Acelerador SAP Procure para Pay

O acelerador do SAP para o processo de pré-pagamento é uma amostra de implementação do recurso Fonte de lote de tabela da SAP no Cloud Data Fusion. O acelerador SAP Procure to Pay ajuda você a começar ao criar seu processo e análise de aquisição para pagamento de ponta a ponta. Ele inclui pipelines de amostra do Cloud Data Fusion que podem ser configurados para realizar as seguintes tarefas:

  • Conecte-se à sua fonte de dados SAP.
  • Faça transformações nos dados do Cloud Data Fusion.
  • Armazene seus dados no BigQuery.
  • Configure análises no Looker. Isso inclui painéis e um modelo de ML, em que é possível definir os indicadores principais de desempenho (KPIs) para o pré-pagamento.

Este guia descreve a implementação de amostra e como começar a usar suas configurações.

O acelerador está disponível nos ambientes do Cloud Data Fusion em execução na versão 6.3.0 e posterior.

Antes de começar

  1. Faça login na sua Conta do Google.

    Se você ainda não tiver uma, inscreva-se agora.

  2. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

    Acessar o seletor de projetos

  3. Verifique se a cobrança está ativada para o seu projeto do Google Cloud.

  4. Ative as APIs Cloud Data Fusion and BigQuery.

    Ative as APIs

    5.

  5. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

    Acessar o seletor de projetos

  6. Verifique se a cobrança está ativada para o seu projeto do Google Cloud.

  7. Ative as APIs Cloud Data Fusion and BigQuery.

    Ative as APIs

    8.
  8. Faça o download do SAP Table Batch Source.
  9. Você precisa ter acesso a uma instância do Looker e ativar o recurso de laboratórios do Marketplace para instalar o bloco do Looker. É possível solicitar um teste gratuito para ter acesso a uma instância.

Habilidades necessárias

A configuração do acelerador SAP Procure to Pay requer as seguintes habilidades:

Usuários obrigatórios

As configurações descritas nesta página exigem alterações no seu sistema SAP e no Google Cloud. É necessário trabalhar com os seguintes usuários desses sistemas para executar as configurações:

Tipo de usuário Descrição
Administrador do SAP Administrador do sistema SAP que pode acessar o site do serviço SAP para fazer o download de software.
Usuário do SAP Um usuário SAP autorizado a se conectar a um sistema SAP.
Administrador do GCP Administrador que controla o acesso do IAM para sua organização, que cria e implanta contas de serviço e concede permissões para o Cloud Data Fusion, BigQuery e Looker.
Usuário do Cloud Data Fusion Usuários autorizados a projetar e executar pipelines de dados no Cloud Data Fusion.
Proprietário de dados do BigQuery Usuários autorizados a criar, visualizar e modificar conjuntos de dados do BigQuery.
Desenvolvedor do Looker Esses usuários podem instalar o bloco do Looker pelo Marketplace. Eles precisam ter as permissões develop, manage_model e deploy.

Papéis do IAM obrigatórios

Na implementação de amostra do acelerador, os papéis do IAM a seguir são obrigatórios. Talvez você precise de papéis adicionais se o seu projeto depender de outros serviços do Google Cloud.

Visão geral do processo

Para implementar o acelerador no seu projeto, siga estas etapas:

  1. Configure o sistema ERP da SAP e instale o transporte SAP fornecido.
  2. Configure o ambiente do Cloud Data Fusion para usar o plug-in do SAP Table Batch Source Source.
  3. Crie conjuntos de dados no BigQuery. O acelerador fornece conjuntos de dados de amostra para tabelas de preparo, dimensão e fatos.
  4. Configure os pipelines de amostra do Cloud Data Fusion do acelerador para integrar os dados SAP.
  5. No hub do Cloud Data Fusion, implante os pipelines associados ao processo de análise do pré-pagamento. Esses pipelines precisam ser configurados corretamente para criar o conjunto de dados do BigQuery.
  6. Conecte o Looker ao projeto do BigQuery.
  7. Instale e implante o Looker Block.

Para mais informações, consulte Como usar o plug-in do SAP Table Batch Source Source.

