Skip to content
NextLytics
Megamenü_2023_Über-uns

Shaping Business Intelligence

Ob clevere Zusatzprodukte für SAP BI, Entwicklung aussagekräftiger Dashboards oder Implementierung KI-basierter Anwendungen - wir gestalten zusammen mit Ihnen die Zukunft von Business Intelligence. 

Megamenü_2023_Über-uns_1

Über uns

Als Partner mit tiefem Prozess-Know-how, Wissen der neuesten SAP-Technologien sowie hoher sozialer Kompetenz und langjähriger Projekterfahrung gestalten wir die Zukunft von Business Intelligence auch in Ihrem Unternehmen.

Megamenü_2023_Methodik

Unsere Methodik

Die Mischung aus klassischem Wasserfallmodell und agiler Methodik garantiert unseren Projekten eine hohe Effizienz und Zufriedenheit auf beiden Seiten. Erfahren Sie mehr über unsere Vorgehensweise.

Produkte
Megamenü_2023_NextTables

NextTables

Daten in SAP BW out of the Box bearbeiten: Mit NextTables wird das Editieren von Tabellen einfacher, schneller und intuitiver, egal ob Sie SAP BW on HANA, SAP S/4HANA oder SAP BW 4/HANA nutzen.

Megamenü_2023_Connector

NextLytics Connectoren

Die zunehmende Automatisierung von Prozessen erfordert die Konnektivität von IT-Systemen. Die NextLytics Connectoren ermöglichen eine Verbindung Ihres SAP Ökosystems mit diversen open-source Technologien.

IT-Services
Megamenü_2023_Data-Science

Data Science & Engineering

Bereit für die Zukunft? Als starker Partner stehen wir Ihnen bei der Konzeption, Umsetzung und Optimierung Ihrer KI-Anwendung zur Seite.

Megamenü_2023_Planning

SAP Planning

Wir gestalten neue Planungsanwendungen mithilfe von SAP BPC Embedded, IP oder  SAC Planning, die einen Mehrwert für Ihr Unternehmen schaffen.

Megamenü_2023_Dashboarding

Business Intelligence

Mit unserer Expertise verhelfen wir Ihnen auf Basis von Tableau, Power BI, SAP Analytics Cloud oder SAP Lumira zu aussagekräftigen Dashboards. 

Megamenü_2023_Data-Warehouse-1

SAP Data Warehouse

Planen Sie eine Migration auf SAP HANA? Wir zeigen Ihnen, welche Herausforderungen zu beachten sind und welche Vorteile eine Migration bringt.

Business Analytics
Megamenü_2023_Procurement

Procurement Analytics

Transparente und valide Zahlen sind vor allem in Unternehmen mit dezentraler Struktur wichtig. SAP Procurement Analytics ermöglicht die Auswertung von SAP ERP-Daten in SAP BI.

Megamenü_2023_Reporting

SAP HR Reporting & Analytics

Mit unserem Standardmodell für Reporting von SAP HCM mit SAP BW beschleunigen Sie administrative Tätigkeiten und stellen Daten aus verschiedenen Systemen zentral und valide zur Verfügung.

Megamenü_2023_Dataquality

Data Quality Management

In Zeiten von Big Data und IoT kommt der Vorhaltung einer hohen Datenqualität eine enorm wichtige Bedeutung zu. Mit unserer Lösung für Datenqualitätsmanagement (DQM) behalten Sie stets den Überblick.

Karriere
Megamenü_2023_Karriere-2b

Arbeiten bei NextLytics

Wenn Du mit Freude zur Arbeit gehen möchtest und dabei Deine berufliche und persönliche Weiterentwicklung nicht zu kurz kommen soll, dann bist Du bei uns genau richtig! 

Megamenü_2023_Karriere-1

Berufserfahrene

Zeit für etwas Neues? Gehe Deinen nächsten beruflichen Schritt und gestalte Innovation und Wachstum in einem spannenden Umfeld zusammen mit uns!

