1.BW 기본개념과 구조의 이해 Sep 2004 이웨어시스템 (주) EWARESYSTEM.

Presentation on theme: "1.BW 기본개념과 구조의 이해 Sep 2004 이웨어시스템 (주) EWARESYSTEM."— Presentation transcript:

1 1.BW 기본개념과 구조의 이해 Sep 2004 이웨어시스템 (주) EWARESYSTEM

2 2. Business Information Warehouse 소개
목 차 1. Data Warehouse란? 1) 운영시스템 vs Data Warehouse 시스템 2) Data Warehouse 출현배경 3) Data Warehouse 정의 4) Data Warehouse 기대효과 5) Data Warehouse 제약요건 6) Data Warehouse 관련기술 2. Business Information Warehouse 소개 1) BW 의미 2) BW 특징 3) BW 구조 4) Business Explorer 5) Web Application Designer

3 운영시스템 Data Warehouse 시스템
1. Data Warehouse General 1) 운영시스템 vs Data Warehouse 시스템 Data Warehouse 시스템은 주요기능, 적용업무 등에서 기존의 OLTP와는 차이점을 가지며 주요 내용은 아래와 같음 운영시스템 Data Warehouse 시스템 Data Gathering 주요기능 Data Analysis 적용업무 실시간 Transaction 처리 의사 결정 지원 휘 발 성 입력/변경/삭제처리 주로 조회처리 1. 운영시스템 기업운영에 필요한 비즈니스 프로세스 자동화 운영을 효율적으로 지원하기위해 트랜잭션을 수집하고, 분류,저장,유지보수,갱신,검색하는기능을 수행하게되는데, 이를 거래처리시스템이라고함.(Transaction Processing System) 초기에는 일괄처리방식(일단위로 그날발생한 트랜잭션을 모았다가 한꺼번에 시스템에 갱신하였음), 오늘날은 온라인상에서 실시간으로 갱신됨.(On-Line Transaction Processing System) 2.의사결정시스템(Decision Support System:DSS) : 1978년사용 프로세스 자동화의 결과로 대량의 데이터가 시스템상에 축적되었지만, 활용하지 못했음. 기업은 축적된 데이터를 의사결정에 효과적으로 활용할수있는 방안을 찾게되었으며, 그결과 의사결정시스템이 탄생함. 초기 DSS: OLTP시스템에 직접접속해 필요한 보고서를 만듬. 많은문제야기… OLTP에비해 동시접근사용자수는 적지만, 다양한 관점에서 데이터를 분석하기위해 복잡한 질의내용과 대화식수행이 필요하며, 시스템은 사용자질의에 응답하기위해 한번에 매우 많은양의 데이터를 처리해야함. 미리정의된 형식외에 다른 방식으로 데이터를 보기힘듬. 사 용 자 해당업무 담당실무자 특정사용자:Power-User, 경영층 주제별 분석 및 의사결정지원 정보 과거이력 정보 제공 상세정보 및 요약집계정보 제공 비정형화 정보 제공(EUC) 업무단위별 특화된 정보제공 Transaction Tracking 정보 단기 이력정보 제공 제공정보

4 Data Warehouse 출현 2) Data Warehouse의 출현배경
1. Data Warehouse General 2) Data Warehouse의 출현배경 급속한 경영환경변화로 사용자의 Information Requirements가 고도화 되었고 이의 원활한 지원에 필요한 관련 IT기술이 진보(H/W, S/W)함에 따라 DW가 출현하게 되었음 Data Warehouse 출현 경영환경변화 Globalization 진전 지역분산,분권화 시장경쟁심화 및 마진 축소 Management Speed-Up Customer Satisfaction <Information Technology 진보> 하드웨어 가격의 급속한 하락과 성능향상 대용량, 병렬 컴퓨팅을 지원하는 관계형 DB DW 기반 기술 발달 : Extraction, Analyze 등 부서단위의 DSS가 개별적이고 단편적인 필요성에의해 산발적으로 구축 따라서 데이터들은 통합적이지못하고 다양한 시스템상에 산재되어 존재함. 여러 개의 시스템상에 유사한 데이터존재,같은이름을 가진개체가 서로다른의미를 나타내거나, 동일한 개체가 다른이름으로 표현 -> 데이터 신뢰성, 생산성, 정보생성측면에서 여러가지장애발생 이러한 기존의 의사결정지원시스템의 한계를 극복하기위해 나타난 개념이 바로 데이터웨어하우징이다. 데이터웨어하우징은 데이터웨어하우스를 구축하고 활용하는 일련의 과정으로 전사적인 아키텍쳐상에서 의사결정을 지원하기 위한 환경을 구축하자는 사상이다. Information Requirements 고도화 통합경영정보에 대한 빠른 조회 Information Quality 복잡한 의사결정 지원 End-User Computing

