Fallstudie

Finanzreporting, das mit dem Tag Schritt hält

Omnichannel-E-Commerce

Ein Omnichannel-Händler, dessen Finanzleitung mit den Zahlen von gestern steuerte, in einem Tagesgeschäft, das sich innerhalb eines Tages verändert. Die Zahlen aktualisieren sich heute, während der Tag noch läuft.

Projektbeschreibung lesen (englisch)(öffnet in einem neuen Tab)
Dauer
7 Monate
Durchlaufzeit
50 % kürzer
Eine Schemazeichnung: die getrennten Berichte, mit denen das Projekt begann, die eine zusammengeführte Reporting-Schicht, die sie ersetzt hat, und die Technologien darunter.

Die Zahlen von gestern am nächsten Morgen, ersetzt durch die von heute im Lauf des Tages

Das Reporting war korrekt und zu spät. Der Monatsabschluss lief über Excel, die Tageszahlen kamen am Morgen danach, und bis dahin waren die Entscheidungen, die sie stützen sollten, aus dem Bauch heraus getroffen oder vertagt worden. Das ist die Ausprägung des Problems, die nie als Beschwerde über Datenqualität auftaucht.

automatisch geladene Umsatz- und Kostenquellen: Shop, Zahlungen, Marktplätze, Werbung, ERP
5
Bestellschlüssel, der Shop, Zahlungsdienstleister und ERP abstimmt
1
Deckungsbeitragsstufen, DB1 und DB2, je Kanal und je SKU
2
kürzere Durchlaufzeit im Reporting, wie am Projektende festgehalten
50 %

Nach Branche und Größe anonymisiert, denn die Vertraulichkeit, die diesen Kunden schützt, würde auch Sie schützen. Branche und Ergebnisse sind echt, die identifizierenden Details nicht.

Ein Verkaufstag, vorher und heute

Vor und nach dem Projekt

Am nächsten Morgen

  • Exporte von HandShop, Zahlungen, Marktplätze, Werbung und ERP
  • In Excel abgeglichenShop gegen Zahlung gegen ERP, in jeder Datei
  • Marge ausgerechnetJe Kanal, wenn Zeit blieb
  • Die Zahlen kommen anAm Morgen nach dem Tag, den sie beschreiben

Im Lauf des Tages

  • Shop-Bestellungen strömenEventstream, während sie entstehen
  • Planmäßige LadevorgängeZahlungen, Marktplätze, Werbung und ERP in dasselbe Modell
  • Der Finanzbereich sieht das CockpitDie Zahlen von heute, im Lauf des Tages, auf einem Modell
Vorher kamen die Zahlen eines Tages am nächsten Morgen, heute strömen Shop-Bestellungen im Lauf des Tages herein und die übrigen Quellen laden planmäßig in dasselbe Modell.

Das Projekt im Detail

Kunde
Ein Omnichannel-E-Commerce-Händler mit 50 bis 250 Mitarbeitenden, der direkt über den eigenen Shop und über Marktplätze verkauft, mit einem Finanzbereich, der den Monat in Excel abschloss.
Ausgangslage
Das Reporting war korrekt und zu spät. Wenn die Tageszahlen ankamen, waren die Entscheidungen, die sie stützen sollten, entweder aus dem Bauch heraus getroffen oder vertagt worden, und das ist die Ausprägung dieses Problems, die nie als Beschwerde über Datenqualität auftaucht.
Auftrag
Den manuellen Excel-Monatsabschluss durch ein tägliches Finanz-Cockpit auf einem Fabric-Fundament ersetzen, mit Zahlen, die sich im Lauf des Verkaufstags aktualisieren.
Was wir gebaut haben
  • FoundationEin Review, der zeigte, dass die Zahlen stimmten, aber einen Tag zu spät kamen, nach den Entscheidungen, die sie stützen sollten.
  • ActivationFinanzreporting nahezu in Echtzeit auf dem Modell mit Governance, sodass sich die Zahlen im Lauf des Tages aktualisieren und nicht erst nach Geschäftsschluss.

Wohin die Zeit ging

Die Zahlen stimmten, und genau deshalb blieb die Verspätung ungelöst. Sie entstand in der Schicht zwischen den Systemen und dem Bericht: Jede Quelle wurde von Hand exportiert, abgeglichen und abgestimmt, also musste der Tag enden, bevor seine Zahlen beginnen konnten.

Abweichungen zeigen sich am selben Tag

Datenqualitätsregeln mit Benachrichtigung verlegen den Fund einer Abweichung vom Monatsende auf den Tag, an dem sie entsteht.

  1. Daten kommen anGestreamt oder planmäßig
  2. QualitätsregelnShop, Zahlung und ERP gegeneinander geprüft
  3. Hinweis ausgelöstAn die zuständige Person, am selben Tag
  4. Vor dem Abschluss behobenNicht erst zum Monatsende gefunden

Die Architektur

Quellen: Shop · Zahlungsdienstleister · Marktplätze · Werbeplattformen · ERP. Ingestion: Fabric Data Factory · Eventstream. OneLake: Silver · Gold · Qualitätsregeln. Was es liest: Finanz-Cockpit · Excel
Jede Umsatz- und Kostenquelle lädt automatisch, Shop-Bestellungen strömen, die Abstimmung passiert einmal in Silver, und die Margenlogik liegt in Gold. Der schnelle und der langsame Weg teilen sich ein Modell.