Megamenü_2023_Karriere-5

Berufseinsteigende

Schluss mit grauer Theorie - Zeit, die farbenfrohe Praxis kennenzulernen! Gestalte bei uns Deinen Einstieg ins Berufsleben mit lehrreichen Projekten und Freude an der Arbeit.

Megamenü_2023_Karriere-4-1

Studierende

Du möchtest nicht bloß die Theorie studieren, sondern Dich gleichzeitig auch praktisch von ihr überzeugen? Teste mit uns Theorie und Praxis und erlebe wo sich Unterschiede zeigen.

Megamenü_2023_Karriere-3

Offene Stellen

Hier findest Du alle offenen Stellenangebote. Schau Dich um und bewirb Dich - wir freuen uns! Falls keine passende Stelle dabei ist, sende uns gerne Deine Initiativbewerbung zu.

Blog
NextLytics Newsletter
Abonnieren Sie jetzt unseren monatlichen Newsletter:
Newsletter abonnieren
 

SAP Seamless Planning: 3 Wege externe Daten erfolgreich zu integrieren

In unserem ersten Blogbeitrag zu Seamless Planning haben wir die Grundlagen dieser neuen Integration zwischen SAP Analytics Cloud (SAC) und SAP Datasphere vorgestellt und anhand unseres NextJuice-Modells gezeigt, wie sich externe Zusatzdaten nahtlos in ein Planungsszenario integrieren lassen. Der Beitrag hat viel positives Feedback erhalten - und gleichzeitig viele Folgefragen aufgeworfen: Welche weiteren Möglichkeiten gibt es? Was hat sich seitdem verändert? Und wo liegen die Grenzen?

Die gute Nachricht: Seit unserem ersten Beitrag hat SAP mit dem Q4 2025 Release ein Feature ausgeliefert, das Seamless Planning auf ein neues Level hebt - Externe Live-Versionen (External Live Version Data Sources). Damit lassen sich Faktendaten aus SAP Datasphere erstmals direkt und ohne Replikation als Versionen in SAC-Planungsmodelle einbinden. Das Ergebnis: Echtzeit-Zugriff auf Ist-Daten, Plandaten aus anderen Modellen oder eben externe Zusatzdaten - alles live, alles ohne manuellen Datenimport.

In diesem Beitrag greifen wir unser bewährtes NextJuice-Beispielmodell erneut auf und zeigen diesmal drei konkrete Wege, wie sich externe Daten - am Beispiel von Rabattinformationen (Discount) - in ein Seamless-Planning-Szenario integrieren lassen. Zum Abschluss werfen wir einen Blick auf eine vierte Variante, die aus unserer Sicht die mächtigste wäre - technisch aktuell aber leider nicht umsetzbar ist.

Unsere Blogreihe: Seamless Planning im Fokus

1  SAC Planung trifft auf SAP Datasphere
2  Drei Wege zur Integration externer Daten


Der Use Case: Rabattdaten im Planungsmodell

Unser NextJuice-Modell bildet die Absatzplanung eines fiktiven Getränkeherstellers ab. Die zentralen Planungskennzahlen sind unter anderem Absatzmenge (Quantity) und Umsatz (Sales Revenue). Für eine realistische und ganzheitliche Planung benötigen wir jedoch zusätzlich Rabattinformationen (Discount), die nicht direkt aus dem Sales-Prozess stammen, sondern extern gepflegt werden.

Diese Rabattdaten sind nicht mit den Actuals-Verkaufsdaten verknüpft und unterscheiden sich auch strukturell deutlich von den Sales-Daten. Es handelt sich um prozentuale Rabattsätze, die auf Ebene von Filialen bzw. Filialen und Produkten gepflegt werden und nach Rabattart unterschieden werden - Key Account Discounts gelten pauschal pro Filiale, Volume Discounts werden zusätzlich auf Produktebene differenziert.