5 1. Data Warehouse General
다양한 운영계 시스템이 가진 데이터를 주제별로 통합, 사용자가 직접 분석하여 의사결정 업무에 활용할 수 있도록 지원해 주는 S/W구축 기술 ERP(SAP R/3등) 전사 정보 시스템 Power-User 중간관리자 최고경영층 Non ERP System 추출 분석 SEM BW ... File or External . . 다양한 운영계 시스템 Data Warehouse End User ERP, Legacy, File 수 년간의 (Historical) 내부데이터 (Internal) 외부데이터 (External) 주제 중심의 (Subject Oriented) Data-Base의 재통합 시간적 특성(Time Variant) 분석목적으로 활용 : Non-Volatile 별도의 프로그램 없이(EUC) 즉시(On-Line) 다차원적 분석(Multi dimension) 의사결정 지원 (Decision Support System)

6 경영관리측면 End User측면 정보시스템측면
1. Data Warehouse General 4) Data Warehouse의 기대효과 Data Warehouse 도입에 따른 기대효과는 경영관리 측면, End-User 측면, 정보시스템 측면 의 세 가지 측면에서 나타날 수 있으며 개략적인 내용은 다음과 같음 정보산출이 용이함으로 신속한 의사결정 다양한 분석자료 활용 ⇒ 신규 Business 기회 창출 부문 - 시스템간 데이터 불일치 해결 ⇒ 경영정보의 Quality 향상 고객에 대한 신속한 대응 Work Group 생산성 증대 MIS DSS 기업정보 시스템 요약 데이터 외부 데이터 계획 데이터 상세 데이터 내부 데이터 통제 데이터 데이터웨어하우스 EIS 경영관리측면 User Group의 정보시스템 개발부서에 대한 의존도 감소 사용이 편리하고 다양한 경영분석이 가능 의사결정 지원에 필요한 경영정보에 신속한 접근이 가능 End User측면 Application System 추가개발에 부담 감소 정기 Report Program 개발업무 축소 Information System Maintenance Cost 절감 기 투자된 시스템 가치 상승 정보시스템측면

7 5) Data Warehouse의 제약조건(한계)
1. Data Warehouse General 5) Data Warehouse의 제약조건(한계) Data Warehouse 구축시 제약요인은 아래와 같음 제공정보의 왜곡에 대한 검증 및 수정이 어려움 Data Warehouse는 운영계 시스템에서 데이터를 추출하기 때문에 운영계 시스템 Data Quality에 따라 Data Warehouse의 Quality가 결정됨 Data Volume 과다 - 운영시스템에서 발생한 대량 Data 처리로 System Performance 저하 가능성 많음 - Data Management가 어려움 : 조직변경에 따른 경영실적 소급 등 OLAP(On-Line Analytical Processing) 분석의 한계 - DW 자체의 GUI 품질(대개 Excel Base Interface)이 낮아 특정 계층(경영층, 관리자 등) 을 위해서는 별도의 3rd Party 개발Tool 적용이 필요 : inSight, Crystal report등 - Excel Base User Interface로 인한 Row & Column에 대한 한계 존재 (Row 한계 : 최대 65536, Column 한계 : 최대 230)

