Skip to content
NextLytics
Megamenü_2023_Über-uns

Shaping Business Intelligence

Ob clevere Zusatzprodukte für SAP BI, Entwicklung aussagekräftiger Dashboards oder Implementierung KI-basierter Anwendungen - wir gestalten zusammen mit Ihnen die Zukunft von Business Intelligence. 

Megamenü_2023_Über-uns_1

Über uns

Als Partner mit tiefem Prozess-Know-how, Wissen der neuesten SAP-Technologien sowie hoher sozialer Kompetenz und langjähriger Projekterfahrung gestalten wir die Zukunft von Business Intelligence auch in Ihrem Unternehmen.

Megamenü_2023_Methodik

Unsere Methodik

Die Mischung aus klassischem Wasserfallmodell und agiler Methodik garantiert unseren Projekten eine hohe Effizienz und Zufriedenheit auf beiden Seiten. Erfahren Sie mehr über unsere Vorgehensweise.

Produkte
Megamenü_2023_NextTables

NextTables

Daten in SAP BW out of the Box bearbeiten: Mit NextTables wird das Editieren von Tabellen einfacher, schneller und intuitiver, egal ob Sie SAP BW on HANA, SAP S/4HANA oder SAP BW 4/HANA nutzen.

Megamenü_2023_Connector

NextLytics Connectoren

Die zunehmende Automatisierung von Prozessen erfordert die Konnektivität von IT-Systemen. Die NextLytics Connectoren ermöglichen eine Verbindung Ihres SAP Ökosystems mit diversen open-source Technologien.

IT-Services
Megamenü_2023_Data-Science

Data Science & Engineering

Bereit für die Zukunft? Als starker Partner stehen wir Ihnen bei der Konzeption, Umsetzung und Optimierung Ihrer KI-Anwendung zur Seite.

Megamenü_2023_Planning

SAP Planning

Wir gestalten neue Planungsanwendungen mithilfe von SAP BPC Embedded, IP oder  SAC Planning, die einen Mehrwert für Ihr Unternehmen schaffen.

Megamenü_2023_Dashboarding

Dashboarding

Mit unserer Expertise verhelfen wir Ihnen auf Basis von Tableau, Power BI, SAP Analytics Cloud oder SAP Lumira zu aussagekräftigen Dashboards. 

Megamenü_2023_Data-Warehouse-1

SAP Data Warehouse

Planen Sie eine Migration auf SAP HANA? Wir zeigen Ihnen, welche Herausforderungen zu beachten sind und welche Vorteile eine Migration bringt.

Business Analytics
Megamenü_2023_Procurement

Procurement Analytics

Transparente und valide Zahlen sind vor allem in Unternehmen mit dezentraler Struktur wichtig. SAP Procurement Analytics ermöglicht die Auswertung von SAP ERP-Daten in SAP BI.

Megamenü_2023_Reporting

SAP HR Reporting & Analytics

Mit unserem Standardmodell für Reporting von SAP HCM mit SAP BW beschleunigen Sie administrative Tätigkeiten und stellen Daten aus verschiedenen Systemen zentral und valide zur Verfügung.

Megamenü_2023_Dataquality

Data Quality Management

In Zeiten von Big Data und IoT kommt der Vorhaltung einer hohen Datenqualität eine enorm wichtige Bedeutung zu. Mit unserer Lösung für Datenqualitätsmanagement (DQM) behalten Sie stets den Überblick.

Karriere
Megamenü_2023_Karriere-2b

Arbeiten bei NextLytics

Wenn Du mit Freude zur Arbeit gehen möchtest und dabei Deine berufliche und persönliche Weiterentwicklung nicht zu kurz kommen soll, dann bist Du bei uns genau richtig! 

Megamenü_2023_Karriere-1

Berufserfahrene

Zeit für etwas Neues? Gehe Deinen nächsten beruflichen Schritt und gestalte Innovation und Wachstum in einem spannenden Umfeld zusammen mit uns!

