Acelerador SAP Procure to Pay

O acelerador SAP para o processo de aquisição ao pagamento é uma implementação de exemplo da funcionalidade SAP Table Batch Source no Cloud Data Fusion. O acelerador SAP Procure to Pay ajuda a começar quando cria o seu processo de aprovisionamento a pagamento e estatísticas ponto a ponto. Inclui exemplos de pipelines do Cloud Data Fusion que pode configurar para realizar as seguintes tarefas:

  • Faça a ligação à sua origem de dados SAP.
  • Realize transformações nos seus dados no Cloud Data Fusion.
  • Armazene os seus dados no BigQuery.
  • Configure o Analytics no Looker. Isto inclui painéis de controlo e um modelo de ML, onde pode definir os indicadores essenciais de desempenho (IEDs) para o seu processo de aquisição ao pagamento.

Este guia descreve a implementação de exemplo e como pode começar com as suas configurações.

O acelerador está disponível em ambientes do Cloud Data Fusion com a versão 6.4.0 e superior.

Antes de começar

  1. Sign in to your Google Account.

    If you don't already have one, sign up for a new account.

  2. 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.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. Enable the Cloud Data Fusion and BigQuery APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

  5. 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.

    Go to project selector

  6. Verify that billing is enabled for your Google Cloud project.

  7. Enable the Cloud Data Fusion and BigQuery APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

    8.
  8. Transfira a origem do lote de tabelas SAP.
  9. Tem de ter acesso a uma instância do Looker e ter a funcionalidade Labs do mercado ativada para instalar o bloco do Looker. Pode pedir uma avaliação gratuita para aceder a uma instância.

    10. Competências necessárias

    A configuração do acelerador SAP Procure to Pay requer as seguintes competências:

    Utilizadores necessários

    As configurações descritas nesta página requerem alterações no seu sistema SAP e em Google Cloud. Tem de trabalhar com os seguintes utilizadores desses sistemas para fazer as configurações:

    Tipo de utilizador Descrição
    Administrador do SAP Administrador do seu sistema SAP que pode aceder ao site de serviços SAP para transferir software.
    Utilizador do SAP Um utilizador do SAP autorizado a estabelecer ligação a um sistema SAP.
    Administrador da GCP Administrador que controla o acesso do IAM para a sua organização, que cria e implementa contas de serviço e concede autorizações para o Cloud Data Fusion, o BigQuery e o Looker.
    Utilizador do Cloud Data Fusion Utilizadores autorizados a conceber e executar pipelines de dados no Cloud Data Fusion.
    Proprietário de dados do BigQuery Utilizadores autorizados a criar, ver e modificar conjuntos de dados do BigQuery.
    Programador do Looker Estes utilizadores podem instalar o bloco do Looker através do Marketplace. Têm de ter autorizações de develop, manage_model e deploy.

    Funções de IAM necessárias

    Na implementação de exemplo do acelerador, são necessárias as seguintes funções do IAM. Pode precisar de funções adicionais se o seu projeto depender de outros serviços do Google Cloud.

    Vista geral do processo

    Pode implementar o acelerador no seu projeto seguindo estes passos:

    1. Configure o sistema ERP da SAP e instale o transporte da SAP fornecido.
    2. Configure o seu ambiente do Cloud Data Fusion para usar o plug-in de origem em lote de tabelas SAP.
    3. Crie conjuntos de dados no BigQuery. O acelerador fornece conjuntos de dados de amostra para tabelas de preparação, dimensionais e de factos.
    4. Configure os pipelines de exemplo do Cloud Data Fusion a partir do acelerador para integrar os seus dados SAP.
    5. No hub do Cloud Data Fusion, implemente os pipelines associados ao processo de estatísticas de dados de aquisição a pagamento. Estes pipelines têm de ser configurados corretamente para criar o conjunto de dados do BigQuery.
    6. Associe o Looker ao projeto do BigQuery.
    7. Instale e implemente o bloco do Looker.

    Para mais informações, consulte o artigo Usar o plug-in de origem de lotes de tabelas SAP.

    Conjuntos de dados de exemplo no BigQuery

    Na implementação de exemplo neste acelerador, são criados os seguintes conjuntos de dados no BigQuery.

