Beiträge

Vertriebssteuerung mit Hilfe von Werttreiberbäumen

Vertriebssteuerung mit Hilfe von Werttreiberbäumen

Die Herausforderung

Eine transparente Steuerung des Vertriebs über unterschiedliche Unternehmenseinheiten hinweg stellt nach wie vor eine große Herausforderung für viele Unternehmen dar. Dieser Blogbeitrag berichtet über einen möglichen Ansatz und das ausgewählte Vorgehen.

Das im Beispiel vorgestellte Unternehmen ist international im Bereich komplexer Lichtlösungsprojekte tätig, die Landesgesellschaften haben viele Freiheiten und die einzelnen Niederlassungen und Büros arbeiten weitgehend autark.

Die Überlegung war daher, ein System zu entwickeln, das einerseits mehr Transparenz in Vertriebsaktivitäten, Erfolgsquoten, Erfolgstreiber und Prozesse bringt. Auf der anderen Seite ist das Unternehmen in einem wettbewerbsintensiven Markt tätig: Das Geschäft ist vielfach Projektarbeit, an der viele Beteiligte mitwirken: Architekten, Lichtplaner, Bauträger, Bauherren, Handwerker und auch behördliche Einrichtungen. Man kennt also vielfach nicht „den Kunden.“ So war z.B. bis dato nicht möglich, Kundenprofitabilitäten zu messen.

Aufgrund der Komplexität der Lichtlösungsprojekte, ist es für das Unternehmen entscheidend, möglichst nur solche Vorhaben voranzutreiben, die auch tatsächlich umgesetzt werden. Der Vertrieb arbeitet dann effektiv, wenn die Trefferquote hoch ist.

Lange Projektlaufzeiten erschweren die Nachvollziehbarkeit zusätzlich. Denn noch lange nachdem der Auftrag gebucht wurde, sind Mitarbeiter des Unternehmens und deren Partner – nicht selten aus unterschiedlichen Landesgesellschaften oder Geschäftsstellen – mit der Umsetzung von Vorhaben beschäftigt. Mit entsprechend zeitlichem Verzug erfolgt dann die Rechnungsstellung. Wie soll man die Performance des Vertriebs steuern, angesichts der vielen verschiedenen Beteiligten und Zeitpunkte, an denen Leistungen erbracht wurden, die für den Erfolg notwendig sind? Jeder arbeitet zu einem bestimmten Anteil und in einer unterschiedlichen Phase an einem Projekt.

Performance im Vertrieb bedeutet in diesem Fall nicht nur die Wirtschaftlichkeit anhand des Auftragseingangs zu messen. Auch die nachfolgenden Prozesse und Arbeiten – also die Spuren, die ein Mitarbeiter im System hinterlässt – sollen für die Leistungsermittlung mitberücksichtigt werden. Denn nicht selten werden während der Realisierung Gutschriften gewährt oder Reklamationen bearbeitet, ggf. kommt es sogar zu Zahlungsausfällen.

Die Lösung

In einer frühen Projektphase entstand ein ausgefeiltes Fachkonzept, in dem die Art der Darstellungen, Analysen und Reports detailliert beschrieben wurde. Es gab eine sehr klare Vorstellung von dem, was das System später leisten sollte. Von besonderer Wichtigkeit war die Möglichkeit, die Performance auf einen Blick haben erfassen zu können. Wie gut ist München im Vergleich zu Berlin, wie erfolgreich sind Teams, wodurch erklären sich Unterschiede im EBIT, warum erzielen einige Produkte höhere Margen als andere? Wie hoch waren die Aufwendungen im Backoffice und was können die Beteiligten lernen, um beim nächsten Projekt noch besser zu sein?

Um diese Fragen beantworten zu können, musste eine Konsolidierung von Kennzahlen sowie ein direkter Leistungsvergleich auf den unterschiedlichsten Ebenen möglich sein: Landesgesellschaft, Region, Niederlassung, vom Team bis zum einzelnen Mitarbeiter.

Das Fundament für den fachlichen Teil ist das Konzept der Wertetreiberbäume (Value Driver Trees). Kurz: Mit Hilfe einer hierarchischen Struktur lässt sich für unterschiedliche Fragestellungen sehr genau analysieren, welche Hebel bewegt werden müssen, um noch erfolgreicher zu sein. Anhand eines Wertetreiberbaums können Abhängigkeiten erkannt werden, auf deren Grundlage sich adäquate Maßnahmen aufsetzen lassen, um beispielsweise Kundenpotenziale besser auszuschöpfen.