Megamenü_2023_Karriere-5

Berufseinsteigende

Schluss mit grauer Theorie - Zeit, die farbenfrohe Praxis kennenzulernen! Gestalte bei uns Deinen Einstieg ins Berufsleben mit lehrreichen Projekten und Freude an der Arbeit.

Megamenü_2023_Karriere-4-1

Studierende

Du möchtest nicht bloß die Theorie studieren, sondern Dich gleichzeitig auch praktisch von ihr überzeugen? Teste mit uns Theorie und Praxis und erlebe wo sich Unterschiede zeigen.

Megamenü_2023_Karriere-3

Offene Stellen

Hier findest Du alle offenen Stellenangebote. Schau Dich um und bewirb Dich - wir freuen uns! Falls keine passende Stelle dabei ist, sende uns gerne Deine Initiativbewerbung zu.

Blog
NextLytics Newsletter Teaser
Hier für unseren monatlichen Newsletter anmelden!
Newsletter abonnieren
 

Zwei Möglichkeiten zur Fehlerbehandlung mit SAP BW und SQLScript

Bei SAP BW Ladeprozessen kommt es des Öfteren zu Abbrüchen aufgrund fehlerhafter Datensätze. Um diese Abbrüche zu vermeiden, ist eine entsprechende Fehlerbehandlung sinnvoll. Grundsätzlich existieren zwei Möglichkeiten, die Fehlerbehandlung in SAP BW HANA Systemen abzubilden. In diesem Beitrage erläutere ich die einzelnen Szenarien im Detail.

So können Sie als erstes auf das DTP Error Handling zurückgreifen. Eine andere Herangehensweise wäre die automatische Korrektur der fehlerhaften Datensätze. Im ersten Szenario können Sie von automatischen Abläufen eines SAP Systems profitieren. Allerdings ist dabei eine flexible Weiterverarbeitung nicht möglich. Das zweite Szenario ist zwar mit mehr Entwicklungsaufwand verbunden, allerdings können Sie flexibler mit den fehlerhaften Datensätzen umgehen. So können Sie innerhalb von Transformationsroutinen automatische Prüfungen einbauen und Korrekturen durchführen.

Nachfolgend gehe ich zunächst auf das DTP Error Handling ein und erläutere die Funktionsweise des Errorstacks. Anschließend zeige ich Ihnen, wie Sie automatische Korrekturen mit SQLScript durchführen können.

Erstes Szenario - DTP Error Handling und manuelle Korrektur im Errorstack

Im ersten Szenario nutzen wir die Mechanismen des DTP Errorhandlers. Hier schreibt man die fehlerhaften Sätze in den Fehler-Stack, wo sie anschließend manuell korrigiert werden können.

Beachten Sie dabei, dass standardmäßig jede Transformation in zwei Durchläufen ausgeführt wird. Zuerst werden die fehlerhaften Datensätze herausgefiltert. Anschließend wird auf die verbliebenen, korrekten Daten die eigentliche Logik der Routine angewendet.

Bei der Ermittlung von fehlerhaften Sätzen spielt die semantische Gruppierung eine wichtige Rolle. So können Sie über die Einstellung Extraktion gruppiert durch im DTP Reiter Extraktion Felder definieren, die als Schlüssel für die Fehlerbehandlung dienen. Nachdem ein fehlerhafter Datensatz identifiziert wurde, werden alle Datensätze mit dem gleichen Schlüsselwert ebenfalls in den Errorstack verschoben.

