Integrasi dengan SAP

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

File config.json di repositori Data Foundation Framework Cortex 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 landing mentah - Digunakan oleh proses CDC, ini adalah tempat alat replikasi menampung 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 data. 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 Varian SQL untuk sistem sumber "ecc" s4 atau ecc. Untuk data pengujian, pertahankan nilai default (ecc).
SAP.mandt Mandant atau Klien "100" Mandat 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.

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

Model Data

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

SAP ECC

Diagram Hubungan Entitas untuk SAP ECC

Gambar 2. SAP ECC: Diagram Hubungan Entitas.

SAP S/4 HANA

Diagram Hubungan Entitas untuk SAP S/4HANA

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

Tampilan dasar

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

Tampilan pelaporan

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

Tampilan utilitas atau BQML

Ini adalah objek berwarna kuning di ERD dan berisi jenis tampilan khusus dimensi dan fakta yang digabungkan yang digunakan untuk analisis dan pelaporan data. Lihat skrip di src/SAP/SAP_REPORTING.

Tag Tambahan

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

Tag Warna Deskripsi
L Kuning Tag ini merujuk pada elemen atau atribut data yang menentukan bahasa tempat data disimpan atau ditampilkan.
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 tempat kumpulan data tertentu berada.
EXT Merah Tag ini menunjukkan bahwa objek tertentu diisi oleh DAG atau set data eksternal. Artinya, entitas atau tabel yang ditandai tidak disimpan langsung di sistem SAP itu sendiri, tetapi dapat diekstrak dan dimuat ke SAP menggunakan DAG atau mekanisme lainnya.
T Ungu Tag ini menunjukkan bahwa atribut tertentu akan otomatis diwujudkan 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

  • Cortex Framework Data Foundation mengharapkan tabel SAP direplikasi dengan nama dan jenis kolom yang sama seperti yang dibuat di SAP.
  • Selama tabel direplikasi dengan format, nama kolom, dan tingkat perincian yang sama seperti di sumber, tidak ada persyaratan untuk menggunakan alat replikasi tertentu.
  • Nama tabel harus dibuat di BigQuery dalam huruf kecil.
  • Daftar tabel yang digunakan oleh model SAP tersedia dan dapat dikonfigurasi di cdc_settings.yaml CDC. Jika tabel tidak tercantum selama deployment, model yang bergantung pada tabel tersebut akan gagal. Model lain akan berhasil di-deploy.
  • Pertimbangkan hal berikut jika Anda menggunakan BigQuery Connector untuk SAP:
  • Jika Anda tidak berencana men-deploy data pengujian, dan jika Anda berencana membuat skrip DAG CDC selama deployment, pastikan tabel DD03L untuk metadata SAP direplikasi dari SAP dalam project sumber. Tabel ini berisi metadata tentang tabel, seperti daftar kunci, dan diperlukan agar generator CDC dan resolver dependensi berfungsi. Tabel ini juga memungkinkan Anda menambahkan tabel yang tidak tercakup oleh model untuk membuat skrip CDC, seperti tabel kustom atau Z.

  • Jika ada perbedaan kecil pada nama tabel, beberapa tampilan mungkin gagal menemukan kolom karena sistem SAP mungkin memiliki variasi kecil karena versi atau add-on, dan menambahkan struktur ke dalam tabel, atau karena beberapa alat replikasi mungkin memiliki penanganan karakter khusus yang sedikit berbeda. Menjalankan deployment dengan turboMode : false direkomendasikan untuk menemukan sebagian besar kegagalan dalam satu upaya. Misalnya:

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

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

Mereplikasi data mentah dari SAP

Tujuan Data Foundation adalah mengekspos model data dan 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 (ECC atau S/4 HANA) direplikasi dalam bentuk mentah. Data disalin langsung dari SAP ke BigQuery tanpa perubahan pada strukturnya. Pada dasarnya, ini adalah gambar duplikat tabel di sistem SAP Anda. BigQuery menggunakan nama tabel lowercase 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.

Prasyarat untuk replikasi SAP

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

  • Integritas Data: Data Foundation Framework Cortex mengharapkan tabel SAP direplikasi dengan nama, jenis, dan struktur data kolom yang identik seperti yang ada di SAP. Selama tabel direplikasi dengan format, nama kolom, dan tingkat perincian yang sama seperti di sumber, Anda 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_settings.yaml CDC (Pengambilan Data Perubahan). Jika tabel tidak tercantum selama deployment, model yang bergantung padanya akan gagal, walaupun model non-dependen lainnya akan berhasil di-deploy.
  • Pertimbangan Khusus BigQuery Connector untuk SAP:
  • 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 resolver dependensi berfungsi. Tabel ini juga memungkinkan Anda menambahkan tabel yang tidak tercakup dalam model, misalnya tabel kustom atau Z, sehingga skrip CDC dapat dibuat.

  • Menangani Variasi Nama Tabel Minor: Jika ada perbedaan kecil dalam 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 mencakup:

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

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

Pemrosesan Pengambilan Data Perubahan (CDC)

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

  • Append-always: Sisipkan setiap perubahan dalam data dengan stempel waktu dan flag operasi (Sisipkan, Perbarui, Hapus), sehingga versi terakhir dapat diidentifikasi.
  • Update saat landing (penggabungan atau pembaruan): Buat versi terbaru data saat landing di change data capture processed. Fungsi ini melakukan operasi CDC di BigQuery.

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

Pemrosesan CDC

Gambar 1. Pemrosesan CDC.

