SAPBW数据仓库技术在供应链管理中的深化应用 摘要：数据仓库可以处理企业内部和外部的大量异构数据，具体取决于次级决策主题的要求。为企业管理提供各种类型的有效数据分析的集成，现已成为信息处理技术的研究热点。为了进一步改善物料供应的评估管理，首先要分析XX地方电力公司物料部门的业务需求，介绍了基本思想以及如何设置BW类型，并完成了实施SAP BW项目时的工作经验，提供了一个深度供应链管理应用程序模型的示例。 关键词：SAPBW；数据仓库技术；供应链管理；深化应用 一、引言 在过去的十年中，企业信息化建设一直在不断加强、数据收集和存储能力不断提高。但是，从大量数据中获取足够的有用信息变得越来越困难。通常将大量业务数据存储在分布式异构环境中，无法执行统一访问，并且根据特定主题进行汇总和分析也不方便。数据仓库为数据分析和处理提供了一个平台，使企业的信息系统能够从对常规业务操作的支持演变为管理分析和决策支持，评估企业内的各种业务活动，以改善企业内的工作流程。最后，它提高了公司的竞争力。 数据仓库的体系结构包括四个部分：（1）数据源：通常是整个系统的数据源，其中包含公司内部和外部的各种信息。（2）数据存储和管理：数据仓库由外部确定。（3）联机分析处理（OLAP）服务器；它有效地集成了数据表示分析所需的数据，按多维模型予组织，以便执行多角度，多层次的分析。（4）前端工具；包括基于数据仓库或数据集市的各种报告工具，查询工具，数据分析工具，数据挖掘工具和各种应用程序开发工具。 当前，市场上使用最广泛的数据仓库软件开发公司是SAP，Oracle，Congnos，Microsoft和IBM。该公司的产品具有独特的优势，产品重点和客户群也略有不同，因此数据仓库应用程序软件处于相互支持和竞争的状况。来自财富500强企业（例如德国的Rheinland Group，日本的Tokyo Power，美国的Edison International，法国的France Power和中国的National Power）的ERP软件主要是作为SAP R / 3系统的SAP产品。SAP的数据仓库产品是SAP BW系统。 二、数据仓库技术概念 （一）数据仓库的基本概念及特点概述 数据仓库是用于决策支持系统（DSS）和在线分析应用程序数据源的结构化数据环境。数据仓库研究并解决了从数据库中获取信息的问题。数据仓库的特征是以主题为中心，集成，稳定性和时变性。1991年出版的《建立数据仓库》一书中，数据仓库之父William H. Inman提出的定义已被广泛接受。数据仓库（Data Warehouse）是受主题驱动的（Subject Oriented）并且是集成的。反映过去用于（Integrated），相对稳定（Non-Volatile）和决策支持（Time Variant）的过去更改（Decision Making Support）的数据集合。上面还有一个数据仓库功能。数据仓库是环境，而不是产品。向用户展示和展示数据，以提供决策支持。现有生产数据库很难或无法使用此数据。数据仓库技术通过有效地将运营数据集成到集成环境中来支持决策，使用户可以更快，更方便地查询所需信息。 （二）SAP BW系统 SAP BW的全名是Business Information Warehouse，是Business Intelligence（BI）的集成组件之一。它为SAP数据和非SAP数据的收集，存储，分析和管理提供了一个面向业务的集成平台。它可以智能地管理整个企业管理信息系统中的大量数据信息，并提取最重要的信息，为企业经理提供强大的决策支持，从而使企业能够更快地对市场做出响应，更具活力和竞争力。SAP BW是一种端到端数据仓库解决方案，可以从SAP R / 3和其他非SAP系统中提取和分析数据。为此，SAP BW提供了多种工具，包括数据提取器、数据访问器、功能强大的前端分析工具以及监视系统效率的工具。 