Percepatan SAP Procure to Pay

Akselerator SAP untuk proses procure-to-pay adalah contoh penerapan fitur SAP Table Batch Source di Cloud Data Fusion. Akselerator SAP Procure to Pay membantu Anda memulai saat membuat proses dan analisis procure-to-pay end-to-end. Notebook ini mencakup contoh pipeline Cloud Data Fusion yang dapat Anda konfigurasi untuk melakukan tugas berikut:

• Hubungkan ke sumber data SAP Anda.
• Lakukan transformasi pada data Anda di Cloud Data Fusion.
• Simpan data Anda di BigQuery.
• Siapkan analisis di Looker. Hal ini mencakup dasbor dan model ML, tempat Anda dapat menentukan indikator performa utama (KPI) untuk proses pengadaan hingga pembayaran.

Panduan ini menjelaskan contoh penerapan, dan cara memulai konfigurasi Anda.

Akselerator ini tersedia di lingkungan Cloud Data Fusion yang berjalan di versi 6.4.0 dan yang lebih tinggi.

Sebelum memulai

Login ke Akun Google Anda.

Jika Anda belum memilikinya, Daftar untuk membuat akun baru.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Cloud Data Fusion and BigQuery APIs, if any are not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the APIs

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Cloud Data Fusion and BigQuery APIs, if any are not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the APIs

1. Download SAP Table Batch Source.
2. Anda harus memiliki akses ke instance Looker dan mengaktifkan fitur labs marketplace untuk menginstal Blok Looker. Anda dapat meminta uji coba gratis untuk mendapatkan akses ke instance.

Keahlian yang diperlukan

Penyiapan akselerator SAP Procure to Pay memerlukan keterampilan berikut:

• Keahlian dalam sistem dan konfigurasi ERP lokal SAP
• Memahami Cloud Data Fusion
• Memahami BigQuery
• Pemahaman tentang Looker
• Memahami akun layanan dan kontrol akses Identity and Access Management (IAM)
• Memahami analisis data, termasuk menulis kueri SQL
• Memahami model data multidimensi Kimball

Pengguna wajib

Konfigurasi yang dijelaskan di halaman ini memerlukan perubahan pada sistem SAP dan di Google Cloud. Anda harus bekerja sama dengan pengguna sistem tersebut berikut untuk melakukan konfigurasi:

Jenis pengguna	Deskripsi
Admin SAP	Administrator untuk sistem SAP Anda yang dapat mengakses situs layanan SAP untuk mendownload software.
Pengguna SAP	Pengguna SAP yang diberi otorisasi untuk terhubung ke sistem SAP.
Admin GCP	Administrator yang mengontrol akses IAM untuk organisasi Anda, yang membuat dan men-deploy akun layanan serta memberikan izin untuk Cloud Data Fusion, BigQuery, dan Looker.
Pengguna Cloud Data Fusion	Pengguna yang diberi otorisasi untuk mendesain dan menjalankan pipeline data di Cloud Data Fusion.
BigQuery Data Owner	Pengguna yang diizinkan untuk membuat, melihat, dan mengubah set data BigQuery.
Developer Looker	Pengguna ini dapat menginstal Blok Looker melalui Marketplace. Mereka harus memiliki izin develop, manage_model, dan deploy.

Peran IAM yang diperlukan

Dalam contoh implementasi akselerator, peran IAM berikut diperlukan. Anda mungkin memerlukan peran tambahan jika project Anda mengandalkan layanan Google Cloud lainnya.

• Admin BigQuery (roles/bigquery.admin)
• BigQuery Data Owner (roles/bigquery.dataOwner)
• Storage Object Viewer (roles/storage.objectViewer)
• Cloud Data Fusion Runner (roles/datafusion.runner) harus diberikan ke akun layanan Managed Service for Apache Spark

Ringkasan proses

Anda dapat menerapkan akselerator di project Anda dengan mengikuti langkah-langkah berikut:

1. Konfigurasi sistem SAP ERP dan instal transport SAP yang disediakan.
2. Siapkan lingkungan Cloud Data Fusion Anda untuk menggunakan plugin SAP Table Batch Source.
3. Buat set data di BigQuery. Percepatan ini menyediakan set data sampel untuk tabel pementasan, dimensi, dan fakta.
4. Konfigurasi pipeline Cloud Data Fusion sampel dari akselerator untuk mengintegrasikan data SAP Anda.
5. Dari Hub Cloud Data Fusion, deploy pipeline yang terkait dengan proses analisis pengadaan hingga pembayaran. Pipeline ini harus dikonfigurasi dengan benar untuk membuat set data BigQuery.
6. Hubungkan Looker ke project BigQuery.
7. Instal dan deploy Blok Looker.

