Archiv für die Kategorie Self Service BI

Die neueste SAP-Evolution im Bereich Data & Analytics: SAP Datasphere

Erstellt am: Donnerstag, 13. April 2023 von Anja Gorbach

Aus SAP Data Warehouse Cloud wird SAP Datasphere! Was steckt hinter dem neuen Release? Bloß ein neuer Name – also anders ausgedrückt reines Marketing – oder verbirgt sich mehr hinter der neuesten Evolution aus dem Hause SAP?

Am 8. März 2023 launchte SAP Datasphere im Rahmen von SAP Data Unleashed, einem virtuellen Event rund um Neuerungen im Kontext Data & Analytics. Auch auf den diesjährigen DSAG-Technologietagen am 22. und 23. März in Mannheim war Datasphere eines der Hot Topics. Und so viel vorneweg: Die Neuausrichtung seitens SAP verspricht einiges und Datasphere bietet bereits einige spannende neue Features.

Werfen wir aber zunächst nochmal einen Blick zurück. Die Entwicklung der Data Warehouse Cloud (DWC) in den letzten anderthalb Jahren war wirklich rasant. Mit jedem neuen Release spürte und spürt man die Intensität und Manpower, mit denen hinter den Kulissen an neuen Features und der Verbesserung bestehender Funktionalitäten gearbeitet wird.

Auf einige der aktuellsten Neuerungen im Rahmen der Umbenennung zu Datasphere werde ich später noch genauer eingehen. Einen detaillierten Blick auf die neue strategische Data Warehousing Lösung von SAP hatte ich bereits in einem früheren WHITEPAPER: SAP Data Warehouse Cloud  – DAS neue strategische Data Warehouse der SAP gegeben.

In der Praxis zeigte sich in den letzten Monaten, dass die DWC insbesondere beim Thema Datendemokratisierung ein sehr interessanter und relevanter Baustein für Unternehmen werden kann. Durch die zentralen Elemente der Spaces, Sharing-Optionen zwischen den unterschiedlichen virtuellen Bereichen sowie Data Access Controls als wichtige Governance-Elemente auf der einen Seite und der Möglichkeit, Modelle auf Basis eines grafischen Editors zu erstellen. Auf der anderen Seite, ergeben sich mitunter komplett neue Möglichkeiten in der Zusammenarbeit zwischen IT und Business.

Ein Tool alleine ermöglicht natürlich keine Datendemokratisierung im Unternehmen – die technischen Möglichkeiten erfordern immer auch das Vorhandensein von Datenkompetenz innerhalb der involvierten Bereiche (Data Literacy) sowie klar definierte Data & Analytics-Rollen.

Die Agilität sowie die leichte und intuitive Bedienbarkeit bei der Erstellung neuer analytischer Modelle beziehungsweise semantischer Sichten auf vorhandene Datensets sind in der agilen und schnelllebigen Business-Welt ein absoluter Unterscheidungsfaktor im Analytics-Umfeld. Auf der anderen Seite wurden auch die Möglichkeiten aus Entwicklersicht stark erweitert. Ein Beispiel ist hier das Command Line Interface (CLI).

Seit einiger Zeit ist es über das DWC-CLI möglich, gewisse manuelle und vor allem wiederkehrende Tätigkeiten beim Administrieren des Tenants, der Userverwaltung oder dem Erstellen von Tabellen und Views mithilfe der Kommandozeile programmatisch zu lösen – oder besser gesagt zu automatisieren. Das DWC-CLI ist technisch gesehen ein eingeständiges Node.js-Modul. Voraussetzung ist die Installation der letzten node.js-Version auf dem Client. Mithilfe des CLI lassen sich lästige und wiederkehrende Mehrfacharbeiten in der UI reduzieren und wie bereits erwähnt automatisieren – und letztendlich auf diese Weise auch standardisieren.

Seit der Einführung der DWC wurden neue Innovationen im Bereich Data & Analytics nach und nach nur noch im neuen Cloud-Service integriert; ein Beispiel ist hier der Data Marketplace, der mittlerweile etliche Datenmodelle von Drittanbietern bereitstellt.

Ebenso hat man als Unternehmen die Möglichkeit, eigene Datenprodukte nach draußen zu verteilen. Hier denke man zum Beispiel an Lieferanten oder enge Partner, mit denen auf diese Weise noch enger kooperiert werden kann. Sogar innerhalb eines Unternehmens lässt sich der Marketplace nun einsetzen, um beispielsweise Datenprodukte an die eigenen Fachbereiche auszuliefern.

SAP Datasphere – auf dem Weg zur „Business Data Fabric“

Werfen wir nun einen genaueren Blick auf die neueste Evolutionsstufe im Data & Analytics-Portfolio von SAP. Was verbirgt sich hinter dem Begriff Datasphere? Zunächst einmal ändert sich für DWC-Kunden nicht sonderlich viel: Das Look&Feel des Tools ist gleich geblieben, lediglich der Name wurde ausgetauscht und bereits einige neue technische Features hinzugefügt.

Mit Datasphere möchte SAP den Data Fabric Ansatz stärker verfolgen und spricht in dem Zusammenhang nun von einer „Business Data Fabric“. Aber was versteht SAP eigentlich unter diesem Begriff?

SAPs Definition der Business Data Fabric ist im Kern eine Datenmanagementarchitektur für einen virtuellen oder persistierten semantischen Daten-Layer über der darunterliegenden Datenlandschaft (Beispiele: zentrales DWH, Lakehouse, MES- beziehungsweise Produktionsdaten, IoT-Daten etc.) eines Unternehmens. Die Basis für dieses Vorhaben soll mit SAP Datasphere und einem offenen Daten-Ökosystem, das im Zuge einiger strategischen Partnerschaften mit unter anderem Databricks, Collibra, Confluent und DataRobot angekündigt wurde, geschaffen werden. Das grundlegende Ziel, das SAP hiermit verfolgt, ist, einen skalierbaren und einheitlichen Datenzugriff ohne Datenduplikationen im Unternehmen zu ermöglichen.

Als Grundlage einer Business Data Fabric bringt Datasphere sämtliche Funktionalitäten eines modernen Data Tools mit, angefangen vom Datenzugriff via Self-Service & Data Discovery bis hin zur Datenintegration sowie Governance & Security. Data Warehousing, Virtualisierung, die semantische Modellierung von Businesslogik sowie Orchestrierung und Processing als zentrale Datenmanagementaufgaben gehören ebenso zum Funktionsumfang.

Auf dem Weg zum vollumfänglichen Data Tool 

Wer sich bereits mit der DWC beschäftigt hat, wird merken, dass dies nun erstmal nichts Neues ist, denn auch die DWC verfügte schon über die genannten Funktionalitäten. Rein technisch ist Datasphere daher aktuell vielmehr als das neueste Release der DWC zu interpretieren. Dennoch gibt es einige Neuigkeiten. die den Weg der der SAP Datasphere zum vollumfänglichen Data Tool aufzeigen.  Im Folgenden habe ich einige dieser Neuerungen für Sie aufgelistet:

Neue Datenintegrationsmöglichkeiten mit dem Cloud-basierten Replication Flow
Der Replication Flow ist ein Data Intelligence Feature, das nun in Datasphere integriert wurde. Mit der Komponente kann man eine Cloud-basierte Datenreplikation ohne Transformationslogik durchführen und somit große Datenmengen von A nach B bewegen. Ebenso unterstützt der neue Replication Flow den Change Data Capture (CDC). Stand heute ist der Funktionsumfang noch stark eingeschränkt. So stehen derzeit als Ziel beispielsweise lediglich SAP Datasphere, HANA Cloud und HANA Data Lake zur Auswahl. Es wurde jedoch angekündigt, dass zukünftig für den Replication Flow auch Third-Party-Applikationen als mögliches Ziel angeboten werden.

Neues analytisches Modell
Mit dem neuen Artefakt für die semantische Datenmodellierung hat SAP deutlich mehr Modellierungsmöglichkeiten geschaffen. Es ist nun in Datasphere möglich, ein auf die Anforderungen des Business abgestimmtes und optimiertes semantisches Datenmodell mit Variablen, eingeschränkten Kennzahlen und Filtern für die SAC bereitzustellen. Darüber hinaus bietet das neue analytische Modell eine wirklich sehr hilfreiche Datenvorschau bei der Modellierung und eine verbesserte Integration mit der SAC bei der späteren Nutzung.

Nächster Schritt Richtung Datendemokratisierung und Governance mit dem neuen Catalog
Mit Datasphere hat SAP nun auch einen Data Catalog gelauncht. Über den Catalog Crawler werden die Metadaten aus Datasphere automatisch in den Catalog geladen, ebenso lassen sich zusätzlich SAC-Instanzen mit wenigen Klicks integrieren.

Über den Catalog und dessen Suchfunktion kann man seinen Business Usern jetzt einen sehr guten Überblick über die verfügbaren Datenprodukte geben, KPIs definieren, kategorisieren und in den Assets pflegen sowie Business Terms in Form eines Glossars definieren. Über die Lineage lassen sich so schnell und einfach die Views und Tabellen in Datasphere ausfindig machen, auf die beispielsweise ein Report in der SAC auf Basis eines analytischen Modells aufsetzt.

Auf dem Data & Analytics Forum im Juni 2022 kündigte SAP das Projekt „SAP Data Suite“ an. Mit Datasphere präsentiert das Unternehmen aus Walldorf nun die ersten Ergebnisse.

Wenn die Entwicklung der neuen Data Suite von SAP mit der gleichen Geschwindigkeit wie in den vergangenen Monaten weitergeht, sind wir sehr optimistisch, dass die aktuell noch bestehenden Funktionslücken Schritt für Schritt geschlossen werden.

Beispielsweise verspricht der Blick auf die Roadmap im Laufe des Jahres eine nahtlose Integration der SAC-Planung mit Datasphere und die Erweiterung des neuen Catalogs hinsichtlich der Anbindung zusätzlicher SAP-Quellen. Ebenso soll es zukünftig möglich sein, User pro Space unterschiedlich zu berechtigen. Auch das analytische Modell wird weiter ausgebaut und um Multi-Fact sowie weitere Modellierungsfunktionen erweitert.

Aber es gibt auch noch genügend Themen, die dringend angegangen werden müssen. Insbesondere beim Thema Life-Cycle Management – Stichwort CI/CD – hat SAP Datasphere aktuell noch keine wirklich zufriedenstellende Antwort zu bieten.