Semantische Gruppen auf BW4HANA festlegen

Nachfolgend erläutere ich die Bedeutung der semantischen Gruppen anhand eines Beispiels. Betrachten wir die folgende Tabelle. Diese stellt verschiedene Bestellungen dar, die jeweils mehrere Bestellpositionen beinhalten:

Bestellung Bestell-Position Belegtyp Menge
1337 10 F 48
1337 20 F 32
1338 10 L 74
1338 20   58
1338 30 L 20


Bei der Bestellung mit der Nummer 1338 fehlt bei der Position 20 der Belegtyp, womit dieser Datensatz als fehlerhaft gilt:

Bestellung Bestell-Position Belegtyp Menge
1337 10 F 48
1337 20 F 32
1338 10 L 74
1338 20   58
1338 30 L 20


Mithilfe der
semantischen Gruppierung kann die gesamte Bestellung als fehlerhaft gekennzeichnet werden:

Bestellung Bestell-Position Belegtyp Menge
1337 10 F 48
1337 20 F 32
1338 10 L 74
1338 20   58
1338 30 L 20


Diese Datensätze werden herausgefiltert und in den Fehlerstack geschrieben:

Bestellung Bestell-Position Belegtyp Menge
1338 10 L 74
1338 20   58
1338 30 L 20


Anschließend wird im zweiten Durchlauf die eigentliche Logik der Routine auf die verbliebenen Datensätze angewendet:

Bestellung Bestell-Position Belegtyp Menge
1337 10 F 48
1337 20 F 32


Mithilfe der Fehlerbehandlung stellen Sie sicher, dass nur die korrekten Datensätze ins System gebucht werden. Die inkonsistenten Datensätze können manuell korrigiert und mithilfe eines Fehler-DTPs verbucht werden.

Der Nachteil dieses Szenarios ist, dass die Daten zweimal prozessiert werden, was in längeren Ladezeiten resultieren kann. Dies fällt vor allem bei Routinen für einzelne Felder ins Gewicht, da die kompletten Daten ein weiteres Mal verarbeitet werden. Das bedeutet, dass die Laufzeit bei n verwendeten Feldroutinen um Faktor n+2 verlängert wird. Aus diesem Grund sollten Sie auf Feldroutinen verzichten und stattdessen eine Endroutine verwenden.

Darüber hinaus ist auch der Fehler DTP erst mit BW/4HANA 2.0 verwendet. Mit BW/4HANA 1.0 und BW 7.5 on HANA kann das Error Handling für die HANA-Laufzeit nicht verwendet werden. Wenn Sie bereits ein BW/4HANA 2.0 im Einsatz haben und diese Lösung nutzen möchten, sollten Sie den Einsatz dieser Lösung unter dem Performance-Aspekt kritisch prüfen. Alternativ können Sie das zweite Szenario in Betracht ziehen, welches wir im nachfolgenden Absatz erläutern.


Steigern Sie die Leistung Ihres BW mit SQLScript

SAP SQLScript Whitepaper



Zweites Szenario - Automatische Korrektur von fehlerhaften Datensätzen

Dieses Szenario unterscheidet sich grundsätzlich von der ersten Methode. Anstatt die fehlerhaften Datensätze im Error Stack zu sammeln, geht es darum, die fehlerhaften Sätze flexibel weiterverarbeiten zu können.

So können Sie zum Beispiel in den Ziel-InfoProvider ein Feld aufnehmen, welches als Statusindikatior dient. Mit diesem Flag können Sie die fehlerhaften Datensätze kennzeichnen. Gegebenenfalls können Sie dort auch die Fehlerart hinterlegen, um spätere Fehlerbehandlung zu erleichtern.

Grundsätzlich werden also alle Datensätze fortgeschrieben, wobei die fehlerhaften Sätze mit einem Flag versehen werden. Dieses Vorgehen hat den Vorteil, dass Berichte auch fehlerhafte Sätze einbeziehen können. Über das Feld Statusindikator können Sie steuern, ob die Datensätze mit Fehlern angezeigt oder herausgefiltert werden sollen.

Um die fehlerhaften Sätze zu korrigieren, können Sie eine Transformation verwenden, die in den Ziel-InfoProvider selbst schreibt und automatische Korrekturen vornimmt. Eine andere Möglichkeit wäre es, die Daten in ein anderes DataStore Objekt zu verbuchen, um dort die Daten mit einem eigenen UI (wie z. B. NextTables) zu bearbeiten. Dabei können Sie auf die Funktionen RSDRI_INFOPROV_READ und RSDSO_WRITE_API bzw. RSDSO_DU_WRITE_API als APIs zurückgreifen. Anschließend können Sie die korrigierten Daten in den eigentlichen Ziel-InfoProvider zurückschreiben oder anderweitig verarbeiten.