Conjuntos de dados de amostra no BigQuery

No exemplo de implementação nesse acelerador, os conjuntos de dados a seguir são criados no BigQuery.

Nome do conjunto de dados Descrição
sap_cdf_staging Contém todas as tabelas do sistema SAP Source, conforme identificado para esse processo comercial.
sap_cdf_dimension Contém as principais entidades de dimensão, como a dimensão do cliente e a dimensão do Material Design.
sap_cdf_fact Contém as tabelas de fatos geradas a partir do pipeline.

Pipelines de amostra no Cloud Data Fusion

Os pipelines de amostra desse acelerador estão disponíveis no Cloud Data Fusion Hub.

Para receber os pipelines de amostra do Hub:

  1. Acesse sua instância:

    1. No console do Google Cloud, acesse a página do Cloud Data Fusion.

    2. Para abrir a instância na interface da Web do Cloud Data Fusion, clique em Instâncias e depois em Ver instância.

      Acesse "Instâncias"

  2. Clique em Hub.
  3. Selecione a guia SAP.
  4. Selecione Pipelines. Uma página de pipelines de amostra é aberta.
  5. Selecione os pipelines desejados para fazer o download.

Cada um dos pipelines contém macros que podem ser configuradas para serem executadas no ambiente.

Há três tipos de pipelines de amostra:

  • Pipelines da camada de preparo: o conjunto de dados de preparo nesse tipo de pipeline é um mapeamento direto para a tabela de origem original no SAP. Os pipelines de amostra de camada de preparo têm nomes que se referem à tabela de origem SAP e à tabela de destino do BigQuery. Por exemplo, um pipeline chamado LFA1_Supplier_Master refere-se à tabela de origem do SAP (LFA1) e à tabela de destino do BigQuery (CustomerMaster).
  • Pipelines da camada de dimensão: o conjunto de dados da camada de dimensão nesse tipo de pipeline é uma versão selecionada e refinada do conjunto de dados de preparo que cria a dimensão e os fatos necessários para a análise. Os pipelines de amostra têm nomes que se referem à entidade de destino no conjunto de dados de destino do BigQuery. Por exemplo, um pipeline chamado customer_dimension refere-se à entidade de dimensão do cliente no conjunto de dados sap_cdf_fact do BigQuery.
  • Pipelines da camada de fatos: uma coleção selecionada e refinada do conjunto de dados de preparo que cria os fatos necessários para a análise. Esses pipelines de amostra têm nomes que se referem à entidade de destino no conjunto de dados de destino do BigQuery. Por exemplo, um pipeline chamado sales_order_fact fornece dados selecionados para a entidade de fatos da ordem em dinheiro no conjunto de dados sap_cdf_fact correspondente do BigQuery.

As seções a seguir resumem como fazer os pipelines funcionarem no seu ambiente.

Configurar pipelines de camada de preparo

Há duas etapas de configuração para os pipelines de preparo:

  1. Configure o sistema SAP de origem.
  2. Configure a tabela e o conjunto de dados de destino do BigQuery.

Parâmetros do plug-in SAP Source Source Batch

O plug-in SAP Source Batch da SAP lê o conteúdo de uma tabela ou visualização da SAP. O acelerador fornece as macros a seguir, que podem ser modificadas para controlar as conexões SAP de forma centralizada.

Nome da macro Descrição Exemplo
${SAP Client} Cliente SAP para usar 100
${SAP Language} Linguagem de logon da SAP EN
${SAP Application Server Host} Nome do servidor SAP ou endereço IP 10.132.0.47
${SAP System Number} Número do sistema SAP 00
${secure(saplogonusername)} Nome de usuário do SAP Para mais informações, consulte Como usar chaves seguras.
${secure(saplogonpassword)} Senha do usuário do SAP Para mais informações, consulte Como usar chaves seguras.
${Number of Rows to Fetch} Limita o número de registros extraídos 100000

Para mais informações, consulte Como configurar o agente.

Parâmetros para o destino do BigQuery

O acelerador fornece as seguintes macros para destinos do BigQuery.

