SAP Analytics Cloud (SAC): Überblick über Systemarchitek ... / 5 Ad-hoc Analytics

5.1 Der Data Analyzer

Viele Fachbereiche stehen vor der Herausforderung flexible ad-hoc-Analysen direkt in ihren Reporting-System zu integrieren und es Nutzern zu ermöglichen, schnell eigene Analysen zu erstellen. Die SAC bietet hierfür eine Funktion namens Data Analyzer, die diese Anforderungen abdecken soll. Hierbei handelt es sich, um einen eigenen, vom Dashboard losgelösten Bereich, den User nutzen können. Dieser lässt sich in Dashboards nativ integrieren und erlaubt Nutzer mit einem Klick zwischen von einem vorgefertigten Standard zu einer freien Analyse zu wechseln. Die Besonderheit ist, dass der Wechsel an einer konkreten Visualisierung bzw. Tabelle erfolgt die anschließend als Basis der freien Analyse dient.

Abb. 8: Wechsel zwischen Dashboard und Data Analyzer

Alternativ kann der Data Analyzer direkt geöffnet und zur freien Datenanalyse eines Imports oder eines Live-Modells verwendet werden. Er zeichnet sich also dadurch aus, dass er sowohl zur Vertiefung bestehender Analysen als auch für völlig neue Ad-hoc-Analysen eingesetzt werden kann. Im Folgenden soll ein Überblick über die zentralen Funktionen des Data Analyzers gegeben und aufgezeigt werden, wie diese zur Durchführung von freien Analysen genutzt werden können.

5.2 Bau von Pivot-Tabellen

Der Data Analyzer bietet nach der Auswahl eines Datenmodells die Möglichkeit, die Daten frei in einer Tabelle auszuwerten. Dabei können Dimensionen und Kennzahlen per Drag and Drop direkt in die Tabelle gezogen oder in Spalten oder Zeilen angeordnet werden (s. Abb. 9).

Abb. 9: Drag and Drop Funktion des Data Analyzers

So kann in kurzer Zeit eine erste Pivot-Tabelle erstellt und eine detaillierte Analyse der vorhandenen Daten durchgeführt werden. Darüber hinaus kann die Tabelle flexibel gefiltert werden, so dass auch große Datenmengen eingeschränkt werden können. Diese Filter bieten die gleichen Funktionen wie in den anderen Dashboards und der Benutzer ist somit in der Lage, die Daten auf die für ihn relevanten Daten einzuschränken.

Darüber hinaus erlaubt der Data Analyzer auch das Hinzufügen eigener neuer Berechnungen, sodass schnell tiefergehende Auswertungen wie z. B. Abweichungsanalysen integriert werden können. Auch hier sind die Möglichkeiten vergleichbar mit den Berechnungen innerhalb von Dashboards oder Reports, jedoch eingeschränkter im Vergleich zu den Berechnungen auf Modellebene. Abb. 10 zeigt ein Beispiel für eine Pivot-Tabelle, die die genannten Funktionen zeigt und als Beispiel für eine fertige Pivot-Tabelle im Data Analyzer dient.

Abb. 10: Finaler Ad-hoc Report

Zum Abschluss hat der Nutzer die Möglichkeit seine Tabelle zu speichern und diese auch mit weiterem Nutzer zu teilen. Zusätzlich erlaubt es der Data Analyzer auch, dass die Daten in Form einer Excel exportiert werden können. So könnte die Analyse auch mit nicht SAC-Nutzern geteilt werden.

5.3 Anreicherung bestehender Inhalte

Nach dem Absprung aus einer Story in den Data Analyzer sieht der Nutzer zunächst die Visualisierung oder Tabelle, von der aus er abgesprungen ist. Das Datenmodell, Filter und die angezeigten Kennzahlen und Dimensionen decken sich mit der ursprünglichen Darstellung. Nun kann ein Nutzer diese Darstellung flexibel anpassen. Er kann Dimensionen hinzufügen oder entfernen, die Darstellung anpassen oder neue Filter ergänzen. Auch Berechnungen können bei Bedarf ergänzt werden.

Abb. 11: Data Analyzer Building of Diagram

Der Übergang zu einer völlig neuen Betrachtung oder ein Umbau, hin zu einer Pivot Tabelle, ist fließend und jederzeit möglich. So kann aus einem einfachen Balkendiagramm eine Heatmap werden oder eine Tabelle mit anderen Dimensionen und Kennzahlen aus dem Datenmodell entstehen – der Nutzer ist hier frei in seiner Analyse und Vorgehensart. Nach Abschluss der Analyse kann der Nutzer den Data Analyzer verlassen und ist wieder auf dem Ausgangsbericht. Dieser Anwendungsfall ist insbesondere zu Beantwortung von Fragen, die während der Betrachtung eines Standardberichtes auftreten hilfreich. So kann ein Nutzer schnell weitere Informationen ergänzen, um seine Fragen zu beantworten, und anschließend in die Standardbetrachtung zurückwechseln.

5.4 Implikationen Berechtigungskonzept und Nutzergruppen

Der Einsatz des Data Analyzer sollte jedoch überlegt und im Einklang mit dem bestehenden Berechtigungskonzeptes und den daraus resultierenden Nutzergruppen sein. Nicht jeder Standard-User benötigt zwingend den Data Analyzer. Er kann ein hilfreiches Werkzeug für Nutzer sein, die regelmäßig freie Analysen durchführen, jedoch muss der Umgang mit diesem auch geschult und geübt werden. Zusätzlich greifen die bestehenden Berechtigungen auf den Datenzugriff auch im Data Analyzer, dies bedeutet das Nutzer die nur eingeschränkte Daten sehen dürfen auch im Data Analyzer nur beschränkte Daten zur Auswahl haben.

Gerade Power User können mit dem Data Analyzer auch Rohdaten auswerten und diese Auswertungen bei Bedarf weiteren Nutzer zur Verfügung stellen. Darüber hinaus sollte ein Prozess angedacht werden, der entscheidet, wann eine Analyse Teil des Standards werden sollte. Wenn jeden Monat eine Tabelle neu aufgebaut bzw. angepasst wird könnte...