Dazu 2 Beispiele.

Beispiel 1: From Quotation to Order

Beispiel 1: From Quotation to Order

Jedes Element des Treiberbaumes enthält immer 4 Werte: Minimum, Maximum, Durchschnitt sowie den Wert der ausgewählten Organisationseinheit in Relation zu der Einheit, mit welcher verglichen wird. Ein grün eingefärbter Balken bedeutet, dass die ausgewählte Organisationseinheit eine bessere Performance aufweist ist als der Durchschnitt der Vergleichseinheiten, ein roter Balken, dass die Organisationseinheit schlechter ist als der Durchschnitt.

Die Selektion erfolgt jeweils für eine bestimmte Periode, die Einheit, welche betrachtet werden soll, sowie für diejenige Einheit mit der verglichen wird.

Vom einzelnen Vertriebsmitarbeiter über Verkaufsbüro, Region, Landesgesellschaft bis hin zum Gesamtunternehmen können alle Werte miteinander verglichen werden.

Beispiel 2: EBIT Analysis

EBIT Analysis

Eine Besonderheit der EBIT Analyse ist die die Betrachtung von Gross- und Netsales. Gross Sales sind dabei die in SD fakturierten Umsätze, während bei den Netsales auch die tatsächlich erfolgten Zahlungseingänge, Forderungsausfälle, sowie nachträglich gewährte Rabatte etc. in die Berechnung einbezogen werden.

Die Präsentation der Auswertungen erfolgte im Unternehmensportal durch eine speziell für diesen Zweck entwickelte JAVA Anwendung, welche die Daten der zugrunde liegenden OLAP Query Ergebnisse des BW Servers zur Anzeige brachtet. Die Übertragung der Daten vom BW Server zum Unternehmensportal erfolgte mittels XML, das von einem speziell dafür entwickelten Funktionsbaustein auf dem BW Server erzeugt und dann an das Portal übertragen wurde.

Das Vorgehen

Im Rahmen des Projektvorgehens erfolgte zunächst tiefgehende Analyse der fachlichen Anforderungen gemeinsam mit dem Fachbereich.

Die Merkmale und Kennzahlen in den fachlichen Anforderungen wurden in ein Set von mehr als 100 Basiskennzahlen und Merkmalstrukturen aufgebrochen, das zusammen mit den IT Mitarbeitern des verifiziert und mit bereits vorhandenen Datenstrukturen abgeglichen wurde. Diese Basiskennzahlen und Merkmalstrukturen bildeten unter anderem die Grundlage für die Elemente der Treiberbaumstrukturen.

Im Anschluss daran erfolgte die parallele Entwicklung der Infoprovider und Transformationen im BW Backend System sowie der Frontend JAVA Applikation für das Unternehmensportal. Die benötigten Kennzahlen wurden weitgehend vorberechnet, um die OLAP Laufzeiten zu minimieren. Parallel dazu erfolgte die Konzeption der zugehörigen Frontend Applikation.

Nach umfangreichen Tests und Datenverifizierungen wurde die Applikation erfolge die Übergabe an den Fachbereich und die IT. Im Rahmen des Post Go Live Supports wurden letzte Fehler beseitigt und verschiedenen Optimierungen vorgenommen.

Solltest Du Fragen zu diesem Thema haben, bitte zögere nicht,uns zu kontaktieren. Wir bei Inspiricon freuen uns auf deine Kontaktaufnahme!

Quellenangabe der Bilder: SAP SE

Autor dieses Beitrags
Oskar Glaser Lead Consultant BI Reporting
Tel.: +49 (0) 7031 714 660 0
E-Mail: info@inspiricon.de
Die Welt der Predictive Analytics

Die Welt der Predictive Analytics

Hallo und herzlich willkommen zum ersten Artikel aus unserer Blogreihe zum Thema Predictive Analytics!

