SAP S/4HANA Embedded Analytics: guía técnica de referencia para analítica operativa en tiempo real

Esta guía técnica describe SAP S/4HANA Embedded Analytics como capa de analítica operativa integrada en el núcleo transaccional, con foco en su arquitectura (base SAP HANA, Virtual Data Model y CDS views), sus herramientas de consumo y su relación con la analítica empresarial. Está dirigida a arquitectos, líderes de datos y responsables funcionales de utilities, oil & gas y empresas de tecnología en América Latina que evalúan o ya operan SAP S/4HANA y necesitan un criterio claro sobre qué resolver dentro del ERP y qué delegar a plataformas analíticas dedicadas. El enfoque es de referencia: separa el concepto arquitectónico de su aplicación regional y de los anti-patrones que comprometen la estabilidad ante upgrades.

Fundamento conceptual

El principio de la analítica embebida

La analítica embebida parte de una premisa que la distingue del reporting tradicional: los datos permanecen en el sistema operativo —la base de datos SAP HANA— y un mecanismo de modelado los transforma en tiempo real hacia una estructura apta para análisis, sin replicarlos a un almacén separado. SAP HANA, disponible desde 2011 y adoptada por SAP S/4HANA en su primera versión de 2015, habilita un modelo de datos simplificado, analítica en tiempo real y mejoras de rendimiento que hacen viable ejecutar cargas transaccionales y analíticas sobre la misma información [1]. Sobre esa base, SAP S/4HANA se posiciona como ERP inteligente cuyos pilares incluyen la propia SAP HANA, la experiencia de usuario SAP Fiori, las tecnologías inteligentes y el valor del dato en tiempo real [2].

El adjetivo “embebido” implica tres integraciones simultáneas: los datos y las aplicaciones analíticas residen en el mismo stack, se consumen a través de la misma interfaz (SAP Fiori) y se insertan dentro del proceso de negocio, habilitando un estilo de trabajo de insight-to-action sin necesidad de replicación [3]. Es importante delimitar el alcance: el foco de SAP S/4HANA Embedded Analytics es la analítica operativa —las decisiones del día a día, en el momento de riesgo u oportunidad— y no la analítica estratégica de largo plazo [4].

El Virtual Data Model y las CDS views

El corazón técnico de la solución es el Virtual Data Model (VDM), una capa semántica construida enteramente con vistas ABAP Core Data Services (CDS) sobre las tablas de SAP HANA. El VDM ofrece un acceso abstracto y uniforme al dato: la aplicación consumidora dialoga solo con el modelo virtual, sin conocer las tablas subyacentes, y el dato fluye en tiempo real desde la tabla hacia el consumidor sin persistencia intermedia [4]. Las vistas CDS se definen con sintaxis SQL enriquecida con anotaciones (metadatos) que aportan semántica —cómo presentar monedas, cómo formatear fechas, cómo asociar vistas o si una vista puede consumirse directamente por una herramienta analítica [4]. Al activar una vista CDS ABAP, el sistema genera una vista SQL en la base de datos para empujar el cálculo a la capa HANA (code push-down) y maximizar el rendimiento.

Las vistas del VDM siguen una clasificación por propósito y estabilidad. Las vistas de interfaz son públicas, reutilizables y estables; las vistas de consumo (con convención de nombres del tipo C_) se construyen sobre otras vistas y adaptan el dato a escenarios concretos como la analítica embebida en Fiori o servicios OData [5]. Cuando se requiere personalización, el VDM permite extensiones que definen únicamente los campos adicionales: la vista original permanece intacta, lo que facilita la reutilización y la estabilidad ante upgrades de S/4HANA. Para gobernar esa estabilidad, SAP define contratos de estabilidad que describen el nivel de compatibilidad garantizado sobre sus vistas [5]. Para las vistas CDS de tipo query analítica es necesario configurar el Analytic Engine, que evalúa y ejecuta las consultas analíticas en tiempo de ejecución [3].

Herramientas de consumo

Todas las herramientas analíticas consumen las vistas CDS que conforman el VDM, y el usuario final accede tanto a aplicaciones transaccionales como analíticas desde el Fiori Launchpad, navegando entre ellas para pasar del insight a la acción sin replicar datos [3]. La solución diferencia dos roles: el usuario de negocio, que consume KPIs, reportes y apps predefinidas, y el especialista en analítica, que dispone de herramientas para crear contenido propio . El catálogo de consumo abarca apps analíticas Fiori, cockpits de KPIs de Smart Business, reportes multidimensionales y páginas de resumen (Overview Pages), además de la app “Manage KPIs and Reports” para el autoservicio del especialista [3]. En on-premise, las vistas CDS ABAP pueden desarrollarse con herramientas gráficas o con editor de código; en la edición cloud, solo con herramientas gráficas [4].