Untuk mengetahui informasi selengkapnya, lihat Menggunakan plugin SAP Table Batch Source.

Set data sampel di BigQuery

Dalam penerapan contoh di akselerator ini, set data berikut dibuat di BigQuery.

Nama set data	Deskripsi
sap_cdf_staging	Berisi semua tabel dari sistem Sumber SAP yang diidentifikasi untuk proses bisnis tersebut.
sap_cdf_dimension	Berisi entitas dimensi utama seperti Dimensi Pelanggan dan Dimensi Materi.
sap_cdf_fact	Berisi tabel fakta yang dihasilkan dari pipeline.

Pipeline contoh di Cloud Data Fusion

Catatan: Tabel adalah kumpulan data dalam set data di BigQuery. Pipeline adalah serangkaian fungsi ETL yang ada untuk memindahkan data antara sumber dan tujuan (seperti tabel BigQuery).

Pipeline sampel untuk akselerator ini tersedia di Hub Cloud Data Fusion.

Untuk mendapatkan contoh pipeline dari Hub:

1. Buka instance Anda:

   1. Di konsol Google Cloud , buka halaman Cloud Data Fusion.

   2. Untuk membuka instance di Cloud Data Fusion Studio, klik Instance, lalu klik View instance.

      Buka Instance

2. Klik Hub.
3. Pilih tab SAP.
4. Pilih Pipelines. Halaman contoh pipeline akan terbuka.
5. Pilih pipeline yang diinginkan untuk mendownloadnya.

Setiap pipeline berisi makro yang dapat Anda konfigurasi untuk dijalankan di lingkungan Anda.

Catatan: Mengubah makro SQL tidaklah mudah. Misalnya, perubahan pada skema target juga memerlukan perubahan pada konfigurasi pemuatan data dan Looker.

Ada tiga jenis pipeline contoh:

• Pipeline lapisan staging: Set data staging dalam jenis pipeline ini adalah pemetaan langsung ke tabel sumber asli di SAP. Pipeline lapisan penyiapan sampel memiliki nama yang merujuk ke tabel sumber SAP dan tabel target BigQuery. Misalnya, pipeline bernama LFA1_Supplier_Master merujuk ke Tabel Sumber SAP (LFA1) dan tabel target BigQuery (CustomerMaster).
• Pipeline lapisan dimensi: Set data lapisan dimensi dalam jenis pipeline ini adalah versi yang dikurasi dan disempurnakan dari set data penyiapan yang membuat dimensi dan fakta yang diperlukan untuk analisis. Pipeline contoh memiliki nama yang merujuk ke target entitas dalam target set data BigQuery. Misalnya, pipeline yang disebut customer_dimension merujuk ke entitas Customer Dimension di set data BigQuery sap_cdf_fact.
• Pipeline lapisan fakta: Set data lapisan fakta adalah versi set data penyiapan yang dikurasi dan disempurnakan yang membuat fakta yang diperlukan untuk analisis. Pipeline sampel ini memiliki nama yang merujuk ke target entitas dalam set data BigQuery target. Misalnya, pipeline bernama sales_order_fact mengirimkan data yang dikurasi ke entitas Sales Order Fact di set data BigQuery sap_cdf_fact yang sesuai.

Bagian berikut merangkum cara membuat pipeline berfungsi di lingkungan Anda.

Mengonfigurasi pipeline lapisan penyiapan

Ada dua langkah konfigurasi untuk pipeline penyiapan:

1. Konfigurasi sistem SAP sumber.
2. Konfigurasi set data dan tabel BigQuery target.

Parameter untuk plugin SAP Table Batch Source

Plugin SAP Table Batch Source membaca konten tabel atau tampilan SAP. Akselerator menyediakan makro berikut, yang dapat Anda ubah untuk mengontrol koneksi SAP Anda secara terpusat.

Nama makro	Deskripsi	Contoh
${SAP Client}	Klien SAP yang akan digunakan	100
${SAP Language}	Bahasa login SAP	EN
${SAP Application Server Host}	Nama server atau alamat IP SAP	10.132.0.47
${SAP System Number}	Nomor sistem SAP	00
${secure(saplogonusername)}	Nama pengguna SAP	Untuk mengetahui informasi selengkapnya, lihat Menggunakan Kunci Aman.
${secure(saplogonpassword)}	Sandi pengguna SAP	Untuk mengetahui informasi selengkapnya, lihat Menggunakan Kunci Aman.
${Number of Rows to Fetch}	Membatasi jumlah data yang diekstrak	100000

Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi plugin.

Parameter untuk target BigQuery

Akselerator menyediakan makro berikut untuk target BigQuery.