Das Entscheidende: Sie existieren als eigenständiger Datensatz in Datasphere und müssen in den Planungsprozess integriert werden, um dort für Berechnungen oder als Referenz zur Verfügung zu stehen.

In unserem Szenario werden die Discount-Daten mit der Lösung NextTables gepflegt. NextTables bietet eine benutzerfreundliche Oberfläche zur manuellen Datenpflege direkt in SAP Datasphere - ideal für Zusatzdaten, die nicht automatisiert aus einem Quellsystem kommen. Besonders praktisch: NextTables lässt sich als Web-Komponente direkt in die SAC Story einbetten, sodass Planer die Rabattdaten im selben Kontext pflegen können, in dem sie auch planen.

screen1


Seien Sie einer der Ersten und
melden Sie sich jetzt schon für die neue Version an! 

Early Adopter werden! Früher Zugang zu der neuen Version?  Genau das bekommen angemeldete Early Adopter, zusammen mit exklusiven  Sneak-Previews und  Möglichkeiten, die Version mit frischen Ideen zu  beeinflussen.   Als Early Adopter anmelden 


Variante 1: Integration über ein Analytic Model

Diese Variante haben wir bereits in unserem ersten Blogbeitrag ausführlich vorgestellt, sie  funktioniert also bereits seit dem Q1 2025 Release von Seamless Planning. Der Ansatz besteht darin, in SAP Datasphere ein Analytic-Model zu erstellen, das sowohl die Planungsdaten aus dem Seamless-Planning-Modell als auch die externen Rabattdaten zusammenführt. 

screen2

Technische Umsetzung

  1. Datasphere View erstellen: Im Datasphere Data Builder wird eine View angelegt, die die Fakt-Tabelle des Seamless-Planning-Modells per Join mit der Discount-Tabelle verbindet und die gesamte Verrechnungslogik virtuell abbildet.

  2. Analytic Model in Datasphere: Auf Basis dieser View wird ein Analytic Model in Datasphere erstellt, das die kombinierten Daten als konsumierbare Datenquelle bereitstellt.

  3. Dashboard-Integration: In der SAC Story können nun Tabellen und Charts erstellt werden, die Daten aus dem Analytics Model und dem Planning Model gemeinsam darstellen.

Vorteile

  • Volle Flexibilität der Datasphere-Modellierung: SQL-Joins, berechnete Kennzahlen, Unions - alles möglich

  • Ideal für komplexe Berechnungslogiken, die in Berechneten Kennzahlen oder Advances Formulas nicht oder nur schwer abbildbar wären

Nachteile

  • Die Discount-Daten sind nicht direkt im Planungsmodell verfügbar – kein direktes Zusammenspiel mit dem Planungsprozess möglich
  • Plandaten müssen erst publiziert werden, bevor die Berechnung über die Datasphere-View die aktuellen Werte widerspiegelt
  • Dashboard-Aufbau erfordert die Kombination zweier Modelle in einer Story 

Fazit Variante 1

Diese Variante eignet sich besonders gut für reine Reporting- und Analysezwecke, bei denen externe Daten mit den Plandaten virtuell verrechnet und gemeinsam ausgewertet werden sollen - ohne dass die Ergebnisse aktiv im Planungsprozess weiterverarbeitet werden müssen. Die Stärke liegt in der Flexibilität der Datasphere-Modellierung.

