導入事例:作り直すなら、どこで? ― Emulus Consulting の SAP BW → Databricks 移行

目次
導入事例:作り直すなら、どこで? ― Emulus Consulting の SAP BW → Databricks 移行
― BW 7.5 の保守期限を、需要予測の起点に ― SAP と非 SAP のデータを一つのレイクハウスへ
概要
- 提供:Innovational Office Solution
- お客様:Emulus Consulting
- 移行対象:ADSO / DSO 210 個、InfoCube 45 個、変換ルール 760 本(うち ABAP ルーチン 180 本)、BEx クエリ 520 本、プロセスチェーン 95 本
- 自動変換精度:初期段階で 81% を自動変換(70%~90% の範囲)。残りは SAP BW の専門家と需給・経理部門の確認で完了
- お問い合わせ:Admin@innovationalofficesolution.com
- 無料PoC:AnyBI to Power BI & AnyETL to Fabric ページ
背景:「2027年に BW が終わる」は正確ではない
Emulus Consulting が支援する消費財メーカーでは、SAP BW 7.5 が販売・在庫・原価の分析基盤として10年以上使われてきました。社内では「BW は2027年に終わる」と言われていましたが、正確には次のとおりです。
| 製品 | 保守の状況 |
|---|---|
| SAP BW 7.5(BW on HANA 含む) | メインストリーム保守は2027年末まで。オプションの延長保守は2030年末まで(保守料金に2パーセントポイント上乗せ) |
| SAP BW/4HANA | 別製品。保守は少なくとも2040年まで |
2027年にシステムが止まるわけではありません。問題は、すでに新機能が投入されない基盤に、追加料金を払って投資を続けるかどうかでした。どの道を選んでも、BW のモデルとロジックは何らかの形で作り直す必要があります。
決め手になったのは、需給計画部門の一言
選択肢は3つありました。BW/4HANA へのアップグレード、SAP Datasphere / Business Data Cloud への移行、そして Databricks のレイクハウスです。
決め手は需給計画部門の要望でした。
「出荷実績は SAP にある。でも、需要予測に本当に効くのは、小売店の POS データ、天候、販促カレンダー、EC サイトのアクセス数。全部 SAP の外にある。」
SAP と非 SAP のデータを同じ場所に置き、機械学習で需要予測を行うには、開かれたデータ形式と機械学習の環境が一体になった基盤が必要です。お客様は Databricks を選び、SAP 内に残す必要のある一部の運用帳票だけを SAP 側に残すことにしました。
BW の中に埋もれていたロジック
- データモデル:InfoObject(特性・キー数値・属性・テキスト・階層)、ADSO、InfoCube、CompositeProvider
- 変換:項目マッピング、数式、開始/終了/エキスパートルーチン(ABAP)、ルックアップ
- 差分:DataSource の差分キュー、リクエスト管理、変更ログ
- クエリ:BEx の制限付き・計算キー数値、変数、例外集計、通貨・数量単位の換算
- 運用:プロセスチェーン、分析権限
中でも重かったのは ABAP ルーチンです。「特定の得意先グループは出荷倉庫の売上として計上する」「販促品は売上から除外する」といった、業務ルールの多くがここにしか書かれていませんでした。
移行アプローチ
STEP 1|棚卸しと整理
BW のメタデータと統計情報から、18 か月以上ロードもクエリもされていないオブジェクトを洗い出し、「移行」「統合」「廃止」に仕分けました。これだけで移行対象は 34% 減っています。
STEP 2|SAP ソースからの取り込み経路
SAP Note 3255746 により、サードパーティ製ツールによる ODP-RFC 経由のデータ抽出は制限されています。既存の抽出 120 本を一本ずつ確認し、SAP Datasphere のレプリケーションフローなど、SAP が認める経路に切り替えました。
STEP 3|AI による変換
- InfoObject・ADSO → Delta テーブル(Silver 層のディメンション・ファクト)
- 変換ルールの項目マッピング・数式 → Spark SQL
- ABAP ルーチン → PySpark 関数(元の ABAP と対応させたコメント付き)
- 階層(製品階層・得意先階層)→ 親子テーブルと再帰 CTE
- BEx の制限付き・計算キー数値 → Databricks SQL のビュー/Unity Catalog の指標ビュー
初期自動変換精度は 81% でした。ABAP ルーチンに埋もれていた業務ルールは、変換と同時に一覧として文書化し、需給計画部門・経理部門と内容を確認しました。
STEP 4|レイクハウスと非 SAP データの統合
Bronze(SAP の生データ)→ Silver(クレンジング、型変換、マスタ結合)→ Gold(販売・在庫・原価の指標)で整理し、同じ Gold 層に POS、天候、販促カレンダー、EC アクセスのデータを統合しました。分析権限は Unity Catalog の行フィルター・列マスクに移しています。
STEP 5|突合と切り替え(PulseQA)
同じ会社コード・期間・選択条件で、BW クエリと Databricks の結果を件数、合計値、通貨換算後の金額、階層集計の単位で自動比較しました。3月の年度末決算を避け、上期中に6週間の並行稼働を行ってから切り替えています。
SAP BW と Databricks の対応表
| SAP BW | Databricks |
|---|---|
| InfoObject(特性+マスタ・テキスト) | ディメンション Delta テーブル |
| ADSO / DSO / InfoCube | ファクト Delta テーブル(Silver / Gold) |
| CompositeProvider | Databricks SQL ビュー / 指標ビュー |
| 変換ルール(項目マッピング・数式) | Spark SQL |
| ABAP 開始/終了/エキスパートルーチン | PySpark 関数 |
| 差分キュー・変更ログ | Delta MERGE + Change Data Feed |
| 特性の階層 | 親子テーブル+再帰 CTE |
| BEx の制限付き・計算キー数値 | SQL のメジャー / 指標ビュー |
| プロセスチェーン | Lakeflow Jobs |
| 分析権限 | Unity Catalog 行フィルター・列マスク |
成果
- ADSO 210 個、BEx クエリ 520 本、プロセスチェーン 95 本を初期自動変換精度 81% で移行(プロジェクト期間 24 週間)
- ABAP ルーチンに埋もれた業務ルール 136 件を文書化
- 月次の販売・在庫レポートの準備時間:7 時間 → 35 分
- 移行後 5 か月で、SAP と非 SAP データを組み合わせた需要予測モデルを本番化
- 予測誤差率を 28% 改善、在庫回転日数を 9 日短縮
- BW 延長保守の追加料金を回避し、TCO を 37% 削減
BW のデータフロー5本から
ABAP ルーチンと複雑な BEx クエリを含む5本で、Databricks のコードと突合レポートを無料でお見せします。
- 無料PoC:innovationalofficesolution.comAnyBI-To-PowerBI-and-AnyETL-To-Fabric/' target='_blank' rel='noopener noreferrer' class='text-teal-600 hover:underline font-medium'>無料PoC(Pulse Convert)
- Webサイト:innovationalofficesolution.com
- メール:Admin@innovationalofficesolution.com
SAP BW から Databricks レイクハウスへの移行
BW 7.5 の保守期限を需要予測・機械学習の起点に。ADSO・InfoCube・ABAP ルーチン・BEx クエリを Databricks へ初期自動変換精度 70%~90% で移行します。