AWS 上的 Infosys SAP Data Estate 现代化

白皮书 INFOSYSSAP数据中心在亚马逊Web服务上的现代化 Abstract 将结构化SAP数据和非结构化数据无缝地组合到有组织且可访问的数据源中，以应用人工智能/机器学习（AI/ML）并改善商业智能 。 通过数据资产现代化提高数据质量和可用性 随着超大规模管理计算、网络和数据服务的可用，创新的速度发生了显著变化。随着AI/ML技术的发展，将数据分析和转换为有价值的见解的能力是关键的竞争驱动力。与此同时，通过嵌入式分析执行和扩展AI的需求正在推动数据存储现代化，使其更易于访问。 用于分析。 数据资产现代化是一个连接结构化和非结构化数据的数据管理过程，有助于实现数据的民主化，以获得更好的可见性和更深入的见解。虽然数据资产现代化可以对所有类型的组织产生影响，但管理多个ERP系统的企业SAP客户可以期望现代化 特别有益。SAP客户每天用于战略决策的大量数据可能仅限于其SAP和SAPS4/HANA环境中存储的数据。通过将SAP数据与外部源集成并应用来生成见解的能力 高级分析是关键，但现有环境中的限制可能成为使用遗留系统的组织的障碍。 使用数据资产现代化可帮助组织管理所有企业数据源，将不同的结构化SAPS/4HANA数据与非结构化数据集成到单个数据仓库中，以优化可访问性。 市场和技术压力正在推动业务转型 随着SAP客户对其现有系统进行现代化改造，他们了解到云迁移不会自动消除 *Infosys内部研究 现有企业数据孤岛。对于进行升降迁移的组织尤其如此。 随着2027年SAPS/4HANA截止日期的临近，尚未迁移的组织需要加快努力， 内部数据现代化可能是一个长达数年的项目，需要专门的技能和工具，因为SAP系统的复杂性和这些系统中的关键业务数据。 随着组织评估其选择以开始SAP迁移之旅，对现代可扩展数据存储的需求促使组织寻求AmazonWebServices(AWS)跨多个源托管和管理关键业务数据。 成功的基准：增强的业务价值 、可扩展的体系结构和降低的成本 数据资产现代化的首要目标是实现更明智、数据驱动的决策。随着组织踏上现代化之路，转型成功的关键因素是: •增强的业务价值:更广泛的数据访问是数据资产现代化的重要结果。完整的数据访问和分析可提供更好的数据驱动决策,要求从任何地方安全、无缝地访问组织范围内的数据。 •可扩展的体系结构：随着关键业务任务生成的数据量的增长，存储数据的环境也需要增长。数据资产现代化使用现代可扩展的方法来公开、解释和民主化数据，使其可用 给组织中任何需要它的人。 •降低成本：成功的数据资产现代化使用户能够快速访问数据，从而减少了查找、处理和分析数据所花费的时间，从而有助于降低成本。这使团队可以更多地专注于推动业务战略的发展，并减少管理基础架构的时间。 InfosysDataEstate现代化使用 AWS快速扩展并降低客户成本 InfosysDataEstateModernization是InfosysCobalt产品组合的一部分。Cobalt是一组超过14,000个云资产和200多个行业云解决方案蓝图，可帮助企业加速其云之旅。Infosys开发 现代化和参考体系结构可帮助组织管理所有公司数据 ，将来自SAP、遗留系统和前台系统的结构化和非结构化数据结合在一起。在构建此解决方案时，Infosys根据SAP客户需求对工具和加速器进行了大量投资，使组织能够将实施时间和工作量缩短多达80% *。 Infosys将AWS作为InfosysDataEstate现代化的基础，将AmazonSimpleStorageService(AmazonS3)和AmazonRedShift等AWS工具和服务与InfosysCobalt云迁移解决方案相结合，从而形成高性能参考架构，将SAP和 非SAP数据。 外部文档©2021InfosysLimited 为什么选择AWSforSAP？ 超过5,000个组织在AWS上运行SAP，其中一半以上运行基于SAPHANA的解决方案。AWS拥有多年的SAP环境迁移、现代化和转型经验，使组织能够 用他们的SAP数据打开一个新的可能性领域。 AWS计算能力、性能和可扩展性与最终 物联网、分析和AI/ML等到端服务可以帮助组织获得更深入的见解，以更好地制定决策和增强创新。 在AWS上运行SAP可节省成本，并帮助IT将重点从基础设施管理转变为可提高工作效率和改善客户服务的项目。 自2011年以来，AWS和SAP共同创新开发专门为要求最苛刻的SAPS/4HANA工作负载构建的硬件，包括AmazonElasticComputeCloud(AmazonEC2)X1、X1e和 用于数据密集型应用程序的高内存实例。 结合AI/ML和分析功能，AWS成为SAP 数据资产现代化的理想环境。 外部文档©2021InfosysLimited 外部文档©2021InfosysLimited Infosys数据地产现代化实现三个关键目标 统一和民主化以前不同的数据： •使用AWS数据摄取、处理、存储和分析工具开发完善的参考架构和数据集成框架。 •现代化且简化的数据管理平台，可改进关键业务洞察，帮助制定数据驱动的战略决策。 •内部无法轻松开发的端到端数据集成和编排流程。 使用预配置的行业特定解决方案和50多个可供选择的用例，Infosys加速 在确定一个或多个主要用例之后,可以根据每个组织的独特需求定制解决方案加速器,使他们能够从数据中获得更多价值。 Infosys数据地产现代化的主要成果是完全民主化的数据环境，提供更广泛的可访问性，并使组织内的最终用户能够提取、摄取和分析业务关键数据，以获得更深入的见解。在Infosys数据地产现代化的核心，组织 通过AWSAI/ML和分析解决方案访问领先的机器学习模型，以训练和分析推动业务发展的数据。 