SAP S/4HANA Finance → Snowflake

Een wereldwijde productieklant (DACH-regio). Klant geabstraheerd voor vertrouwelijkheid; metrics en scope zoals geleverd.

Context

Een groot SAP Finance-landschap — GL-, AR-, AP-, CO- en AA-grootboeken over ~30+ bedrijfscodes — had een cloud-native analytics-ruggengraat nodig. De uitdaging was niet alleen volume; het was de financiële data betrouwbaar houden terwijl die van SAP naar een lakehouse overging, zodat analytics erop kon vertrouwen.

Wat ik bouwde

Een cloud-native SAP-naar-Snowflake-pipeline op AWS:

• Ingestie en transformatie met AWS EMR, Glue/PySpark en S3, geprovisioneerd via Terraform.
• Een Snowflake-lakehouse als de analytics-catalogus.
• Datacontracten op de SAP↔lakehouse-naad, zodat een wijziging in een bovenstrooms grootboek wordt opgevangen in plaats van stilletjes de downstream-analytics te corrumperen.
• Een MVP afgebakend op de DACH-regio als referentie voor bredere uitrol.

Impact

• ~30+ bedrijfscodes in scope over de belangrijkste financiële grootboeken.
• Een multi-terabyte historische backfill plus 10–30 GB dagelijkse delta-ingestie.
• Een referentiearchitectuur die de klant regio voor regio kon uitbreiden.

Rol & stack

Data engineer en technology architect (Accenture CTA-groep) — leverde de MVP en de referentiearchitectuur.

Stack: AWS (EMR, Glue, S3), PySpark, Snowflake, Terraform, Python.

→ Zie ook Data & lakehouse.