三、应用 以某电力公司某年的变电所建设情况为例，从确定主题、确定量度、确定事实数据粒度、确定维度和创建事实表五步法阐述面向电力企业的数据仓库建设过程并介绍在其供应链的应用。 （1）确定主题： 确定主题就是确定数据分析或前端表示的主题。主题是“电力公司在特定年份变电所基本内容”。主题应反映特定方面的各种分析角度（维度）与统计数据（度量）之间的关系，并在确定主题时需要综合考虑。 （2）确定度量： 确定主题之后，有必要考虑分析的技术指标，通常是数字数据。需要汇总此类数据或获取这些数据的计数，独立计数或最大值和最小值，这些数据称为指标。然后，“电力公司在特定年份变电所基本内容”的主题应考虑对技术指标的分析，包括财务管理模块，项目管理模块和物料管理模块中的相关指标数据。需要预先选择要测量的指标，还可以基于各种指标设计和计算复杂的关键绩效指标（KPI）。 （3）确定事实数据粒度： 在确定度量之后，应该考虑对度量进行汇总并在不同维度上汇总度量。通用数据仓库的结构当前包括基本数据层、历史基本数据层、稍微集成的数据层、高度集成的数据层和元数据。然后，在“电力公司在特定年份变电所基本内容”主题上，部分存储了从HR，FM，MM，PM，DM内部ERP业务数据源和外部数据源中提取的部分数据。在历史基础数据层中，零件现在存储在基础数据层中。当前，数据层中的某些数据可以通过数据仓库的时间控制机制传输到历史基础数据层，而某些数据可以通过数据仓库的聚合机制传输到稍微集成的数据层。轻度综合数据层中的数据以较小的时间段（粒度）统计而形成的数据，它可再聚合到高度综合数据层成为准决策数据。 （4）确定维度： 维度代表所有分析角度。然后，“电力公司在特定年份变电所基本内容”的主题应该通过时间维度、组织代码维度、财务维度、项目维度和材料等维度的组合来检查变电站的建设。 （5）创建事实表： 共有三种常用的数据仓库模型：星形模型，雪花模型和真实星座模型。星型模型可以提高查询性能并降低维表的复杂性。更适合ERP系统。将数据仓库与整个数据仓库用户最关心的事实结合起来，星型模式是在关系环境中建立高性能数据集市的最常见方法。星型模式包含两种基本表类型：事实表和多维表。 通过深度应用供应链管理模型，当地物资部门目前的物资部门水平可以满足密集的评估要求。数据仓库不仅为领导决策提供了数据基础，而且还是标准化评估业务流程的平台。在它的帮助下，评估部门可以节省用于计算原始评估指标和收集原始数据的人力资源。评估部门可以快速，实时地查看评估分数，从而促进其自身业务的标准化。 四．结论 在电力企业ERP中，通过数据仓库技术的集成应用，建立了基于SAP BW系统的数据仓库模型体系结构，在一定程度上增强了国家电网公司的工程水平和应用深度，并促进了信息系统的生产，增强现实世界中的业务应用程序系统，例如国网电力公司统一推广的运营，所有业务范围的管理以及人力资源，财务，材料，项目和设备，并实现ERP和其他专有应用程序系统的集成集成。 参考文献： [1]刘斌，吴江龙. SAPBW数据仓库技术在徐工集团的实施应用[J]. 科技信息，2012，000（029）：80-82. [2]陈频，刘松先. 基于SAP BW系统的数据仓库模型建设--数据仓库技术在电力企业ERP中的应用[J]. 辽宁工程技术大学学报（社会科学版），2014（2）：113-117. [3]周洋，杨茜. SAP BW数据仓库技术在供应链管理中的深化应用[J]. 电力信息与通信技术，2010，08（10）：76-80. [4]薛俊鹏. SAP BW数据仓库技术在企业经营分析中的应用[D]. 青岛大学，2007. [5]曾超. 浅析基于SAP BW数据仓库最佳实践[J]. 中国科技信息，2016（16）：30-31. 本文来源：https://www.wddqw.com/doc/d6639c182a4ac850ad02de80d4d8d15abf23000c.html