为什么选择Infosys进行SAP数据资产现代化 •自助服务支持：通过创建基础分析层和业务规则 ，Infosys使最终用户能够创建和定义业务KPI。 •准备部署：Infosys使用各种元数据生成工具简化数据探索时间，以减少设计和实施周转时间。 •降低实施成本：Infosys与组织合作定义 优化的数据管理架构，利用AWS来管理基础设施并降低成本。 •预配置的行业特定解决方案：为了加快部署过程 ，客户可以利用超过50个行业特定用例。 •数据民主化：借助创新的架构和近乎无限的可扩展性，组织可以更快地部署业务场景并向用户提供有价值的数据。 数据资产现代化的垂直应用效益 •数据对象：优化数据管理和标准化。 •报告：直接访问可视化工具。 •实时可访问性：处理结构化和非结构化数据。 •社交媒体：分析流媒体馈送中的文本情感。 •IoT设备：提高流数据的响应能力。 •零售：用于产品编目的图像处理 。 •公用事业：监控仪表数据。 数据资产现代化的分阶段方法 Ifosys利用数据资产现代化流程和SAP经验，提供咨询服务，以创建满足每个组织需求的独特体系结构，从而实现更高的业务价值和更低的TCO。一旦架构建立，Ifosys团队将继续寻找优化、现代化和简化的领域。IfosysDataEstate现代化的目标是完全集成和编排结构化和非结构化数据，以创建统一的数据仓库，以实现快速，简化的分析。 从客户的角度来看，数据资产现代化通过三个步骤完成： •参与数据架构战略开发研讨会：研讨会的目标是全面了解客户的数据环境管理方法，从结构化SAPS/4HANA数据到非结构化数据。最初的研讨会阶段通常包括客户的SAP架构师、高级SAPBASIS（系统管理）、分析专家和开发人员。在这个过程中，。 Infosys将对数据格局和分析方法进行评估，包括设计数据仓库计划以连接和组织不同的数据。Infosys还确定了未来的组织数据管理和迁移需求 。 •Receiveadataestateprogramplan:Beforeimplementation,thecustomerreceiveacomprehensiveevaluationofthedataslope.Thisincludingareviewofdatamanagementpracticesaswellasabusinessintelligence （BI）路线图。还提供了对客户技术债务状况的评估，BI执行的详细计划以及如何使用AI/ML来管理SAP和非SAP数据。 Infosys利用预配置 解决方案和前面提到的特定行业用例，以设计核心参考体系结构，从而简化现代化。 •扩展创新的数据工程和编排：Infosys与客户合作部署一个全面的平台，以产生有价值的数据驱动的见解。在最初的参与之后，Infosys将继续寻找其他机会来提供价值。 它是如何工作的 IfosysDateEstate现代化参考架构的基础依赖于AWS服务和工具以及基于IfosysCobalt的云资产。AWS上的可扩展架构包含企业级数据管理资源，包括SAP特定的服务、数据存储、加速器、预置和数据编排工具 。下面的参考架构详细介绍了AWS上的数据资产现代化。 首先，发现并定义记录系统。这些系统可以包括整个组织中任何结构化或非结构化的数据源，例如SAP，遗留系统和前台系统。然后通过许多工具摄取数据： •AWSIoT解决方案通常在制造组织中收集和摄取IoT传感器和机器数据。 •AWSGlue在集中式数据集成目录中提取、转换和加载数据，使您可以轻松访问任何类型的数据。 •AmazonKinesis实时收集、处理和分析流数据。 •SAPDataServices捕获和摄取实时SAP应用程序数据。 数据摄取后，将发送到企业数据湖以进行存储和处理。通常，初始存储存储库位于AmazonS3中，其中数据 在发送到AmazonRedshift（可以在其中查询和分析数据）之前进行处理和编目。AmazonRedshift 使组织能够将其查询结果保存到AmazonS3，从而为关键业务数据提供冗余备份。处理后，可以将数据发送到AWS和第三方分析工具以获得更深入的见解。对于组织 利用AI/ML，数据可以简化到AmazonSageMaker ，以训练机器学习模型并获得以前无法实现的有价值的见解。 在最后阶段，数据和见解可以由最终用户使用，并由业务分析师，数据分析师和数据科学家利用，以更好地了解内部流程的性能，这有助于利益相关者做出更明智的，数据驱动的优化。 参考架构的基础是由专注于数据编排、数据管理和治理、数据安全性和DevOps的核心AWS解决方案构建的。 系统of记录 Data 摄取 企业数据湖数据存储和处理 企业DW Data供应 数据消耗 数据中心 语义视图 消费者 1 2 3 4 AmazonS3 SAP METADATA 履带 SAP数据服务 高级分析 AWSGlue AmazonSageMaker + 遗留系统 AmazonKinesis 5 数据编排 + 前台系统 AWSLambda AWSGlue AWSIoT 分析 6 数据管理和治理 AmazonCloudWatchAWSCloudTrailAmazonSNSAmazonSQS 7 数据安全 AWSIAM AWSKMSAWSSecretsManager 8 DevOps（自动化） AWSCodePipelineAWSCodeBuildAWSCodeDeployAWSCodeStarAWSCodeCommitAmazonECR 语义谱系 数据数据记录 数据分析师 数据科学家 业务分析师和高管 SAPSAC/SAPBO InfosysCobaltAWS 企业数据平台 AmazonRedshift 数据科学工作台Visualization 参考体系结构 Infosys和AWS Infosys提供下一代数字服务和咨询，使50多个国家的客户能够驾驭数字化转型。 此外，Infosys