Accelerator SAP Procure to Pay

Akselerator SAP untuk proses procure-to-pay adalah contoh penerapan fitur SAP Table Batch Source di Cloud Data Fusion. Accelerator SAP Procure to Pay membantu Anda memulai saat membuat proses dan analisis procure to pay menyeluruh. Panduan ini mencakup contoh pipeline Cloud Data Fusion yang dapat Anda konfigurasikan untuk melakukan tugas berikut:

• Hubungkan ke sumber data SAP Anda.
• Lakukan transformasi pada data Anda di Cloud Data Fusion.
• Simpan data Anda di BigQuery.
• Menyiapkan analisis di Looker. Hal ini mencakup dasbor dan model ML, tempat Anda dapat menentukan indikator performa utama (KPI) untuk proses procure-to-pay.

Panduan ini menjelaskan contoh penerapan, dan cara memulai konfigurasi Anda.

Akselerator tersedia di lingkungan Cloud Data Fusion yang berjalan di versi 6.4.0 dan yang lebih baru.

Sebelum memulai

1. Sign in to your Google Account.

   If you don't already have one, sign up for a new account.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Cloud Data Fusion and BigQuery APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Cloud Data Fusion and BigQuery APIs.

   Enable the APIs

8. Download SAP Table Batch Source.
9. Anda harus memiliki akses ke instance Looker dan mengaktifkan fitur lab marketplace untuk menginstal Blok Looker. Anda dapat meminta uji coba gratis untuk mendapatkan akses ke instance.

Keterampilan yang diperlukan

Menyiapkan akselerator SAP Procure to Pay memerlukan keterampilan berikut:

• Keahlian dalam konfigurasi dan sistem ERP SAP on-premise
• Memahami Cloud Data Fusion
• Memahami BigQuery
• Pemahaman tentang Looker
• Memahami akun layanan dan kontrol akses Identity and Access Management (IAM)
• Pemahaman tentang analisis data, termasuk menulis kueri SQL
• Pemahaman tentang model data dimensi Kimball

Pengguna wajib

Konfigurasi yang dijelaskan di halaman ini memerlukan perubahan pada sistem SAP dan di Google Cloud. Anda perlu bekerja sama dengan pengguna berikut dari sistem tersebut untuk melakukan konfigurasi:

Jenis pengguna	Deskripsi
Admin SAP	Administrator untuk sistem SAP Anda yang dapat mengakses situs layanan SAP untuk mendownload software.
Pengguna SAP	Pengguna SAP yang diberi otorisasi untuk terhubung ke sistem SAP.
Admin GCP	Administrator yang mengontrol akses IAM untuk organisasi Anda, yang membuat dan men-deploy akun layanan serta memberikan izin untuk Cloud Data Fusion, BigQuery, dan Looker.
Pengguna Cloud Data Fusion	Pengguna yang diberi otorisasi untuk mendesain dan menjalankan pipeline data di Cloud Data Fusion.
BigQuery Data Owner	Pengguna yang diberi otorisasi untuk membuat, melihat, dan mengubah set data BigQuery.
Developer Looker	Pengguna ini dapat menginstal Blok Looker melalui Marketplace. Akun tersebut harus memiliki izin develop, manage_model, dan deploy.

Peran IAM yang diperlukan

Dalam implementasi contoh akselerator, peran IAM berikut diperlukan. Anda mungkin memerlukan peran tambahan jika project Anda mengandalkan layanan Google Cloud lainnya.

• BigQuery Admin (roles/bigquery.admin)
• BigQuery Data Owner (roles/bigquery.dataOwner)
• Storage Object Viewer (roles/storage.objectViewer)
• Cloud Data Fusion Runner (roles/datafusion.runner) harus diberikan ke akun layanan Dataproc

Ringkasan proses

Anda dapat menerapkan akselerator dalam project dengan mengikuti langkah-langkah berikut:

1. Konfigurasikan sistem SAP ERP dan instal transpor SAP yang disediakan.
2. Siapkan lingkungan Cloud Data Fusion untuk menggunakan plugin SAP Table Batch Source.
3. Membuat set data di BigQuery. Akselerator menyediakan set data contoh untuk tabel staging, dimensi, dan fakta.
4. Konfigurasikan contoh pipeline Cloud Data Fusion dari akselerator untuk mengintegrasikan data SAP Anda.
5. Dari Cloud Data Fusion Hub, deploy pipeline yang terkait dengan proses analisis procure-to-pay. Pipeline ini harus dikonfigurasi dengan benar untuk membuat set data BigQuery.
6. Hubungkan Looker ke project BigQuery.
7. Instal dan deploy Blok Looker.

