在本文中，我将介绍SAP Data Hub作为一个现代数据平台，它将原始数据和来自企业环境的数据结合在一起，以解决一个常见问题。随着互联网的出现和商业的日益数字化，产生了大量的信息，收集到的新数量和新类型的数据有着巨大的机会。但这一增长也极大地增加了企业数据环境的复杂性，包括多个数据湖、数据仓库、运营应用程序、电子商务、在线交互等。

它面临着巨大的压力，需要对业务需求做出响应—越来越多的内部客户需要新的分析、新的服务SAP data Hub是一个数据操作（DataOps）管理解决方案，能够在整个组织的不同环境中灵活管理数据。这个企业级解决方案为数据优化和丰富提供治理和协调，使用许多复杂数据处理操作的流水线，如机器学习（ML）。

有关更多信息，请观看视频。

https://www.sap.com/assetdetail/2018/04/566834fa-fe7c-0010-87a3-c30de2ffd8ff.html

今天，企业客户发现将数据移动到需要的地方速度太慢、成本太高，而且很有挑战性。这是因为：

快速发展和扩展的数据环境，比以往任何时候都有更多的数据仓库。

创建数据的方法越来越多–更多的应用程序、数字交互、传感器、社交媒体和基于web的源数据量增长和数据多样性的快速增长推动了数据仓库的激增越来越多的数据消费终端–分析、企业应用、移动应用、云应用

数据仓库被组织仓库加强

例如，管理Hadoop数据湖的大数据团队与管理EDW的人员不同。他们使用不同的工具，不经常互动。此外，业务部门通常有自己的数据和管理数据的人员。在整体景观层面，物联网是啥，很难跨越所有的系统和信息。

为了更好地满足业务需求和当今快速发展的需求，景观需要克服三个挑战：

1。治理挑战：缺乏可见性。谁更改了数据？改变了什么？谁正在访问它？

例子：这个奇怪的结果是从哪里来的？是谁干的？财务经理查看一个表格，发现一个不寻常的结果，追溯到它看到有人错误地平均两个平均数一起从不同的系统。数据管道挑战：太难在多个系统中优化和丰富数据。

优化：运行计算以从原始数据移动到候选数据。丰富：将来自不同来源的数据附加在一起，以创建更可靠的信息汇编

物联网示例：

通过附加来自其他系统的信息来丰富数据，web云服务器，例如将传感器数据与不同系统中的资产ID和资产配置文件信息相连接。通过从资产传感器获取温度信息来优化数据，以确定资产超过建议最高温度的次数。它从大容量数据存储中获取数据，对其进行处理，并将结构化结果传递给执行官的分析仪表盘，甚至是移动领域代表的智能手机应用程序，以便他们能够快速调查

社交产品反馈示例：

优化：您推出了一款新的、丰富多彩的，Instagram友好产品系列。从原始的社交媒体feed中，计算正的数量和负的数量。充实：与产品ID协调，这样你就可以将正面/负面评论的总数与人们赞扬或抱怨的内容排成一行。结果可以传递给产品经理，消防物联网，他们可以用它来发展未来的产品，服务团队，解决任何负面评论，或营销，利用积极的趋势。数据共享挑战：

集成是手动的、点对点的、痛苦的、缓慢的。如果要更改集成点或向集成路径添加更多点，云 服务器，祝您好运。进入IT行业并等待6个月。

新的挑战需要新的技术：分布式环境中的分布式系统

统一数据以实现可扩展的可见性和控制

单一系统视图-用于数据管道、协调、监控和治理

无数据集中-无海量数据移动到单个数据存储

分布式本机处理–快速执行流水线活动，数据驻留在其中

SAP data Hub UI:

SAP data Hub的愿景是提供理解、连接、，并跨多个数据源和端点驱动流程，这是企业目前面临的难题。通过提供对数据机会前景的可视性，以及提供连接数据源的简单方法，并轻松创建跨越前景的强大数据管道，企业可以更好地实现他们所追求的数据敏捷性和业务价值。

这是一个开放的体系结构，这意味着它可以管理数据，无论数据在哪里，在云中、本地、在像HANA这样的SAP系统中或在像Hadoop或云对象存储这样的非SAP解决方案中。

控制混合环境、连接：

与连接性、集成和机器学习操作员，以及编写自定义Python和R的灵活性。

示例用例：

简单来说，原始数据+企业数据=智能洞察和决策

示例管道，北京大数据，用于使原始数据现代化，并从原始数据（来自智能设备）中获得有意义的洞察，结合企业数据，进一步将数据输入到连续机器学习集群模型中，根据各种运行行为模式识别运行组，并进一步向我们提供应用程序使用统计信息，这些信息可用于向这些智能设备引入新功能。

SAP data Hub–机器学习（ML）和预测分析用例

SAP数据中心功能：