Configuração do conector de destino do BigQuery

Nome da macro Descrição Exemplo
${ProjectID} O ID do projeto em que o conjunto de dados do BigQuery foi criado. sap_adaptor
${Dataset} Conjunto de dados de destino sap_cdf_staging

Pipelines de amostra usados para KPIs do pré-pagamento

As principais entidades de negócios a seguir no processo de pré-pagamento correspondem aos pipelines de amostra no acelerador. Esses pipelines fornecem os dados que compõem a análise sobre essas entidades.

Principais entidades comerciais Nome do pipeline correspondente
Supplier As tabelas de origem do SAP capturam detalhes sobre o fornecedor em relação a ele. As informações dessas tabelas contribuem para supplier_dimension na camada dimensional do armazenamento de dados. LFA1_SupplierMaster
LFB1_SupplierMasterCompanyCode
BUT000_BPGeneralInformation
Material ou Product é o bem que é negociado entre a empresa e os clientes. As informações dessas tabelas contribuem para a material_dimension na camada dimensional do data warehouse. MARA_MaterialMaster
O processo de pré-pagamento começa com um pedido, que inclui a quantidade e os detalhes do pedido sobre os itens. EKKO_PurchaseOrderHeader
EKPO_PurchaseOrdertItem
O subprocesso de comprovante dos produtos, que inclui detalhes de movimento sobre os itens. MATDOC_GoodsReceipt
Os subprocessos do Faturamento, que incluem detalhes solicitados do documento de fatura. RBKP_InvoiceHeader
RSEG_InvoiceLineItem
O processo de pré-pagamento termina quando o pagamento da fatura é registrado no sistema. ACDOCA_UniversalJournalItem

Todos os pipelines de preparação do Cloud Data Fusion

As amostras de pipeline de preparo do Cloud Data Fusion a seguir estão disponíveis no acelerador:

  • 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

Configure pipelines de camadas dimensionais

Extraia KPIs de tabelas SAP de origem. Para preparar os dados para análise, organize-os na tabela de origem para corresponder à estrutura de esquemas da tabela do BigQuery.

O acelerador cria as quatro tabelas de amostra a seguir:

Nome da tabela Descrição da tabela
Supplier_dimension Lista selecionada* de fornecedores e os fatos associados a eles, como informações gerais e informações de vendas do fornecedor
Material_dimension Lista selecionada de materiais e fatos associados, como número de SKU, hierarquia de produtos e classificação
Purchase_Order_Fact Lista de ordens de compra, incluindo organização da compra, grupo e tipo de ordem.
Goods_Receipt_Fact Lista selecionada de recibos de mercadorias, incluindo informações sobre centro de lucro e tipo de movimento.
Invoice_Fact Lista selecionada de informações relacionadas à fatura, incluindo o tipo, a quantidade, o valor e a data da postagem da fatura.
Accounting_Fact Lista selecionada de postagens contábeis para cada item de linha da ordem de compra.

*Nesse contexto, a lista selecionada vem da lógica de negócios que é aplicada à lista de colunas selecionada.

O acelerador cria a camada dimensional do conjunto de dados do BigQuery usando scripts SQL, que podem ser modificados no seu projeto. Por exemplo, é possível adaptar esses scripts para adicionar mais colunas às entidades de conjunto de dados de destino do BigQuery.

Transformação para o esquema de estrela: nomes de pipeline do executor do BigQuery

Os seguintes pipelines do executor do BigQuery no Cloud Data Fusion carregam dados em tabelas de fatos e fatos:

Todos os pipelines de transformação dimensional:

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

Configuração do executor do BigQuery

Nome da macro Exemplo
${ProjectID} sap_adaptor
${StagingDatasetName} sap_cdf_staging
${TargetDatasetName} sap_cdf_dimension

Conecte o Looker ao projeto do BigQuery

Para conectar o Looker ao BigQuery, consulte a documentação do Looker sobre conexões do BigQuery.

Instale o bloco

É possível acessar o SAP Looker Block no GitHub.

ABloqueio do Looker instala uma pré-configurada. LookML modelo com doisDescoberta ambientes e dois painéis.

A seguir