Das Jahresende rückt näher, der erste Advent steht vor der Tür und SAP legt mit dem QRC4-Release noch einmal nach. Große Überraschungen bleiben zwar aus, dafür bringt das letzte Update des Jahres zahlreiche kleinere Verbesserungen für SAP Analytics Cloud. Besonders im Planning hat sich einiges getan: Neue Funktionen vereinfachen die Dateneingabe und Umbuchungen, während Erweiterungen bei den Data Actions und Advanced Formulas mehr Flexibilität bieten.
Auch die neue Table Build Experience wird weiter ausgebaut und bietet zusätzliche Möglichkeiten bei der Filterung und Gestaltung von Tabellen. Im Bereich KI fällt das Update dagegen etwas zurückhaltender aus. Die angekündigten KI-Agenten lassen weiterhin auf sich warten, dafür wird das Prompt-Insights-Widget deutlich brauchbarer. Auch bei Seamless Planning gibt es Fortschritte, die das Zusammenspiel zwischen SAP Analytics Cloud und SAP Datasphere weiter verbessern.
Wir haben uns die wichtigsten Funktionen angesehen, einige davon selbst getestet und zeigen, was in der Praxis hilft und wo SAP noch nachliefern muss.
Wer bisher neue Dimensionskombinationen aus Excel in eine Planungstabelle übernehmen wollte, musste jede Zeile einzeln anlegen, für jede Dimension das Member auswählen und erst dann die Werte eintragen. Mit Add Member Combinations geht das jetzt deutlich schneller. Über das Kontextmenü einer Tabellenzeile lässt sich ein Eingabemodus mit einer (Add Member) oder fünf leeren Zeilen (Add Member Combinations) öffnen. Dimensionskombinationen und Werte können anschließend direkt aus Excel über die Zwischenablage eingefügt werden. SAC prüft die Eingaben automatisch anhand der Stammdaten und markiert ungültige Werte. Erst mit Process Data werden die Änderungen übernommen, während Exit den Vorgang abbricht.
Mit Repost Data vereinfacht SAP außerdem das Umbuchen bestehender Planwerte. Die Funktion ermöglicht es, bereits gebuchte Werte direkt auf eine neue, bislang ungebuchte Dimensionskombination umzubuchen. Ein typischer Anwendungsfall ist die Einführung einer neuen Kostenstelle, auf die bestehende Planwerte übertragen werden sollen. Bislang war dies nur über mehrere Schritte möglich: neue Zeile anlegen, Werte eintragen und veröffentlichen sowie anschließend die alten Werte löschen. Besonders der letzte Schritt war fehleranfällig, da vergessene Löschungen zu doppelten Planwerten führten. Mit Repost Data passiert das in einem Schritt. Um die Funktion nutzen zu können, muss Repost im Builder-Panel der Tabelle unter Planning aktiviert werden.
Ergänzt werden diese Funktionen durch kleinere Verbesserungen bei der Dateneingabe. Beim Einfügen von Werten aus Excel wird nun automatisch die Skalierung der Zielzelle berücksichtigt. Durch das reduzierte Batch-Intervall von 50 Millisekunden werden Eingaben nahezu verzögerungsfrei verarbeitet. Zudem warnt SAC beim Schließen des Browser-Tabs, wenn noch unveröffentlichte Daten vorhanden sind.
Add Member und Repost Data sind gut gemacht, vor allem weil SAC mitdenkt: Beim Einfügen werden ungültige Stammdaten und leere Zeilen markiert, beim Umbuchen warnt SAC, wenn die Zielkombination schon existiert. Trotzdem fragt man sich, warum das erst jetzt kommt und warum Add Member nur eine oder fünf Zeilen anbietet.
Repost Data gibt es außerdem nur in der Cross-Tab, nicht im Forecast-Layout.
Mit Q4 wird auch die Integration zwischen SAP Analytics Cloud und SAP Datasphere im Rahmen von Seamless Planning erweitert. Die Versionsdimension eines Planungsmodells lässt sich nun für SAP Datasphere freigeben und dort in weiteren Datenmodellen verwenden.
