Seguramente pasaremos mucho tiempo “filosofando” si con SAP ERP on SAP HANA será necesario mantener un Data Warehouse (no nos referimos a una determinada marca de repositorio o base de datos, nos referimos al concepto en general), tal como sucedió con SAP Netweaver Business Warehouse (SAP NW BW) cuando conocimos a SAP HANA. Al final, por la insistencia de SAP, nos “casi convencieron” que si era necesario seguir manteniendo un SAP NW BW y más aún, llevarlo sobre SAP HANA. A día de hoy, en cada actualización de SAP HANA vemos novedades y cambios en el denominado SAP NW BW on SAP HANA, especialmente en la simplificación de su arquitectura, cada vez más distinta al original SAP NW BW.
Pero al igual que sucedió con SAP NW BW, la incursión de SAP ERP on SAP HANA, pone en cuestión la necesidad de mantener un Data Warehouse en las organizaciones que opten por SAP Business Suite powered by SAP HANA, dado que tendrían la posibilidad de utilizar funcionalidades analíticas y de Business Intelligence en e mismo entorno dónde gestionen sus operaciones o transacciones diarias.
Diga que lo diga SAP, SAP HANA y todos los productos que se presentan sobre esta plataforma, no tan sólo cuestionan la continuidad de los productos de la competencia y los etiqueta de obsoletos, sino también a sus propios productos. Otra vez, indirectamente, se pode en duda el uso de SAP NW BW en un futuro SAP HANA.
Otros Beneficios
Creemos que en muchos casos un Data Warehouse para las empresas que utilizarán SAP ERP on SAP HANA podría ser prescindible o pasaría a un segundo plano, para usos muy específicos o poco relevantes. SAP ERP on SAP HANA simplificaría la arquitectura tecnológica de las organizaciones y otorgaría grandes beneficios, entre otros, los siguientes:
- SAP HANA database sería la misma base de datos para las transacciones y el análisis, se evitaría los procesos de carga de datos (ETLs) prescindiendo las tareas de su diseño, mantenimiento y administración.
- Teniendo los datos en SAP HANA Database estos podrán ser analizados aplicando cualquier nivel de granularidad y utilizando diversas técnicas y herramientas, tal como la minería de datos o análisis predictivo.
- Los datos transaccionales podrían ser combinados con datos no estructurados para brindar visiones más completas.
aníbal goicochea 