Am besten steigen wir gleich mit zwei Definitionen ein, deren Verständnis grundlegend für diesen und alle weiteren Artikel ist:

  1. Predictive Analytics umfasst mit Predictive Modellingmaschinellem Lernen und Data Mining verschiedene statistische Verfahren, die aktuelle und historische Daten analysieren, um Prognosen für zukünftige oder anderweitig unbekannte Ereignisse stellen zu können.
  2. Maschinelles Lernen ist ein kontinuierlicher Prozess, bei dem Algorithmen und Modelle ununterbrochen lernen, um Wahrnehmung (die Art und Weise, wie wir Informationen aufnehmen) und die Verarbeitung (die Art und Weise, wie wir mit Informationen umgehen) entsprechend anzupassen.

Was du von dieser Blogreihe erwarten kannst

  • Dieser erste Artikel dient als Einstieg in das Thema und soll dir einen Überblick über die Zusammenhänge liefern. Ziel ist es, dich mit dem Verhältnis zwischen Predictive Analytics, maschinellem Lernen und Unternehmensstrategie, Technologie und Unternehmenskultur vertraut zu machen.
  • In unserem zweiten Artikel werden wir dir ein auf Grundlage von SAP Predictive Analytics entwickeltes Vorhersagemodell vorstellen.
  • Im dritten Artikel wagen wir dann einen tieferen Einstieg in die theoretischen und technischen Grundlagen. Dabei wird mit jedem neuen Artikel umfassenderes technisches Fachwissen erforderlich.

Wirft man einen Blick auf die betriebswirtschaftlichen Zusammenhänge wird schnell klar, dass Unternehmer, die ihre digitalen Strategien immer wieder neu an den sich verändernden technologischen Rahmenbedingungen ausrichten, auch sicherstellen können, dass ihre Mitarbeiter den Fokus auf zukünftige Innovationen nicht verlieren und das Unternehmen vorantreiben können. Durch das strategische Setzen auf disruptive Technologien können Entscheidungsträger den Markt umkrempeln, indem sie nie dagewesene Produkte, Dienstleistungen oder Geschäftsmodelle erdenken und dabei eine Werteverschiebung zwischen Produzenten oder zum Verbraucher hin auslösen.

Der Blick in den Rückspiegel kann zwar dafür sorgen, dass der Betrieb aufrechterhalten bleibt, in Hinblick auf Geschäftserfolg und Wachstum kommt man so aber nicht weiter. Stößt ein Mitbewerber durch den Einsatz aufstrebender Technologien in ein Marktsegment vor, riskiert der Rest des Marktes den Verlust etablierter Positionen, wenn sie mit dem digitalen Reifegrad nicht Schritt halten können.

Strategisches Vorausdenken und datengetriebene Entscheidungsfindung

Zwar sind Entscheidungsträger in aller Regel keine Datenwissenschaftler, doch erkennen sie zunehmend die Macht der Daten. Durch den Einsatz von maschinellem Lernen, Big Data sowie Advanced und Predictive Analytics machen sich kleine und mittelständische Unternehmen ihre eigene Schnelligkeit und Agilität immer mehr zu Nutze, um die Wünsche ihrer Kunden besser zu erfüllen, tiefgreifende Marktveränderungen abzufedern oder als Chance zu begreifen und gestützt auf Innovationen ihren Weg an die Spitze des Marktes zu beschreiten.

Eines ist klar, Daten sind dieser Tage im Überfluss vorhanden. Unternehmen haben viele Milliarden in kostspielige Aufwandspositionen wie ERP-Systeme, Betriebstechnologien von Anlagenausrüstung über POS-Systeme und Informationsdienste investiert. Die schiere Menge an Daten heißt aber noch lange nicht, dass diese auch gewinnbringend eingesetzt werden.

Der Erfolg von maschinellem Lernen und Predictive Analytics ist sehr gut dokumentiert und ihr Wert gerade in Bereichen wie Marketing und Konsumverhalten sehr geschätzt, doch die möglichen Anwendungsbereiche gehen weit darüber hinaus.

Es gibt immer noch sehr viele Unternehmen, die ihre Umsatzplanung (als Teil ihrer Finanzprognosen) anhand manueller Eingaben erstellen, die wiederum auf persönlichen Erfahrungswerten basieren – also mehr oder weniger nach „Bauchgefühl“. Unter Umständen wird am Ende noch ein Korrekturfaktor berücksichtigt; aber wie du dir sicher vorstellen kannst, ist auch dieser nie wirklich präzise. Die Erstellung und Einbeziehung eines Vorhersagemodells kann mit Blick auf ein solches Szenario also einen nicht unerheblichen Vorteil in puncto Planungsgenauigkeit ausmachen.