Eine der spannendsten Neuerungen rund um Seamless Planning kommt diesmal nicht direkt mit dem SAC-Release, sondern aus SAP Datasphere. Mit einem neuen Operator für Task Chains soll es künftig möglich sein, Daten direkt in Seamless-Planning-Modelle und deren Dimensionstabellen zu laden. Laut SAP-Release-Plan startet der Rollout der entsprechenden Datasphere-Wave am 18. November, während die zugehörige SAC-Funktionalität ab dem 28. November folgen soll.
Damit lassen sich Ladevorgänge für die Planung in eine Task Chain einbetten, zusammen mit den übrigen Datenintegrationswerkzeugen in Datasphere. Ein typischer Ablauf: Stammdaten aktualisieren, Ist-Daten laden, einen Forecast berechnen, etwa in SAP Databricks, und das Ergebnis direkt in eine Forecast-Version schreiben. Die Task Chain lässt sich einplanen oder manuell starten. Laut SAP werden dadurch die meisten OData-Verbindungen überflüssig, die bisher für das Laden von Stamm- und Bewegungsdaten in Seamless-Planning-Modelle nötig waren. Auch Hierarchien lassen sich auf diesem Weg laden.
Voraussetzung wird sein, dass das Planungsmodell im selben Datasphere-Space liegt wie die Task Chain. Außerdem müssen SAC und Datasphere über eine Formation verbunden sein, die ältere Tenant-Verknüpfung reicht nicht. Noch gibt es Lücken: Validierungsregeln werden beim Import nicht geprüft, Änderungen nicht im SAC-Audit-Protokoll erfasst und Datenzugriffsrechte nicht übernommen. Auch der Start einer Task Chain über eine SAC Multi Action ist derzeit nicht möglich.
Wenn das in der Praxis so funktioniert, braucht Seamless Planning deutlich weniger eigene Schnittstellen.
Den Data Filter Parameter haben wir bereits in unserem Blogbeitrag zum QRC3-Release als eine nützliche Neuerung vorgestellt. Mit Q4 wird die Handhabung noch einfacher. Eine neue Option sorgt dafür, dass der Parameter automatisch in jeden neuen Schritt einer Data Action übernommen wird.
Spannender sind für uns allerdings die neuen String-Funktionen in den Advanced Formulas. Wer mit Advanced Formulas arbeitet, kennt das: Mit Zeichenfolgen ließ sich bisher kaum etwas anfangen. Mit CONCAT, LEFT, RIGHT und SUBSTR lassen sich Zeichenfolgen nun verknüpfen oder gezielt einzelne Bestandteile auslesen. Für eine Skriptsprache, die ständig mit Member-IDs arbeitet, ist das eigentlich Grundausstattung. Welchen Unterschied das in der Praxis macht, haben wir anhand eines Beispiels getestet. Dabei sollten Saisonfaktoren für mehrere Filialen einer Stadt gesetzt werden: ein Zuschlag von 20 % im Dezember sowie ein Abschlag von 10 % im Juli und August. Die Filial-IDs setzen sich aus Stadt und Stadtteil zusammen (z. B. KOE_EHR), während die Perioden im Format JJJJMM vorliegen. Diese Logik haben wir sowohl mit der bisherigen Syntax als auch mit den neuen String-Funktionen umgesetzt.
Der Vorteil der neuen String-Funktionen zeigt sich besonders bei der Flexibilität. Bisher mussten Filialen und Perioden einzeln in der Formel hinterlegt werden. Jede neue Filiale oder jedes zusätzliche Planjahr erforderte somit eine Anpassung des Skripts. Mit LEFT und RIGHT reichen nun allgemeine Regeln: LEFT([d/Filiale], 3) = "KOE" berücksichtigt alle Kölner Filialen, RIGHT([d/Date], 2) = "12" alle Dezember-Perioden. Die Formel funktioniert damit unabhängig von der Anzahl der Filialen oder Planjahre. Auch zusätzliche Member-Properties zur Unterscheidung von Städten oder Saisonzeiten werden überflüssig.
Aufpassen muss man trotzdem: Wird eine zusammengesetzte Member-ID verwendet, die nicht existiert, gibt SAC weder bei der Validierung noch bei der Ausführung eine Fehlermeldung aus. Die Werte werden schlicht nicht geschrieben. Fehler in der Namenskonvention können dadurch unbemerkt bleiben.
Zusätzlich kündigt SAP Performance-Verbesserungen für Advanced Formulas an, nennt aber keine konkreten Änderungen.
