De BW 2027 deadline nadert

Waarom “Ga naar Datasphere” niet altijd het antwoord is

De klok voor end-of-support van SAP BW tikt. In 2027 moeten organisaties wereldwijd een strategische keuze maken die ze niet langer kunnen uitstellen: hoe ziet jouw analytics-landschap eruit in een wereld waar SAP BW niet meer ondersteund wordt?

Jarenlang leek het antwoord voor de hand te liggen: ga naar SAP Datasphere en klaar is Kees. Maar de datawereld is fundamenteel veranderd. En die aanname verdient een serieuze uitdaging.

De grond is verschoven

SAP heeft zelf de meest veelzeggende zet gedaan. Met de introductie van SAP Business Data Cloud en de native connectoren naar Databricks, Snowflake en later dit jaar Microsoft Fabric, positioneert SAP zichzelf niet langer als de bestemming voor al je data. Het positioneert zichzelf als de bron.

Transactionele excellentie, semantische rijkdom, domeinexpertise: SAP. Alles wat daarna komt? Dat staat open voor discussie.

Dit is een grote verschuiving. Voor het eerst hebben SAP-klanten echte, architecturaal ondersteunde vrijheid om te kiezen waar hun analytics-workloads draaien. En met die vrijheid komt een nieuw probleem: de meeste organisaties weten niet hoe ze die keuze goed maken.

Ondertussen zijn de big 3 (Databricks, Snowflake en Fabric) volwassen geworden. Dit zijn niet langer niche tools voor datas cientists en hyper scalers. Het zijn volwassen, enterprise-grade platformen met sterke governance, bewezen BI-mogelijkheden en ecosystemen die groeien als kool.

Veel enterprises draaien deze platformen al voor non-SAP workloads. En ze willen consolideren, niet dupliceren.

De vraag voor SAP BW-klanten vandaag is niet óf ze moeten moderniseren. Maar hóe en met wie.

Waarom “Ga gewoon naar Datasphere” tekortschiet

SAP Datasphere is een solide product. Voor organisaties die vooral SAP-data willen ontsluiten met minimale complexiteit en een korte leercurve, blijft het de meest natuurlijke evolutie vanuit BW. Het behoudt de semantische laag, het spreekt de taal die je BW-team al kent en het verbindt netjes met SAP Business Data Cloud.

Dat gezegd hebbende: Datasphere is bewust gefocust. SAP Business Data Cloud is ontworpen als een breder ecosysteem. Sommige mogelijkheden zijn opzettelijk elders ondergebracht:

• ML en AI workloads zijn het domein van Databricks en Snowflake, niet Datasphere. Als je organisatie ambities heeft die verder gaan dan traditionele rapportage, real-time scoring, feature engineering, grootschalige modeltraining, dan wijzen die use cases naar een ander onderdeel van de stack.
• Flexibiliteit en heterogene landschappen worden beter afgehandeld door platformen zoals Databricks of Snowflake. Die zijn gebouwd voor complexe, multi-source engineering workloads.
• Vendor dependency is eerlijk overwegen waard. Voor sommige organisaties is het BDC-ecosysteem het juiste langetermijnhuis. Voor andere is een meer open architectuur, SAP-data verbinden met een platform dat ze al hebben, de betere strategische inzet.

Voor organisaties met hogere engineering-maturiteit, bestaande cloud platform investeringen of AI-ambities is Datasphere misschien niet het juiste antwoord. Ook al is het het makkelijkst te verkopen intern.

De kans die niemand pakt

Dit is interessant: de markt herkent deze complexiteit, maar weinig partners zijn uitgerust om er objectief doorheen te navigeren.

De grote systeemintegrators hebben zowel SAP BI practices als cloud data practices. Maar die werken vaak in silo’s, met verschillende commerciële prikkels, verschillende talentpools en beperkt vermogen om echt onafhankelijk advies te geven op het snijvlak van beide. Klanten worden richting de practice geduwd die het hongerigst is.

De cloud-native boutiques kennen Databricks en Snowflake diepgaand, maar ze kennen SAP niet. Ze lezen je BW-metadata en logica niet, ze beoordelen de complexiteit van je transformatielogica niet en ze hebben geen referentiekader voor wat een migratie daadwerkelijk inhoudt aan de SAP-kant.

De kans, en het is een grote, ligt precies op het snijvlak: organisaties die vloeiend spreken over SAP BW, Datasphere, Snowflake, Databricks én Fabric. En advies geven dat echt platform-agnostisch is.