Predictive und Machine Learning ist für die meisten Menschen noch ein sehr neues Feld. Dank der vielfältigen Ausprägungen, die alle unterschiedliche Lösungen und Herangehensweisen erforderlich machen, ergeben sich nahezu unendliche Möglichkeiten, die Vorteile nutzbar zu machen.

Die aktuellen Architekturparadigmen der SAP im Bereich Predictive Analytics

Beim Trainieren eines Vorhersagemodells mit allen verfügbaren Daten steht an allererster Stelle die Kolokation der Daten und der Algorithmenumsetzung (die Predictive-Modelling-Engine).

Hier sind zwei Szenarien möglich:

  1. Zum einen kann die Modelling-Engine zu den Daten gebracht werden (was Datenbankanbieter und die Big-Data-Plattformen sehr gut verstanden haben), so auch SAP mit Machine-Learning-Bibliotheken wie SAP Predictive Analytics Library und SAP Automated Predictive Library sowie die R- und TensorFlow-Integration unter SAP HANA (wobei die letzteren Zwei in Zukunft eine engere Integration als derzeit benötigen).
  2. Weiterhin ist es möglich, die Daten zur Modelling-Engine zu bringen (wobei die meisten Cloud-Umgebungen für Predictive und Machine Learning genau dieses Prinzip verfolgen). Dies gilt auch für die Machine-Learning-Umgebung SAP Leonardo. Diese Cloud-Umgebungen müssen schon bald auch hybride Szenarien unterstützen, damit diese Herausforderung von einem Problem zu einer weiteren Gestaltungsoption wird.

Unternehmenskultur spielt neben der Technologie eine ebenso bedeutsame Rolle

Ganz egal, wie ausgereift die Analytics-Lösungen im Unternehmen auch sein mögen, lässt sich kein nennenswerter Vorteil daraus schöpfen, wenn sie nicht von Menschen mit entsprechendem Fähigkeiten eingesetzt werden. Wenn sich die Finanzabteilung auf das Erbsenzählen beschränkt und mit ihren Dashboards auch weiterhin nur den Blick in den Rückspiegel wagt, werden lediglich die gleichen alten Prozesse unter Einsatz fortschrittlicherer Technologien automatisiert.

Führungsstärke erfordert gezielte Anstrengungen – gestützt durch Schulung und Mentoring – bei der Weiterentwicklung der Predictive-Analytics-Fertigkeiten im Team. Wird das Team dieser Herausforderung nicht gerecht, lässt es sich nicht vermeiden, diese Fähigkeiten anderswo zu suchen.

In einer immer schnelllebigeren Geschäftswelt müssen sich Unternehmen auf Daten stützen, um erfolgreich zu sein. Ein datengestütztes Unternehmen kann aber nur dann entstehen, wenn die Verantwortlichen den Puls des Unternehmens unnachgiebig messen, überwachen, vorhersagen und entsprechend handeln und dabei kontinuierlich und automatisiert vorgehen. Um dies zu erreichen, muss das Unternehmen den Wert der Daten unternehmensweit kommunizieren, als Katalysator für den kulturellen Wandel hin zur einem datengestützten Vorgehen fungieren und zudem – und das ist der wichtigste Punkt – dabei auf maschinelles Lernen im gesamten Unternehmen setzen.

Dabei gilt es Technologien, Datenstrategie und Unternehmenskultur zu berücksichtigen. Das Wichtigste ist jedoch, den ersten Schritt auf diesem Weg zu wagen.

Verpassenicht unseren nächsten Artikel zum Thema Predictive Analytics. Folge uns auf Facebook, Twitter, XING oder LinkedIn, um immer auf dem Laufenden zu bleiben.

