Concepto de datos para una migración de datos simplificada a SAP S/4 Hana.

La falta de visión de conjunto de los datos y la mala calidad de los mismos son otros factores que complican la situación. Un concepto de datos preparatorio puede contribuir significativamente a simplificar la migración de datos para acelerar la obtención de valor. El reloj avanza implacable. A más tardar en 2030, las empresas que lo deseen deberán haber migrado a SAP S/4. Y tal migración no es tan trivial. Al fin y al cabo, sustituir los sistemas heredados y pasar a S/4 implica muchos pasos diferentes, algunos de los cuales requieren apoyo externo. Y los recursos externos son escasos, sobre todo ahora que se acerca la fecha límite.

Independientemente del enfoque de migración que elijan las empresas afectadas, ya sea greenfield, brownfield o bluefield, hay muchas cosas que las empresas afectadas deben examinar. ¿Qué departamentos están implicados? ¿Quién es el principal impulsor y responsable de la migración? ¿Dónde se necesita apoyo, incluso externo? ¿Qué procesos se ven afectados? Y, y, y.

También hay que tener en cuenta muchas cosas cuando se trata de datos. El nuevo modelo de datos de S/4 Hana marca la pauta. Lo ideal es que las empresas que migran reorganicen sus datos. Lo que antes se gestionaba por separado como cliente, proveedor y otro interlocutor comercial debe consolidarse en el futuro en el maestro central de interlocutores comerciales en el nuevo modelo de datos. Como este paso será necesario tarde o temprano, es aconsejable tener en cuenta la consolidación de datos durante la migración. Esto suele verse dificultado por la mala calidad de los datos, el almacenamiento de datos en silos que suele haber crecido históricamente y, a menudo, una amplia personalización.

Esta mezcla casi tóxica de factores estresantes convierte la migración de datos en un subproyecto totalmente desafiante. Según el estudio "SAP S/4 Hana 2024 - Current Cloud ERP Trends" de CIO, CSO y Computerwoche, alrededor del 39% de los encuestados considera que el esfuerzo que supone la migración de datos es el mayor reto a la hora de cambiar a S/4. En segundo y tercer lugar se sitúan el esfuerzo necesario para adaptar el entorno del sistema y la arquitectura de TI existentes (alrededor del 37%) y la falta de recursos. Le siguen, en segundo y tercer lugar, el esfuerzo necesario para adaptar el entorno de sistemas y la arquitectura de TI existentes (alrededor del 37%) y la falta de recursos para la transformación en los departamentos pertinentes (36%).

Para simplificar al máximo la migración de datos, es necesario ante todo abordar el tema de los datos lo antes posible en el proyecto de migración, y no sólo cuando toda la migración esté prácticamente terminada. En concreto, la tarea consiste en consolidar los datos existentes del sistema o sistemas heredados (como ERP/ECC 6.0) en el nuevo modelo de datos de S/4 Hana, el maestro central de interlocutores comerciales. La clave es limpiar y preparar simultáneamente los datos de acuerdo con las normas actuales de calidad de datos, en particular la validación postal y la limpieza de duplicados (resolución de identidades).

Un concepto de datos preparatorio es un primer paso importante para una consolidación eficaz en los datos maestros centrales de los interlocutores comerciales. La conceptualización de datos agrupa todos los subpasos que sirven para registrar, describir y, finalmente, documentar la situación inicial y la situación objetivo con respecto a los datos de clientes, proveedores y otros socios comerciales con sus funciones. En este contexto, este paso también proporciona una visión clara del estado de los datos, los procesos actuales y el grado de personalización que caracteriza la situación actual. Al mismo tiempo, se determina la forma de transferir los datos del antiguo al nuevo sistema. Pero, ¿cómo funciona realmente una conceptualización de datos de este tipo?

La exploración de datos, es decir, la inspección y el examen muy específicos de los datos, marca el inicio del concepto de datos. Sin claridad sobre la naturaleza real de los datos de las distintas fuentes de datos que se van a migrar, no se puede desarrollar ningún concepto de datos sensato.

Por un lado, la exploración de datos examina la situación de la calidad de los datos. ¿Son los datos postalmente correctos? ¿Cuál es la proporción de registros de datos duplicados y múltiples? Sin embargo, también se centra en la naturaleza estructural de los datos en particular. ¿Cómo están estructurados en principio los registros de datos? ¿Qué campos están presentes? ¿Se rellenan realmente estos campos? ¿Y se rellenan con los datos correctos? En otras palabras, ¿contiene un campo de número de casa realmente un número de casa y existe realmente este número de casa? ¿O existe un campo de código postal? Y si es así, ¿hasta qué punto está lleno? ¿Y contiene siempre datos plausibles, como un código postal de cinco dígitos en Alemania?

