Fallstudie
Multi-Brand-Handel
Eine Handelsgruppe aus mehreren Marken, jede mit eigenen Systemen und einer eigenen Antwort darauf, was eine Marge ist. Ein Fabric-Modell mit Governance spannt sich heute über alle, mit je einer Definition von Umsatz, Marge und Bestand.
Projektbeschreibung lesen (englisch)(öffnet in einem neuen Tab)
Jede Marke konnte über sich selbst berichten, aber die Gruppe konnte sie ohne eine Woche Handarbeit nicht vergleichen. Wir haben ein 8 Jahre altes SQL-Server-Warehouse und eine nächtliche Excel-Kette durch Microsoft Fabric ersetzt, und eine Definition je Kennzahl machte aus dem Vergleich eine Filterauswahl.
Sobald Umsatz, Marge und Bestand unabhängig vom Kanal definiert waren, war die Konsolidierung der Gruppe keine Arbeit mehr. Die Gruppe, eine Marke oder ein Kanal ist heute ein Filter auf demselben Modell. Vorher eine Woche manuelle Konsolidierung, heute eine Filterauswahl.
Die Auflösung der Kundenidentität wurde als eigenes Datenprodukt gebaut, sodass ein Kunde ein Datensatz ist, über welchen Kanal er auch kauft: Filialkunden aus den Kassen, Shopkunden aus 3 Onlineshops und Großhandelskonten aus dem Großhandelsgeschäft, zusammengeführt zu einem dauerhaften Kundenstamm.
| Entscheidung | Verworfene Alternative | Warum |
|---|---|---|
| Ein Modell über alle Marken | Ein Modell je Marke | Schneller gebaut, aber das Abstimmungsproblem bleibt. Der Vergleich ist das Ergebnis. |
| Unterschiede modelliert, nicht eingeebnet | Eine Marge jeder Marke aufgezwungen | Ein echter Unterschied wird modelliert und benannt, einer aus Gewohnheit entfällt. |
| Databricks behalten und gespiegelt | Die Verarbeitung in Fabric neu bauen | Tenant-übergreifend nach OneLake gespiegelt, sodass Power BI über Direct Lake liest, ohne nächtlichen Import. |
| Zahlen der Gruppe getrennt von den Nutzersichten | Eine Schicht für jeden Zweck | Eine Nutzersicht kann sich ändern, ohne die Zahlen der Gruppe zu berühren. |
Handel
Foundation dann Activation dann Acceleration begleitet von StewardshipEin Händler mit Microsoft Fabric bereits im Produktivbetrieb, semantischen Modellen über Direct Lake und einströmendem Filialumsatz, der darauf Forecasting, Copilot-Fragen und Anomalieerkennung wollte.
Industrielle Fertigung
Foundation dann Activation dann AccelerationEin Industriehersteller, der über ein Produktionsnetz mit mehreren Standorten berichtete, von denen jeder seine eigene Sicht darauf hatte, was gerade lief.
Hotellerie und Immobilien
Foundation dann ActivationEine Holding aus Hotellerie und Immobilien, deren Gesellschaften jeweils eigene Abschlüsse machten, mit einem CFO, der für alle geradestehen musste.
Omnichannel-E-Commerce
Foundation dann ActivationEin Omnichannel-Händler, dessen Finanzleitung mit den Zahlen von gestern steuerte, in einem Tagesgeschäft, das sich innerhalb eines Tages verändert.
Kostenlose Beratung
Eine kostenlose 60-minütige Beratung. Kein Verkaufsgespräch, keine Rechnung. Danach wissen Sie, ob Ihre Daten bereit für KI sind und ob wir zueinander passen.
Kostenlose Beratung buchen(öffnet in einem neuen Tab)