Quelle: Wikipedia, http://blog-sap.com

Autor dieses Beitrags
Ovidiu Costea Consultant SAP BI
Tel.: +49 (0) 7031 714 660 0
E-Mail: cluj@inspiricon.de
künstliche Intelligenz

Big Data und künstliche Intelligenz – ein mächtiges Duo, das unsere Zukunft mitgestalten wird

Mit SAP wird künstliche Intelligenz Wirklichkeit

Big Data mit intelligenten Maschinen auszuwerten, ist schon lange keine Zukunftsmusik mehr. SAP hat möglich gemacht, was bis vor einigen Jahren noch als Träumerei galt. Basierend auf SAP HANA hat SAP mehrere Softwarekomponenten ins Leben gerufen, die eigenständig denken und Daten im großen Stil auswerten. Mittlerweile kann die Software Gesichter und Objekte erkennen sowie große Analysen ausführen, die manuell kaum möglich und vorstellbar wären.

Künstliche Intelligenz (KI) ist dank SAP keine Vision mehr, sondern zur Realität geworden.

SAP Clea und SAP Leonardo: Künstliche Intelligenz auf dem Vormarsch

SAP hat seine Plattform HANA um eine neue Version ergänzt. Daneben wurden zahlreiche KI- und IoT-Services (Internet of Things, zu deutsch: Internet der Dinge) auf den Markt gebracht.
Die neue Software von SAP – SAP Cleaist in die SAP Cloud integriert und kann eigenständig lernen, wobei sie keine explizite Programmierung mehr benötigt. Die analytische Intelligenz wird bereits von Unternehmen wie der Munich RE und der europäischen Raumfahrtagentur genutzt. Die Versicherungsexperten der Munich Re kalkulieren beispielsweise laufend die Gefahr von Waldbränden, wobei sie Daten über Vegetationsverläufe heranziehen. Diese Berechnungen werden durch die intelligente Software unterstützt und Big Data wird im großen Stil ausgewertet.

SAP Leonardo heißt das IoT-Lösungsportfolio von SAP.

Wie schon der Namensgeber Leonardo da Vinci arbeitet auch SAP Leonardo interdisziplinär und übergreifend – was eine elementare Anforderung für das Internet der Dinge ist. Informationen aus unterschiedlichen Unternehmensbereichen werden in Betracht gezogen, sodass auf dieser Basis neue Lösungen und Geschäftsmodelle entwickelt werden können. Die Intention von SAP Leonardo ist es, potenzielle Kunden bei der Findung ihrer IoT-Strategie zu unterstützen und passende Lösungen für ihre individuellen Anforderungen auszuwählen.

Denn eines steht fest: die eine richtige Software für das IoT oder KI gibt es nicht. Meistens handelt es sich um ein Zusammenwirken aus mehreren Anwendungen.

Der digitale Kern: Die SAP Enterprise Suite S/4HANA

S/4HANA wird bereits von über 4.000 Unternehmen in 25 Ländern genutzt. Diese ist der digitale Kern der Transformation, die für das Internet der Dinge oder KI/Machine Learning eingesetzt werden kann. SAP stellte eine Reihe von Ergänzungen in der Cloud vor, darunter Connected Logistics, Vehicles, Manufacturing, Assets, Retail und Future Cities. Damit lassen sich unter anderem Fahrzeugflotten managen, Qualitätsebenen kontrollieren und Routen berechnen.

Im Bereich der künstlichen Intelligenz und den Machine Learning-Services bietet SAP unter anderem die folgenden Services in der SAP Cloud an:

  • Resume Matching für das Recruiting
  • Cash App zur Analyse der Zahlungsmoral
  • Social Media Customer Service
  • Brand Intelligence
  • Fraud Detection für Versicherungen und Banken

SAP Fiori – die neue SAP UI

SAP Fiori ist eine Initiative, mit der die Endanwender-Erfahrung verbessert wird (dazu mehr auf unserer Webseite und auf unserem Blog). Mit Fiori 2.0 sollen sämtliche SAP-Anwendungen harmonisiert und somit untereinander kompatibel werden. SAP Fiori beinhaltet Verbesserungen in den Bereichen Design und Benutzerfreundlichkeit.

Und auch hier kommt KI zum Einsatz. Der Anwender wird durch einen Co-Piloten unterstützt, der dessen Handlungen voraussieht und diese entsprechend vorbereitet. Mit der integrierten Sprachsteuerung werden beispielsweise Arbeitsabläufe bei Wartungen oder im Lager verbessert. Die künstliche Intelligenz wertet Lieferanten aus und ordnet diese nach einem eingestellten Anforderungsprofil in Kategorien ein.