Untuk informasi selengkapnya, lihat Menggunakan plugin SAP Table Batch Source.

Set data sampel di BigQuery

Dalam contoh penerapan di akselerator ini, set data berikut dibuat di BigQuery.

Nama set data	Deskripsi
sap_cdf_staging	Berisi semua tabel dari sistem Sumber SAP seperti yang diidentifikasi untuk proses bisnis tersebut.
sap_cdf_dimension	Berisi entitas dimensi utama seperti Dimensi Pelanggan dan Dimensi Material.
sap_cdf_fact	Berisi tabel fakta yang dihasilkan dari pipeline.

Contoh pipeline di Cloud Data Fusion

Catatan: Tabel adalah kumpulan kumpulan data di dalam set data di BigQuery. Pipeline adalah serangkaian fungsi ETL yang ada untuk memindahkan data antara sumber dan tujuan (seperti tabel BigQuery).

Contoh pipeline untuk akselerator ini tersedia di Cloud Data Fusion Hub.

Untuk mendapatkan contoh pipeline dari Hub:

1. Buka instance Anda:

   1. Di konsol Google Cloud, buka halaman Cloud Data Fusion.

   2. Untuk membuka instance di Cloud Data Fusion Studio, klik Instance, lalu klik View instance.

      Buka Instance

2. Klik Hub.
3. Pilih tab SAP.
4. Pilih Pipeline. Halaman contoh pipeline akan terbuka.
5. Pilih pipeline yang diinginkan untuk mendownloadnya.

Setiap pipeline berisi makro yang dapat Anda konfigurasi untuk dijalankan di lingkungan Anda.

Catatan: Mengubah makro SQL bukanlah hal yang mudah. Misalnya, perubahan pada skema target juga memerlukan perubahan pada pemuatan data dan konfigurasi Looker.

Ada tiga jenis pipeline contoh:

• Pipeline lapisan staging: Set data staging dalam jenis pipeline ini adalah pemetaan langsung ke tabel sumber asli di SAP. Contoh pipeline lapisan staging memiliki nama yang merujuk ke tabel sumber SAP dan tabel target BigQuery. Misalnya, pipeline bernama LFA1_Supplier_Master merujuk ke Tabel Sumber SAP (LFA1) dan tabel target BigQuery (CustomerMaster).
• Pipeline lapisan dimensi: Set data lapisan dimensi dalam jenis pipeline ini adalah versi yang diseleksi dan dioptimalkan dari set data staging yang membuat dimensi dan fakta yang diperlukan untuk analisis. Contoh pipeline memiliki nama yang merujuk ke entity target dalam set data BigQuery target. Misalnya, pipeline yang disebut customer_dimension merujuk ke entitas Dimensi Pelanggan di set data BigQuery sap_cdf_fact.
• Pipeline lapisan fakta: Set data lapisan fakta adalah versi yang diseleksi dan dioptimalkan dari set data staging yang membuat fakta yang diperlukan untuk analisis. Contoh pipeline ini memiliki nama yang merujuk ke entitas target dalam set data BigQuery target. Misalnya, pipeline yang disebut sales_order_fact mengirimkan data yang diseleksi ke entitas Fakta Pesanan Penjualan di set data BigQuery sap_cdf_fact yang sesuai.

Bagian berikut merangkum cara membuat pipeline berfungsi di lingkungan Anda.