Beurer: Zentrale Datenplattform für wachsende Unternehmensgruppe

Erstellt am: Montag, 23. Januar 2023 von Anja Gorbach

Die 1919 gegründete Beurer GmbH ist heute Marktführer im Segment Gesundheit und Wohlbefinden. Mit der Hilfe von QUNIS hat die erfolgreiche Unternehmensgruppe ein zentrales Data Warehouse aufgebaut und ein zukunftsfähiges Datenmanagement für das unternehmensweite Reporting etabliert.

Wir haben auf die Expertise, die Projekterfahrung und den Marktüberblick von QUNIS vertraut. Damit konnten wir im Data Warehouse-Projekt von Anfang an die richtigen Weichen stellen.


Florian Merk,
Leiter Controlling,
Beurer GmbH

Modernisierung der BI-Landschaft

Das Controlling der Beurer GmbH verfügt über viel BI-Erfahrung. Beurer hat bereits frühzeitig auf BI-Systeme der ersten Produktgeneration gesetzt und seine Berichtslandschaft seitdem kontinuierlich ausgebaut.

Seit einem Systemwechsel im Jahr 2011 ist das erfolgreiche Unternehmen allerdings stark gewachsen. Heute ist Beurer eine international aufgestellte Unternehmensgruppe mit über 30 Gesellschaften. Damit kam die grundlegende BI-Datenarchitektur zunehmend an ihre Grenzen. Die vorhandene einfache Staging Area mit dem ERP-System proAlpha als Vorsystem war nicht mehr ausreichend.

Beurer benötigte stattdessen ein Data Warehouse (DWH), in dem die heterogenen Datenquellen aller Tochtergesellschaften zusammenlaufen. Sowohl die Datenanlieferung an das zentrale Controlling als auch das Berichtswesen in die Unternehmensgruppe sollte auf dieser Grundlage wesentlich erweitert werden.

Data Warehouse mit hohem Automatisierungsgrad

Die Controller hatten klare Vorstellungen: Ziel war ein skalierbares Data Warehouse mit hohem Automatisierungsgrad, das der Fachbereich selbst steuern und weiterentwickeln kann. Die neue BI-Umgebung sollte außerdem die erste Cloud-Applikation bei Beurer werden. Um die nachhaltige Implementierung sicherzustellen und mögliche Umwege im Projekt oder spätere Sackgassen zu vermeiden, setzte das Projektteam auf QUNIS als Beratungs- und Implementierungspartner und vertraute auf die Expertise, die Projekterfahrung und den Marktüberblick.

Nach der Anforderungsanalyse, für die auch Wünsche der Berichtsempfänger zusammengetragen wurden, hat QUNIS zusammen mit den BI-Experten von Beurer das Data Warehouse in der Microsoft Azure Cloud implementiert. Viele Strukturen und Geschäftslogiken konnten dabei aus dem bestehenden Sales- und Finanzreporting übernommen werden.

Um eine konsistente, ausbaufähige Datenplattform zu schaffen, wurden im Rahmen der Implementierung auch Stammdaten harmonisiert. Das QUNIS Data Warehouse Framework (QDF) war hilfreich beim Design und der Etablierung von standardisierten Strukturen und Datenmodellen. Auf dieser Basis können beispielsweise zusätzliche Datenquellen angebunden, internationale Gesellschaften integriert und neue fachliche Themen auf einheitlicher Datenbasis abgebildet werden. Der hohe Automatisierungsgrad sorgt zudem für die sichere und einfache Administration im laufenden Betrieb.

Betrieb und Ausbau in der Fachabteilung

Während der Implementierung fand bereits der Know-how-Transfer ins Team von Beurer statt. Den weiteren Ausbau des DWH, die Anbindung der Tochtergesellschaften und die Ausgestaltung der Reports und das Rollout des Berichtswesens hat das Controlling seitdem selbst übernommen. Marc Hofmann, verantwortlich für das BI-Backend, bestätigt:

„QUNIS hat uns im Laufe des Projekts gut in das Data Warehousing eingearbeitet. Die Weiterentwicklung und das Rollout führen wir eigenständig durch.“

Bei der Auswahl des neuen Frontends Microsoft Power BI hat QUNIS ebenfalls unterstützt. Beurer wird sein neues Berichtswesen über Power BI schrittweise im gesamten Unternehmen ausrollen. Derzeit läuft das neue System parallel mit der vorigen Lösung, mit Absprungmöglichkeiten aus dem Altsystem. In einer zeitlich ausgedehnten Übergangsphase mit internem Schulungskonzept können sich die Nutzer allmählich mit der neuen Lösung vertraut machen.

Hohe Akzeptanz bei den Nutzern

Die Nutzungszahlen nach dem Rollout in Deutschland und in der Schweiz als erster Tochtergesellschaft sprechen schon jetzt für eine hohe Akzeptanz im Unternehmen. Im ersten Schritt wurden bereits 22 Reporting-Mappen aufgebaut. Schon vor Anbindung der internationalen Tochtergesellschaften greifen 120 User regelmäßig auf die neue Berichtsumgebung zu, mit stark steigender Tendenz. Die wichtigsten Reports werden derzeit 1.200 mal pro Monat geöffnet. Andreas Traut, zuständig für das BI-Frontend, stellt fest:

„Die Modernisierung kam zur richtigen Zeit. In den heutigen diffusen Märkten brauchen unsere Fachbereiche und Gesellschaften verlässlichen Kennzahlen; das Interesse am Reporting ist entsprechend stark gestiegen.“

Self-Service-BI mit klarer Datenhoheit

Fachlich liegt der Fokus derzeit auf dem Umsatzreporting mit klassischen vertrieblichen Steuerungsgrößen wie Deckungsbeiträgen und Margen. Neben differenzierten Informationen zu den Außenumsätzen der Tochtergesellschaften liegt der Fokus zukünftig vor allem auf Auswertungsmöglichkeiten konsolidierter Kennzahlen auf Konzernebene. Auf dieser Basis kann das Controlling der Unternehmensgruppe ein detailliertes Reporting zur Verfügung stellen.

Hinsichtlich der Informationsversorgung setzt Beurer schon seit Jahren auf Self-Service BI. Die Fachbereiche nutzen dabei auch unterschiedliche Ausgabeformate, z. B. Powerpoint-Folien mit Produktfotos im Produktmanagement. Dabei werden Power BI Berichtsseiten mit Live-Daten in Powerpoint eingebunden. Somit lassen sich schnell professionell aufbereitete Powerpoint-Präsentationen erstellen und monatlich auf den aktuellen Stand bringen.

Die Controller arbeiten natürlich nach wie vor gerne in Excel, das ebenfalls mit Live-Daten aus dem Data Warehouse gefüllt wird. Damit sind sehr flexible und individuelle Auswertungen für die Nutzer möglich.

Wichtig ist den projektverantwortlichen Controllern, dass sie mit dem Data Warehouse den Single Point of Truth (SPOT) und damit die Datenhoheit in der Hand haben – die wesentliche Voraussetzung für vertrauenswürdige Informationen und einheitliche Kennzahlendefinitionen.

Skalierbare Datenarchitektur

Mit dem zentralen Data Warehouse hat Beurer die Grundlage für seine unternehmensweite Datenplattform geschaffen. Der durchdachte Aufbau und die Vorteile der guten Vorarbeit im Backend wurden in späteren Projektphasen z. B. beim Berichts-Design und beim Rollout offensichtlich. Florian Merk hält fest:

„Bei der Ausgestaltung des Frontend-Bereichs wurde deutlich, dass QUNIS beim Aufbau des Data Warehouse weit vorgedacht hat. Wir können flexibel auf einer sauberen Datenbasis und strukturierten Logiken aufsetzen.“

 Auch die Einführung der einfach skalierbaren Cloud-Technologie war richtungsweisend für die Unternehmensgruppe. Inzwischen wurden bei Beurer weitere Projekte in der Azure-Cloud umgesetzt, die vom DWH-Projekt als Pilotanwendung profitieren konnten.Das Controlling-Team wird im nächsten Schritt alle Tochtergesellschaften an die Plattform anbinden.

Auch die fachliche Erweiterung ist bereits geplant. Zunächst soll das Reporting für die Bereiche Marketing und E-Commerce dazukommen, um danach schrittweise weitere Fachbereiche einzubinden.

Mehr zur Beurer GmbH: Die Beurer GmbH ist seit 1919 Marktführer im Segment Gesundheit und Wohlbefinden. Mit dem umfangreichen Sortiment in den fünf Produktbereichen wellbeing, medical, beauty, active und babycare bietet Beurer professionelle Produkte für die Heimanwendung – von Heizkissen, Personenwaagen, Massagegeräten und einem Produktsortiment zum Erhalt eines optimalen Raumklimas über spezielle Medizinprodukte wie Blutdruckmessgeräte und Blutzuckermessgeräte sowie Inhalatoren und Fieberthermometer bis hin zu Beautygeräten und Lifestyleprodukten.

Mehr zu QUNIS Strategieberatung:  QUNIS Strategie

Die Data & Analytics Zukunft mit SAP liegt in der Cloud

Erstellt am: Freitag, 20. Januar 2023 von Monika Düsterhöft

In der SAP-Strategie ist seit einiger Zeit ein klarer Trend zu Cloud-only festzustellen. SAP Datasphere kommt dabei eine zentrale Rolle zu.

Zusammen mit der SAP HANA Cloud, der SAP Analytics Cloud (SAC) und der SAP Data Intelligence Cloud bildet SAP Datasphere das Data-to-Value-Portfolio von SAP. Die SaaS-Applikation Datasphere ermöglicht es Unternehmen, sich dabei ganz auf ihre Analytics-Aktivitäten zu konzentrieren.

Mit SAP Datasphere können sowohl Cloud- als auch On-Premise-Datenquellen integriert werden. Die Komponente Data Flow bietet zudem ETL-Funktionalitäten, um Daten aus unterschiedlichsten Quellen zu extrahieren, zu transformieren und schließlich in lokalen Tabellen Datasphere zu speichern. Darüber hinaus gibt es mit dem Data Builder und dem Business Builder zwei separate Bereiche zur Datenmodellierung in Datasphere, und sie stellt einige Business-Content-Datenmodelle bereit, die mit wenigen Klicks für Standardanwendungsfälle verfügbar gemacht werden können.