8 ▣ Data Mart 6) Data Warehouse의 관련기술 Mini Data Warehouse
1. Data Warehouse General 6) Data Warehouse의 관련기술 ▣ Data Mart Mini Data Warehouse 데이터 웨어하우스는 DSS(의사결정시스템)확장의 중심이라고 정의하였다. 데이터 웨어하우스에서 데이터는 DSS의 용도로써 여러 부서로 흐르기 마련이며 이러한 부서간의 DSS 데이터베이스는 Data Mart라고 명명(Bill Inmon) 같은 데이터웨어하우스 정보의 서브셋으로 요약된 데이터를 제공한다. 보통 관계형 데이터베이스(RDB)가 사용되지만 다차원 OLAP서버가 더 유용하다. 다양한 도구를 통해 데이터 마트에 있는 데이터를 이용할 수 있다. Data Warehouse Data Mart 부서별/Workgroup별 필요 정보 웨어하우스는 최종사용자의 인터페이스보다는 방대한 분량의 데이터를 효율적으로 통합하고 관리하는 측면에 보다 초점을 맞춘다. 따라서 사용자측면에서 편리한 형태로 설계되지 않을 수 있다. 2. 웨어하우스는 전사적인 용도로 구축되기때문에 각 개별부서나 사용자 집단에 적합한 형태로 데이터가 저장되지 않는다. 따라서 사용자 질의에 최적의 성능을 제공하지 못할 수 있다. 3. 대부분의 사용자들은 웨어하우스의 전체 데이터중 일부분만을 주로 사용할것이다. 기업의 모든 사용자들이 웨어하우스에 대해 직접 질의를 수행하는것은 많은 시스템 자원을 필요로하며 전체시스템 성능에 심각한 부하를 줄수있다. 데이터웨어하우스와 데이터마트의 역할은 흔히 유통업에 비유된다. 운영시스템이 데이터라는 상품을 생산 데이터웨어하우스는 이를 소비자에게 판매하기위해 체계적으로 분류해서 저장하고 분배하는 기능을 수행하는 도매상 데이타마트는 도매상과 소비자 사이에 위치하는 소매상

9 Data 경쟁력강화를 유용한 정보 위한 의사결정 ▣ Data Mining
1. Data Warehouse General 6) Data Warehouse 관련기술 ▣ Data Mining 아무리 잘 수집되고 조직돼 있다고 해도 단순히 데이터를 데이터웨어하우스에 저장하는 수준으론 아무 이익이 없다. 대용량의 데이터로부터 그 속에 산재 되어 있는 정보의 패턴을 찾아냄으로써 업무에 활용하기 적합한 정보로 변환하여 기업의 의사결정에 적용하는 일련의 과정(기술) Data 유용한 정보 경쟁력강화를 위한 의사결정 데이타베이스 마케팅 : 고객중 경쟁사의 제품이나 서비스로 전환할가능성이 있는 고객들 특성을 파악하여 고객이탈을 방지 백화점이나 신용카드사의 DM발송에도 이용…DM애 반응할 가능성이 높은 목표고객들을 찾아내는데 사용하여, 한정된 DM을 발송함으로써 응답률을 높이고 비용절감. 시장바구니분석 어떤상품들을 고객들이 함께 구매하는 경향이 있는지 밝혀냄으로써 상품진열, 재고관리, 판촉상품이나 경품선정등에 효과적으로 사용 예) 많은 고객들이 맥주와 기저귀를 함께 구매한다. OLAP환경 : 모든 질문을 사용자가 생각해내야한다.(검증형기법) 마이닝 : 시스템이 적절한 모델이나 패턴을 발견하는 작업을 수행(발견형) Data Mart

10 ▣ OLAP (Online Analytical Processing)
1. Data Warehouse General 6) Data Warehouse 관련기술 ▣ OLAP (Online Analytical Processing) 공유되는 다차원 정보에 대한 신속한 분석 ( FASMI:Fast Analysis of Shared Multi-dimensional Information ) 다차원 정보를 가지고 별도의 프로그램 없이 (직접 접근) ( End User Computing 지원) 온라인상으로 대화식으로 정보를 분석 (유연한 레포팅:Flexible Reporting) 의사결정에 활용 : 기업의방향을 설정 (OLTP는 기업의 운영을 지원) OLAP라는 용어는 1993년 E.F Codd에의해 처음사용되고, OLTP에 상대되는개념으로 주로 이야기됨. 오늘날 데이터웨어하우스 환경에서 데이터접근전략의 중요한 요소로 자리잡아가고있다. 데이터웨어하우징 : 인프라구축, 데이터 통합과 관리에 초점 OLAP : 애플리케이션 구축, 데이터 접근과 활용에 초점 OLAP Processor

