan tampilan berikut yang terkait dengan perataan hierarki:

Jenis hierarki	Tabel yang hanya berisi hierarki yang diratakan	Tampilan untuk memvisualisasikan hierarki yang diratakan	Logika integrasi L/R menggunakan hierarki ini
Versi Laporan Keuangan (FSV)	fsv_glaccounts	FSVHierarchyFlattened	ProfitAndLossOverview
Pusat Keuntungan	profit_centers	ProfitCenterHierarchyFlattened	ProfitAndLossOverview_ProfitCenterHierarchy
Pusat Biaya	cost_centers	CostCenterHierarchyFlattened	ProfitAndLossOverview_CostCenterHierarchy

Pertimbangkan hal berikut saat menggunakan tampilan perataan hierarki:

• Tampilan hierarki yang diratakan saja secara fungsional setara dengan tabel yang dihasilkan oleh solusi perata hierarki lama.
• Tampilan ringkasan tidak di-deploy secara default karena hanya dimaksudkan untuk menampilkan logika BI. Temukan kode sumbernya di direktori src/SAP/SAP_REPORTING.

Mengonfigurasi Perataan Hierarki

Berdasarkan hierarki yang Anda gunakan, parameter input berikut diperlukan:

Jenis hierarki	Parameter wajib	Kolom sumber (ECC)	Kolom sumber (S4)
Versi Laporan Keuangan (FSV)	Bagan akun	ktopl	nodecls
	Nama hierarki	versn	hryid
Pusat laba	Kelas set	setclass	setclass
	Unit Organisasi: Area Pengontrolan atau kunci tambahan untuk set.	subclass	subclass
Pusat Biaya	Kelas set	setclass	setclass
	Unit Organisasi: Area Pengontrolan atau kunci tambahan untuk set.	subclass	subclass

Jika Anda tidak yakin dengan parameter yang tepat, tanyakan kepada konsultan SAP Finance atau Controlling.

Setelah parameter dikumpulkan, perbarui komentar ## CORTEX-CUSTOMER dalam setiap direktori yang sesuai, berdasarkan persyaratan Anda:

Jenis Hierarki	Lokasi kode
Versi Laporan Keuangan (FSV)	src/SAP/SAP_REPORTING/local_k9/fsv_hierarchy
Pusat Keuntungan	src/SAP/SAP_REPORTING/local_k9/profitcenter_hierarchy
Pusat Biaya	src/SAP/SAP_REPORTING/local_k9/costcenter_hierarchy

Jika ada, pastikan untuk memperbarui ## CORTEX-CUSTOMERkomentar dalam tampilan pelaporan yang relevan di direktori src/SAP/SAP_REPORTING dengan baik.

Detail Solusi

Tabel sumber berikut digunakan untuk perataan hierarki:

Jenis Hierarki	Tabel Sumber (ECC)	Tabel Sumber (S4)
Versi Laporan Keuangan (FSV)	fagl_011pc fagl_011zc ska1	hrrp_node hrrp_directory ska1
Pusat Keuntungan	setheader setnode setleaf	sethanahier0106
Pusat Biaya	setheader setnode setleaf	sethanahier0101

Memvisualisasikan hierarki

Solusi perata hierarki SAP Cortex meratakan seluruh hierarki. Jika Anda ingin membuat representasi visual hierarki yang dimuat yang sebanding dengan yang ditampilkan SAP di UI, kueri salah satu tampilan untuk memvisualisasikan hierarki yang diratakan dengan kondisi IsLeafNode=True.

Bermigrasi dari solusi perata hierarki lama

Untuk bermigrasi dari solusi perataan hierarki lama sebelum Cortex v6.0, ganti tabel seperti yang ditunjukkan tabel berikut. Pastikan untuk memeriksa akurasi nama kolom, karena beberapa nama kolom telah sedikit diubah. Misalnya, prctr di cepc_hier sekarang menjadi profitcenter di tabel profit_centers.

Jenis hierarki	Ganti tabel ini:	Dengan:
Versi Laporan Keuangan (FSV)	ska1_hier	fsv_glaccounts
Pusat Keuntungan	cepc_hier	profit_centers
Pusat Biaya	csks_hier	cost_centers

Catatan: Jika node hierarki tidak memiliki pusat biaya, pusat laba, atau akun buku besar yang dipetakan ke node tersebut, node tersebut tidak akan disertakan dalam tampilan tabel output karena node ini tidak memiliki signifikansi fungsional.

Opsional: Mengonfigurasi Modul Keuangan SAP

Modul SAP Finance Cortex Framework mencakup tampilan FinancialStatement, BalanceSheet, dan ProfitAndLoss yang memberikan insight keuangan utama.

Untuk memperbarui tabel Finance ini, ikuti langkah-langkah berikut:

Untuk pemuatan awal

1. Setelah deployment, pastikan set data CDC Anda terisi dengan benar (jalankan DAG CDC sesuai kebutuhan).
2. Pastikan Tampilan Perataan Hierarki dikonfigurasi dengan benar untuk jenis hierarki yang Anda gunakan (FSV, Pusat Biaya, dan Pusat Laba).

3. Jalankan DAG financial_statement_initial_load.

   Catatan: Nama DAG di sini mengacu pada nama DAG setelah deployment, seperti yang ditampilkan di UI Airflow.

4. Jika di-deploy sebagai tabel (direkomendasikan), muat ulang berikut secara berurutan dengan menjalankan DAG yang sesuai:

   1. Financial_Statements
   2. BalanceSheets
   3. ProfitAndLoss

Untuk pembaruan berkala

1. Pastikan Tampilan Perataan Hierarki dikonfigurasi dengan benar dan diperbarui secara rutin untuk jenis hierarki yang Anda gunakan (FSV, Pusat Biaya, dan Pusat Laba).

2. Jadwalkan atau jalankan DAG financial_statement_periodical_load.

   Catatan: Jadwalkan DAG ini berdasarkan kebutuhan bisnis Anda untuk memastikan tabel hilir juga diperbarui dengan benar.

3. Jika di-deploy sebagai tabel (direkomendasikan), muat ulang berikut secara berurutan dengan menjalankan DAG yang sesuai:

   1. Financial_Statements
   2. BalanceSheets
   3. ProfitAndLoss

Untuk memvisualisasikan data dari tabel ini, lihat tampilan Ringkasan berikut:

• ProfitAndLossOverview.sql jika Anda menggunakan Hierarki FSV.
• ProfitAndLossOverview_CostCenter.sql jika Anda menggunakan Hierarki Pusat Biaya.
• ProfitAndLossOverview_ProfitCenter.sql jika Anda menggunakan Hierarki Pusat Keuntungan.

Opsional: Mengaktifkan DAG yang bergantung pada tugas

Cortex Framework secara opsional menyediakan setelan dependensi yang direkomendasikan untuk sebagian besar tabel SQL SAP (ECC dan S/4 HANA), dengan semua tabel dependen dapat diperbarui oleh satu DAG. Anda dapat menyesuaikannya lebih lanjut. Untuk mengetahui informasi selengkapnya, lihat DAG yang bergantung pada tugas.

Apa langkah selanjutnya?

• Untuk mengetahui informasi selengkapnya tentang sumber data dan workload lainnya, lihat Sumber data dan workload.
• Untuk mengetahui informasi selengkapnya tentang langkah-langkah deployment di lingkungan produksi, lihat Prasyarat deployment Data Foundation Cortex Framework.