Inspiriert: Big Data spielend einfach auswerten

Zusammen mit der künstlichen Intelligenz sowie Big Data und der Unterstützung durch SAP Fiori kann noch effektiver automatisiert und ausgewertet werden. Die Software versucht zu erahnen, welche Handlungen der Nutzer durchführen möchte. Dies führt zu einer Effektivitätssteigerung und einer höheren Geschwindigkeit.

Mit SAP Fiori kann Big Data im großen Stil analysiert und die wichtigen Geschäftskennzahlen automatisiert überwacht werden. Anomalien, Trends und Muster werden der verantwortlichen Person automatisch auf einer den Benutzer in den Mittelpunkt stellenden Oberfläche mitgeteilt. Die Analysen erfolgen auf einer zentralen Benutzeroberfläche, die eine intuitive Bedienung ermöglicht. Komplexe Modifikationen von Ein- und Ausgabeparametern sind nicht mehr erforderlich.

Die künstliche Intelligenz sorgt dafür, dass die Algorithmen auch ohne Hilfe von Fachabteilungen aussagekräftige Ergebnisse liefern. Das maschinelle Lernen zielt vornehmlich darauf ab, Zusammenhänge und Muster in Daten zu erkennen und diese auf neue Datensätze zu übertragen. Die dafür benötigten Algorithmen basieren auf Statistik, Wahrscheinlichkeitsrechnung und Algebra.

Für SAP Application Intelligence sind die Daten der Treibstoff für maschinelles Lernen.

Deep Learning: das haben die Maschinen den Menschen voraus

Ein Bereich des maschinellen Lernens ist das Deep Learning:
Bei diesem werden neuronale Netze mit großen Datenmengen geflutet. Dadurch soll die Software in der Lage sein, z.B. Gesichter zu erkennen, Gegenstände zuzuordnen und Sprache zu verstehen. Fähigkeiten, die immer weiter verbessert und zunehmend in der Robotik eingesetzt werden.

Auch im medizinischen Bereich eröffnen sich durch KI neue Anwendungsmöglichkeiten:
Zukünftig sollen die Daten einzelner Krebspatienten mit Millionen Krankenakten abgeglichen werden, wodurch eine individualisierte Präzisionsmedizin ermöglicht werden soll.

Die künstliche Intelligenz funktioniert für die breite Masse und liefert vielversprechende Ergebnisse. Die Software wird immer mehr zu einem Generalisten, der in allen Bereichen eingesetzt werden kann. Dabei bringt die SAP Application Intelligence Software Zusammenhänge ans Licht, die Menschen normalerweise nicht erkennen würden. Menschliche Mitarbeiter übersehen aus Zeitmangel oftmals wichtige Daten, die daher im Alltag unentdeckt bleiben.

Unser Fazit

Künstliche Intelligenz hat schon heute Eingang in Business Intelligence-Lösungen gefunden. Es werden somit bereits Datenanalysen in den Unternehmen gesteuert, zum Beispiel zum Auffinden von Anomalien oder dem automatisierten Strukturieren und Aufbereiten von Daten. Weiterhin werden Algorithmen aus dem Bereich der KI oft eingesetzt, um Datenströme zu überwachen.

Das intelligente und integrative Zusammenspiel von den neuen SAP Komponenten wie Clea, Leonardo oder Fiori basierend auf der SAP HANA Cloud und On-Premise-Lösungen, inspiriert Inspiricon stetig zur Suche nach innovativen Service Dienstleistungen für unsere Kunden.

Kontaktieren Sie uns, wenn auch Sie neugierig auf neue und ungeahnte (Geschäfts-) Möglichkeiten sind!

Autor dieses Beitrags
Claudio Volk Vorstand
Tel.: +49 (0) 7031 714 660 0
E-Mail: info@inspiricon.de
Inspiricon SAP-HANA cloud Platform

Features und Mehrwert der SAP HANA Cloud Plattform

Die fortschreitende Vernetzung und Echtzeit-Verarbeitung von Big Data verändert Unternehmen nachhaltig. Informationsgetriebe Services und Produkte ermöglichen vollkommen neue Kundenerlebnisse. Die In-Memory-Plattform SAP HANA stellt sämtliche Infrastruktur-Komponenten zur Verfügung, um diese technologische Gestaltung zu ermöglichen – egal, ob in der Cloud oder On-Premise.