Komfortabel zum „Data-Shopping“

Mit Dataspehre versucht SAP zudem, einen entscheidenden Schritt in Richtung Self-Service Data Warehousing zu gehen. Hierbei hat die IT weiterhin die Hoheit und Verantwortung für einheitliche, standardisierte Datenmodelle. Zugleich bekommt sie aber Unterstützung im Datenmanagement, denn der Fachbereich kann den letzten Schritt in Richtung Reporting allein und selbstständig machen.

Richtig umgesetzt erhöht dies die Agilität und beschleunigt die Analytics-Entwicklungen in den Unternehmen. Im Sinne eines „Data-Shopping“-Erlebnisses stehen den Endanwendern die Daten in einer einfachen, geführten Form zur Verfügung: Wiederverwendbare analytische Datenmodelle können verschiedene Geschäftsfragen beantworten.

Datasphere und SAC in kraftvoller Verbindung

Die Offenheit der Applikation basiert auf der Kombination mit der SAC als sogenanntem First-Class Consuming Citizen. Mit wenigen Klicks ist die Verbindung zwischen Datasphere und der SAC eingerichtet, dadurch lassen sich nachfolgend die Daten der freigeschalteten analytischen Datenmodelle von Datasphere per Live-Verbindung nutzen.

Ebenso können die Anwender aber auch mit Third-Party-Tools wie Tableau oder Microsoft Power BI auf die Daten zugreifen. Nicht zuletzt soll Datasphere künftig als zentrale Datendrehscheibe für Planungsszenarien in Kombination mit der SAC inklusive einer Retraktion von Forecast und Plan-Daten Richtung Dataspehre etabliert werden. Langfristig soll außerdem die Datasphere Verwendung auf allen gängigen Hyperscalern möglich sein.

Perfekte Symbiose

Da SAP den Service Datasphere als SaaS zur Verfügung stellt, müssen sich Kunden nicht mehr selbst um Produkt-Updates und neue Releases kümmern – gleichzeitig gewährleistet das automatische und zentrale Updaten durch SAP eine permanente Verbesserung und Optimierung des Produkts. Das neue Space-as-a-Service-Konstrukt macht zudem isolierte Einheiten oder auch separierte logische Layer in der Datasphere möglich.

Ein weiterer interessanter Aspekt: End-User können mithilfe des Business Builders selbstständig Business Entities für das Reporting erstellen. Über die Verknüpfung mit der SAC schafft die Einheitlichkeit von User Interface und Usability der beiden Applikationen eine perfekte Symbiose. Daher stellt sich die SAC zum Konsumieren von Datasphere-Datenmodellen als Frontend-Tool der Wahl dar.

Mein Tipp: Einen detaillierten Tool-Steckbrief zur SAP Analytics Cloud (SAC) und zu Microsoft Power BI sowie weitere spannende Learnings rund um das Thema Self Service BI und wie Sie damit Agilität im Fachbereich realisieren, finden Sie in der aktuellen Studie von the factlights.  STUDIE KOSTENFREI HOLEN

Murrelektronik: Umstellung der BI-Landschaft auf SAP Datasphere

Erstellt am: Donnerstag, 12. Januar 2023 von Anja Gorbach

Murrelektronik ist ein global tätiger Spezialist für dezentrale Automatisierungstechnik. Das Controlling der Unternehmensgruppe hat in Zusammenarbeit mit QUNIS seine BI-Landschaft auf die SAP-Cloud umgestellt. Ein spannendes Projekt, weil das Tool SAP Datasphere zum Einführungszeitpunkt noch neu auf dem Markt war und selbst bei SAP kaum Praxiserfahrung vorlag.

In der komplett neuen Produktumgebung war ein fester Projektplan kaum einzuhalten. QUNIS hat sehr flexibel und agil mit uns zusammengearbeitet und die Datasphere Implementierung Schritt für Schritt mit uns umgesetzt.


Rafael Theiss,
Business Data Analyst,
Murrelektronik GmbH

SAP Datasphere-Implementierung als Pilotprojekt

Murrelektronik ist mit Niederlassungen, Produktions- und Logistik-Standorten sowie Vertriebspartnern in 50 Ländern weltweit vertreten. Die vorhandene BI-Lösung, die von einem externen Beratungshaus betreut wurde, konnte das Reporting für den agilen Konzern nicht mehr abdecken. Vor allem die fehlende Flexibilität bei nötigen Anpassungen war problematisch; die erforderliche Umsetzungsgeschwindigkeit neuer Anforderungen war in dieser Konstellation nicht mehr zu gewährleisten.

Das zentrale Controlling wollte daher seine BI-Plattform modernisieren und im eigenen Haus ansiedeln, um die Datenmodelle selbst nach Bedarf anpassen zu können. Im Konzern mit starker SAP-Strategie lag der Umstieg auf SAP-Tools für die neue BI-Umgebung nahe.

Besonders das noch relativ neu am Markt eingeführte SAP Datasphere bot für die Controller ein interessantes Konzept: Als Cloud-Technologie ist es kosteneffizient einzuführen und einfach skalierbar. Ein wichtiger Vorteil ist zudem die anwenderorientierte Entwicklung: Mit den sogenannten Spaces stellt SAP Datasphere einen Business Layer für die Datenmodellierung zur Verfügung, über den Fachbereiche ihre eigenen Datensichten erstellen können. Das vereinfacht die Steuerung des DWH im Controlling und schafft die Voraussetzung für Self-Service-Szenarien im gesamten Unternehmen.

Die Entscheidung für SAP Datasphere stand zu Projektbeginn fest. Als mögliche Frontends schauten sich die Controller auch Tools außerhalb der SAP-Welt an. SAP Analytics Cloud (SAC) in Kombination mit Datasphere stellte sich dabei als die beste Lösung für Murrelektronik heraus.

Mit QUNIS gemeinsam DWH-Neuland betreten

Bei der Suche nach einem Realisierungspartner war dem Projektleiter Rafael Theiss klar, dass es so kurz nach Markteinführung von SAP Datasphere keinen Dienstleister mit großer Implementierungserfahrung für dieses Tool geben konnte.

Im Auswahlverfahren überzeugte QUNIS durch seine umfangreiche Erfahrung in den Bereichen Data Warehousing, BI und Analytics mit Cloud- und On-Premise-Technologien, gepaart mit sehr hohem Engagement und Interesse an der Datasphere-Umgebung. Rafael Theiss, Business Data Analyst bei Murrelektronik, sah darin die besten Voraussetzungen für eine erfolgreiches gemeinsames Implementierungsprojekt im DWH-Neuland.

Agile Zusammenarbeit im Team

Nach ersten Vorarbeiten Ende 2020 startete die Implementierung mit Systemzugriff für das Projektteam auf die Datenquellen und das Altsystem im März 2021. Zunächst arbeiteten hauptsächlich Rafael Theiss und die QUNIS-Beraterin an der Umsetzung.

Rafael Theiss hebt besonders den Einsatz der QUNIS-Beraterin hervor, die mit hohem Engagement und lösungsorientiertem Vorgehen wesentlich zum Projekterfolg beitrug. Bei der Schnittstellen-Definition wurde das Kernteam durch die IT-Abteilung unterstützt. Auch die Key User der Anwendung wurden zunehmend einbezogen. Erst in späteren Projektphasen kam dann ein „SAP Development Angel“ dazu, der hilfreiches Produktwissen einbringen konnte.

Wichtig für das Gelingen des Projekts war die flexible Reaktion von QUNIS auf den Projektstatus. Durch vielfältige Herausforderungen im Pilotprojekt verzögerte sich der geplante Rollout-Termin um sechs Monate. QUNIS begleitete das Team von Murrelektronik auch über die ursprüngliche Projektplanung hinaus bis zum erfolgreichen Go live und steht auch weiterhin als Ansprechpartner für die Controller bereit.

Weltweite Datenplattform für über 600 Anwender

Seit Februar 2022 ist die Berichtsplattform weltweit bei Murrelektronik verfügbar. Nach einer kurzen Übergangsphase, in der Neu- und Altsystem parallel liefen, erfolgte der konsequente Umstieg in die SAP Cloud, die seitdem als zentrale Berichtsumgebung mit einheitlicher Datenbasis im Konzern etabliert ist.

Fachlich hat das Projektteam das umfangreiche Reporting aus dem Altsystem übernommen und optimiert. Das neue Data Warehouse ist als ganzheitliche Lösung für derzeit 600 Anwender konzipiert. Kernthemen sind das Finanz- und Vertriebscontrolling, wobei auch vielfältige Analysen im operativen Bereich zur Verfügung stehen. Hauptsächliche Datenquelle für die Auswertungen ist SAP ERP. Um das Analysespektrum zu erweitern, wird derzeit auch Salesforce als Quellsystem integriert.

Ein wesentlicher Anspruch des zentralen Controllings ist dabei die Anwenderfreundlichkeit: Jeder soll das System einfach nutzen und verstehen können. Dazu trägt auch das Frontend SAP Analytics Cloud (SAC) bei, über das die Anwender komfortabel per Web auf ihre Berichte und Analysen zugreifen können.

Neue fachliche Anforderungen schnell umsetzen

Mit dem erfolgreich abgeschlossenen Projekt gehört Murrelektronik zu den Vorreitern beim Einsatz von SAP Datasphere mit SAP SAC. Die Projektziele sind erreicht: der Wechsel der Plattform, die Verlagerung der Systemsteuerung ins eigene Haus und der Aufbau der entsprechenden internen Kompetenzen sind gelungen. Auch der Plan, mit dem anwenderorientierten Datasphere die Taktzahl im Anforderungsmanagement zu erhöhen, ist aufgegangen.

Rafael Theiss bestätigt: „Mit SAP Datasphere haben wir die Datenmodelle im Controlling selbst in der Hand und können unser Data Warehouse jederzeit an neue Anforderungen anpassen.“ 

Die Anwender profitieren von übersichtlich visualisierten Daten im modernen Frontend. Anstelle der vorigen Excel-Tabellen stehen nun Berichte mit dynamischen Grafiken bereit. Die Berichtempfänger haben zudem deutlich mehr Auswertungen zur Verfügung und können selbst Analysen fahren.

