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

17 Nov 202610 Min Readviews 0comments 0
SAP BW から Databricks へ ― 移行アクセラレーター — Pulse Convert

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 BWDatabricks
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)
CompositeProviderDatabricks 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(概念実証)
Microsoft Solution Partner

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。

初期自動変換精度 70%~90%代表的なデータフロー 5 本で無料 PoCABAP ルーチンの PySpark 化と業務ルール文書化SAP Note 3255746 準拠の取り込み経路設計
提供:Office Solution AI Labs(マイクロソフト認定 Data & AI ソリューションパートナー)
#日本語#SAP BW#Databricks#Delta Lake#Unity Catalog#需要予測#マイグレーション#ケーススタディ

Contact Us

Advance Analytics of next generation

We are an authorized implementation partner of Snowflake, Databricks, Amazon, Automation Anywhere, Denodo, DataDog, New Relic, and Elastic.

Copyrights © 2026 Office Solution AI Labs