Mit Optimized führt SAP eine neue Engine für Data Actions ein, die insbesondere längere Berechnungen beschleunigen soll. In der Systemkonfiguration stehen dafür drei Optionen zur Verfügung: Automatic für die automatische Umstellung durch SAP, Optimized für die neue und Legacy für die bisherige Engine. Konkrete Angaben zum Performance-Gewinn macht SAP nicht.
Ob die neue Engine tatsächlich schneller ist, haben wir in unserem Test-Tenant geprüft. Interessant war bereits, dass SAP unter Automatic ohne unser Zutun auf Optimized umgestellt hatte. Anschließend testeten wir zwei Data Actions auf einem Modell mit rund 244.000 Datensätzen: eine einfache Datenkopie und eine komplexere Berechnung. Beide Aktionen wurden dreimal pro Engine ausgeführt. Einen spürbaren Unterschied konnten wir nicht feststellen. Beide Engines lieferten identische Ergebnisse und benötigten zwischen einer und 2,5 Sekunden. Die meiste Zeit ging dabei für die Vorbereitung der Ausführung verloren, nicht für die Berechnung selbst.
Ob die neue Engine bei Data Actions mit mehreren Minuten Laufzeit etwas bringt, konnten wir so nicht prüfen. Zu beachten ist außerdem, dass der Job Monitor nicht anzeigt, welche Engine verwendet wurde. Dies lässt sich nur in der Systemkonfiguration prüfen.
Story-Filter und Input Controls lassen sich nun über die APIs bindInputControl und getBoundInputControl direkt mit Parametern von Multi-Action-Script-Objekten verknüpfen. Zudem können Anwender im Multi Action Starter nicht zwingend erforderliche Validierungen überspringen, was SAP allerdings nur für bereits geprüfte und vertrauenswürdige Multi Actions empfiehlt. Vereinfacht wurde außerdem der Stammdatenimport: Im Importschritt lässt sich die gewünschte Public Dimension jetzt direkt auswählen, ohne zuvor ein Modell auswählen zu müssen.
Mit Q4 schafft SAP Klarheit: Die bisherige Tabellenerstellung wird abgekündigt, neue Funktionen gibt es nur noch für die neue Table Build Experience. Ein Abschaltdatum steht noch nicht fest. Nach den Classic Stories in Q3 ist das die nächste Umstellung. Wer viele Tabellen im Einsatz hat, sollte die Migration frühzeitig einplanen.
Am meisten bringt aus unserer Sicht der neue Filter nach Bedingung. Er steht überall dort zur Verfügung, wo Anwender Filter setzen können, beispielsweise in Tabellen, Story-Filtern und Input Controls. Neben klassischen Vergleichen wie „größer als“, „kleiner als“ oder „zwischen“ lassen sich damit auch Textbedingungen wie „enthält“, „beginnt mit“ oder „endet mit“ verwenden. In Tabellen ist die Funktion direkt über einen Rechtsklick auf den Dimensionskopf erreichbar. Unser Test zeigte, dass Textfilter die Member-Beschreibung durchsuchen und Groß- und Kleinschreibung ignorieren. Auch der klassische Member-Filter ist über das Kontextmenü verfügbar und bietet nun eine Suche mit Mehrfachauswahl. Beide Filterarten können jedoch nicht auf derselben Dimension kombiniert werden.
Im Tabellenkopf fehlen allerdings noch Filter auf Kennzahlen und Zeiträume. SAP will die fehlenden Funktionen in den kommenden Quartalen auch im Tabellenkopf nachliefern.
Die Darstellung der Tabellen lässt sich ebenfalls gezielter steuern. Aufeinanderfolgende Kopfzellen mit identischem Member-Namen lassen sich nun zusammenfassen. Zudem können Story-Designer die maximale Anzahl angezeigter Zeilen und Spalten festlegen. Neue Tabellen erhalten automatisch einen Titel, der sich aus den verwendeten Dimensionen und Kennzahlen zusammensetzt, statt wie bisher nur den Modellnamen anzuzeigen. Bei Zeit- und Datumsdimensionen lässt sich außerdem einstellen, ob Jahr oder Quartal zusätzlich in Klammern dargestellt werden. Einfacher wird zudem die Anordnung von Dimensionen und Kennzahlen. Dimensionen lassen sich nun sowohl im Builder als auch im Quick Builder über Move Up und Move Down im Kontextmenü neu anordnen.