Das zentrale Controlling verfolgt hier ein Self-Service-BI-Konzept (SSBI), das über die jeweiligen Key User konzernweit etabliert wird. Auch hinsichtlich der SSBI-Strategie hat sich SAC zwischenzeitlich als das passende Frontend für Murrelektronik erwiesen.

Nachdem im Rahmen der Implementierung vielfältige neue Anforderungen umgesetzt wurden, wird die Applikation derzeit mit Blick auf die Anwenderorientierung nachgeschärft. Wichtige Anliegen sind Rafael Theiss auch der Know-how-Aufbau im Umgang mit der Datenplattform in der gesamten Nutzergemeinde und die Sicherung der Datenqualität. Im nächsten Ausbauschritt soll das Data Warehouse dann um ein Planungstool ergänzt werden.

Mehr zur Murrelektronik GmbH: Murrelektronik ist ein führendes Unternehmen in der Entwicklung und Herstellung hochmoderner dezentraler Automatisierungstechnik für Maschinen und Anlagen. Das Unternehmen konzentriert sich dabei auf vier Kernbereiche: Stromversorgung, Schnittstellen, Anschlussleitungen und IO-Systeme. Innovative Produkte in herausragender Qualität, eine ausgeprägte Markt- und Kundenorientierung machen Murrelektronik einzigartig und verbessern die Maschinen und Anlagen der Kunden.

Mehr zu QUNIS Strategieberatung:  QUNIS Strategie

AT&S: Aufbau einer unternehmensweiten Data & Analytics-Plattform

Erstellt am: Montag, 12. Dezember 2022 von Anja Gorbach

Der weltweit tätige Hersteller von Leiterplatten AT&S baut schrittweise eine unternehmensweite Data & Analytics-Plattform auf. Grundlage ist eine ausgefeilte Datenstrategie, die den nachhaltigen Ausbau und Betrieb des zentralen Datenpools entsprechend den fachlichen
Anforderungen im Konzern sicherstellt.

QUNIS unterstützt uns auf allen Ebenen: Von der strategischen
und technologischen Beratung über die fachliche Konzeption
bis zur Implementierung samt Coaching und Koordination aller Stakeholder.


Ulrike Klein,
Manager Enterprise Data Management IT,
AT&S Austria Technologie & Systemtechnik

Strategische Analyseplattform, die systematisch mit ihren Use Cases mitwächst

Das High-Tech-Unternehmen AT&S will den Wert seiner weltweit anfallenden Daten besser ausschöpfen. Erklärtes Ziel der Unternehmensleitung ist es, dass AT&S sich zum konsequent datengetriebenen Unternehmen entwickelt. Nach einer internen Bestandsaufnahme der bereits vorhandenen BI-Lösungen, Dashboards und Kennzahlen kam man zum Schluss, dass es sich durchweg um Insellösungen und Datensilos mit begrenztem Ausbaupotenzial handelt.

Daher sollte eine von Grund auf neue Data & Analytics-Plattform für alle Standorte und Fachbereiche mit moderner Architektur und unternehmensweiter Organisation aufgesetzt werden. Den Projektverantwortlichen war klar: Der nachhaltige Aufbau und Betrieb in konzernweiten Standards erforderte eine umfassende Data & Analytics-Strategie.

Als Beratungs- und Implementierungspartner wurde QUNIS ausgewählt. Neben der herausragenden Kompetenz und Erfahrung fand die Projektleitung auch die individuelle Ansprache und pragmatische Vorgehensweise von QUNIS wichtig für die erfolgreiche Zusammenarbeit. Im Juni 2020 startete das Projekt mit einem gemeinsamen Analyseworkshop. Sehr konkret wurden hier bereits die wesentlichen Ziele und Anforderungen herausgearbeitet, die das weitere Vorgehen bestimmen:

  • In einer Konzeptphase sollten die Datenarchitektur, Technologien, Data Governance und die entsprechende Organisation mit Rollen und Verantwortlichkeiten in der IT und den Fachbereichen geklärt werden.
  • Ein neues Data Warehouse soll entstehen. Zur Integration von Datenquellen und Aufbau der Kennzahlen wurde eine Use-Case-getriebene Datenstrategie beschlossen; d.h. das strukturierte Datenmodell wächst systematisch mit den jeweiligen Data Marts der schrittweise umgesetzten Anwendungen.
  • Der erste Use Case ist der Bereich Yield im Rahmen des Qualitätsmanagements, der Schlüsselkennzahlen für die Produktionssteuerung liefert. Hierfür ist das neue Data Warehouse in der vorhandenen On-Premises-Umgebung des Microsoft SQL Servers die geeignete Lösung.
  • Das DWH soll später mit Cloud-basierten Technologien zum Data Lake erweitert werden können, um Advanced Analytics und operative Lösungen wie Predictive Maintenance mit Produktions- und Sensordaten umsetzen zu können.
  • Wichtig für die unternehmensweite Initiative ist ein Priorisierungs- und Eskalationskonzept, das die sichere Einordnung von Anforderungen und Kommunikation mit den Fachbereichen gewährleistet.
  • Als Best Practice für das neue DWH dient die QUNIS Automation Engine (QAE), ein toolgestützter Ansatz, der den Aufbau und Betrieb von Data-Warehouse-Lösungen inklusive BI- und Datenmanagement-Prozessen standardisiert und automatisiert.

Den Anfang macht das Qualitätsmanagement

Die Strategie wurde innerhalb von drei Monaten entwickelt und ausformuliert. Auf dieser Grundlage wurde das Fachkonzept der Yield-Kennzahlen samt technischer Anforderungen als erste Anwendung aufgesetzt. Die Yield-Werte, die in der Leiterplattenanfertigung den aus einem Fertigungsnutzen generierten Ertrag (brauchbarer Leiterplatten) angeben, sind für AT&S eine zentrale Performance-Stellschraube. Höhere Yield-Werte bedeuten eine höhere Produktionsausbeute bei geringeren Kosten. Durch ein NCC-Reporting (Non Conformance Costs) wurde zudem die Betrachtung der Kostenseite noch weiter verfeinert.

Die Implementierung nach dem QAE-Ansatz startete im November 2020 als Proof of Concept für das Data Warehouse. Der umfangreiche Yield-Bereich ist inzwischen als Beta-Version auf der Proof-of-Concept-Umgebung verfügbar, während das überschaubarere NCC-Reporting bereits im Live-Betrieb ist.

Als Frontend für das Rollout der Datenplattform ist Microsoft Power BI im Einsatz. QUNIS hatte das Projektteam hier bei der Auswahl einer geeigneten Frontend-Technologie unterstützt. Das Qualitätsmanagementreporting wurde inzwischen um ein Modul für das Supply Chain Management und eine operative BI-Anwendung mit Produktions- und Maschinendaten ergänzt.

Auch alle künftigen Module werden mithilfe eines strukturierten Anforderungsmanagements realisiert. Über ein Ticketing-System in der IT werden dazu Requests nach Aufwand und Nutzen gesichtet und priorisiert.

Agile Entwicklung und Rollout über die BI-Organisation

Die anfangs definierte Organisationsstruktur bewährt sich im Projektmanagement. Federführend ist das in der IT angesiedelte EDM-Team (Enterprise Data Management Team), das im Rahmen der unternehmensweiten Data Governance auch standardisierte Stamm-, Referenz und Metadaten etabliert. Zum EDM-Team gehören u.a. Rollen wie der Data Engineer, Solution Architect und Data Architects. Ansprechpartner in den Fachbereichen sind die Key- und Power User.

Als großer Vorteil erweist sich die agile Vorgehensweise. Im umfassenden Projekt ist die Realisierung in überschaubaren Sprints motivierend für das Team. Außerdem lässt sich die parallele Arbeit an mehreren Teilprojekten gut organisieren. Auch die Zusammenarbeit mit den Fachbereichen verläuft durch sprintweise Entwicklungsfortschritte und die gezielte Aufgabenverteilung an die jeweiligen Key User transparent und sicher.

Das EDM-Team berichtet direkt an die IT-Leitung und kann sich im konzernweiten Projekt auf den Rückhalt des Vorstands verlassen. QUNIS unterstützt von der strategischen und technologischen Beratung über die fachliche Konzeption bis zur Implementierung samt Coaching und Koordination aller Stakeholder.

Self-Service erfordert ein durchdachtes Backend

Mit den ersten Anwendungen werden bereits handfeste Vorteile sichtbar. Das Yield Management schafft Transparenz über Ausschussquoten, granular und konsolidiert über verschiedene Werke. Die NCC-Zahlen sind komplett neue Steuerungsinformationen für die Fachbereiche.

Erstmals ist zudem eine Self-Service-Informationsversorgung möglich, die Unabhängigkeit in die Fachbereiche bringt. Ulrike Klein hat jedoch vor allem das Gesamtbild im Blick. Ihr Team fokussiert sich auf den nachhaltigen Aufbau von Data Marts im Rahmen des unternehmensweiten Datenmanagements:

„Wir wollen gut dokumentierte Daten in Top-Qualität zur Verfügung stellen. Mit Zugriff auf ihre jeweiligen Data Marts und den Data Catalog können die Fachbereiche dann ihre eigenen Applikationen auf standardisierter Datengrundlage selbst aufbauen.“  

Skalierung auf Basis der tragfähigen Strategie

Die Data & Analytics-Plattform von AT&S befindet sich noch in der Anfangsphase. Mit der Umsetzung weiterer Use Cases entsteht Schritt für Schritt eine breite, verlässliche Datenbasis, mit Informationen zu ihrer Herkunft, Bedeutung und dem jeweiligen Data Owner im zentral verfügbaren Data Catalog.

Schon jetzt können auf dieser Basis kleinere Applikationen wie eine Balanced Scorecard sehr schnell nach Nutzerbedarf abgebildet werden. Diese „Quick Wins“ sind aber nicht das Ziel des EDM-Teams, das sich vornehmlich auf den systematischen Ausbau des Datenpools konzentriert. Jeder Use Case erfordert dabei eine sorgfältige Vorbereitung und auch eine kontinuierliche Weiterentwicklung der Datenkompetenz im Team.

