CDS Views vs. tablas SAP: ¿qué conviene extraer de S/4HANA?

Cuando una empresa necesita llevar información de SAP S/4HANA hacia BI o Cloud, una de las primeras decisiones técnicas es comparar CDS Views vs tablas SAP para definir desde qué objeto conviene extraer los datos.

La respuesta no es universal. Las tablas representan la capa persistente donde reside la información, mientras que las CDS Views permiten exponer esos datos con relaciones y semántica de negocio. Elegir bien el origen puede reducir lógica adicional, facilitar el consumo analítico y evitar decisiones de arquitectura difíciles de mantener.

Por qué importa elegir correctamente el objeto de extracción

El mismo dato puede existir en una tabla técnica, formar parte de una relación entre varias estructuras o estar disponible mediante una CDS View preparada para un escenario concreto. La elección afecta filtros, relaciones, autorizaciones, mantenimiento y la cantidad de transformación que tendrá que hacerse después en BI o en la nube.

Qué es una tabla SAP y cuándo utilizarla

Una tabla SAP representa una estructura persistente de datos. Trabajar directamente con ella puede ser útil cuando se conocen claramente las estructuras involucradas, se requiere un conjunto muy específico de campos o no existe una CDS View adecuada para el escenario.

La limitación es que acceder al dato almacenado no significa obtener automáticamente su significado de negocio. Una venta, un material o un movimiento pueden depender de varias tablas, relaciones y reglas que luego deberán reconstruirse fuera de SAP.

Qué es una CDS View y qué aporta en S/4HANA

SAP utiliza CDS Views como base de su Virtual Data Model (VDM). Estas vistas exponen información almacenada en tablas en una estructura basada en semántica de negocio, lo que facilita su consumo en aplicaciones analíticas y APIs.

Una CDS View puede incorporar asociaciones, cálculos, anotaciones, filtros y relaciones. Sin embargo, que una CDS View exista no significa que esté habilitada para extracción. SAP publica vistas específicas para identificar cuáles soportan extracción, cuáles permiten carga inicial y cuáles admiten mecanismos delta.

CDS Views vs. tablas SAP: diferencias clave

Criterio	Tabla SAP	CDS View	Qué implica
Semántica	Estructura técnica de almacenamiento	Puede incorporar semántica y anotaciones	La CDS puede reducir lógica que luego tendría que reconstruirse fuera
Relaciones	Pueden requerir joins adicionales	Puede encapsular asociaciones y relaciones	Depende del modelo específico
Filtros y lógica	Se definen en el proceso consumidor	Pueden formar parte de la vista	Puede simplificar el consumo downstream
Mantenimiento	Exige conocer estructuras subyacentes	Una vista liberada puede abstraer parte de la complejidad	Revisar estabilidad y estado de liberación
Extracción	Depende del mecanismo diseñado	Algunas vistas soportan full y/o delta	Debe validarse cada objeto

En seguridad y autorizaciones, el comportamiento depende del mecanismo de acceso utilizado. En CDS, SAP dispone además de controles de acceso basados en DCL cuando están configurados. En rendimiento tampoco existe una regla universal: una CDS View no es automáticamente más rápida que una tabla. Hay que evaluar volumen, filtros, joins, frecuencia y diseño de la extracción.

Qué ocurre con BW Queries, OData y otros objetos

Tablas y CDS Views no son las únicas opciones. BW Queries pueden ser útiles cuando ya existe una capa analítica definida; OData puede encajar en escenarios de exposición mediante servicios; y extractores estándar pueden reutilizar lógica de extracción existente. Antes de crear un flujo nuevo, conviene revisar qué objeto SAP ya representa la necesidad.

Qué elegir según el escenario

Cómo llevar estos datos hacia AWS, Azure o Google Cloud

Elegir el objeto es solo el primer paso. Después hay que definir qué se extrae, con qué filtros, cuándo se ejecuta la carga, hacia qué repositorio se envían los datos y cómo se controla si la ejecución terminó correctamente.

En este punto entra SAP2Cloud. Desarrollado por Altamira Technology, SAP2Cloud automatiza la extracción y envío de datos desde SAP S/4HANA hacia AWS, Google Cloud o Azure Blob Storage, sin middleware y con trazabilidad completa de cada carga.

La solución puede trabajar con distintos objetos SAP, por lo que la elección entre tabla, CDS View u otro origen forma parte del diseño de la extracción y no obliga a utilizar una única fuente para todos los escenarios.

Checklist antes de diseñar una extracción desde SAP

• ¿Qué información necesita realmente el sistema destino?
• ¿Existe una CDS View estándar que represente ese dato y esté liberada para el uso previsto?
• ¿El objeto está habilitado para extracción y soporta full o delta según la necesidad?
• ¿La lógica de negocio ya existe en SAP o tendrá que reconstruirse fuera?
• ¿Qué volumen y frecuencia tendrá la extracción?
• ¿Qué autorizaciones requiere el proceso?
• ¿Cómo se controlará la trazabilidad de cada carga?
• ¿Dónde se consumirá finalmente la información: BI, data lake, analytics u otra aplicación?

Conclusión: elegir el objeto correcto antes de mover el dato

Las tablas y las CDS Views cumplen funciones diferentes. Las primeras acercan al dato persistente; las segundas pueden aportar una capa de semántica y modelado más adecuada para determinados consumos. La decisión correcta empieza por entender qué necesita el sistema destino y qué objeto SAP representa mejor esa información. Después recién conviene diseñar cómo automatizar su llegada hacia BI o Cloud.