Die SAP HANA Cloud Plattform eröffnet ungeahnte Möglichkeiten

Mit der SAP HANA Cloud Plattform (SAP HCP) hat SAP die Möglichkeit geschaffen, cloudbasierte Technologien umzusetzen. Das PaaS-Angebot (Platform as a Service) dient der Entwicklung und dem anschließenden Betrieb innovativer Anwendungen. Die offene Lösung knüpft an die In-Memory-Plattform SAP HANA an, wodurch Unternehmen unzählige Datenbank- und Anwendungsservices sowie mobile Dienste in der Cloud ermöglicht werden. Darunter fallen beispielsweise:

  • Integrations- und Sicherheitsfunktionalitäten,
  • die Unterstützung mehrerer Entwicklungssprachen sowie HTML5-basierte Oberflächen, die intuitiv bedienbar sind,
  • Suchfunktionen,
  • Verarbeitungsmöglichkeiten von georeferenzierten Informationen,
  • Analysewerkzeuge,
  • Offline-Funktionalitäten.

Welchen Mehrwert bietet SAP HCP mir als Nutzer?

SAP HCP eröffnet seinen Nutzern einen immensen Mehrwert. Mit SAP HCP kann die Anwendungslandschaft für zukünftige Anforderungen fit gemacht werden. Das PaaS-Angebot bietet eine leistungsstarke Entwicklungsplattform und dient als Laufzeitumgebung für individuelle Erweiterungen von IT-Produkten. Bestehende und neue Lösungen lassen sich spielend einfach integrieren – egal, ob es sich um ein SAP-Produkt handelt oder nicht. Die SAP HANA Cloud Plattform löst den Software-Lebenszyklus von kundenindividuellen Anpassungen und Standardanwendungen auf. Der Umstieg auf die Business Suite SAP S/4HANA wird auf diese Weise enorm erleichtert:

  • Eine Weiterentwicklung ist nicht mehr an die Kernanwendung gekoppelt.
  • Standardeinstellungen, die in Unternehmenslösungen enthalten sind, werden nicht beeinträchtigt.
  • Dies schützt bestehende Geschäftsprozesse und erhöht die Agilität.
  • Existente Eigenentwicklungen können problemlos auf die SAP HANA Cloud Plattform ausgelagert werden.

SAP HANA Cloud Plattform: Ein enormer Fortschritt

Die SAP HANA Cloud Plattform wird in den Rechenzentren von SAP betrieben und gepflegt. Ich als Kunde kann mich auf meine Kernkompetenzen konzentrieren – den Rest erledigt SAP.

SAP HCP kann jederzeit kostenlos getestet werden. Beim Kennenlernen des Angebots können eigene Anwendungen realisiert werden. Unternehmen können auf maßgeschneiderte Nutzungspakete in verschiedenen Größenordnungen zurückgreifen.

Die SAP HANA Cloud Plattform stellt für Unternehmen Weichen. Der digitale Wandel hat neben Vertrieb, Service und Marketing auch die Logistik und Industrie 4.0 fest im Blick. In Zukunft werden Milliarden von Geräten untereinander vernetzt sein und Datenströme austauschen – Schlagwort Internet of Things (IoT).

Das PaaS-Angebot bietet auch Funktionen für das Gerätemanagement. Außerdem können gerätebasierte Nachrichtenübermittlungen stattfinden. Ein IoT-Application-Enablement mit Datenmodellierung ist ebenfalls integriert. In der Cloud können Maschinen- und Anwendungsdaten in Echtzeit aufgenommen, verarbeitet und ausgewertet werden. Mit zusätzlichen Services können sensorbasierte Informationen in Echtzeit analysiert und in Anwendungen integriert werden. Dies ermöglicht neue Prozesse, Services und Geschäftsmodelle. SAP HCP ist ein Wegweiser, der in einer digitalisierten Wirtschaft zum Markterfolg führen kann.

Du willst mehr erfahren? Oder du suchst jemanden, der dich bei der Einführung von SAP HCP unterstützt? Kontaktiere uns hier und wir besprechen gemeinsam die nächsten Schritte.

 

Autor dieses Beitrags
Jörg Waldenmayer Lead Consultant
Tel.: +49 (0) 7031 714 660 0
E-Mail: info@inspiricon.de