Für Tabellen mit SAP-BW-Daten gilt dies auch für Kennzahlen und Berechnungen innerhalb der Measure-Struktur. Diese können per Drag-and-drop verschoben oder direkt aus dem Data Panel an der gewünschten Position eingefügt werden. So lassen sich Kennzahlen beispielsweise in die Reihenfolge Umsatz, Kosten und Marge bringen. Die Änderungen werden sofort in der Tabelle sichtbar.
Gerade für SAP-BW-Kunden entfällt damit eine weitere Hürde beim Umstieg.
Laut Roadmap sollte Q4 bei KI ein großer Schritt werden. Angekündigt waren unter anderem mehrere KI-Agenten für Modellierung, Planung und die Erstellung von Stories sowie deutlich erweiterte Analysefähigkeiten in Joule. Davon ist im aktuellen Release kaum etwas angekommen. Stattdessen setzt SAP auf kleinere Erweiterungen bestehender Funktionen. Das ist weniger spektakulär, dafür sind einige davon direkt nutzbar.
So ist Joule jetzt auch im Lite Viewer verfügbar, und Just Ask kommt besser mit deutschsprachigen Modellen zurecht. Tabellen aus einer Just-Ask-Abfrage lassen sich nachbearbeiten, und My Metrics bekommt eine KI-gestützte Trendanalyse.
Die wichtigste Neuerung im KI-Bereich betrifft das bereits in Q3 eingeführte Prompt-Insights-Widget. In einem früheren Blogbeitrag zu den Base AI Features hatten wir kritisiert, dass die KI nur auf die Daten des verknüpften Widgets zugreifen konnte. Mit Q4 führt SAP eine eigene Scripting-API ein, mit der sich diese Einschränkung umgehen lässt. Dadurch kann das Widget mit mehreren Tabellen und Diagrammen verknüpft werden, auch wenn diese in der Story ausgeblendet sind. In unserem Test zeigte die Story beispielsweise nur Jahressummen, während die KI zusätzlich die Monatswerte einer versteckten Tabelle korrekt analysierte.
Über einen versteckten Prompt mit bis zu 8.000 Zeichen können Story-Entwickler der KI zusätzliche Informationen und Vorgaben mitgeben, beispielsweise Schwellwerte oder ein bestimmtes Antwortformat. In unserem Test hielt sich die KI zuverlässig an das vorgegebene Format. Die neue Scripting-API ermöglicht es außerdem, den sichtbaren Prompt zu setzen, die Generierung zu starten und die Antwort als Text auszulesen. Da Betrachter den Prompt nicht direkt bearbeiten können, ist dafür ein zusätzliches Eingabefeld erforderlich, das die Eingaben per Skript an das Widget übergibt.
Die KI-Analyse wird weder beim Öffnen einer Story noch nach einer Filteränderung automatisch aktualisiert, sondern muss manuell gestartet werden, beispielsweise per Klick. Bis zur erneuten Generierung basiert die Analyse auf dem vorherigen Datenstand, worauf das Widget jedoch hinweist. Und die Ergebnisse sollte man prüfen: In unserem Test waren die Aussagen zwar inhaltlich korrekt, eine Prozentangabe wurde jedoch nicht sauber dargestellt. Gerade bei Berichten für die Geschäftsführung empfiehlt sich daher eine kurze Kontrolle vor der Weitergabe.
Die sichtbarste Änderung des Releases betrifft alle Nutzer: Morning Horizon (Light) wird das neue Standard-Theme, sofern Nutzer keine eigene Darstellung gewählt haben. Wie schon nach der Ablösung des alten Homescreens in Q3 empfehlen wir, Schulungsunterlagen und Screenshots zu prüfen.
Mit dem Q4-Release führt SAP die Data Validation Rules ein. Das sind fachliche Prüfregeln, die direkt im Modeler angelegt werden. Jede Regel vergleicht einen Wert mit einer Referenz. Für jede Regel lässt sich festlegen, ob ein Verstoß als Fehler oder als Warnung gilt. Ausgeführt werden die Regeln über einen neuen Validierungsschritt in einer Data Action. Planer starten die Prüfung per Klick in der Story und sehen das Ergebnis im eingebetteten Job Monitor. Scheitert das Veröffentlichen einer Data Action an einer Validierungsregel, zeigt der Job Monitor jetzt die betroffenen Datensätze an. Bisher meldete SAC nur, dass ein Teil der Änderungen nicht veröffentlicht werden konnte. Plausibilitätsprüfungen, die bisher meist manuell in Excel oder über eigene Abweichungsberichte liefen, lassen sich so direkt in SAC abbilden.