Konfigurasi konektor target BigQuery

Nama makro	Deskripsi	Contoh
${ProjectID}	ID project tempat set data BigQuery telah dibuat.	sap_adaptor
${Dataset}	Set data target	sap_cdf_staging

Contoh pipeline yang digunakan untuk KPI proses pengadaan hingga pembayaran

Entitas bisnis utama berikut dalam proses pengadaan hingga pembayaran sesuai dengan contoh pipeline dalam akselerator. Pipeline ini mengirimkan data yang mendukung analisis tentang entitas ini.

Entitas bisnis utama	Nama pipeline yang sesuai
Supplier Tabel sumber SAP mencatat detail tentang supplier yang terkait dengan bisnis. Informasi dari tabel ini berkontribusi pada supplier_dimension di lapisan dimensi data warehouse.	LFA1_SupplierMaster LFB1_SupplierMasterCompanyCode BUT000_BPGeneralInformation
Material atau Product adalah komoditas yang diperdagangkan antara perusahaan dan pelanggannya. Informasi dari tabel ini berkontribusi pada material_dimension di lapisan dimensi data warehouse.	MARA_MaterialMaster
Proses pengadaan hingga pembayaran dimulai dengan pesanan, yang mencakup jumlah pesanan dan detail tentang item materi.	EKKO_PurchaseOrderHeader EKPO_PurchaseOrdertItem
Sub-proses Penerimaan Barang, yang mencakup detail pergerakan tentang item Material.	MATDOC_GoodsReceipt
Subproses Pembuatan invoice, yang mencakup detail dokumen invoice yang diminta.	RBKP_InvoiceHeader RSEG_InvoiceLineItem
Proses pengadaan hingga pembayaran berakhir saat pembayaran invoice dicatat dalam sistem Anda.	ACDOCA_UniversalJournalItem

Semua pipeline penyiapan Cloud Data Fusion

Contoh pipeline penyiapan Cloud Data Fusion berikut tersedia di akselerator:

• 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

Mengonfigurasi pipeline lapisan dimensi

Anda dapat mengekstrak KPI dari tabel SAP sumber. Untuk menyiapkan data untuk analisis, atur data dalam tabel sumber agar sesuai dengan struktur skema tabel BigQuery.

Akselerator membuat contoh tabel berikut:

Nama tabel	Deskripsi tabel
Supplier_dimension	Daftar pilihan* Pemasok dan fakta terkaitnya seperti informasi umum pemasok dan informasi terkait penjualan pemasok.
Material_dimension	Daftar Materi yang dikurasi dan fakta terkait seperti nomor SKU, hierarki produk, dan klasifikasi.
Purchase_Order_Fact	Daftar pesanan pembelian, termasuk organisasi pembelian, grup, dan jenis pesanan.
Goods_Receipt_Fact	Daftar tanda terima barang yang dikurasi, termasuk informasi jenis pusat laba dan pergerakan.
Invoice_Fact	Daftar informasi terkait Invoice yang dikurasi, termasuk jenis Invoice, jumlah item, nilai, dan tanggal postingan Invoice.
Accounting_Fact	Daftar postingan akuntansi yang dikurasi untuk setiap item baris pesanan pembelian.

*Dalam konteks ini, daftar pilihan berasal dari logika bisnis yang diterapkan ke daftar kolom yang dipilih.

Percepatan ini membangun lapisan dimensi set data BigQuery menggunakan skrip SQL, yang dapat Anda ubah untuk project Anda. Misalnya, Anda dapat menyesuaikan skrip ini untuk menambahkan lebih banyak kolom ke entity set data BigQuery target.

Transformasi ke skema bintang: Nama pipeline eksekutor BigQuery

Pipeline eksekutor BigQuery berikut di Cloud Data Fusion memuat data ke dalam tabel dimensi dan fakta:

Semua pipeline transformasi dimensi:

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

Konfigurasi eksekutor BigQuery

Nama makro	Contoh
${ProjectID}	sap_adaptor
${StagingDatasetName}	sap_cdf_staging
${TargetDatasetName}	sap_cdf_dimension

Menghubungkan Looker ke project BigQuery

Untuk menghubungkan Looker ke BigQuery, lihat dokumentasi Looker tentang koneksi BigQuery.

Pasang blok

Catatan: Anda memerlukan akses ke instance Looker untuk menginstal dan menggunakan blok ini.

Anda dapat mengakses Blok Looker SAP di GitHub.

Looker Block menginstal model LookML yang telah dikonfigurasi sebelumnya dengan dua lingkungan Eksplorasi dan dua dasbor.

Langkah berikutnya

• Pelajari lebih lanjut Cloud Data Fusion.
• Pelajari lebih lanjut SAP di Google Cloud.
• Pelajari BigQuery lebih lanjut.
• Pelajari lebih lanjut Blok Looker.