    Nome do conjunto de dados Descrição
    sap_cdf_staging Contém todas as tabelas do sistema de origem SAP identificadas para esse processo empresarial.
    sap_cdf_dimension Contém as entidades de dimensões principais, como a dimensão do cliente e a dimensão do material.
    sap_cdf_fact Contém as tabelas de factos geradas a partir do pipeline.

    Exemplos de pipelines no Cloud Data Fusion

    Os pipelines de exemplo para este acelerador estão disponíveis no Hub do Cloud Data Fusion.

    Para obter os pipelines de exemplo a partir do Hub:

    1. Aceda à sua instância:

      1. Na Google Cloud consola, aceda à página do Cloud Data Fusion.

      2. Para abrir a instância no Cloud Data Fusion Studio, clique em Instâncias e, de seguida, em Ver instância.

        Aceda a Instâncias

    2. Clique em Hub.
    3. Selecione o separador SAP.
    4. Selecione Pipelines. É aberta uma página de pipelines de exemplo.
    5. Selecione os pipelines pretendidos para os transferir.

    Cada um dos pipelines contém macros que pode configurar para serem executadas no seu ambiente.

    Existem três tipos de pipelines de exemplo:

    • Pipelines de camada de preparação: o conjunto de dados de preparação neste tipo de pipeline é um mapeamento direto para a tabela de origem original no SAP. Os pipelines da camada de preparação de amostras têm nomes que se referem à tabela de origem do SAP e à tabela de destino do BigQuery. Por exemplo, um pipeline denominado LFA1_Supplier_Master refere-se à tabela de origem SAP (LFA1) e à tabela de destino do BigQuery (CustomerMaster).
    • Pipelines de camada de dimensões: o conjunto de dados da camada de dimensões neste tipo de pipeline é uma versão organizada e refinada do conjunto de dados de preparação que cria a dimensão e os factos necessários para a análise. Os pipelines de exemplo têm nomes que se referem à entidade de destino no conjunto de dados do BigQuery de destino. Por exemplo, um pipeline denominado customer_dimension refere-se à entidade Customer Dimension no conjunto de dados do BigQuery sap_cdf_fact.
    • Pipelines da camada de factos: o conjunto de dados da camada de factos é uma versão organizada e refinada do conjunto de dados de preparação que cria os factos necessários para a análise. Estes pipelines de exemplo têm nomes que se referem à entidade de destino no conjunto de dados do BigQuery de destino. Por exemplo, um pipeline denominado sales_order_fact fornece dados organizados à entidade Sales Order Fact no conjunto de dados do BigQuery correspondente sap_cdf_fact.

    As secções seguintes resumem como fazer com que os pipelines funcionem no seu ambiente.

    Configure pipelines de camadas de preparação

    Existem dois passos de configuração para os pipelines de preparação:

    1. Configure o sistema SAP de origem.
    2. Configure o conjunto de dados e a tabela do BigQuery de destino.

    Parâmetros para o plug-in de origem de lote de tabelas SAP

    O plug-in SAP Table Batch Source lê o conteúdo de uma tabela ou uma vista SAP. O acelerador fornece as seguintes macros, que pode modificar para controlar as ligações SAP de forma centralizada.

    Nome da macro Descrição Exemplo
    ${SAP Client} Cliente SAP a usar 100
    ${SAP Language} Idioma de início de sessão do SAP EN
    ${SAP Application Server Host} Nome do servidor SAP ou endereço IP 10.132.0.47
    ${SAP System Number} Número do sistema SAP 00
    ${secure(saplogonusername)} Nome de utilizador da SAP Para mais informações, consulte o artigo Usar chaves de segurança.
    ${secure(saplogonpassword)} Palavra-passe de utilizador do SAP Para mais informações, consulte o artigo Usar chaves seguras.
    ${Number of Rows to Fetch} Limita o número de registos extraídos 100000

    Para mais informações, consulte o artigo Configurar o plug-in.

    Parâmetros do destino do BigQuery

    O acelerador fornece as seguintes macros para alvos do BigQuery.