Hoe goed advies eruitziet

Als we een BW-moderniseringsuitdaging aangaan, beginnen we niet met een platformaanbeveling. We beginnen met twee parallelle scans: een technische en een organisatorische. Pas als beide dimensies helder zijn, leggen we een platform aanbeveling op tafel.

De technische scan: weten waar je mee werkt

De meeste BW-moderniseringsprojecten onderschatten de complexiteit van de bronomgeving. Simpelweg omdat niemand die ooit goed in kaart heeft gebracht.

Over decennia verzamelen BW-landschappen duizenden objecten: InfoProviders, transformaties, dataflows, process ketens, ABAP-routines, HANA Calculation Views. Veel daarvan zijn jaren geleden gebouwd door mensen die allang weg zijn. Een aanzienlijk deel wordt niet meer actief gebruikt.

De vraag is: welke doen er echt toe, en hoe moeilijk worden ze om te migreren?

Dit is waar onze tooling het verschil maakt.

Geautomatiseerde BW Model Extractie

De BW Model Extractor is een tool die direct verbindt met het BW-systeem en het volledige technische landschap oogst. In een fractie van de tijd die het handmatig zou kosten. Het haalt objectinventarissen op, gebruiksstatistieken, laadfrequenties, datavolumes, transformatielogica, ABAP-complexiteitsscores, afhankelijkheidsketens en meer.

Het resultaat is een compleet, gestructureerd beeld van de BW-omgeving. Niet gefilterd door iemands aannames of politieke gevoeligheden, maar afgeleid direct uit het systeem zelf.

Interactieve complexiteitsrapporten

Ruwe metadata is niet genoeg. Daarom voedt de extractor-output direct interactieve complexiteitsrapporten die het landschap zichtbaar en navigeerbaar maken voor zowel technische teams als business stakeholders.

Deze rapporten laten je de omgeving segmenteren op: objecttype, businessdomein, gebruiksfrequentie, datavolume, transformatiecomplexiteit en geschatte migratie-inspanning.

Wat betekent dit in de praktijk? Je loopt een stuurgroepvergadering binnen en toont visueel en interactief, precies hoe groot het landschap is, welke delen actief gebruikt worden, waar de complexiteit zit en hoe verschillende migratiestrategieën scope en kosten beïnvloeden.

Geen buikgevoel meer. Geen consulting estimates op basis van sampling. Feitelijke beslissingen, gebaseerd op je daadwerkelijke BW-systeem.

Geautomatiseerde migratie roadmap generatie

Op basis van de complexiteitsanalyse genereren we een migratieroadmap (noem ze “Waves”) die objecten en werkstromen sequenceert in een logische, risicogestuurde volgorde. Dit is geen generieke template. Het is afgeleid van de daadwerkelijke dependency graph van je BW-systeemv begrip van welke objecten welke voeden, wat onafhankelijk gemigreerd kan worden en waar de kritieke paden liggen.

De roadmap houdt rekening met:

• Decommissioning-potentieel (typisch 30-50% van een BW-landschap kan worden uitgemest vóór de migratie begint, wat scope en kosten dramatisch verlaagt)
• Migratie wave sequencing
• Parallel-run periodes
• Cutover-vereisten

Het mappen van elk object naar de corresponderende construct van het doelplatform. Zo weet je vooraf wat geconverteerd moet worden, wat hergebruikt kan worden en wat opnieuw gebouwd moet worden.

WavePath: AI-gedreven dataflow generatie

Het meest krachtige: we analyseren je BW-systeem niet alleen, we gebruiken de output om automatisch werkende datamodellen te genereren in de doelomgeving. Dit is waar WavePath binnenkomt.

WavePath is een AI-aangedreven migratie-agent. Het is speciaal gebouwd om de transitie van SAP BW naar BDC en zijn partners te versnellen, door het genereren van datamodellen te automatiseren, het meest tijdrovende en foutgevoelige deel van elke BW-migratie.

Dit doet WavePath:

• Leest bestaande BW-datamodellen en transformatielogica
• Produceert een wave-by-wave deployment plan dat objectafhankelijkheden respecteert
• Maakt die modellen direct opnieuw als Datasphere, Databricks, Snowflake of Fabric-modellen, met logica en afhankelijkheden intact

Het resultaat is een migratie die niet alleen sneller is, maar ook aanzienlijk betrouwbaarder: geen handmatige transcriptiefouten, geen gemiste afhankelijkheden, geen inconsistenties tussen wat geanalyseerd en wat gebouwd is.