Como parte de la analítica embebida, SAP incluye una edición embebida de SAP Analytics Cloud (SAC). Esta variante tiene como única fuente de datos SAP S/4HANA, admite solo conexiones en vivo y se presenta envuelta en la interfaz Fiori, de modo que el usuario transita entre las apps de embedded analytics y las historias de SAC sin cambiar de aplicación [6]. La conexión en vivo hacia SAP S/4HANA se establece mediante tipos Direct, Tunnel o Cloud; solo aparecen en SAC las vistas CDS marcadas con la anotación @Analytics.query: true, y el intercambio se realiza sobre el protocolo InA, lo que en on-premise exige habilitar CORS y los servicios correspondientes en el servidor ABAP [7].

Relación con la analítica empresarial

La analítica embebida no reemplaza a la analítica empresarial: la complementa. Las aplicaciones analíticas empresariales se construyen y despliegan de forma independiente de SAP S/4HANA, típicamente sobre plataformas dedicadas como SAP Business Warehouse, SAP Analytics Cloud y SAP Datasphere, y cubren necesidades que la analítica operativa no aborda: warehousing y gestión de datos, analítica cross-application que combina datos de múltiples soluciones, y datos historizados —la llamada memoria empresarial— con instantáneas y series de tiempo para análisis de largo plazo [8]. Para funciones analíticas premium, la edición embebida de SAC evita fricción porque SAP automatiza y gestiona todo el ciclo de vida de la integración [8]. El criterio de diseño es directo: lo operativo y en tiempo real vive embebido en S/4HANA; lo consolidado, histórico o multi-fuente se resuelve en la capa empresarial.

Aplicación práctica

flowchart TD
  A([Escenarios que exceden la analítica descriptiva]) --> B{¿Requiere proveedor de ML externo?}
  B -->|No| C[Escenarios embebidos con APL y PAL en SAP HANA]
  C --> D([Consumen el mismo VDM, una única versión de la verdad])
  B -->|Sí| E[Enfoque side-by-side en SAP BTP con licencia e integración específicas]
  E --> F([Extensión sobre plataforma dedicada])
  class A inicio
  class B decision
  class C,E proceso
  class D,F bueno
classDef inicio fill:#14374a,stroke:#0ea5e9,color:#ffffff
classDef decision fill:#473519,stroke:#f59e0b,color:#ffffff
classDef proceso fill:#33363c,stroke:#9aa0aa,color:#ffffff
classDef bueno fill:#193e2b,stroke:#22c55e,color:#ffffff

En utilities, oil & gas y tecnología en América Latina, el valor de la analítica embebida se aprecia mejor a la luz de las prioridades regionales: continuidad operativa, recaudación, control de pérdidas no técnicas, cumplimiento regulatorio y modernización con presupuesto acotado. La ausencia de replicación es aquí un habilitador concreto: reduce la latencia entre transacción e insight y disminuye la dependencia de una capa de warehouse separada para el reporting operativo estándar, lo que impacta directamente en el costo total de propiedad de una modernización.

En sectores intensivos en activos —redes eléctricas, agua, midstream y downstream— la analítica embebida se conecta con la gestión de activos. SAP S/4HANA permite gestionar mantenimiento planificado y no planificado en una sola plataforma, con visibilidad de 360 grados de las actividades y acceso a análisis de costos, de averías y de ubicación [9]. La solución de insights predictivos de activos aprovecha IoT y machine learning para conectar con los equipos, monitorear su desempeño y predecir requerimientos de mantenimiento, reduciendo el tiempo de inactividad no planificado y asegurando la continuidad del negocio mediante la disponibilidad de activos [9]. Estas capacidades, descritas originalmente bajo SAP Predictive Asset Insights, hoy se ofrecen mediante SAP Asset Performance Management (APM), solución que la sucedió tras el retiro (sunset) de SAP Predictive Asset Insights en 2023; el criterio funcional (IoT, machine learning y mantenimiento predictivo) permanece vigente. Para un operador de utilities LATAM, esto se traduce en tableros embebidos que el planificador de mantenimiento consulta dentro de su propio flujo, sin exportar datos ni esperar reportes nocturnos.

En el frente financiero y de recaudación, la analítica embebida sobre datos de cuentas por cobrar y posición de caja permite monitorear indicadores operativos en el momento en que ocurren los eventos, dentro de la misma app donde se ejecuta la acción correctiva. Esto es especialmente pertinente en la gestión de cobranza y en el seguimiento de recaudación, donde el desfase de información degrada la decisión. Un flujo típico para instrumentar un KPI operativo, expresado como secuencia, sería:

• Identificar la vista CDS liberada que representa la entidad de negocio requerida, o construir una vista de consumo sobre vistas ya liberadas.
• Verificar o definir la vista como query analítica con la anotación correspondiente para su consumo.
• Publicar el KPI o reporte mediante “Manage KPIs and Reports” y generar el tile en el Fiori Launchpad.
• Habilitar el drilldown y la navegación intent-based para pasar del indicador a la transacción correctiva.

