SAP实施Roll out项目经验谈（二）

ZZ（http://blog.sina.com.cn/s/blog_3eeba4010100c5vr.html~type=v5_one&label=rela_nextarticle）

上一篇谈到roll out项目的实施主体思路及项目管理方面要注意的事项，本篇着重谈技术与数据方面的问题。

技术方面，由于上篇所讲到的诸多限制，与全新的项目也有所不同。本人只在后勤方面有所了解，因此只能简单谈一下后勤方面配置的注意事项。总的来说，就是要注意在做系统配置的时候，不要忽视了已经存在的东西。有些配置或许在原始项目中已经做了，而且不是使用的标准设置，在做roll out项目的时候就要特别引起注意，不要因为roll out把母公司的业务给搅乱了。

技术方面的问题不能分门别类地谈，比较零乱，只能说一点是一点了。

1. 语言问题。

尤其是在跨国roll out项目中，一定要注意语言的问题。比如，在国家设置中，如果选定了语言，则在发往别国的采购单上，国家代码是以本国语言显示的。如果实际业务中不能做成这样，国家代码里就不要去选这个语言，让系统根据登录的语言自动确定即可。

再如，采购单的form，是有多种语言的。如果要拷贝出来更改的话，一定要注意拷贝多种语言。只在一种语言下拷贝，有可能导致其他语言下的采购单出问题。

2. 数据分类

着重谈一下物料类型。在roll out项目中，很多都会涉及到公司间交易。不论是跨公司销售，还是公司间采购，如果这种公司间交易是采用系统标准的模式来做，都会涉及到同一个物料编码在多个工厂之间应用的问题。这时，一个物料是什么物料类型就成为一个很重要的问题。

物料类型里有获取类型的限制。比如ROH的物料一般是只允许外部采购，不允许自制的。而在公司间交易时，往往在这个工厂是原材料的东西，在另一个工厂应该是成品。这时候，如果把它设置为原材料物料类型，在另一个工厂就无法做生产了。

物料类型里也有视图控制。HAWA里是没有工作计划的视图的。如果某个工厂向另一工厂采购物料后直接销售，往往会把它设置为HAWA类型。但是在另一个工厂，它就是自制品，需要生产的。

诸如此类的问题往往会导致物料类型分类方面的麻烦，需要特别加以注意。

3. 采购批准策略

如果原始项目中没有使用批准策略，而在roll out的时候，子公司需要使用的话，要注意特性设置上用公司代码或者采购组织等区分开来，而不能简单地使用一个单据类型实现这个功能。

4. 物料特殊获取类型

在MRP2视图里有一个字段叫作special procurement type。这里可以定义物料在另一工厂生产。象这种涉及到公司间交易的字段要着重加以确认。

5. 输出条件记录

要记得用MN*去维护各种输出的条件记录。尤其在跨国公司中，要注意维护出口税条件类型。

6. 在基础数据的设置中注意国家的正确维护

比如shipping piont的国家设置，有时候直接从原始项目中的某个拷过来了，改的时候只注意地址细节之类，没有注意到国家是不同的。这个是很容易忽略的。因为国家这个概念太大了，一般不会去理会它。在跨国公司roll out时尤其要注意。

7. EDI配置

在roll out项目中，有时会用到公司间交易。公司间交易的发票自动入账可以通过EDI实现，所以要注意EDI的相关配置。

8. 税码设置

SAP有个专门的notes来说这个事情。跨公司销售时，在F2类型的发票上，税码是如何确定的呢？可以由出货工厂和客户所在国家来确定，也可以由销售组织和客户所在国家来确定。默认是前一种。如果要用后一种，要手工把notes打上。

9. ERS的使用

在原始项目中，一般只有外部供应商，不会启用ERS功能。但在roll out项目中，有可能会使用ERS，因为内部供应商一般来说是可信任的。

10. GR-Based IV

原始项目中一般都要启用基于收货的发票校验。但在公司间交易中，有可能会使用基于PO的发票校验。尤其是在使用公司间采购流程同时使用EDI传送发票时，最好使用基于PO的发票校验。这样在发货方发货做Billing之后，对方可以立即入账。如果启用基于收货的发票校验，则因为还没有做收货，会出现无法过账的IDOC。

11. MRP的运行范围

多个工厂联合运行MRP，在roll out项目中可能是经常遇到的。要注意修改相关的配置。

12. Client层级的字段选择

比如物料主数据，供应商主数据，inforecord等，都有client层级的或者事务代码层级的字段选择设置。在改动这一类设置的时候，一定要小心。本人曾经改动过一个物料主数据的设置，为了针对某个工厂设置某个字段，把原始项目的相关字段组全部改为工厂级，还原为原来的设置，只把需要的工厂下的该字段属性做了改动。最后却发现考虑不周，影响了其他已经上线的公司，造成了很不好的影响。

技术方面和数据方面，需要注意的地方很多。本文只是列出一些本人所了解到的一小部分而已，希望能够起到抛砖引玉的作用。