Es aconsejable cargar los datos a comprender en un concentrador de datos como el Customer Data Hub de Uniserv. Cuando se trabaja con los datos en el concentrador de datos, la experiencia ha demostrado que a menudo son necesarias de cuatro a cinco iteraciones hasta que realmente se han captado y comprendido los datos al cien por cien y, al final, se dispone de una documentación verdaderamente transparente de los datos que realmente se tienen.

Real frente a objetivo

La conceptualización de los datos recoge los resultados de la exploración de datos y completa la imagen de la situación actual. En concreto, se registran los procesos empresariales que se utilizan actualmente. También es importante saber qué departamentos están implicados y qué datos se necesitan. A un departamento de ventas, por ejemplo, le interesan las cifras de ventas, los historiales de compra y las calificaciones crediticias. Un departamento financiero, en cambio, necesita datos sobre pagos y las personas de contacto pertinentes.

Estas diferentes visiones de un mismo conjunto de datos y las diferentes necesidades de datos ponen de manifiesto lo complejo que es registrar y describir la situación actual, pero también lo importante que es.

Una vez que se tiene una visión completa, transparente y claramente documentada de la situación real, se puede empezar a trabajar en la conceptualización de la situación objetivo, la meta. Lo interesante aquí es que hay que describir algo que todavía no existe. Por lo tanto, es necesario examinar muy de cerca y responder a una amplia gama de preguntas con respecto al nuevo modelo de datos. Esto incluye, por ejemplo, determinar cómo deben ser los futuros procesos empresariales. ¿Qué flujos de datos existen ya? ¿Qué flujos de datos deben sustituirse y cuáles deben crearse de nuevo? Hay que determinar qué datos se necesitan realmente, dónde y de dónde proceden. También es importante hacerse una idea general de dónde y cómo existen interfaces entre sistemas o departamentos.

Llegados a este punto, como muy tarde, se alegrará de haber trabajado con precisión en los pasos anteriores. Porque entonces, por ejemplo, también es posible determinar si la calidad de los datos existentes es suficiente, qué datos siguen siendo necesarios en absoluto o si se necesitarán datos completamente nuevos en el futuro. Esto permite determinar, inicialmente a nivel teórico, qué datos pueden eliminarse antes de la migración y qué datos puede ser necesario archivar. ¿Qué datos son necesarios para qué procesos y aplicaciones? Esto reduce significativamente la cantidad de datos que hay que migrar. Lo que facilita las cosas.

Piensa en grande, empieza en pequeño

Muchas empresas, especialmente las grandes corporaciones, suelen tener una enorme cantidad de sistemas periféricos y datos en sus unidades organizativas y filiales. Si intenta capturarlo todo por completo a la primera, probablemente fracasará a pesar de un enfoque bien planificado. Esto se debe a que, a menudo, las migraciones sólo pueden llevarse a cabo paso a paso; no puede permitirse paralizar sus propias operaciones durante días y días.
Por eso es aconsejable obtener una visión global en la exploración y concepción de los datos. Durante la implementación, sin embargo, resulta entonces útil trabajar fuente por fuente o sistema por sistema. Esto se debe a que la visión de conjunto se crea con vistas a la migración global en relación con el nuevo modelo de datos. En el tratamiento continuo de fuentes y sistemas, éstos pueden migrar en línea con el nuevo modelo de datos. Efecto positivo: las lecciones aprendidas de cada subfase pueden volver a la visión de conjunto y afinarla aún más.

Diseño de soluciones

Una vez establecido el concepto de datos, puede empezar a pensar en cómo pasar del estado actual al estado objetivo. ¿Cómo debe ser la transición? La solución consiste en avanzar hacia el punto central de datos. ¿Es buena la solución actual, o se necesita algo más?

Por tanto, el diseño de la solución responde a la pregunta de cómo debe llevarse a cabo concretamente la migración de datos. El diseño de la solución está relacionado con la solución global y la planificación estratégica. La solución existente se compara con un diseño de solución alternativo. Se aborda la selección e implementación de la arquitectura de integración y la interfaz de administración de datos.

uniserv.com