Variante 2: Externe Live-Version mit Formel-Referenz

Mit dem Q4 2025 Release hat SAP die Externen Live-Versionen für Seamless-Planning-Modelle eingeführt. Dieses Feature ermöglicht es, Fact Views aus SAP Datasphere direkt als Versionen in ein SAC-Planungsmodell einzubinden - ohne jegliche Datenreplikation. Die Daten werden live aus Datasphere gelesen und verhalten sich aus SAC-Sicht so, als wären sie Teil des Modells.

screen3

Variante 2 nutzt dieses neue Feature, um die Discount-Daten als Externe Live-Version an das Planungsmodell anzubinden und dann über Formel-Referenzen in den Planungskontext einzubinden.

screen4

Technische Umsetzung

  1. Datasphere View vorbereiten: Die Discount-Daten müssen als Fact View in Datasphere bereitgestellt werden. Diese View muss im selben Space liegen wie das Seamless-Planning-Modell (oder mit diesem Space geteilt sein) und für die Consumption freigegeben (Exposed) sein.

  2. Externe Live-Version anlegen: Im SAC-Planungsmodell wird eine neue externe Datenquelle hinzugefügt (z.B. „Discount_Live“). Wichtig: Die externe View muss nicht der vollständigen Struktur des Seamless-Planning-Modells entsprechen. Es müssen lediglich die Dimensionen und Kennzahlen gemappt werden, die tatsächlich in der externen View enthalten sind - alle übrigen Spalten können auf NULL oder einen Defaultwert gemappt bleiben.

    screen5
  3. Calculated Measures erstellen: Im Planungsmodell werden berechnete Kennzahlen angelegt, die per LOOKUP-Formel auf die Discount-Daten in der Externen Live-Version zugreifen.

screen6

Vorteile

  • Anders als bei Variante 1 sind die Daten direkt im Planungsmodell sichtbar - kein separates Analytics Model erforderlich.

  • Der Planer sieht die Auswirkungen seiner Eingaben sofort, ohne die Plandaten erst publizieren zu müssen.

  • Über die Konfiguration CONFIG.READ_CALCULATED_MEMBER_VALUES = ON in Advanced Formulas lassen sich die Calculated Measures auch innerhalb von Data Actions lesen und für Berechnungen verwenden.

Nachteile

  • Die Discount-Werte aus der Externen Live-Version sind nicht überschreibbar. Es handelt sich um reine Referenzdaten als Formelergebnis - kein Persistieren.

  • Die Berechnungslogik in SAC über Advanced Formulas / Calculated Members hat Einschränkungen, z.B. bei kontextabhängigen Berechnungen, NULL-Handling oder verschachtelten LOOKUPs.

Fazit Variante 2

Variante 2 ist ideal, wenn externe Referenzdaten live im Planungskontext angezeigt und in Berechnungen einbezogen werden sollen. Sie verbindet Echtzeit-Zugriff mit direkter Integration im Planungsmodell, inklusive Nutzbarkeit in Data Actions. Die Grenzen liegen bei komplexer Berechnungslogik und wenn Werte persistiert oder manuell überschrieben werden müssen.

Variante 3: Externe Live-Version mit Data Action (Persistierung)

Die dritte Variante nutzt ebenfalls die Externe Live-Version, geht aber einen entscheidenden Schritt weiter: Die externen Daten werden nicht nur referenziert, sondern über eine Data Action aktiv in die planbare Version des Modells kopiert. Damit stehen die Discount-Werte anschließend als „echte“ Plandaten zur Verfügung und können in allen weiteren Planungsschritten genutzt werden.

screen7

Technsiche Umsetzung

  1. Externe Live-Version einrichten: Wie bei Variante 2 wird die Discount-View aus Datasphere als Externe Live-Version am Planungsmodell angebunden.

  2. Data Action erstellen: Eine Data Action wird angelegt, die die Discount-Daten aus der Externen Live-Version in die aktive Planungsversion kopiert. Dies kann über einen Copy-Schritt oder ein Advanced-Script erfolgen.

    Advanced-Script

  3. Trigger integrieren: Die Data Action kann manuell per Button in der Story ausgelöst werden oder in eine Multi Action integriert werden, die mehrere Schritte orchestriert.

  4. Weiterverarbeitung: Nachdem die Discount-Daten in der aktiven Version persistiert sind, stehen sie wie jede andere Planungskennzahl zur Verfügung.