Für dieses langfristig angelegte Datenprojekt sieht sich Ulrike Klein durch die umfassende Data & Analytics-Strategie gut gerüstet: „Die definierte Strategie gibt uns den Plan für den weiteren Ausbau vor. Wir müssen nicht jedes Mal neu entscheiden und können Fragen der Fachbereiche jederzeit beantworten.“

Die Architektur, die Infrastruktur, die Entwicklung auf Basis des strukturiertem Anforderungsmanagements und die professionelle Organisation sind gesetzte Grundpfeiler. Einzelne Bausteine wie Anwendungen, die Organisation oder die Governance können in diesem Grundgerüst durch einfache Skalierung wachsen. Auch Details wie beispielsweise das Staffing des EDM-Teams lassen sich auf dieser Grundlage gut planen.

Spätere Ausbaustufen wie der Einbezug neuer Cloud-Technologien sind durch die Strategie ebenfalls abgedeckt. Ulrike Klein sieht diese sichere Planungsgrundlage als zentralen Erfolgsfaktor für die nachhaltige Entwicklung von AT&S hin zum datengetriebenen Unternehmen.

Mehr zur AT & S Austria Technologie & Systemtechnik AG: AT&S ist einer der weltweit führenden Hersteller von hochwertigen Leiterplatten und IC-Substraten. AT&S industrialisiert zukunftsweisende Technologien für seine Kerngeschäfte Mobile Devices, Automotive, Industrial, Medical und Advanced Packaging. Als internationales Wachstumsunternehmen verfügt AT&S über eine globale Präsenz mit Produktionsstandorten in Österreich (Leoben, Fehring) sowie Werken in Indien (Nanjangud), China (Shanghai, Chongqing) und Korea (Ansan nahe Seoul).

Mehr zu QUNIS Strategieberatung:  QUNIS Strategie

Zusammenspiel von Self Service- und Enterprise BI

Erstellt am: Freitag, 9. September 2022 von Monika Düsterhöft

BI-Werkzeuge punkten mit Benutzerfreundlichkeit im Frontend und Funktionalitäten für das Datenmanagement 

Der Siegeszug der Self Service-BI (SSBI), der in den letzten fünf Jahren verstärkt zu beobachten ist, lässt sich nicht zuletzt mit den in dieser Zeit auf den Markt drängenden neuen benutzerfreundlichen und skalierbaren BI-Werkzeugen in Verbindung bringen.

Diese umfassen in der Regel nicht nur ein schickes Frontend sondern auch Funktionen zur Erledigung einfacher Datenmanagementaufgaben. Sie erlauben es Nutzern selbstständig verschiedene Datenquellen zu verbinden, lokale Daten aus Excel-Dokumenten im Visualisierungstool zu integrieren oder Daten direkt aus dem Internet heraus anzuzapfen und so Unternehmensdaten einfach und schnell sowie weitgehend unabhängig von der IT-Abteilung auszuwerten.

Wenig verwunderlich nennen die Teilnehmer der aktuellen Studie von the factlights als ihre Top-3-Anwendungsfälle von SSBI die schnelle und individuelle Anpassung von Visualisierungen, die Abdeckung von zusätzlichen Informationen aufgrund von Individualbedarfen sowie die Zusammenführung von Daten aus mehreren Quellen.

Dabei wird SSBI von den Befragten nicht als eine ausschließliche Lösung, sondern vielmehr als integraler Bestandteil einer modernen Datenarchitektur verstanden. 9 von 10 der Befragten gaben an, ein Data Warehouse im Einsatz zu haben.

Clevere Kombination aus SSBI und Data Warehouse

Im Hinblick auf den verwendeten Technologie-Stack und das damit realisierte Zusammenspiel von SSBI und einem Data Warehouse lassen sich bei den Befragten vor allem drei verschiedene Architekturen identifizieren:

1. SSBI eigenständig, mit anderem Technologie-Stack als Enterprise BI

SSBI wird als eigenständige Lösung parallel zum Data Warehouse / Lakehouse betrieben. Als Datenbasis dienen vom Fachbereich erstellte und verwaltete Datenbanken. Das BI-Frontend-Tool orientiert sich nicht an den unternehmensweiten Vorgaben. Die SSBI Lösung läuft damit autark vom zentralen und qualitätsgesicherten Data Warehouse / Lakehouse sowie weitestgehend unkoordiniert.

2. SSBI eigenständig, mit gleichem Technologie-Stack wie Enterprise BI

SSBI wird als eigenständige Lösung parallel zum Data Warehouse / Lakehouse betrieben. Als Datenbasis dienen vom Fachbereich erstellte und verwaltete Datenbanken. Als Technologie wird das unternehmensweit verabschiedete BI-Frontend-Tool verwendet. Obwohl die SSBI Lösung nicht auf dem zentralen und qualitätsgesicherten Data Warehouse / Lakehouse aufsetzt, werden möglichst viele Synergien verwendet und SSBI in koordinierter Art und Weise betrieben.

3. SSBI aufbauend auf dem Data Warehouse / Lakehouse

Architektonisch und technologisch ist SSBI vollständig in die Architektur integriert. SSBI baut auf dem vorhandenen Data Warehouse / Lakehouse auf und verwendet dessen qualitätsgesicherte Datenbasis. Zusätzlich besteht die Möglichkeit, externe Daten zu ergänzen und diese zusammen mit den Daten des Data Warehouse / Lakehouse zu verwenden. Als Technologie wird das unternehmensweit verabschiedete BI-Frontend-Tool verwendet.

Nachhaltigen Erfolg bringt SSBI, wenn es nicht als Silo aufgebaut wird 

Die drittgenannte Architektur-Variante versteht die SSBI-Lösung nicht als technologisch eigenständig, sondern setzt diese sozusagen als „Disziplin“ auf ein bestehendes Data Warehouse auf. Sie verwendet Technologien, die sich in die Gesamtarchitektur einfügen. Diese Architektur ist vor allem beim Reifegrad der Frontrunner verbreitet und gilt damit als am erfolgreichsten. Zudem stellt the factlights fest, dass Anwender zufriedener sind, je integrativer SSBI in der Gesamtarchitektur umgesetzt ist.

Als probates Beispiel, wie mit einer SSBI-Lösung gestartet und diese zu einer integrierten Lösung weiterentwickelt werden kann, gilt der QUNIS-Ansatz der Scalable Self-Service BI.

Mein Tipp: Noch mehr Learnings, Extra Notes zu Organisation und Rollen sowie viele spannende Info-Grafiken und Tool-Steckbriefe zu Microsoft Power BI und zur SAP Analytics Cloud (SAC) finden Sie in der the factlights Studie „ Self Service BI – Agilität für den Fachbereich“.  STUDIE KOSTENFREI HOLEN

Digital Workplaces, Data Literacy, Cloud, Data Catalogs und mehr – das bewegt die Data & Analytics-Welt

Erstellt am: Dienstag, 31. Mai 2022 von Monika Düsterhöft

Das Thema Data & Analytics hat deutlich an Fahrt aufgenommen: Die Initiale für Projekte und Initiativen sind dabei so vielfältig wie nie zuvor. Die Herausforderungen und Antworten darauf ebenso.

Viele Organisationen stellen sich aktuell IT-seitig komplett neu auf

Aus selbst definierten strategischen Gründen oder auch weil technische Erweiterungen von Softwareherstellern eine komplett neue Ausrichtung erfordern. Dabei wird kaum noch monolithisch alles einer einzigen, zentralen Strategie unter­geordnet. Stattdessen eröffnen sich heterogene Welten beispielsweise mit Cloud-Angeboten, Spezialapplikationen unter anderem für Product-Lifecycle-Management oder Firmendatenbanken wie etwa Produktinformationssysteme.

Diese Entwicklung erfordert angesichts der Vielfalt und Komplexität der Aufgaben im Kontext von Data & Analytics umso mehr feste Konzepte für das Stamm- und Metadaten-Management. Schließlich gilt es, jederzeit den Überblick zu bewahren und Transparenz zu gewährleisten.

Ebenso geht nicht erst seit, aber forciert durch Corona der Trend hin zum verteilten Arbeiten. Sogar Unternehmen, die sich vor nicht allzu langer Zeit noch dagegen gesperrt haben, stellen mittlerweile Digital Workplaces bereit. Auch hier spielt die Cloud eine zunehmend wichtige Rolle, um den mobilen Zugriff auf die Systeme etablieren und von der Infrastruktur her überhaupt ausrollen zu können. Über die Technologie hinaus erfordert dies vielfach neue Konzepte und Handlungsweisen.

Zudem betrifft die Digitalisierung die unterschiedlichsten Bereiche in einem Unternehmen – ob in der Kommunikation, im Vertrieb, dem Kundenservice oder der HR-Abteilung. Neben dem elementaren Organisationsmanagement, das die Struktur des „Gesamtkonstrukts Digitalisierung“ steuern und optimieren soll, benötigen diese Transformations- oder vielmehr Veränderungsprozesse immer auch ein gutes Change Management. Denn nicht nur die Prozesse müssen stimmen, sondern die Menschen dahinter müssen abgeholt und mitgenommen werden, um die veränderten Prozesse dauerhaft und erfolgreich im Unternehmen zu etablieren.

Damit einher geht auch der steigende Bedarf an Kompetenzen, dem sogenannten Upskilling. Die zunehmend digitalisierte Arbeitswelt erfordert abteilungsübergreifende Kompetenzerweiterungen; das gilt für den IT- und Technik-Bereich, aber auch in Marketing & Kommunikation und erstreckt sich ebenso über Anforderungen wie Mitarbeiterentwicklung, Problemlösungskompetenzen oder Konfliktmanagement bzw. Teamwork. Das alles muss bedacht und umgesetzt werden, da sonst Digitalisierungsinseln entstehen und ein Scheitern des ganzheitlichen Ansatzes vorprogrammiert ist.

Datenlandschaften gehören erweitert, sichere Zugänge gewährleistet

Immer bedeutender werden die sogenannten Digitalen Zwillinge oder auch Digital Twins. Dabei handelt es sich um digitale Nachbauten von physischen Objekten, Produkten und Services. Diese müssen in die Prozesslandschaften integriert werden, damit Simulationen und Forecasts rein digital stattfinden können – interessant ist dies beispielsweise für Produktentwicklung oder Qualitäts­management.

