SAP Datasphere (SDS) vereint in Zukunft alle Data-Warehouse-Cloud-Lösungen der SAP. Was das für die Datensicherheit bedeutet, erfahren Sie hier.
SAP Datasphere, ehemals SAP Data Warehouse Cloud, ist eine umfassende Lösung für datengetriebene Entscheidungen, die Daten aus verschiedenen Quellen findet, konsolidiert und verwaltet. Die Plattform vereint alle Data-Warehouse-Cloud-Lösungen von SAP und bietet Endanwendern durch die Integration in SAP Analytics Cloud umfangreiche Möglichkeiten zur Visualisierung und Planung. Gleichzeitig legt Datasphere großen Wert auf Datensicherheit und Berechtigungen. Was das für Anwender bedeutet, zeigt Mittelstand Heute in einer ersten Beurteilung samt Test der Data-Experten von All for One Analytics & Insights.
Zeit ist Geld. Je fundierter und schneller Entscheidungen getroffen werden können, desto besser ist der Unternehmenserfolg. Entscheidungsunterstützung (relevante Informationen zeitnah zur Verfügung zu stellen) ist der Kern von Data Warehousing, indem benötigte Daten gesammelt, aufbereitet, zusammengefasst und geschützt werden.
SAP Datasphere (SDS), vormals SAP Data Warehouse Cloud, vereint in Zukunft alle Data-Warehouse-Cloud-Lösungen der SAP. Hierzu bietet SDS unterschiedliche Technologien und Funktionalitäten, um Daten aus verschiedensten Quellen zu finden (Data Catalog), zu konsolidieren (Data Warehouse) und zu verwalten (Data Governance). Die nahtlose Datasphere-Integration in SAP Analytics Cloud bietet Endanwendern zudem vollumfängliche Möglichkeiten zur Visualisierung und Planung, sodass Informationen graphisch konsumiert und Entscheidungen getroffen werden können.
Die Diversität von möglichen Quellsystemen erschwert es Unternehmen, herauszufinden, welche Daten für wen relevant sind (Decision Support), welche Daten wie weiterverarbeitet werden dürfen (Data Protection) oder wer entscheiden darf, wer was sieht (Data Sovereignty). Dieser Beitrag konzentriert sich auf den Decision-Support-Aspekt von Data Governance: Jeder soll alles sehen, was für ihn relevant ist – nicht mehr und nicht weniger.
SAP Datasphere folgt dem Ansatz, technisch-funktionale Berechtigungen mit Datenberechtigungen zu kombinieren.
SDS empfiehlt die Trennung von administrativen Informationen wie Berechtigungen, Datenverwaltung und -speicherung sowie Enduser-Objekten. Dies wird anhand des Spaces-Konzeptes umgesetzt, wobei Benutzer zwischen Spaces strikt getrennt werden, aber Daten für alle (unter Berücksichtigung des Data Access Controls) zugänglich sind.
Strikte Trennung von Daten passiert zwischen unterschiedlichen SDS Tenants. Tenants sind vollständig unabhängig voneinander und werden typischerweise für die Trennung von Entwicklungs- und Produktivsystemen genutzt. Dementsprechend können Objekte zwischen Tenants transportiert werden, während Datenübertragung zwischen Tenants nicht vorgesehen ist.
Data Access Control (DAC) kann in Autorisation-Szenarien zusammengefasst werden. Der Unterschied ist, dass über DAC spezifische Views berechtigt werden können, während Autorisation-Szenarien erlauben, Stammdatenobjekte zu beschränken, sodass diese immer wieder verwendet werden können.
Derzeit erlaubt SDS nur die Beschränkung auf spezifische, multiple Ausprägungen. Also kann ein Benutzer auf die SalesOffices S100, S101 und S102 berechtigt werden, aber nicht auf das Intervall S100 bis S102 oder auf den Hierarchieknoten Nordeuropa. Dies bedeutet, dass Berechtigungen aus Vorsystemen, so weit aufbereitet werden müssen, dass diese Einschränkungen erfüllt werden.
SAP bietet ein Programm an, das SAP-Business-Warehouse-Analyseberechtigungen automatisch aufbereitet, damit diese direkt in Datasphere verwendet werden können. Für sonstige Quellsysteme (SAP und non-SAP) müssen spezifische Datenabfragen geschrieben werden. Bei analytischen Quellsystemen (Data Warehouse) existieren immer vergleichbare Konzepte von Row Level Security, somit ist deren Übersetzung in eine Data Access Control meist mit wenig initialer Analyse verbunden.
Bei transaktionalen Quellsystemen wie SAP S/4HANA, Oracle oder anderen ERP-Systemen hängen Berechtigungen eher an Prozessen als an spezifischen Entitäten. Hier muss mit wesentlich umfangreicherem initialen Konzeptaufwand gerechnet werden. Besonders bei sehr diversen Quellsystemen sollte in Workshops identifiziert werden, ob die Berechtigungen jedes Einzelnen übernommen werden sollten, oder ob beispielsweise eine Vereinheitlichung anhand von Positionsbeschreibungen aus Human-Ressource-Systemen zielführender ist.
Quelle Aufmacherbild: KI-Bild erstellt mit Midjourney