Plannungskenzahlen

Vorteile

  • Wie in Variante 2 sind die Daten direkt im Planungsmodell sichtbar ohne ein separates Analytics Model und der Planer sieht die Auswirkungen seiner Eingaben sofort, ohne die Plandaten erst publizieren zu müssen.

  • Die Discount-Daten sind nach dem Copy vollwertige Planungsdaten und können in allen Planungsfunktionen genutzt oder bei Bedarf auch manuell überschrieben werden

  • Durch die Persistierung entsteht ein Snapshot der Rabattdaten zum Zeitpunkt der Planung. Ändern sich die externen Daten in Datasphere nachträglich, bleibt das Planungsergebnis davon unberührt - ein wichtiger Aspekt für die Nachvollziehbarkeit und Revisionssicherheit der Planung.

Nachteile

  • Die Daten sind nur so aktuell wie die letzte Ausführung der Data Action. Änderungen an den Discount-Daten in Datasphere werden erst nach erneutem Kopieren sichtbar.

  • Data Action mit Script/Copy-Logik muss entwickelt und getestet werden. Bei komplexeren Szenarien (verschiedene Granularitäten, fehlende Members) kann dies aufwendig sein


Fazit Variante 3

Variante 3 ist die umfassendste Lösung, wenn die externen Daten nicht nur angezeigt, sondern aktiv im Planungsprozess genutzt werden sollen. Sie kombiniert die Live-Anbindung an Datasphere (kein initialer Datenimport nötig) mit der vollen Planungsfunktionalität der SAC.

Varianten im Vergleich

Die folgende Tabelle fasst die wesentlichen Unterschiede der drei Varianten zusammen:

Kriterium  Variante 1:
Analytics Model 
 Variante 2:
Formel-Referenz 
 Variante 3:
Data Action Copy 
Daten-Aktualität Erst nach Publish der Plandaten Echtzeit, auch auf privaten Versionen Zum Zeitpunkt der Data-Action-Ausführung
Planbarkeit der Kennzahl Nein (nur lesend im Analytics Model) Nein (Calculated Member, read-only) Ja (nach Copy in aktive Version)
Nutzung in Data Actions Nicht möglich Eingeschränkt (Formelreferenz) Voll nutzbar
Berechnungslogik Datasphere View (SQL, Joins etc.) SAC Calculated Measures SAC Data Action
Komplexe Berechnungen Sehr gut (SQL, Joins, Unions) Eingeschränkt (Formel-Limitierungen) Mittel (Data Action Scripting)
Entwicklungsaufwand Gering (Join-View + Analytic Model) Gering (Live-Version + Calculated Measures) Gering (Live-Version + Data Action Script)

Die Wahl der richtigen Variante hängt letztlich vom konkreten Anwendungsfall ab. Für reines Reporting reicht Variante 1 völlig aus. Wenn Echtzeit-Referenzdaten im Planungsmodell benötigt werden, ist Variante 2 der eleganteste Weg. Und wenn die externen Daten aktiv im Planungsprozess weiterverarbeitet werden sollen, führt kein Weg an Variante 3 vorbei.

Variante 4: Die Wunschvariante

Wer die drei Varianten aufmerksam gelesen hat, wird feststellen, dass jede ihre Stärken hat - aber keine alle Stärken vereint. Variante 1 bietet die mächtige Datasphere-Modellierung, aber die Daten sind nicht im Planungsmodell. Variante 3 bietet die volle Planungsintegration, aber die Berechnungslogik liegt in SAC-Data-Actions, was bei komplexen Anforderungen an Grenzen stösst.