Mengonfigurasi pipeline lapisan staging

Ada dua langkah konfigurasi untuk pipeline staging:

1. Konfigurasi sistem SAP sumber.
2. Konfigurasikan set data dan tabel BigQuery target.

Parameter untuk plugin SAP Table Batch Source

Plugin SAP Table Batch Source membaca konten tabel atau tampilan SAP. Akselerator menyediakan makro berikut, yang dapat Anda ubah untuk mengontrol koneksi SAP secara terpusat.

Nama makro	Deskripsi	Contoh
${SAP Client}	Klien SAP yang akan digunakan	100
${SAP Language}	Bahasa login SAP	EN
${SAP Application Server Host}	Nama server atau alamat IP SAP	10.132.0.47
${SAP System Number}	Nomor sistem SAP	00
${secure(saplogonusername)}	Nama pengguna SAP	Untuk informasi selengkapnya, lihat Menggunakan Kunci Aman.
${secure(saplogonpassword)}	Sandi pengguna SAP	Untuk mengetahui informasi selengkapnya, lihat Menggunakan Kunci Aman.
${Number of Rows to Fetch}	Membatasi jumlah data yang diekstrak	100000

Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi plugin.

Parameter untuk target BigQuery

Akselerator menyediakan makro berikut untuk target BigQuery.

Konfigurasi konektor target BigQuery

Nama makro	Deskripsi	Contoh
${ProjectID}	ID project tempat set data BigQuery telah dibuat.	sap_adaptor
${Dataset}	Set data target	sap_cdf_staging

Contoh pipeline yang digunakan untuk KPI pengadaan hingga pembayaran

Entitas bisnis utama berikut dalam proses pengadaan hingga pembayaran sesuai dengan contoh pipeline di akselerator. Pipeline ini mengirimkan data yang mendukung analisis tentang entitas ini.

Entitas bisnis utama	Nama pipeline yang sesuai
Supplier Tabel sumber SAP merekam detail tentang pemasok yang berkaitan dengan bisnis. Informasi dari tabel ini berkontribusi pada supplier_dimension di lapisan dimensi data warehouse.	LFA1_SupplierMaster LFB1_SupplierMasterCompanyCode BUT000_BPGeneralInformation
Material atau Product adalah komoditas yang diperdagangkan antara perusahaan dan pelanggannya. Informasi dari tabel ini berkontribusi pada material_dimension di lapisan dimensi data warehouse.	MARA_MaterialMaster
Proses procure-to-pay dimulai dengan pesanan, yang mencakup jumlah pesanan dan detail tentang item material.	EKKO_PurchaseOrderHeader EKPO_PurchaseOrdertItem
Sub-proses Penerimaan Barang, yang mencakup detail pergerakan tentang item Material.	MATDOC_GoodsReceipt
Subproses Penagihan, yang mencakup detail dokumen invoice yang diminta.	RBKP_InvoiceHeader RSEG_InvoiceLineItem
Proses pengadaan hingga pembayaran berakhir saat pembayaran invoice dicatat dalam sistem Anda.	ACDOCA_UniversalJournalItem

Semua pipeline staging Cloud Data Fusion

Contoh pipeline staging Cloud Data Fusion berikut tersedia di akselerator:

• ACDOCA_JournalLedgerDetails
• ADR6_SupplierMasterEMailDetails
• ADRC_SupplierMasterAddressDetails
• BKPF_AccountingDocumentHeaderDetail
• BSEG_AccountDocumentItem
• BUT000_BusinessPartnerGeneralDataDetails
• BUT020_BusinessPartnerAddressDetails
• CEPCT_ProfitCenterDescription
• EBAN_PurchaseRequisitionDetails
• EKBE_PurchaseOrderHistoryDetail
• EKET_PurchaseOrderScheduleLinesDetail
• EKKO_PurchaseOrderHeaderDetail
• EKPO_PurchaseOrderItemDetail
• FINSC_BTTYPE_T_BusinessTransactionTypeDescription
• FINSC_LEDGER_T_JournalLedgerDescription
• LFA1_SupplierMasterDetails
• LFB1_SupplierMasterCompanyCodeDetails
• MARA_MaterialMaster
• MATDOC_MaterialMovementDetails
• MKPF_MaterialMovementHeaderDetail
• MSEG_MaterialMovementItemDetail
• RBKP_InvoiceReceiptHeaderDetail
• RSEG_IncomingInvoiceItemDetail
• T001_CompanyCodes
• T001_CompanyCodes
• T001K_ValuationAreaDetails
• T001L_MaterialStorageLocation
• T001W_PlantDetails
• T002T_LanguageKeyDescription
• T003T_AccountingDocumentTypeDescription
• T005_CountryMaster
• T006A_UnitOfMeasure
• T007S_PurchaseSalesTaxCodeDescription
• T023T_MaterialGroupDescription
• T024_PurchasingGroupsDetails
• T024E_PurchasingOrganizationsDetails
• T024W_PlantPurchasingOrganizationsDetails
• T156HT_MaterialMovementTypeDescription
• T161T_PurchasingDocumentTypeDescription
• T163M_ConfirmationCategoryDescription
• T16FE_PurchaseDocumentReleaseIndicatorDescription
• TBSLT_PostingKeyDescription
• TCURT_CurrencyCodesText
• TKA01_ControllingAreaMaster

Mengonfigurasi pipeline lapisan dimensi

Anda dapat mengekstrak KPI dari tabel SAP sumber. Untuk menyiapkan data guna analisis, atur data dalam tabel sumber agar cocok dengan struktur skema tabel BigQuery.

Akselerator membuat tabel contoh berikut:

Nama tabel	Deskripsi tabel
Supplier_dimension	Daftar* Pemasok yang diseleksi dan fakta terkaitnya seperti informasi umum pemasok dan informasi terkait penjualan pemasok.
Material_dimension	Daftar Materi yang diseleksi dan fakta terkait seperti nomor SKU, hierarki produk, dan klasifikasi.
Purchase_Order_Fact	Daftar pesanan pembelian, termasuk organisasi, grup, dan jenis pesanan pembelian.
Goods_Receipt_Fact	Daftar tanda terima barang yang diseleksi, termasuk informasi jenis pergerakan dan pusat laba.
Invoice_Fact	Daftar informasi terkait Invoice yang diseleksi, termasuk jenis Invoice, jumlah item, nilai, dan tanggal posting Invoice.
Accounting_Fact	Daftar posting akuntansi yang diseleksi untuk setiap item baris pesanan pembelian.

*Dalam konteks ini, daftar pilihan berasal dari logika bisnis yang diterapkan ke daftar kolom yang dipilih.

Akselerator membuat lapisan dimensi set data BigQuery menggunakan skrip SQL, yang dapat Anda ubah untuk project Anda. Misalnya, Anda dapat menyesuaikan skrip ini untuk menambahkan lebih banyak kolom ke entity set data BigQuery target.

Transformasi ke skema bintang: Nama pipeline eksekutor BigQuery

Pipeline eksekutor BigQuery berikut di Cloud Data Fusion memuat data ke dalam tabel dimensi dan fakta:

Semua pipeline transformasi dimensi:

• Supplier_dimension
• Material_dimension
• Purchase_Order_Fact
• Goods_Receipt_Fact
• Invoice_Fact
• Accounting_Fact

Konfigurasi eksekutor BigQuery

Nama makro	Contoh
${ProjectID}	sap_adaptor
${StagingDatasetName}	sap_cdf_staging
${TargetDatasetName}	sap_cdf_dimension

Menghubungkan Looker ke project BigQuery

Untuk menghubungkan Looker ke BigQuery, lihat dokumentasi Looker tentang koneksi BigQuery.

Menginstal blok

Catatan: Anda memerlukan akses ke instance Looker untuk menginstal dan menggunakan blok ini.

Anda dapat mengakses SAP Looker Block di GitHub.

Looker Block menginstal model LookML yang telah dikonfigurasi sebelumnya dengan dua lingkungan Explore dan dua dasbor.

Langkah selanjutnya

• Pelajari Cloud Data Fusion lebih lanjut.
• Pelajari SAP di Google Cloud lebih lanjut.
• Pelajari BigQuery lebih lanjut.
• Pelajari Blok Looker lebih lanjut.