Wenn Sie die fehlerhaften Datensätze nicht in einem DSO zwischenlagern möchten, existiert eine weitere Alternative. So können Sie die fehlerhaften Datensätze auch direkt in der Transformation, ohne Ablage in einem DSO, korrigieren. Wie es mithilfe von SQLScript funktioniert, erfahren Sie in einem weiteren Artikel, den wir in dieser Reihe noch veröffentlichen werden. 

Möglichkeiten zur Fehlerbehandlung - Unser Fazit

Je nach Anforderungsprofil ist das erste oder das zweite Szenario sinnvoller.

Beim ersten Szenario stellen Sie sicher, dass nur die konsistenten Datensätze verbucht werden. Dieses Szenario kommt allerdings erst ab der Version BW/4HANA 2.0 in Frage. Das Einsatzszenario sollte hinsichtlich der Performance genau getestet werden, da die Daten doppelt verarbeitet werden. Sie können hier die Standardfunktionalität der SAP nutzen, aber sind auch an deren Möglichkeiten gebunden. So können Sie die inkorrekten Datensätze nur manuell korrigieren und anschließend mit einem Fehler-DTP laden.

In unserem nächsten Artikel, den wir in dieser Reihe veröffentlichen werden, gehen wir dann im Detail auf dieses Szenario ein und liefern hilfreiche SQLScript Coding Snippets für die Umsetzung.

Beim zweiten Szenario haben Sie eine höhere Flexibilität - Ihnen stehen mehr Möglichkeiten zur Verfügung, die inkonsistenten Daten zu verarbeiten. Ob Sie dabei die fehlerhaften Sätze zunächst in einem DSO hinterlegen oder on-the-fly korrigieren, hängt von den individuellen Anforderungen ab. Allerdings entfernen Sie sich dabei vom SAP-Standard und sind auf Eigenentwicklungen angewiesen. Beide Alternativen beleuchten wir in den später folgenden Beiträgen ausführlich.

Planen Sie einen Umstieg auf SQLScript und benötigen Sie Unterstützung bei der Planung der richtigen Strategie? Oder benötigen Sie erfahrene Entwickler zur Umsetzung Ihrer Anforderungen? Zögern Sie bitte nicht, uns zu kontaktieren - wir beraten Sie gerne.

Erfahren Sie mehr über  SAP HANA SQLScript

, ,

avatar

Chris Fidanidis

Chris ist seit 2007 im SAP BW-Umfeld tätig. In diesen Jahren hat er mehrere Planungsprojekte umgesetzt und dabei die diversesten SAP-Tools genutzt, wie z.B. SAP BSP, SAP BW-IP, SAP BPC, SAP BW Embedded BPC. Erfahrungen hat er vor allem als Entwickler, Architekt, Projekt- bzw. Teamleiter sammeln können. Privat spielt er gerne Basketball und grillt wann immer es geht.

Sie haben eine Frage zum Blog?
Fragen Sie Chris Fidanidis

Gender Hinweis Aufgrund der besseren Lesbarkeit wird im Text das generische Maskulinum verwendet. Gemeint sind jedoch immer alle Menschen.

Blog - NextLytics AG 

Welcome to our blog. In this section we regularly report on news and background information on topics such as SAP Business Intelligence (BI), SAP Dashboarding with Lumira Designer or SAP Analytics Cloud, Machine Learning with SAP BW, Data Science and Planning with SAP Business Planning and Consolidation (BPC), SAP Integrated Planning (IP) and SAC Planning and much more.

Informieren Sie mich über Neuigkeiten

Verwandte Beiträge

Letzte Beiträge