Fiche concept

SAP Datasphere vs SAP Analytics Cloud — quelle couche possède quoi

À jour au 2026-08-02T20:30:00Z

Édité par Cédric-Olivier Mâry, éditeur et directeur de la publication — 27 ans d'écosystème SAP. Comment ces pages sont produites, et où intervient l'automatisation.

Qu'est-ce que SAP Datasphere vs SAP Analytics Cloud — quelle couche possède quoi ?

Pas des alternatives : Datasphere modélise et gouverne, SAC consomme. La vraie décision est la part de modélisation sémantique dans chacun — la réutilisation tranche, et un KPI défini dans une story est invisible pour tout le reste.

« Datasphere ou SAP Analytics Cloud ? » est le faux choix le plus fréquent de la pile analytique SAP, et il coûte cher parce qu'il est en général posé par quelqu'un qui s'apprête à n'en acheter qu'un. Ce ne sont pas des alternatives. Datasphere est l'endroit où la donnée est modélisée et gouvernée ; SAP Analytics Cloud est l'endroit où elle est consommée — stories, tableaux de bord, planification. L'un est la cuisine, l'autre la salle : un restaurant a besoin des deux.

La décision réelle est plus étroite et bien plus utile : quelle part de la modélisation sémantique appartient à Datasphere et quelle part peut vivre dans SAC — et il existe une réponse défendable qui ne dépend pas du goût de chacun.

Ce que chaque couche possède réellement

Datasphere est la couche de données et de sémantique unifiée : fédération (requête en pass-through, sans copie), réplication (mouvement delta vers son propre stockage) et modélisation (vues graphiques, SQL ou scriptées qui transforment des données brutes ou fédérées en objets prêts pour le métier). Elle tourne sur HANA Cloud avec un Delta Lake intégré. Tout vit dans un Space — une partition gouvernée avec sa sécurité, ses connexions et son cycle de vie — et la consommation inter-Space passe par le Catalog sous forme de Data Products versionnés, jamais par un partage de tables ad hoc.

Pourquoi c'est important

Acheter l'un des deux et tout modéliser dedans est le choix par défaut le plus coûteux de cette pile, et la facture arrive après que le pilote a été déclaré réussi.

Points clés

Ce sont des couches, pas des alternatives : Datasphere modélise et gouverne, SAP Analytics Cloud consomme (stories, applications, planification).
La vraie décision porte sur où vit la modélisation sémantique — et le critère est la réutilisation, pas la préférence.
Modélisez dans Datasphere dès qu'un deuxième consommateur a besoin de la même mesure ; un KPI défini dans une story SAC est invisible à tout le reste.
Modélisez dans SAC quand la logique est présentationnelle et locale — mesures spécifiques à une story, mise en forme, restrictions de graphique.
Sauter Datasphere est légitime pour un rapport ponctuel sur une ou deux tables : SAC en connexion live vers S/4HANA est plus rapide et honnête.
Datasphere gagne sa place par la réutilisation et la gouvernance, pas en apparaissant dans le schéma d'architecture.
Live vs import est une décision SÉPARÉE que les équipes fusionnent avec celle-ci, puis blâment Datasphere pour le résultat.
Tout dans Datasphere vit dans un Space ; la consommation inter-Space passe par le Catalog sous forme de Data Products versionnés, jamais de partage de table ad hoc.
Datasphere est le tissu AU-DESSUS de HANA Cloud, pas un remplacement — les confondre double-compte la capacité au dimensionnement.
La même mesure définie dans les deux couches n'est pas de la redondance ; c'est une contradiction programmée.

Termes employés sur cette page

Space: La partition gouvernée de Datasphere — sécurité, connexions et cycle de vie propres. La consommation inter-Space passe par le Catalog, jamais par un accès table ad hoc.
Analytic Model: L'objet Datasphere qui porte la sémantique métier — mesures, dimensions, hiérarchies — et l'unité que lit un consommateur gouverné.
Data Product: Jeu de données catalogué et versionné, avec un propriétaire et un engagement de fraîcheur ; la façon dont la sémantique franchit une frontière de Space.
Connexion live: SAC pousse la requête vers la source et ne copie rien. Une seule copie de la vérité, au prix de la charge de requête côté source.
Connexion import: SAC remonte les données dans son propre stockage. Interaction plus rapide, payée par une fenêtre de fraîcheur qui doit être annoncée.
Fédération: Requête en pass-through vers un système source sans déplacement de données — l'une des trois capacités cœur de Datasphere.
Réplication: Mouvement delta des données vers le stockage propre de Datasphere, quand la fédération ne tient pas le profil de latence ou de charge.
HANA Cloud: Le stockage en mémoire sur lequel tourne Datasphere. Datasphere est la fabrique de gouvernance et de consommation au-dessus, pas son remplaçant.

Sources

Fiche complète réservée aux abonnés. Ce que la fiche complète ajoute : le cadre de décision complet · la comparaison SAP · Snowflake · Databricks · Fabric · les pièges courants et leur correctif · l'aide-mémoire · les schémas d'architecture · les blocs de code · les chiffres à citer.

Ouvrir dans l'application →

Les guides qui répondent avec cette page

Ces guides citent cette page parmi les sources sur lesquelles leur réponse s'appuie.

SAP Datasphere vs SAP Analytics Cloud — quelle couche possède quoi

Qu'est-ce que SAP Datasphere vs SAP Analytics Cloud — quelle couche possède quoi ?

Ce que chaque couche possède réellement

Pourquoi c'est important

Points clés

Termes employés sur cette page

Sources

Concepts liés

Modules d'académie associés

Études approfondies

Guides SAP analytics & TJM

Les guides qui répondent avec cette page