Mengonfigurasi template CDC untuk alat yang mereplikasi dalam mode selalu tambahkan

Sebaiknya konfigurasikan cdc_settings.yaml sesuai dengan kebutuhan Anda. Beberapa frekuensi default dapat menyebabkan 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 update dan membuat versi terbaru data asli atau digital twin 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 agar hanya memproses tabel yang Anda butuhkan dan mengeksekusi ulang modul yang ditentukan yang 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 diperbarui ke versi terbarunya setiap kali operasi penggabungan dijalankan, tetapi operasi penggabungan yang lebih sering akan menghasilkan biaya yang lebih tinggi. Sesuaikan frekuensi terjadwal sesuai kebutuhan bisnis Anda. Untuk informasi selengkapnya, lihat penjadwalan yang didukung oleh Apache Airflow.

Contoh skrip 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"

File contoh 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 ke file ini sebelum deployment. Hal ini berfungsi selama tabel DD03L direplikasi di set data sumber dan skema tabel kustom ada dalam 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 mendekati 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 SAP CDC 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 setelah itu 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 memindahkan skrip tersebut ke alat pilihan lain.

Kolom CDC yang diperlukan untuk operasi MERGE

Tentukan parameter berikut untuk pembuatan otomatis proses batch CDC:

  • Project sumber + set data: Set data tempat data SAP di-streaming atau direplikasi. Agar skrip CDC berfungsi secara default, tabel harus memiliki kolom stempel waktu (disebut stempel data) 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 akan membuat tabel dari salinan set data sumber jika tidak ada.
  • Tabel yang direplikasi: Tabel yang skripnya perlu dibuat
  • Frekuensi pemrosesan: Dengan 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 dalam set data yang sama dengan target.

Pengoptimalan performa untuk tabel CDC

Untuk set data CDC tertentu, sebaiknya manfaatkan partisi tabel, pengelompokan tabel, atau keduanya di BigQuery. Pilihan ini bergantung pada faktor-faktor berikut:

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

Secara default, setelan CDC tidak menerapkan partisi tabel atau pengelompokan tabel. Anda dapat mengonfigurasinya berdasarkan apa 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 yang dikelompokkan.

Jika Anda menggunakan alat replikasi yang memungkinkan partisi dalam set data mentah, seperti BigQuery Connector untuk SAP, menetapkan 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 menyertakan 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.

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

  1. Perbarui SlowMovingThreshold.sql dan StockCharacteristicsConfig.sql untuk menentukan karakteristik stok dan nilai minimum slow moving untuk berbagai jenis bahan, berdasarkan persyaratan 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
    • Update Harian:
      • Stock_Monthly_Snapshots_Daily_Update
      • Stock_Weekly_Snapshots_Update_Daily

  4. Muat ulang tampilan StockMonthlySnapshots dan StockWeeklySnapshots perantara, diikuti dengan tampilan InventoryKeyMetrics dan InventoryByPlants, masing-masing, untuk mengekspos 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 memberi add-on Trends daftar istilah untuk mengambil Minat dari Waktu ke Waktu. Konfigurasikan 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 h1_h2_h3 Common Table Expression.

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

Opsional: Mengonfigurasi tampilan perataan hierarki

Mulai rilis v6.0, Cortex Framework mendukung penyederhanaan hierarki sebagai Tampilan pelaporan. Ini adalah peningkatan besar dibandingkan flattener hierarki lama karena kini meratakan seluruh hierarki, mengoptimalkan S/4 dengan lebih baik dengan menggunakan tabel khusus S/4, bukan tabel ECC lama, dan juga meningkatkan performa secara signifikan.

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 laba rugi menggunakan hierarki ini
Versi Laporan Keuangan (FSV) fsv_glaccounts FSVHierarchyFlattened ProfitAndLossOverview
Pusat Laba profit_centers ProfitCenterHierarchyFlattened ProfitAndLossOverview_ProfitCenterHierarchy
Pusat Biaya cost_centers CostCenterHierarchyFlattened ProfitAndLossOverview_CostCenterHierarchy

Pertimbangkan hal berikut saat menggunakan tampilan penyederhanaan hierarki:

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

Mengonfigurasi Pemisahan Hierarki

Berdasarkan hierarki yang Anda gunakan, parameter input berikut diperlukan:

Jenis hierarki Parameter wajib Bidang sumber (ECC) Kolom sumber (S4)
Versi Laporan Keuangan (FSV) Chart of account ktopl nodecls
Nama hierarki versn hryid
Pusat laba Kelas set setclass setclass
Unit Organisasi: Area Pengontrol atau kunci tambahan untuk kumpulan. subclass subclass
Pusat Biaya Kelas set setclass setclass
Unit Organisasi: Area Pengontrol atau kunci tambahan untuk kumpulan. 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 Laba src/SAP/SAP_REPORTING/local_k9/profitcenter_hierarchy
Pusat Biaya src/SAP/SAP_REPORTING/local_k9/costcenter_hierarchy

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

Detail Solusi

Tabel sumber berikut digunakan untuk penyederhanaan hierarki:

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

Memvisualisasikan hierarki

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

Bermigrasi dari solusi penyederhana hierarki lama

Untuk bermigrasi dari solusi penyederhanaan 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 Laba cepc_hier profit_centers
Pusat Biaya csks_hier cost_centers

Opsional: Mengonfigurasi Modul SAP Finance

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

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

Untuk pemuatan awal

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

  3. Jalankan DAG financial_statement_initial_load.

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

    1. Financial_Statements
    2. BalanceSheets
    3. ProfitAndLoss

Untuk pembaruan berkala

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

  2. Menjadwalkan atau menjalankan DAG financial_statement_periodical_load.

  3. Jika di-deploy sebagai tabel (direkomendasikan), muat ulang hal 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 Laba.

Apa langkah selanjutnya?