Für Story-Entwickler gibt es zwei neue Skript-Events rund um das Veröffentlichen einer Version. Bisher ließ sich auf den Klick auf „Veröffentlichen“ nicht reagieren. Wer vorher prüfen wollte, brauchte einen eigenen Button, und der Standard-Button blieb trotzdem nutzbar. onBeforeVersionPublish läuft jetzt unmittelbar vor dem Veröffentlichen. Nur wenn das Skript die Freigabe ausdrücklich erteilt, wird die Version veröffentlicht. Andernfalls bricht SAC ab und informiert den Nutzer. So lässt sich etwa erzwingen, dass alle Kostenstellen beplant sind oder eine Genehmigung vorliegt. onAfterVersionPublish läuft danach und eignet sich für Folgeschritte, zum Beispiel eine Benachrichtigung an das Controlling oder das Kopieren der Daten in ein anderes Modell. Beide Events wirken allerdings nur in Stories im View-Modus. Wird über eine Data Action, eine Multi Action oder Joule veröffentlicht, greifen sie nicht.
Mit den neuen Model Load Jobs lassen sich Daten nun inkrementell laden, sodass nur geänderte Datensätze statt des gesamten Bestands verarbeitet werden. Zudem können Modellierer selbst festlegen, wie mit Fakten ohne passende Stammdaten umgegangen wird. Weitere Neuerungen erleichtern die Navigation: Aus Public Dimensions lässt sich direkt der Job Monitor öffnen und Modelle können aus dem Modeler unmittelbar im Excel-Add-in aufgerufen werden.
Wasserfall-Diagramme lassen sich jetzt sortieren. Bisher war die Reihenfolge der Balken fest durch das Datenmodell vorgegeben. Jetzt können Anwender über das Schnellmenü etwa nach der Größe der Beiträge sortieren und so die größten Treiber und Belastungen sofort sichtbar machen. Im Varianzmodus lässt sich zusätzlich nach der Abweichung sortieren. Für BW-Kunden gibt es eine Einschränkung: Auf BW-Zweitstrukturen funktioniert die Sortierung nicht. Außerdem unterstützt das Wasserfall-Diagramm jetzt Linked Analysis. Eine Auswahl im Diagramm filtert damit andere Widgets der Story.
In Kombinationsdiagrammen aus Säulen und Linien lässt sich eine Linien-Kennzahl jetzt auf dieselbe Achse wie die Säulen legen. Das ist sinnvoll, wenn beide Kennzahlen dieselbe Einheit haben, etwa die Marge und ihr gleitender Durchschnitt. Bisher erzeugte das Diagramm in solchen Fällen eine zweite Achse, die einen Größenunterschied vortäuschte, den es gar nicht gab. Zudem lassen sich Achsentitel jetzt frei vergeben. Bisher setzte SAC die Namen aller Kennzahlen einer Achse aneinander, was bei mehreren Kennzahlen zu langen, kaum lesbaren Titeln führte.
Nutzer können Metriken jetzt direkt in My Metrics anlegen: Datenquelle und Kennzahl wählen, Filter setzen, eine Abweichung oder einen Schwellwert ergänzen. Über Schwellwerte lassen sich Kennzahlen aktiv überwachen. Im Report-Abo lässt sich festlegen, ob alle Metriken einer Liste verschickt werden oder nur diejenigen, die ihren Schwellwert verletzen. Zusätzlich kann das Abo eine KI-generierte Zusammenfassung von Highlights und Veränderungen enthalten, laut SAP sinnvoll ab dem dritten versendeten Report. Damit taugt My Metrics jetzt auch als einfaches Monitoring.
Simulations-Owner und Nutzer mit Löschrecht können jetzt alle privaten Szenarien einer Simulation entfernen, auch die anderer Nutzer. Die Betroffenen werden darüber benachrichtigt. Außerdem lassen sich Treiber ohne Historie, etwa neue Konten, jetzt mit Zufallsstichproben simulieren. Die Einschränkungen des Compass-Widgets aus Q3 bleiben bestehen: Es zeigt weiterhin nur öffentliche Szenarien und nur eine Zielkennzahl pro Widget.