Die „Dream-Variante“ wäre eine Kombination der Varianten: Man nutzt die volle Leistungsfähigkeit des Datasphere-Toolsets für die Berechnungslogik und bindet das Ergebnis dann als Externe Live-Version an das Planungsmodell an. Am Ende wäre nur noch ein einfacher Copy-Schritt per Data Action nötig, um die berechneten Werte in die aktive Planungsversion zu übernehmen.

screen10

Dieser Ansatz wäre besonders dann attraktiv, wenn die Berechnungslogik komplex wird und die SAC Advanced Formulas nicht ausreichen. Viele Unternehmen haben SQL-Experten, die sich mit dem Datasphere-Tooling deutlich leichter tun als mit der SAC-Formelsprache. Man würde also die Stärke von Datasphere mit der Stärke von SAC Planung kombinieren.

Warum es (noch) nicht funktioniert

Leider scheitert dieser Ansatz an einer technischen Einschränkung: Man kann keine Externe Live-Version anbinden, deren zugrunde liegende Datasphere-View auf der Fakt-Tabelle des eigenen Planungsmodells basiert.

Der Grund für diese Einschränkung liegt vermutlich in der Vermeidung von Zirkelabhängigkeiten: Wenn ein Modell eine Externe Version einbindet, die wiederum auf den eigenen Daten basiert, entsteht theoretisch ein Zirkelbezug. Aus unserer Sicht ist diese Einschränkung allerdings nicht zwingend. Denn: Die Daten einer Externen Live-Version sind im Seamless-Planning-Modell in Datasphere gar nicht sichtbar. Wenn man z.B. Actuals Live an ein Planungsmodell anbindet, sieht man die Actuals-Daten nur in der SAC direkt auf dem Modell - in Datasphere in der Fakt-Tabelle des Modells sind sie nicht enthalten. Die Externe Version wird erst in der SAC als zusätzliche Schicht „darauf gelegt“, ähnlich einem UNION. Die darunterliegende Fakt-Tabelle bleibt davon unberührt.

Zugegebenermassen: Von aussen ist nicht exakt ersichtlich, welches SQL das Seamless-Planning-Modell für die Externen Versionen aufbaut. Es kann also technische Gründe geben, die uns nicht transparent sind. Fakt ist aber: Wenn die Externe Version lediglich als zusätzlicher UNION-Layer fungiert und die Fakt-Tabelle nicht verändert, wäre eine Self-Reference technisch denkbar - sofern das System die Auflösungsreihenfolge sauber handhabt.

Unser Wunsch an SAP: Externe Live-Versionen wären noch deutlich mächtiger, wenn diese Self-Reference möglich wäre. Die Use Cases in Kombination mit Datasphere-Berechnungslogik wären enorm vielfältig. Vielleicht wird diese Einschränkung in einem künftigen Release adressiert - die Architektur lässt es aus unserer Sicht zu.

Möchten Sie das volle Potenzial von Seamless Planning in Ihrem Unternehmen nutzen? Sprechen Sie uns an, um die passende Integrationsstrategie für Ihren Use-Case zu entwickeln.

Erfahren Sie alles über NextTables

FAQ - SAP Seamless Planning

Hier finden Sie die häufigst gestellten Fragen zur Integration externer Daten.