Architekturentscheidungen

EntscheidungVerworfene AlternativeWarum
Die Latenz auf dem Modell mit Governance gelöstEine parallele schnelle PipelineEin Nebenweg bringt ein paar Zahlen früher auf den Schirm und hinterlässt zwei Zahlenstände, die sich spätestens am Nachmittag widersprechen.
Einmal abstimmen, in SilverIn jeder Excel-Datei abstimmenEin einheitlicher Bestellschlüssel führt Shop, Zahlungsdienstleister und ERP zusammen, bevor irgendetwas die Daten liest.
Margenlogik in GoldMarge je Bericht gebautDB1 und DB2 je Kanal und je SKU wurden zu einer Standardsicht statt einer Einzelauswertung.
Direct Lake und EventstreamEine kürzere Import-AktualisierungEine schnellere Aktualisierung spart ein paar Minuten, die Obergrenze bleibt aber; erst das native Lesen des Lakehouse hebt sie auf.

Was der Kunde heute hat

  • Finanzzahlen, die sich im Lauf des Verkaufstags aktualisieren, statt am Morgen danach anzukommen.
  • Shop, Zahlungsdienstleister und ERP einmal in Silver über einen einheitlichen Bestellschlüssel abgestimmt, statt in jeder Excel-Datei.
  • DB1 und DB2 je Kanal und je SKU als Standardsicht statt als Auswertung.
  • Datenqualitätsregeln mit Benachrichtigung, sodass eine Abweichung am Tag ihres Entstehens auffällt statt zum Monatsende.
  • Ein Modell mit Governance unter dem echtzeitnahen Pfad und dem übrigen Reporting, gelesen von Power BI und Analyze in Excel.
  • Ein Fundament, an das Forecasting und Copilot-Fragen andocken, sobald der Kunde so weit ist.
Wohin es geführt hat
Die Finanzleitung sieht die Performance, während sie entsteht, und nicht einen Tag später, auf denselben Zahlen, mit denen der Monat abgeschlossen wird.
Stack
  • Microsoft Fabric
  • OneLake
  • Direct Lake
  • Fabric Data Factory
  • Eventstream
  • Power BI
  • DAX
  • REST APIs
  • ERP-Integration
Alle Fallstudien

Die anderen Projekte

  • Handel

    Foundation dann Activation dann Acceleration begleitet von Stewardship

    Filialumsatz, Vorstandsfragen und Forecasting auf Basis einheitlicher Definitionen

    Ein Händler mit Microsoft Fabric bereits im Produktivbetrieb, semantischen Modellen über Direct Lake und einströmendem Filialumsatz, der darauf Forecasting, Copilot-Fragen und Anomalieerkennung wollte.

    • Microsoft Fabric
    • Semantische Power-BI-Modelle
    • Direct Lake
    • Copilot in Power BI
    • Fabric AI Functions
    • Activator

  • Industrielle Fertigung

    Foundation dann Activation dann Acceleration

    Standortübergreifendes Reporting mit Governance für ein Produktionsnetz

    Ein Industriehersteller, der über ein Produktionsnetz mit mehreren Standorten berichtete, von denen jeder seine eigene Sicht darauf hatte, was gerade lief.

    • Microsoft Fabric
    • OneLake
    • OneLake Security
    • Direct Lake
    • Spark
    • MES
    • OPC UA
    • Power BI
    • DAX
    • Azure Key Vault
    • Purview
    • Azure DevOps

  • Hotellerie und Immobilien

    Foundation dann Activation

    Ein CFO-Cockpit für einen Konzern mit getrennten Abschlüssen

    Eine Holding aus Hotellerie und Immobilien, deren Gesellschaften jeweils eigene Abschlüsse machten, mit einem CFO, der für alle geradestehen musste.

    • Microsoft Fabric
    • OneLake
    • Direct Lake
    • Databricks Mirrored Catalog
    • Fabric Data Factory
    • Power BI
    • DAX
    • Berechnungsgruppen
    • Row-Level-Security
    • Azure DevOps
    • Azure Key Vault
    • Purview

  • Multi-Brand-Handel

    Foundation dann Activation

    Ein markenübergreifendes Modell mit Governance für eine Multi-Brand-Handelsgruppe

    Eine Handelsgruppe mit mehreren Marken, jede mit eigenen Systemen, eigenen Reporting-Gewohnheiten und einer eigenen Antwort darauf, was eine Marge ist.

    • Microsoft Fabric
    • Direct Lake
    • Databricks
    • Eventstream
    • KQL Database
    • Power BI
    • DAX
    • SAP
    • Salesforce
    • Azure DevOps
Alle Fallstudien

Kostenlose Beratung

In einer Stunde wissen Sie, wo Ihre Daten stehen.

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)