Die Daten als erfolgsentscheidendes Asset zu begreifen und entsprechend zu nutzen, bedeutet in der Konsequenz: Alle Mitarbeiter müssen im Sinne von Data Literacy (ein neu aufge­kommenes Buzzword) möglichst einfachen Zugang zu den Daten haben – und dies umso mehr an den Stellen, an denen sie Potenzial zu einem echten Mehrwert mitbringen. Das zu ermöglichen, zeigt sich als weiterer Treiber für Data & Analytics-Projekte.

Durch all dies zieht sich der effiziente und nachhaltige Schutz der Daten wie ein roter Faden. Dabei geht es sowohl um alltägliche Dinge wie Zugriffsrechte als auch um heikle Themen, Stichwort Cyber-Kriminalität. Hier stellt der Gesetzgeber teils klare Forderungen. Vor diesem Hintergrund sind deutlich strukturiertere Vorgehensweisen erforderlich, als sie bislang vielerorts praktiziert wurden.

Das gilt ganz speziell für das Umfeld von Data & Analytics, wo aus bloßen Daten wahre Daten­schätze entstehen und zu schützen sind. Gerade in Cloud-Umgebungen muss man genau hinsehen, wo genau und wie die Daten gespeichert werden und wer Zugriff darauf hat.

Datengetriebene Produkte und Services schüren Innovationskraft

Sah es noch vor einem Jahr n ganz anders aus, so werden heute bei uns viel mehr Add-Ons zu den Bestands­produkten, Erweiterungen zu bestehenden Devices oder auch Zusatzservices und Dienstleistungen nachgefragt. Dieser Trend zur Anbindung von Geräten zeigt sich auch im privaten Umfeld, wo sich mittlerweile der Kühlschrank, die Heizung, das Auto und anderes mehr problemlos mit dem Internet verbinden lassen.

Viele Unternehmen wollen darüber ihr bisheriges Business-Modell von Verkaufen auf Vermieten umstellen, um so neuen Marktanforderungen gerecht zu werden. Auch hier entstehen große Mengen an hochwertigen Daten, die in der Analytics-Welt gewinnbringend genutzt werden können. Ein Beispiel von vielen: In unseren Kundenprojekten nehmen wir verstärkt einen Trend zur Produktindividualisierung wahr.

Hierfür stehen die Organisationen jedoch vor der Herausforderung, möglichst genau zu wissen, an welcher Stelle sie mit der Individualisierung ansetzen können und inwieweit dies überhaupt lohnenswert ist. Die notwendigen Daten dafür liefern Data & Analytics.

Technologie wird zum Service

Es zeichnet sich ganz allgemein eine Entwicklung dahingehend ab, dass die technologischen Konzepte, die in den vergangenen zehn bis fünfzehn Jahren gut funktioniert haben, in unseren zunehmend dynamischen Zeiten an ihr Limit stoßen: Aktuelle Herausforderungen erfordern moderne und innovative Methoden und Werkzeuge. Unternehmen müssen daher konkrete Über­legungen über ihre künftige Ausrichtung anstellen.

In diesem Kontext wird Technologie zum Service. So gehen derzeit zwischen 70 und 80 Prozent aller neu begonnenen Projekte von QUNIS in Richtung Cloud-orientierter Nutzung von Services. Die Organisationen bauen nicht mehr inhouse Technologien auf, sondern verwenden teils komplette Softwarelösungen verschiedener Cloud-Anbieter als Managed Services. Dabei wird je nach Anwendungsfall sehr häufig auch auf hybride Architekturen gesetzt, bestehend aus der Kombination von Cloud- und On-Premise-Systemen.

Generell jedoch ist festzustellen, dass Cloud-Architekturen nicht mehr nur auf dem Vormarsch sind, sondern speziell in der Data & Analytics-Welt sogar überwiegen.

Oft nämlich könnten die Unternehmen die angebotenen Services gar nicht eigenständig betreiben, weil ihnen die erforder­lichen Ressourcen und das entsprechende Know-how für die teils sehr komplexen Technologien fehlen. War es beispielsweise in früheren Zeiten noch mit dem Aufbau eines kleinen Data Ware­houses getan, sind heute deutlich mehr Spezialtechnologien notwendig wie etwa Machine-Learning-Algorithmen.

Immer mehr Daten werden in zunehmend mehr Anwendungsfällen verarbeitet. Aufgrund dessen wird eine nochmals verbessere Usability für die Nutzer mit möglichst niedrigen Eintritts­hürden schlichtweg erfolgsentscheidend bei der Anwendung der unterschiedlichen Technologie­produkte.

Hier bewähren sich Business-Glossars und Data Catalogs, mit denen sich die zunehmenden Datenvolumina automatisiert ordnen und vereinheitlichen lassen. Metadaten-Management-Lösungen können dabei helfen, mit den Daten und modellierten Inhalten besser und unkomplizierter zu arbeiten.

Data & Analytics wächst und weitet sich aus

Branchenübergreifend zeigt sich, dass Organisationen fachlich gesehen mit immer heterogeneren Datenformaten umzugehen haben, um daraus ihre Erkenntnisse zu gewinnen. Dazu zählen im Kontext von Data & Analytics beispielsweise Sensordaten und Texte, aber auch Bild- und Audio-Material.

Gleichzeitig werden die Anwendungsfälle tendenziell businesskritischer. Bislang beispielsweise war ein kurzfristiger Ausfall des BI-Systems nicht sonderlich problematisch, weil es nicht direkt relevant für die operative Ebene war, sondern lediglich steuernd und informativ. Heute hingegen greifen wir hierüber in Echtzeit tief in die Prozesse hinein und generieren Erkenntnis­gewinne für die operative Steuerung etwa von Produktions- oder Logistikprozessen oder hinsichtlich der Up- und Cross-Selling-Potenziale von Webshops.

Zudem verzeichnen wir stetig komplexere Self-Service-Anforderungen. Die Nutzer möchten etwa nicht mehr nur schnell ein einfaches Dashboard selbst bauen. Sie fordern vielmehr techno­logische Strukturen, um über den Self-Service-Ansatz beispielsweise Massendaten selbstständig auswerten zu können. Da es ihnen hierbei jedoch an der jahrelangen Erfahrung echter Experten mangelt, entsteht entsprechender Anleitungsbedarf – dabei müssen Standardisierung und Harmoni­sierung natürlich jederzeit gewährleistet bleiben.

Wahl der Plattform wird zweitrangig

Bei der Wahl der Infrastruktur gibt es für Unternehmen verschiedene Optionen: On-Premise, Public Cloud in Form von PaaS und SaaS oder Container-Strategien. Häufig nutzen Unternehmen auch eine Multi-Cloud-Strategie mit mehr als nur einem Hyperscaler. Eine wichtige Rolle spielt hier die Portierbarkeit, damit zu jeder Zeit die Flexibilität erhalten bleibt, den Cloud-Anbieter gegebenenfalls problemlos wechseln zu können. Alternativ entscheiden Organisationen sich von vornherein für eine hybride Lösung aus Cloud und On-Premise.

Nicht zuletzt wird die Rolle von Open-Source-Technologie zunehmend bedeutender. In der klassischen BI-Welt weniger eingesetzt, kommt sie im Umfeld von Streaming, Big Data, Machine Learning sowie bei Prozessen auf Basis von Massendaten jetzt verstärkter zum Einsatz – mit dem Potenzial, den Markt nahezu zu dominieren.

Data Management Units zur Umsetzung Ihrer Datenarchitektur 

Das Thema Architektur und wie sich Architekturen verändern kann man derzeit als klaren Trend am Markt erkennen. In diesem Zusammenhang bieten wir bei QUNIS je nach der Zielsetzung, die Unternehmen mit ihrer jeweiligen Data & Analytics-Strategie verfolgen, sogenannte Data Management Units (DM Units) an. Diese bilden das Herzstück der Datenverarbeitung und -speicherung bei Data & Analytics-Initiativen.

Mit Self-Service-BI, Data Warehouse, Data Warehouse & Data Lake, Lakehouse und Streaming stehen insgesamt fünf DM Units mit einem jeweils unterschiedlichen Leistungsspektrum zur Verfügung.

Welche DM Unit für ein Unternehmen infrage kommt, hängt dabei immer von der Ausrichtung der künftigen Architektur ab. Die Entscheidung darüber sollte stets vorab getroffen werden, weil sich etwa die eher pragmatische Variante Self-Service-BI im Nachhinein nicht so schnell in ein komplexeres Lakehouse umwandeln lässt. Mit verschiedenen Add-Ons lassen sich die zentrale Datenspeicherung und -verarbeitung der DM Units modular um zusätzliche Funktionen erweitern. In jedem Fall notwendig sind Visualization & Reporting, Monitoring und Process Control, hinzu kommen optionale, teils kombinierbare Add-Ons wie beispielsweise für API, Virtualisierung oder Metadaten-Management wählbar.

Ihr Thema ist mit dabei? Sie haben sich und Ihre aktuellen Herausforderungen widererkannt und wünschen sich dafür Beratung und Begleitung von QUNIS und unseren Experten?

Sprechen Sie einfach Ihren QUNIS-Berater*in an oder schreiben Sie direkt eine E-Mail an team@qunis.de und verraten Sie uns ein wenig mehr zu Ihrer Motivation, Ihren Zielen und Vorhaben. Wir freuen uns auf den Austausch und die Diskussion mit Ihnen.

Vetter: Umfassende BI & Analytics-Strategie

Erstellt am: Donnerstag, 19. Mai 2022 von Monika Düsterhöft

Der Pharma-Dienstleister Vetter hat seine BI-Lösung für die Unternehmenssteuerung bereits im Jahr 1998 eingeführt und entwickelt diese beständig weiter. QUNIS begleitet die BI-Experten von Vetter mit effektiver Strategieberatung, die eine sichere Basis für die interne Umsetzung bildet.

QUNIS berät uns ganzheitlich und nachhaltig zu den Themen Organisation, Prozessen, Tools, zur Systemarchitektur und Datenplattform. Bei der Entwicklung unserer Produktstrategie bringt QUNIS den Analysten-Blick auf Marktrends zusammen mit Technologie Know-how und langjähriger Projekterfahrung in die Beratung ein. Ein Partner, auf den ich nicht verzichten möchte.