Im Data Analyzer lassen sich mehrere Arbeitsschritte jetzt direkt kombinieren: Dimensionen können per Drag-and-drop auf eine Datenzelle gezogen werden, wodurch sich Dimensionen in einem Schritt tauschen und filtern lassen. Auch der Excel-Export bietet mehr Flexibilität, da sich der Anhang optional deaktivieren lässt. Zusätzlich führt der Modellname im Info-Panel direkt zum entsprechenden Modell im Modeler oder Data Builder.
Daneben wurde die Kommentarfunktion erweitert. Kommentare können jetzt anhand von Regeln in andere Zeiträume oder Versionen übernommen werden, etwa bei der Fortschreibung einer Planung ins nächste Jahr. Ein CSV-Export ist ebenfalls möglich. Dazu kommen die Einzelauswahl in Hierarchien bei Story- und Seitenfiltern sowie ein überarbeiteter Dialog zur Variantenauswahl.
SAC erweitert Live Data Access um zwei Quellen: Databricks und SharePoint. Modellierer können Live-Versionen auf Basis von Daten in Databricks sowie von Excel-Tabellen und Listen auf SharePoint anlegen, ohne die Daten nach SAC zu replizieren. Bisher war dafür bei beiden Quellen ein Import nötig. In Planungsmodellen dienen die Live-Daten als Ist-Grundlage, lassen sich in Data Actions verwenden und in eigene Planversionen kopieren. Ein Zurückschreiben in die Quelle ist nicht möglich. Gerade SharePoint ist für Fachbereichsdaten interessant, die bislang als Excel-Datei gepflegt und regelmäßig hochgeladen werden. Weil der Data Wrangler bei Live-Verbindungen fehlt, müssen die Daten allerdings schon in der Quelle sauber strukturiert sein. Bei gewachsenen Excel-Dateien ist das nicht selbstverständlich.
Voraussetzung ist ein SAC-Tenant auf SAP HANA Cloud. Live Data Access muss zudem per Support-Ticket bei SAP freigeschaltet werden, für SharePoint zusätzlich der Data Access Agent. Das Konzept entspricht der Snowflake-Live-Verbindung, die wir in einem eigenen Blogbeitrag ausführlich beschrieben haben.
Q4 ist wie schon Q3 ein Release der kleinen Schritte. Vieles davon hilft im Alltag sofort, bei manchem muss sich der Nutzen erst noch zeigen.
Besonders die neuen String-Funktionen in den Advanced Formulas sind eine willkommene Ergänzung. Allerdings hätten wir uns diese schon deutlich früher gewünscht. Schließlich lassen sich Skripte inzwischen mit Unterstützung von KI-Agenten gut erstellen, solange die benötigte Syntax bekannt ist. Bei den KI-Neuerungen überzeugt uns vor allem das Prompt-Insights-Widget. Die neue Scripting-API gibt Story-Entwicklern deutlich mehr Kontrolle darüber, wie KI in Stories eingesetzt wird. Auf die angekündigten KI-Agenten müssen wir zwar weiterhin warten, aber schon jetzt lassen sich sinnvolle Anwendungsfälle umsetzen. Entscheidend bleibt dabei die Qualität der Datenbasis: Klar benannte Modelle und gepflegte Synonyme sind gerade für Just Ask und Joule unverzichtbar.
Bei Seamless Planning wachsen SAC und Datasphere weiter zusammen. Insbesondere die Versionsdimension und der neue Task-Chain-Operator versprechen interessante Möglichkeiten für Unternehmen, die Plan- und Ist-Daten in Datasphere kombinieren oder externe Forecast-Modelle einbinden möchten. Wie gut das in der Praxis funktioniert, werden die kommenden Tests zeigen.
Unterm Strich ist es ein solides Release ohne den großen Wurf. Nicht jede Neuerung wird im Alltag auffallen, aber Planer und Story-Entwickler bekommen einige Werkzeuge, die ihnen die Arbeit erleichtern.
Sie planen den Umstieg auf die neue Table Build Experience oder wollen die Planning-Funktionen aus SAP Analytics Cloud QRC4 in Ihrer SAC einsetzen? Sprechen Sie uns an, wir unterstützen Sie gern.