Alle gegenereerde dataflows zijn automatisch afgestemd op onze gestandaardiseerde referentiearchitectuur voor elk doelplatform. Dit betekent dat elke migratiewave landt in een omgeving die consistent, onderhoudbaar en beheerd is, niet een verzameling van individueel gemaakte objecten die de volgende generatie technische schuld worden.

Dit is geen one-click wonder. Complexe ABAP- en AMDP-transformaties vereisen nog steeds menselijk oordeel en herwerk door BW-specialisten. Maar voor het grote volume aan standaard datamodellen die voorspelbare patronen volgen, en in de meeste BW-landschappen is dat de meerderheid, vermindert WavePath de migratie-inspanning dramatisch. Het verschuift de focus van het team naar de echt moeilijke problemen.

WavePath vs. SAP’s Data Product Generator: het verschil begrijpen

Op dit punt rijst een terechte vraag: waarom niet gewoon naar SAP BW PCE en de BW Data Product Generator (DPG) gebruiken? Wat voegt WavePath toe?

Goede vraag. Het eerlijke antwoord: ze lossen fundamenteel verschillende problemen op. De DPG is een datareplicatietool. WavePath is een migratie- en ontwikkeltool.

Het praktische verschil:

De DPG repliceert BW InfoProvider-data naar de managed object store van Datasphere binnen BDC, in essentie het kopiëren van de data van BW naar een file layer in de cloud. Het handelt de “shift”-fase af van de BW-moderniseringsreis, het creëren van local tables in de HDLFS-laag uit BW InfoProviders. Het is goed in wat het doet: data uit BW halen en snel in BDC krijgen.

Maar er zijn kritieke beperkingen die niet altijd prominent figureren in SAP’s presentaties:

De DPG repliceert data, geen modellen. Voor elke InfoProvider wordt een LocalTable gemaakt met de basis metadata zoals datatypes, beschrijvingen en veldnamen. Die kan dan gebruikt worden als elke LocalTable in Datasphere voor verdere modellering. Die verdere modellering moet nog steeds handmatig gedaan worden door iemand.

De DPG converteert je BW-transformatielogica, je ABAP-routines, je AMDP-code of je bedrijfsregels niet naar werkende Datasphere-, Snowflake- of Databricks-modellen. Het land de ruwe data. Wat je er bovenop bouwt, is nog steeds jouw probleem.

Het vereist dat BW eerst in BDC’s private cloud zit. De lift naar private cloud edition is een voorwaarde voor het gebruik van SAP BW binnen SAP Business Data Cloud. Dat komt met een stevige prijs.

De DPG is een bruikbare tool binnen een specifiek scenario: organisaties die hun BW naar BDC’s private cloud liften en snel InfoProvider-data willen blootleggen voor consumptie in Datasphere of Databricks. Voor die use case doet het de klus.

Maar het is geen migratietool. Het vermindert de modelleer inspanning in je doelomgeving niet. Het analyseert niet wat wel en niet gemigreerd moet worden. Het produceert geen roadmap. En het werkt helemaal niet als je on-premise blijft, of als je BW wilt decommissionen in plaats van alleen maar met de cloud verbinden.

WavePath pakt de volledige migratie-uitdaging aan. De twee kunnen elkaar ook aanvullen: DPG om data te repliceren naar de BDC object store, terwijl WavePath de analytische modellen er bovenop herbouwt.

Begrijpen welke tool wat doet en eerlijk zijn over de gatend, dat is precies het soort begeleiding dat ontbreekt in de meeste vendorgesprekken vandaag.

Onze partner: Seapark Consultancy

WavePath is ontwikkeld in nauwe samenwerking met Seapark Consultancy, een in Ierland gevestigde SAP BW-migratiespecialist. Net als wij een van slechts een handvol SAP-partners wereldwijd die specifiek door SAP zijn erkend voor BW-migraties.

We werken samen om een diepte van BW-migratie-expertise te brengen die echt uniek is in de markt. We weten hoe een BW-landschap er van binnen uitziet. We weten waar de complexiteit zich verstopt. En we hebben de tools om het snel en kosteneffectief aan het licht te brengen.

De organisatorische scan: is je organisatie klaar om te bewegen?

Technische gereedheid is slechts de helft van de vergelijking. We hebben technisch eenvoudige migraties zien mislukken omdat de organisatorische voorwaarden er niet waren. geen duidelijk data-eigenaarschap, geen governance-framework, onvoldoende skills in het team, een geschiedenis van mislukte change-programma’s die stakeholders sceptisch maakten.