    Configuração do conetor de destino do BigQuery

    Nome da macro Descrição Exemplo
    ${ProjectID} O ID do projeto onde o conjunto de dados do BigQuery foi criado. sap_adaptor
    ${Dataset} Conjunto de dados de destino sap_cdf_staging

    Exemplos de pipelines usados para IEDs de aquisição a pagamento

    As seguintes entidades empresariais principais no processo de aquisição ao pagamento correspondem a pipelines de exemplo no acelerador. Estes pipelines fornecem os dados que permitem gerar estatísticas sobre estas entidades.

    Entidades empresariais principais Nome do pipeline correspondente
    Supplier As tabelas de origem SAP captam detalhes sobre o fornecedor, conforme se relacionam com a empresa. As informações destas tabelas contribuem para o supplier_dimension na camada dimensional do armazém de dados. LFA1_SupplierMaster
    LFB1_SupplierMasterCompanyCode
    BUT000_BPGeneralInformation
    Material ou Product é a mercadoria que é negociada entre a empresa e os respetivos clientes. As informações destas tabelas contribuem para a material_dimension na camada dimensional do data warehouse. MARA_MaterialMaster
    O processo de aquisição ao pagamento começa com uma encomenda, que inclui a quantidade encomendada e detalhes sobre os artigos materiais. EKKO_PurchaseOrderHeader
    EKPO_PurchaseOrdertItem
    O subprocesso Goods Receipt, que inclui detalhes de movimento sobre artigos de material. MATDOC_GoodsReceipt
    Os subprocessos de Faturação, que incluem detalhes dos documentos de faturação pedidos. RBKP_InvoiceHeader
    RSEG_InvoiceLineItem
    O processo de aquisição ao pagamento termina quando o pagamento da fatura é registado no seu sistema. ACDOCA_UniversalJournalItem

    Todos os pipelines de preparação do Cloud Data Fusion

    Os seguintes exemplos de pipelines de preparação do Cloud Data Fusion estão disponíveis no acelerador:

    • 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

    Configure pipelines de camadas dimensionais

    Pode extrair IEDs de tabelas SAP de origem. Para preparar os dados para análise, organize os dados na tabela de origem de forma a corresponder à estrutura do esquema da tabela do BigQuery.

    O acelerador cria as seguintes tabelas de exemplo:

    Nome da tabela Descrição da tabela
    Supplier_dimension Lista organizada* de fornecedores e os respetivos dados associados, como informações gerais do fornecedor e informações relacionadas com as vendas do fornecedor.
    Material_dimension Lista organizada de materiais e factos associados, como o número de SKU, a hierarquia de produtos e a classificação.
    Purchase_Order_Fact Lista de notas de encomenda, incluindo a organização de compras, o grupo e o tipo de encomenda.
    Goods_Receipt_Fact Lista organizada de recibos de mercadorias, incluindo informações sobre o centro de lucro e o tipo de movimento.
    Invoice_Fact Lista organizada de informações relacionadas com a fatura, incluindo o tipo de fatura, a quantidade de artigos, o valor e a data de lançamento da fatura.
    Accounting_Fact Lista organizada de lançamentos contabilísticos para cada elemento publicitário da nota de encomenda.

    *Neste contexto, a lista organizada provém da lógica empresarial que é aplicada à lista de colunas selecionada.

    O acelerador cria a camada dimensional do conjunto de dados do BigQuery através de scripts SQL, que pode modificar para o seu projeto. Por exemplo, pode adaptar estes scripts para adicionar mais colunas às entidades do conjunto de dados do BigQuery de destino.

    Transformação no esquema em estrela: nomes de pipelines do executor do BigQuery

    Os seguintes pipelines do executor do BigQuery no Cloud Data Fusion carregam dados em tabelas de dimensões e factos:

    Todos os pipelines de transformação dimensional:

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

    Configuração do executor do BigQuery

    Nome da macro Exemplo
    ${ProjectID} sap_adaptor
    ${StagingDatasetName} sap_cdf_staging
    ${TargetDatasetName} sap_cdf_dimension

    Associe o Looker ao projeto do BigQuery

    Para associar o Looker ao BigQuery, consulte a documentação do Looker sobre associações do BigQuery.

    Instale o bloco

    Pode aceder ao SAP Looker Block no GitHub.

    O bloco do Looker instala um modelo LookML pré-configurado com dois ambientes Explorar e dois painéis de controlo.

    O que se segue?