11 데이터웨어하우징관련 추천도서

12 2. Introduction to BW 1) BW(Business Information Warehouse) 의미 R/3
BW는 SAP에서 제공하는 Data Warehouse로 SAP R/3를 활용하는 기업에서 Data 추출,변환, 적재,분석 등 각 단계별로 별도의 DW Tool도입 없이 구축이 가능함 R/3와는 별개의 질의와 분석을 위해 최적화된 시스템 R/3를 기반으로 한 Business Content 제공 OLAP을 이용한 다차원 분석 - Drill-Down/Up/Through - Sorting / Filtering Excel을 바탕으로 한 사용자 환경 - Excel Base 분석(PC Level) R/3 other End-to-end 솔루션 다양한 Data source와 3rd Party Tool에 개방된 인터페이스 제공

13 HR CO FI LO 2) BW 특징 ▣ 데이터 추출 R/3 OLTP System
II. Introduction to BW 2) BW 특징 ▣ 데이터 추출 BW는 SAP R/3로부터 Data를 추출하는데 최적화된 Solution (각종 Application 정보시스템에서 Data를 쉽고 빠르게 추출 가능) Delta Update 기능 지원 (BW & R/3 간 Communication이 이루어지고 있는 상태에서 BW에 한번 추출되어 적재된 Data를 제외한 나머지 Data에 대한 Update) R/3 OLTP System Meta data Data extractor HR CO FI LO

14 II. Introduction to BW 2) BW 의 특징 ▣ Business Contents FI/CO/LO/HR 등에서 기 정의된 Business Scenario를 활용함으로써 SAP가 제공하는 데이터 모델, 분석보고서, KPI 등을 추가적인 프로그래밍 없이 Data 추출 가능 Financial Accounting General Ledger Accnts Receivable Accnts Payable Special Ledger Profitability Analysis Product Costing Overhead Costing Profit Center Accnt Controlling Sales Purchasing Inventory Management Production Project Management Logistics Time Management Training & Events Human Resources Payroll Accounting Fixed Assets Administration

15 2. Introduction to BW 3) BW System 구조 BW는 Extraction, Staging & Storage, Presentation and Analysis 등의 3개 구성요소를 가지고 있으며 각 단계별 역할 및 내용은 아래와 같음 Presentation 및 Analysis - 정보분석가에 의한 다양한 형태의 리포트 생성 분석된 정보를 리포트 형태로 최종 사용자에게 제공 목적별 데이터베이스를 통한 신속한 응답을 보장 Data Staging & Storage - 대용량 데이터의 저장 주제별/목적별로 데이터베이스 구축 - 다차원의 데이터 모델링이 중요한 Issue 추출된 데이터를 데이터베이스 구조에 Mapping OLAP Data Extraction -기간시스템 들로부터 데이터 추출/변환/전송 - DB 통합을 위해 중요성과 Cost 투입비중이 가장 큼 Standard Extraction Tool사용이 긴요 OLTP

16 Administrator Workbench
2. Introduction to BW 3) BW system 구조 BW의 상세 Architecture는 아래와 같다. 3rd party OLAP clients 3rd party OLAP client Business Explorer 3rd party OLAP client MDX Analyzer (hosted by MS Excel) Browser OLE-DB for OLAP Provider BAPI Administrator Workbench OLAP Processor InfoCatalog Meta Data Repository Administration Meta Data Manager Data Manager InfoCubes Scheduling Business Information Warehouse Server * OLE DB for OLAP : MS에서 제안된 OLAP 표준 API OLE DB가 OLAP을 지원할 수 있도록 추가로 고안된 COM오브젝트와 인터페이스들의 집합이다. OLE DB for OLAP은 다차원데이터의 저장환경과 무관하게 다양한 OLAP제품들이 용이하게 커뮤니케이션할 수있는 기반을 제공하기위해 설계되었다. * MDX(Multidimensional Expressions): OLAP클라이언트와 서버를 연결하기위해 MDX라는 다차원질의언어를 제공함. MDX는 관계형 모델의 SQL과 유사하다. Staging Engine PSA Operational Data Store Monitor BAPI Non R/3 Production Data Extractor Production Data Extractor OLTP Reporting Non R/3 OLTP Applications R/3 OLTP Applications