Was ist Seamless Planning in SAP Analytics Cloud? Seamless Planning ist eine tiefe Integration zwischen SAP Analytics Cloud (SAC) und SAP Datasphere, bei der die Planungsdaten – Fakten, Dimensionen und Hierarchien – direkt in SAP Datasphere gespeichert werden, während SAC als zentrales Planungstool mit vollem Funktionsumfang erhalten bleibt. Dadurch können Unternehmen die leistungsstarken Datasphere-Tools (Views, Transformation Flows, Task Chains, SQLScript) für Datenvorbereitung und komplexe Planungslogiken nutzen, externe Datenquellen live einbinden und die Ressourcensteuerung gezielt über Datasphere steuern.
Was sind External Live Version Data Sources? Dabei handelt es sich um eine Funktion aus dem Q4 2025 Release, mit der Daten aus SAP Datasphere direkt als Live-Versionen in SAC-Planungsmodelle integriert werden können – ohne Datenimport.
Welche Möglichkeiten gibt es, externe Daten zu integrieren? Es gibt drei Hauptansätze:
  • Über ein Analytic Model in Datasphere
  • Über externe Live Versions mit Formel-Referenzen
  • Über externe Live Versions kombiniert mit Data Actions zur Persistierung
Was ist der Unterschied zwischen Live-Referenz und Persistierung? Bei der Live-Referenz werden Daten in Echtzeit angezeigt, können aber nicht bearbeitet werden. Bei der Persistierung werden die externen Daten in die Planungsversion kopiert und sind anschließend vollständig bearbeitbar.
Wann sollte man Data Actions einsetzen? Data Actions sind sinnvoll, wenn externe Daten aktiv in den Planungsprozess integriert und weiterverarbeitet oder überschrieben werden sollen, z. B. für Simulationen oder Audit-Zwecke.
Welche Einschränkungen gibt es aktuell? Zu den wichtigsten Einschränkungen gehören:
  • Daten aus Externen Live-Versionen sind read-only
  • Calculated Measures mit LOOKUP auf Live-Versionen unterliegen den Limitierungen der SAC-Formelsprache
  • Keine Self-Reference möglich – eine Externe Live-Version darf nicht auf der Fakt-Tabelle des eigenen Planungsmodells basieren
Was wäre die ideale Lösung für Seamless Planning? Die Möglichkeit einer Self-Reference: Eine Datasphere-View, die auf der Fakt-Tabelle des eigenen Planungsmodells basiert und dort komplexe Berechnungen per SQL abbildet, als Externe Live-Version an dasselbe Modell anbinden – und das Ergebnis per einfacher Data Action in die aktive Planungsversion übernehmen. Das würde die Modellierungsstärke von Datasphere (SQL, Joins, komplexe Logiken) mit der Planungsfunktionalität von SAC (Versionierung, Data Actions, manuelle Anpassungen) kombinieren.
Warum ist die ideale Option aktuell technisch nicht möglich? Derzeit verhindert eine technische Einschränkung die Umsetzung: External Live Versions können nicht auf Datasphere-Views basieren, die wiederum auf dem eigenen Planungsmodell aufbauen. Dies würde zu potenziellen zirkulären Abhängigkeiten führen. Obwohl diese Einschränkung aus technischer Sicht nachvollziehbar ist, könnte sie in zukünftigen SAP-Releases möglicherweise aufgehoben werden.

,

avatar

David Nicolay

David bringt 13 Jahre Erfahrung als SAP-Berater im Bereich SAP Data & Analytics sowie Energiewirtschaft mit. Seine Expertise erstreckt sich von der Kundenbetreuung und Beratung bis hin zur IT-Konzeption, Architektur und Entwicklung von SAP-Lösungen. Besonders spezialisiert ist er auf SAP Planung (BPC und SAP Analytics Cloud), SAP BW/4HANA und SAP Datasphere. Privat geht David gerne Apnoetauchen und ist begeisterter Home-Barista.

Sie haben eine Frage zum Blog?
Fragen Sie David Nicolay

Gender Hinweis Aufgrund der besseren Lesbarkeit wird im Text das generische Maskulinum verwendet. Gemeint sind jedoch immer alle Menschen.
SAP Seamless Planning: 3 Wege externe Daten erfolgreich zu integrieren
15:10

Blog - NextLytics AG 

Welcome to our blog. In this section we regularly report on news and background information on topics such as SAP Business Intelligence (BI), SAP Dashboarding with Lumira Designer or SAP Analytics Cloud, Machine Learning with SAP BW, Data Science and Planning with SAP Business Planning and Consolidation (BPC), SAP Integrated Planning (IP) and SAC Planning and much more.

Informieren Sie mich über Neuigkeiten

Verwandte Beiträge

Letzte Beiträge