We hebben ook technisch complexe migraties zien slagen omdat leiderschap gealigneerd was, het team energie had en de organisatie echte datamanagement-spieren had opgebouwd over tijd.

De organisatorische scan is waar we die tweede dimensie beoordelen. En hiervoor hebben we verbinding met een ander geweldig bedrijf uit onze SUPERP-groep: SynTouch, de leidende Nederlandse specialist in datamanagement en integratie.

SynTouch brengt een bewezen, gestructureerde aanpak voor organisatorische data-maturiteit assessment, gebouwd op het DAMA DMBOK framework (Data Management Body of Knowledge), de wereldwijd erkende standaard voor professioneel datamanagement.

Hun Data Management Maturity Scan geeft organisaties een helder, evidence-based beeld van waar ze staan over de dimensies die bepalen of een moderniseringsprogramma slaagt.

SynTouch’s methodologie omvat de optie om de scan over tijd te herhalen, een baseline te creëren en organisatorische ontwikkeling te volgen terwijl het moderniseringsprogramma vordert.

Samen produceren de technische scan en de organisatorische scan iets wat de meeste klanten nooit gehad hebben: een echte, evidence-based basis voor een platformbeslissing. En een realistisch beeld van wat het kost om uit te voeren.

Het juiste platform kiezen voor de juiste organisatie

Niet elke organisatie moet dezelfde keuze maken. En we zeggen dat graag.

Voor organisaties die vooral SAP-data willen ontsluiten en rapporteren, met beperkte engineering-capaciteit en een voorkeur voor lage operationele complexiteit, is SAP Datasphere (vaak aangevuld met SAP Business Data Cloud) vaak het juiste antwoord. De bestaande kennis van het BW-team draagt goed over, time-to-market is sneller en de architecturale alignment met SAP’s richting is sterk.

Voor organisaties met bredere analytics-ambities, BI-centric workloads en een voorkeur voor eenvoud, past Snowflake vaak goed. Het is SQL-native (een korte leercurve voor SAP BI-teams), operationeel schoon en excelleert in het soort beheerde, gelijktijdige analytics dat de meeste business intelligence use cases eisen. Zijn gelaagde architectuur mapt ook goed op het BW LSA++ denken dat veel klanten al begrijpen.

Voor organisaties met echte data engineering-maturiteit, teams die complexe pipelines draaien, streaming-requirements hebben of ML-capaciteiten op schaal willen bouwen, is Databricks vaak de superieure keuze. De kracht komt met complexiteit, maar voor de juiste organisatie is het de juiste afweging.

Veel real-world architecturen zullen hybride zijn: SAP als de autoritaire bron, verbonden via Business Data Cloud met een modern analytics-platform, met Databricks die AI-workloads handelt naast Snowflake of Fabric voor BI.

Dit is geen uitvlucht, het is vaak het architecturaal correcte antwoord.

Een brug, geen binaire keuze

De framing van “SAP vs. Cloud” is vals. De markt is eroverheen, SAP is eroverheen en de meest vooruitdenkende klanten zijn eroverheen.

Wat organisaties nodig hebben, zijn partners die op het snijvlak opereren: diep genoeg in SAP om een BW-systeem met klinische precisie te lezen, ervaren genoeg in cloud data-platformen om eerlijk vergelijkend advies te geven, en onafhankelijk genoeg om de uitkomst van de klant te prioriteren boven elke platform vendor-relatie.

Dat is de positie die we samen hebben opgebouwd: 25 jaar SAP BI-expertise, een serieuze cloud engineering practice en een groeiende track record van succesvolle moderniseringen die het volledige spectrum bestrijken, van Datasphere tot Snowflake en Databricks tot Fabric.

Ondersteund door onze world-class BW-migratie tooling, WavePath’s AI-gedreven datamodel generatie, SynTouch’s bewezen organisatorische data maturity framework en onze samenwerking met Seapark.

We bieden iets echt anders: een scan die zowel technisch rigoureus als organisatorisch eerlijk is. En een executiecapaciteit die gebouwd is om daadwerkelijk te leveren.

Als je organisatie de BW 2027 deadline nadert zonder een helder plan, is de tijd om er een te krijgen nu. Niet omdat de deadline morgen is, maar omdat de juiste beslissing tijd kost om goed te maken. En de verkeerde is duur om ongedaan te maken…

Tik Tak