Armin Rauch,
Vice President Controlling Systeme & BI bei Vetter 

Eine BI-Lösung, die mitwächst

Als global führender CDMO (Contract Development and Manufacturing Organization) bietet Vetter seinen Kunden umfassende Fill & Finish-Services, von der klinischen Entwicklung bis zur weltweiten Markteinführung der Kundenprodukte. Mit modernsten Produktionsstätten in Deutschland, den USA und Österreich sowie wachsender Präsenz in Asien besteht jahrzehntelange Erfahrung in der Zusammenarbeit mit großen wie kleinen Pharma- und Biotechnologieunternehmen und im Umgang mit einer breiten Palette an komplexen Wirkstoffen.

Eine langjährig betriebene BI-Lösung auf Basis von IBM Planning Analytics ist beständig mit dem Unternehmen mitgewachsen. Insbesondere für die Themen Financial Reporting, integrierte Unternehmensplanung und Konzernkonsolidierung wird die Lösung konzernweit eingesetzt. Ein Meilenstein war die Einführung von SAP und die Einrichtung von SAP BW als zentrales Data Warehouse in 2009, das seitdem auch als Datenquelle für die Data Marts der IBM-Umgebung dient.

Der Blick von außen ist wichtig 

Im mittelständischen Familienunternehmen setzt man auf die eigenen Ressourcen und packt selbst an. Bei Vetter gibt es folglich sowohl im Controlling als auch in der IT viel interne BI-Erfahrung. Um den Betrieb und Ausbau der BI- und Berichtslandschaft kümmert sich der Vice President Controlling Systeme & BI Armin Rauch, in enger Zusammenarbeit mit den IT-Kollegen.

Der Controllingleiter ist jedoch auch überzeugt: Eine kluge Entwicklungsstrategie, die für das Unternehmen sinnvolle Innovation anvisiert und zugleich nachhaltig sein soll, benötigt ab und zu einen Blick von außen. Den richtigen Beratungspartner hat Armin Rauch mit QUNIS gefunden. Seit 2015 trifft sich das BI- & Analytics Team von Vetter regelmäßig mit QUNIS zur Review der BI-Strategie und zur Weiterentwicklung der Data & Analytics-Aktivitäten, meist in Form kurzer Workshops zu den jeweils anstehenden Themen.

Eine der ersten Maßnahmen, die besprochen wurden, war die Einrichtung eines virtuellen BICC, in dem ein Kernteam aus Controlling und IT zusammenarbeitet. Zusätzlich wurden in den einzelnen Fachbereichen Key- bzw. Power User als Ansprechpartner und Multiplikatoren für das BI-Thema benannt, die je nach fachspezifischer Anforderung im BICC crossfunktional mitarbeiten.

Modernisierung mit Augenmaß

Seit der Zusammenarbeit mit QUNIS hat sich die klassische BI-Welt schrittweise hin zu einem modernen, zukunftsorientierten BI & Analytics-Bereich gewandelt. Wesentliche Ansatzpunkte waren dabei die organisatorische Weiterentwicklung, die Erarbeitung technologischer Herausforderungen sowie die kontinuierliche Verbreitung von Self-Service BI (SSBI) in den Fachbereichen.

Bei der Weiterentwicklung der BI-Landschaft verfolgt Vetter einen durchgängigen Steuerungsansatz, der die operativen Einheiten wie Vertrieb, Einkauf, Produktion oder Technik bis hin zur Unternehmensleitung in der standardisierten Berichtswelt verbindet. Die Ravensburger Zentrale agiert dabei auch für die Bereiche Controlling und BI im Sinne eines Shared Service Center.

Praxisnah und lösungsorientiert

Armin Rauch sieht die Zusammenarbeit mit QUNIS als äußerst effektiv. In wenigen Tagen wurden dabei klare Handlungsempfehlungen erarbeitet und konkrete Maßnahmen zur Umsetzung initiiert. Definierte Best Practices und Frameworks von QUNIS helfen bei der schnellen und sicheren Realisierung. So sind heute die Organisationsstrukturen und Prozesse auf Basis eines standardisierten Governance Frameworks von QUNIS klar geregelt.

Das QUNIS Rollenmodell für die BI-Organisation konnte Vetter übernehmen und einfach an die unternehmensspezifischen Anforderungen anpassen. Für die Erweiterung um Analytics-Anwendungen hat das BI & Analytics-Team Data Science Use Cases mit QUNIS gesammelt und zur Erarbeitung einer Referenzarchitektur herangezogen. Aber auch der Prozess zur Bewertung und Priorisierung von Advanced Analytics Use Cases basiert auf dem Erfahrungsaustausch mit QUNIS. 

Nachhaltig verankerte Governance und zukunftsfähige Tool-Strategie

Der aktuelle Entwicklungsschwerpunkt liegt in der Verankerung der Governance im Unternehmen. Dem Unternehmen als zentrale Instanz für Trusted Data Informationen zur Entscheidungsfindung zur Verfügung zu stellen und gleichzeitig Agilität und Flexibilität zu ermöglichen, ist kein Widerspruch. Die Voraussetzungen dafür schafft die richtige Organisation, eingebettet in eine unternehmensweite Governance. Daneben sind Entscheidungen in ein zukunftsfähiges BI & Analytics- Tool Portfolio wesentlich für Vetter – auch im Hinblick auf die unternehmensweite Cloud-Strategie.

Armin Rauch setzt hier auf den Marktüberblick von QUNIS und hebt zudem die fachliche Kompetenz und persönliche Integrität der QUNIS-Berater hervor.

Das schafft Vertrauen im gesamten Unternehmen und hilft auch, interne Diskussionen offen und konstruktiv zu führen – ein nicht zu unterschätzender Pluspunkt im oft politischen Umfeld unternehmensweiter BI- und Analytics-Projekte.

Mehr zu Vetter: Vetter ist ein internationaler Spezialist in der Fertigung von aseptisch vorgefüllten Injektionssystemen wie Spritzen, Karpulen und Vials. Das Familienunternehmen bietet umfassendes Know-how und hochmoderne Fertigungsanlagen für die frühen Phasen der klinischen Entwicklung bis hin zur behördlichen Zulassung und Markteinführung. Gegründet am Hauptsitz in Ravensburg, hat das Unternehmen heute 5.700 Mitarbeitende und Produktionsstätten in Deutschland, Österreich und den USA sowie Büros in Südkorea, Japan, China und Singapur..

Mehr zu QUNIS Strategieberatung:  QUNIS Strategie

BOGNER: E-Commerce-Reporting in wenigen Wochen implementiert

Erstellt am: Dienstag, 22. Juni 2021 von Monika Düsterhöft

Die Sports Fashion Brand BOGNER setzt seit 1932 Maßstäbe für exklusive Sportmode. Neben dem globalen stationären Handel nimmt der Online-Shop bogner.com einen immer größeren Stellenwert ein. Für den E-Commerce-Bereich hat BOGNER mithilfe eines kompakten Projektmodells von QUNIS in kürzester Zeit ein individuelles, skalierbares Reporting aufgesetzt.

Mit dem Ansatz der Scalable Self Service BI von QUNIS konnten wir zügig und mit wenig Aufwand unser individuelles, jederzeit erweiterbares Reportingsystem implementieren. Power BI ermöglicht es uns dabei, sehr schnell aus verschiedenen Quellen Zahlen zusammenzuführen und direkt einen Look & Feel für Berichte zu generieren.


Florian Felber,
Director Head of Analytics & BI Systems
im Group Accounting bei BOGNER 

Ablöse des Excel-basierten Reportings gewünscht

BOGNER ist mit den Marken BOGNER Sport, BOGNER Fashion, FIRE+ICE sowie BOGNER Kids und Lizenzen weltweit vertreten. Für den wachsenden E-Commerce Bereich hat das BOGNER Headquarter in München ein neues OMS (Order Management System) eingeführt. In diesem Zuge sollte auch das Excel-basierte Reporting durch eine moderne BI-Lösung ersetzt werden, die neben den klassischen Umsatzkontrollen auch branchenspezifische Channel-Analysen unterstützt.

Der Finanzbereich von BOGNER wünschte sich eine schnell umsetzbare Lösung, die intern gesteuert und nach Bedarf ausgebaut werden kann. Dieser Vorstellung kam das Vorgehensmodell der Scalable Self Service BI für Microsoft Power BI von QUNIS sowohl technologisch als auch konzeptionell optimal entgegen. Mit dem Konzept von QUNIS sahen die Projektverantwortlichen die Möglichkeit, ihre Applikation sicher und zügig zu implementieren und selbstständig weiter zu entwickeln.

Kompaktes Coaching-Projekt

Gemäß des standardisierten Vorgehensmodells von QUNIS startete das Projekt mit einem halbtägigen Analyseworkshop zur Klärung von Anforderungen und Aufwand. Für BOGNER stand fest, dass der Projekttyp mit Coaching-Ansatz und möglichst viel Eigenleistung die richtige Wahl ist.

Die Entwicklung in Power BI startete Anfang Oktober 2020 auf einem separaten Testserver. Mit der Hilfe eines QUNIS-Beraters arbeitete das Team von BOGNER sich in die Anbindung von Datenquellen, die Datenmodellierung und die Erstellung von Reports ein. Bereits im Dezember 2020 konnte das Reporting in Betrieb genommen werden, und zwischen Januar und April 2021 wurden weitere Detailfragen mit dem QUNIS-Berater geklärt.

Bis April 2021 waren sieben der angesetzten zehn Beratertage in Anspruch genommen und zugleich bereits 90 Prozent der BI-Entwicklung bei BOGNER intern angesiedelt. Florian Felber, Head of Analytics & BI Systems im Group Accounting bei BOGNER, hält fest: „Wir haben hervorragend mit QUNIS zusammengearbeitet. Der Wissenstransfer hat bestens funktioniert und wir hatten sehr interessante und fruchtbare Workshop-Tage“

Als wesentlichen Erfolgsfaktor sehen die Entwicklungspartner die Teamzusammenstellung: Bei BOGNER standen ein Projektleiter, zwei BI-Experten für die Entwicklung von Datenmodellen und Reports sowie zwei Fachanwenderinnen aus den Bereichen Controlling und E-Commerce für das Projekt bereit. Auch die Terminierung der Workshops, die jeweils ausreichend Zeit für interne Vorbereitung und Abstimmung ließ, war aus Sicht des Projektteams zielgenau.