17 4) Business Explorer BW의 Excel base에서 사용하는 Reporting Tool이다.
2. Introduction to BW 4) Business Explorer BW의 Excel base에서 사용하는 Reporting Tool이다. Business Explorer Analyzer(Bex Analyzer)내에서 Query를 정의한다. 이 Query들은 InfoObject중 Characteristic들과 Key Figure들의 집합이거나 미리 정의된 InfoCube의 Query Template들로 구성된다. User에 맞는 분석작업이 가능하다. → Drill Down/Up/Through, User Filtering, Swapping

18 ▣ Bex 화면 <1> : Bex실행
2. Introduction to BW ▣ Bex 화면 <1> : Bex실행 Windows환경에서 Bex Button을 Click

19 ▣ Bex 화면 <2> : Bex Open후 해당 Menu Tree에서 Query를 생성한다.
2. Introduction to BW ▣ Bex 화면 <2> : Bex Open후 해당 Menu Tree에서 Query를 생성한다. 해당 Tree에서 정보분석DB(예:주유소정보관리(ROCE))를 선택한후 Query를 생성하는 “New” button을 Click

20 ▣ Bex 화면 <3> : Query Define I
2. Introduction to BW ▣ Bex 화면 <3> : Query Define I 분석하고자하는 항목을 Drag & Drag Down하여 지정

21 ▣ Bex 화면 <4> : Query Define II
2. Introduction to BW ▣ Bex 화면 <4> : Query Define II Drag-Up & Down

22 ▣ Bex 화면 <5> : 경영관리지표 계산
2. Introduction to BW ▣ Bex 화면 <5> : 경영관리지표 계산 경영관리지표인 “EVA”에 대한 계산식을 수립하여 저장한다.

23 ▣ Bex 화면 <5> : User Field Selection
2. Introduction to BW ▣ Bex 화면 <5> : User Field Selection 사용자가 기정의한 선택항목에 대한 값을 입력한다. Ex) 5월부터 6월까지의 입력누적월

24 ▣ Bex 화면 <6> : Data Display
2. Introduction to BW ▣ Bex 화면 <6> : Data Display 기 정의한 경영관리지표에 대한 값

25 ▣ Bex 화면 <7> : User 추가 작업
2. Introduction to BW ▣ Bex 화면 <7> : User 추가 작업

26 ▣ Bex 화면 <8> : Data Tracing
2. Introduction to BW ▣ Bex 화면 <8> : Data Tracing 해당 경영지표에 대한 상세 Tracing Ex) 영업이익, 매출채권 등

27 ▣ Bex 화면 <9> : 상세 Data Display
2. Introduction to BW ▣ Bex 화면 <9> : 상세 Data Display ROCE에 대한 상세 레벨 Ex) 영업이익, 매출채권 등

28 ▣ Bex 화면 <10> : Drill-Down
2. Introduction to BW ▣ Bex 화면 <10> : Drill-Down 상세조회를 위한 Drill Down 및 Sort등

29 5) Web Application Designer
2. Introduction to BW 5) Web Application Designer WAD는 Bex Query를 Web Page로 변환해주는 툴이다. Available Web items Web item properties Drag&Drop Multiple documents

30 2. Introduction to BW ▣ WAD로 작성된 웹화면

31 Mastering the SAP Business Information Warehouse
BW 관련 추천도서 Mastering the SAP Business Information Warehouse Kevin McDonald, Andreas Wilmsmeier, David C. Dixon John Willy & Sons 2002년 08월 SAP BW Professional Norbert Egger | SAP Press, 2004

32

33