Para escenarios que exceden la analítica descriptiva, el ecosistema ofrece extensión hacia inteligencia artificial y machine learning: bibliotecas de HANA (APL y PAL) para escenarios embebidos, y un enfoque side-by-side sobre SAP Business Technology Platform cuando se requiere un proveedor de ML externo con licencia e integración específicas [10]. Esto habilita, por ejemplo, modelos predictivos de demanda o de riesgo de crédito que consumen el mismo VDM, manteniendo una única versión de la verdad. La recomendación regional es priorizar los escenarios embebidos y predefinidos antes de invertir en desarrollos side-by-side, dado el presupuesto acotado y la escasez de perfiles especializados.

Mejores prácticas y consideraciones

La primera consideración es de clean core. Una conversión a SAP S/4HANA —y, si se combina con migración a SAP HANA— impacta el código propio, que debe cumplir requisitos ABAP más estrictos, además de las conversiones obligatorias de datos como la de clientes y proveedores a business partner [11]. En analítica, el anti-patrón crítico es construir sobre vistas no liberadas o privadas del VDM: rompen ante correcciones y upgrades. La práctica correcta es consumir vistas de interfaz liberadas, personalizar mediante extensiones que no alteran la vista original y apoyarse en los contratos de estabilidad para anticipar la compatibilidad ante actualizaciones [5]. Esto preserva la capacidad de actualizar el sistema sin reescribir el modelo analítico.

La segunda es el respeto al límite operativo-estratégico. Sobrecargar la capa embebida con consolidaciones históricas pesadas, joins masivos o integración multi-sistema degrada el rendimiento y desvirtúa el propósito de la solución. Ese tipo de necesidades —memoria empresarial, datos historizados, analítica cross-application— corresponde a SAP BW, SAP Analytics Cloud o SAP Datasphere, que se integran con el contenido analítico de S/4HANA sin duplicar su rol [8]. Replicar un data warehouse dentro del ERP es un anti-patrón que anula las ventajas de la analítica en tiempo real.

La tercera es de gobierno y seguridad. El modelo de acceso debe ser basado en roles, con catálogos Fiori que expongan solo el contenido analítico pertinente a cada perfil, y con la disciplina de autorizaciones propia de S/4HANA y Fiori [1]. En LATAM, conviene incorporar tempranamente los requisitos regulatorios de reporting y de residencia de datos, así como las restricciones de conectividad: la conexión en vivo de SAC exige configuración de red, CORS y servicios InA en el servidor ABAP, lo que debe planificarse con las áreas de infraestructura y seguridad antes del despliegue [7]. Estas dependencias suelen subestimarse y se convierten en cuellos de botella de proyecto.

Finalmente, en materia de rendimiento y sostenibilidad del modelo, la buena práctica es empujar el cálculo a HANA, mantener las vistas de consumo delgadas y favorecer el contenido predefinido antes de crear artefactos a medida. El contenido estándar entregado por SAP acelera la puesta en marcha y reduce la superficie de mantenimiento; la personalización debe ser la excepción justificada, no la norma. Sobre la versión vigente documentada de SAP S/4HANA, estas capacidades de analítica embebida se describen como parte del núcleo del producto y no como añadidos opcionales, lo que refuerza la conveniencia de diseñar la estrategia analítica alrededor del VDM desde el inicio del programa de modernización [3].

Referencias

1. Authorizations in SAP S4HANA and SAP Fiori
2. SAP S4HANA Embedded Analytics
3. S/4HANA Embedded Analytics | SAP Help Portal — https://help.sap.com/docs/SAP_S4HANA_ON-PREMISE/6b356c79dea443c4bbeeaf0865e04207/c53deb5765c7be12e10000000a4450e5.html
4. Describing SAP S/4HANA embedded analytics | SAP Learning — https://learning.sap.com/courses/analytics-with-sap-solutions/describing-sap-s-4hana-embedded-analytics_a41e48ea-c96c-4149-80d1-2aac9f092d1f
5. SAP Datasphere and SAP S/4HANA’s Virtual Data Model (VDM) | NextLytics — https://www.nextlytics.com/blog/sap-datasphere-and-sap-s/4hanas-virtual-data-model-vdm
6. Working with the embedded SAP Analytics Cloud | SAP Learning — https://learning.sap.com/courses/discovering-sap-s-4hana-embedded-analytics/working-with-the-embedded-sap-analytics-cloud_b3b99c25-9ed6-4a9c-85e9-6d687fbef440
7. Live Data Connections to SAP S/4HANA | SAP Help Portal — https://help.sap.com/docs/SAP_ANALYTICS_CLOUD/00f68c2e08b941f081002fd3691d86a7/d2a1edf7cda74315a2c5052de8a3a4eb.html
8. analytics capabilities into S4Hana Cloud
9. Asset Management LoB Value Paper 2021
10. Architecting Solutions with SAP Business Technology Platform An architectural guide to integrating, extending, and innovating… (Serdar Simsekler , Eric Du)
11. SAP S4HANA System Conversion Guide