SAP数据中台解决方案(二)

在上一回中，我们已经看到了数据中台的源起、数据仓库与数据中台的区别、数据中台对于业务中台的赋能等内容，本章我们将会就“SAP的数据中台解决方案”进行阐述。

作者：Martin Xie

来源：售前情报站

作者理解的数据中台整体框架

广义的数据中台包括了数据技术、数据模型、算法服务、数据产品、数据管理等，这些服务跟企业的业务有较强的关联性，是这个企业独有的且能复用的资产。

有些人认为是由三层数据相关的对象构成即ODS层、CDS层、ADS层。其中ODS层负责数据集成、清洗、历史积累；CDS层又可以分为明细宽表层和公共汇总数据层，或者叫整合层；ADS层类似于数据仓库中的数据集市层，但是在此之上，扩展了数据集市的应用范围，将之服务化、体系化，以支持个性化指标加工和基于应用的数据组装。也有人认为数据中台由下至上应该是由数据模型、数据服务、应用开发三层构成，并将上述的ODS层、CDS层、ADS层统一归为数据模型。

在SAP理解的数据中台整体框架中，数据中台本身可能不是一个产品搭建而成，而可能是由一系列的产品或者平台构成的整体的统称，数据中台的核心应该包含由大数据仓库所管理的结构化数据和由hadoop管理的非结构化数据共同构成，如下图所示：

在数据中台左边是现有各式各样的业务系统，其中既有中台业务系统，也有后台业务支撑系统，它们通过数据集成工具和接口接入到数据中台来。在数据中台底层应该包括主数据管理、交易数据管理、权限管理、元数据管理、数据加密、边界保护、主机安全防护、统一身份认证、系统监控、系统管理等数据治理相关的能力，同时又有类似工作流引擎等相关的技术平台能力。在数据中台的最上面是对于数据的编排服务和数据资产的管理。所有的这些能力都是为了其上的大数据分析应用和其右的大数据业务应用服务的。

数据中台应该具备的能力

既然数据中台包含了数据技术、数据模型、算法服务、数据产品、数据管理等内容，因此从整个数据中台体系来说，我们认为合格的数据中台应该具备如下各方面的能力。

1、强大的数据集成能力和编排能力。不仅要能批量集成现有各种类型的数据来源，还要能够实时集成来自设备层的IoT流数据等。

2、基于不同数据特性的混合部署数据平台。不仅要能存储和加工架构化数据的能力，还要有能够处理各式样非结构化数据的能力。

3、基于服务，而不是数据库的数据交互。所有对外的数据服务，不是直接基于数据库进行交互，而是将数据封装为服务之后，通过“微服务接口”的方式提供对外服务。

4、访问足够颗粒度的数据，以获得高度自由的数据洞察分析能力。虽然不少人认为数据中台里应该有足够汇总的数据提供调用，但是抛开处理速度不说，从数据价值的角度来看，越是明细的数据越是能够提供足够的业务价值。

5、强大的数据分析引擎，支持数据驱动的业务洞察能力。大数据是生产资料，数据处理能力则是生产力，只有具备了强大的生产力，才有可能对数据中台的数据进行完美的处理。

6、数据资产的资产目录、所有权和血缘追踪管理。数据中台其中一个十分重要的概念就是服务目录，在数据中台的能力中，对于数据资产的治理、所有权管理，以及对数据的血缘进行追踪的能力显得愈发重要。

7、对所有数据进行分类和定义的能力。数据中台中的数据包括万象，既有主数据、也有交易数据、既有行为数据、也有环境数据，因此对数据进行分类、对指标进行体系化分类管理和定义十分有必要。

8、足够强大的数据治理能力和信息安全能力，比如符合GDPR安全要求的各种能力。

9、强大的大数据分析能力助力分析师轻松应对各种场景。

10、产品和运营牵头的技术团队。数据中台，应用为先，数据中台应该成为一种强有力的手段，而不是系统建设的终极目标。应用要从小处着手，逐步建立，因此需要产品和运营找到适合的业务场景，交由技术团队进行落地。

通过SAP相关产品构建的数据中台整体解决方案示例

从上面的数据中台的整体架构和能力模型来看，通过SAP的相关产品组合所构成的数据中台整体解决方案如下图所示：

框架最上面是大数据分析应用。我们建议使用SAC智能分析云进行明细数据的智能分析和智能洞察；使用SAP BI进行传统场景下的商务智能应用，比如固定格式报表、大规模分发报告等；使用SAP PA向业务用户提供基于机器学习的预测性分析能力；同时可以结合Python或者R进行专业级的机器学习和数据分析应用。

框架最左边是各式各样的业务中台或者业务后台系统，包括SAP ERP应用等SAP体系的OLTP系统以及其他的应用系统。这些系统按照不同的数据类别和时限要求，通过一系列的工具进行数据的同步处理。

框架中间是数据中台的核心，由“结构化大数据仓库”和“非结构化大数据系统”构成。结构化大数据仓库由SAP内存计算平台HANA驱动，基于HANA平台建设的创新大数据应用和BW/4HANA大数据仓库系统构成。非结构化数据则由Hadoop大数据系统予以管理，在架构化数据和非结构化数据之间通过SAP DataHub进行连通(通过Kafka实现的Lambda的架构在本文暂不讨论)。在此架构下HANA Vora可以作为Hadoop Spark SQL的加速器，也可以将Hadoop作为HANA或者BW/4HANA的冷数据的近线存储设备，充分利用Hadoop本身低价的扩展存储能力，进一步降低数据中台的整体拥有成本TCO。

框架最右边是大数据业务应用。我们建议使用SAP BPC进行全面预算管理和集团企业合并报表的应用；使用SAP PaPM进行集团企业战略财务中费用的分摊分配、获利能力分析的应用；使用SAP GRC进行监管、风险管控、合规的处理；其他业务应用则是基于数据中台微服务架构的客户化应用。

看了以上的内容，您可能会觉得原来通过SAP产品所构建的中台体系架构是如此的强大，实际上早在20年前，SAP就提出了类似数据服务的概念，从来都不建议直接与数据库进行交互，而是在应用层进行交互和集成，这也是我们之前一直在讨论和三层架构方案。怎么样，这么一看SAP是不是太牛了呢？那么在这样的数据中台体系下，SAP对应的软件产品解决方案都有哪些特点呢？且听下回分解。

​