Individuelles Sales-Reporting

Die Anbindung von Datenquellen und der Entwurf von Berichten wurden direkt in Power BI umgesetzt. Power BI enthält zahlreiche Konnektoren zur Einbindung von On-Premises- oder Cloud-Datenquellen. Über den firmenweiten Data Lake von BOGNER hat das Team u.a. Vertriebsinformationen aus dem E-Commerce-System, historische Werte aus Microsoft AX, tagesaktuelle Währungskurse aus SAP, Plandaten aus Excel sowie Stammdaten aus dem CRM-System integriert und damit eine konsistente Core Access Ebene aufgebaut. Florian Felber erklärt: „Power BI ermöglicht es, sehr schnell aus verschiedenen Quellen Zahlen zusammenzuführen und direkt einen Look & Feel für Berichte zu generieren.“

Mit dem flexiblen BI-Frontend konnte das Team auch die gewünschten Reports und Dashboards in kurzer Zeit selbst erstellen. Fachlich stehen die Verkaufszahlen aus dem E-Commerce-Bereich im Fokus. Das Monatsreporting zeigt Umsatz- und Bestandsinformationen im E-Commerce-Bereich, gegliedert nach Divisions, inklusive Vorjahres- und Planabgleichen sowie Finanzkennzahlen.

Wichtige Auswertungen sind beispielsweise eine Bestenliste, Nachfrage-, Retouren- und Stornoraten, Warenkorbanalysen und die Ermittlung von Margen und Benchmarks. Als branchenspezifische Besonderheit sind bei den Auswertungen saisonale Logiken bzw. die regelmäßigen Erscheinungstermine neuer Kollektionen berücksichtigt. Das internationale Reporting ist in Englisch gehalten und wird jeweils auf Basis aktueller Währungskurse kalkuliert

Mobile Self-Service-BI

Die Nutzer in den USA und Europa greifen über die Power BI App auf die Cloud-Berichte zu. Die Datensicherheit wird dabei über das Power BI Gateway gewährleistet. Das Modul ermöglicht u.a. die zentrale Definition eines firmenweiten Berechtigungskonzepts und die einfache Verwaltung von Rollen und Zugriffsrechten. Derzeit sind das Group Accounting und Controlling, das Digital-Team und der Logistik-Partner von BOGNER als Nutzer eingebunden.

Die Anwender rufen die Reports je nach Vorlieben beispielsweise auf dem Smartphone oder Tablet, als App in Microsoft Teams oder als Excel Export ab. Das Nutzerszenario lässt sich über das Cloud-basierte Frontend schnell und kostengünstig anpassen und erweitern. Das internationale Rollout des Reportings war somit einfach umzusetzen, und auch neue Anwender können jederzeit nach Bedarf hinzugefügt werden.

Enterprise Data Warehouse

Ein wichtiger Aspekt der Scalable Self Service BI ist das strukturierte Datenmanagement. Die an den Enterprise Data Warehouse-Projekten von QUNIS ausgerichtete Datenmodellierung sorgt für klar definierte, skalierbare Datenmodelle und automatisierte Backend-Prozesse. Die standardisierte Reporting-Applikation kann im Nachgang jederzeit in eine vorhandene oder anvisierte Data-Warehouse-Architektur eingegliedert werden.

Hier liegt für das Projektteam von BOGNER einer der zentralen Vorteile des QUNIS-Konzepts: Der Finanzbereich plant sukzessive ein umfassendes Data Warehouse aufzubauen, um damit die heterogene IT-Landschaft verschiedener Geschäftsbereiche zu vereinheitlichen und eine Konzernsicht im hohen Detailgrad zu erstellen.

Bei BOGNER war das Reporting-Projekt Teil einer umfangreichen E-Commerce-Initiative samt Wechsel des Order Management Systems. Prozesse, Kennzahlen, Reports und das Datenmanagement wurden auch vor diesem Hintergrund stets bereichsübergreifend definiert und gut dokumentiert. Eine unternehmensweite Data Governance und eine übergreifende Datenkultur bilden hier beste Voraussetzungen für den sukzessiven Ausbau des E-Commerce-Reportings hin zu einem umfassenden Konzernreporting

Nachhaltige Berichtsplattform

Mit der einfach zu bedienenden Self-Service-BI-Applikation steht den Berichtsempfänger bei BOGNER nun ein dynamisches Reporting für die E-Commerce-Umsätze zur Verfügung. Der Scalable Self-Service BI-Ansatz hat sich dabei als ideale Projektmethode bewährt. Florian Felber sieht diese Vorgehensweise als guten Weg, sehr schnell und ohne großen Aufwand neue Projekte anzugehen.

Standardisierte Strukturen wie Datenmodelle und Logiken werden dann im zweiten Schritt in das Enterprise Data Warehouse übertragen, falls sie sich in der Praxis bewährt haben bzw. entsprechend angepasst wurden.

BOGNER will künftig Schritt für Schritt sein komplettes Konzernreporting in Power BI abbilden und in diesem Zuge ein nachhaltiges und gut zu pflegendes Financial Data Warehouse aufbauen. Die selbstständige Systemadministration und Entwicklung ist dabei für BOGNER ein wesentlicher Pluspunkt der Scalable Self Service BI

Mehr zu BOGNER: Die Willy Bogner GmbH & Co. KGaA mit Hauptsitz in München ist ein international erfolgreiches Lifestyle-Unternehmen und führende Anbieter von exklusiver Sportmode, luxuriöser Sportswear und Designermode. Das Unternehmen tritt in über 50 Ländern mit den Marken BOGNER (Woman, Man, Sport, Kids) und FIRE+ICE sowie Lizenzen auf. Das seit 1932 bestehende Unternehmen wird von Gerrit Schneider und Heinz Hackl geführt, Eigentümer ist Willy Bogner, vertreten durch den Treuhänder Arndt Geiwitz.

Mehr zu QUNIS Scalable Self Service BI: Steffen Vierkorn, Geschäftsführer QUNIS GmbH erklärt, was hinter dem QUNIS-Vorgehensmodell steckt, eine kostenfreie Checkliste steht zudem zum Download bereit. QUNIS Scalable Self Service BI

the factlights 2020 Studienergebnisse

Erstellt am: Freitag, 18. Dezember 2020 von Monika Düsterhöft

Die Zukunft gehört den Data Driven Companies – wo stehen Sie?

Die aktuelle Studie the factlights 2020 zeigt, wie sich Unternehmen im deutschsprachigen Raum der Digitalisierung stellen, welche Herausforderungen bestehen und welche Erkenntnisse sich daraus ergeben.

Adopter, Discoverer und Frontrunner: drei Unternehmenstypen kristallisieren sich beim digitalen Reifegrad heraus.

Von März bis Mitte Juni 2020 fand eine großangelegte Online-Erhebung mit über 1.000 Unternehmen aus dem deutschsprachigen Raum statt. Befragt wurden Mitarbeiter und Leitungsebene aus allen Branchen und Unternehmensbereichen. 671 Fragebögen (=n) wurden vollständig ausgefüllt und konnten ausgewertet werden.

Das Unternehmen jedes Befragten wurde basierend auf einem Scoring-Modell dem Grad der Digitalisierung von 0 (keine Anstrengungen) bis 3 (maximaler Fokus auf Digitalisierung) zugeordnet. Im Ergebnis haben sich drei Cluster mit unterschiedlichen Reifegraden herausgebildet. Das Cluster zwischen 0 bis 1,3 – die Adopter, das Cluster größer 1,3 bis 1,9 – die Discoverer und das Cluster mit einem Reifegrad über 1,9 bis 3 – die Frontrunner. Mit 51% ist die Masse der Umfrageteilnehmer in einem Unternehmen tätig, dass den Discoverern zugeordnet ist; 24% gehören zu den Frontrunnern und 25% sind den Adoptern zuzuordnen.

Chancen der Digitalisierung werden von Adoptern, Discoverern und Frontrunnern unterschiedlich bewertet

Adopter sehen die Hauptpotenziale vorrangig in den internen Prozessen. So beziehen sich deren Fokusthemen beispielsweise auf eine höhere Prozesseffizienz oder eine verbesserte Unternehmenssteuerung.

Frontrunner scheinen interne Hürden bereits überwunden zu haben und widmen sich vermehrt der Realisierung komplexerer Chancen. Dazu zählen der Aufbau neuer digitaler Geschäftsmodelle sowie Initiativen zur Umsatzsteigerung oder Produktindividualisierung.

Discoverer zeigen in ihrer Chancenwahrnehmung, dass sie sich inmitten des digitalen Transformationsprozesses zwischen Frontrunner und Adopter befinden. In ihrem Fokus liegen bereits vermehrt komplexere Aspekte wie beispielsweise digitale Geschäftsmodelle, aber auch intern gerichtete Themen wie die Prozesseffizienz oder eine verbesserte Unternehmenssteuerung haben noch ein großes Gewicht.

Veränderungen bei Produkten und Dienstleistungen korrelieren mit dem Digitalisierungsgrad

Produkte und Dienstleistungen verändern sich durch die technologischen Einflüsse der Digitalisierung! Diese Veränderung ist branchenübergreifend zu erkennen. Hinsichtlich der Digitalisierungscluster stechen besonders die Frontrunner und Discoverer als Vorreiter heraus.

Wie stark die technologischen Einflüsse die Produkte und Dienstleistungen bisher verändert haben, hängt durchaus mit dem Digitalisierungsgrad zusammen. Die Veränderungen sind umso größer, je höher der Digitalisierungsgrad ist. Während unter den Adoptern nur 40% von Produkt- und Dienstleistungsänderungen im Rahmen der Digitalisierung berichten, sind es bei den Discoverern bereits 84% und unter den Frontrunnern sogar 99%.

Smarte Zusatzservices sind allgegenwertig! Betrachtet man alle Befragten, bei denen die Digitalisierung zu Veränderungen von Produkten und Dienstleistungen geführt hat, dann geben durchschnittlich 76% an, dass ihr Unternehmen smarte Zusatzservices bereits etabliert hat. Digitalisierung birgt das Potenzial Produktlebenszyklen zu verkürzen! Bei der Umsetzung sind die Unternehmen jedoch noch etwas verhaltener. Mit positivem Beispiel gehen die Frontrunner voran, hier werden im Vergleich zu den Adoptern und Discoverern die Produktlebenszyklen mehr als doppelt so häufig verkürzt.

Der Bedarf nach einer geeigneten Datenwelt, einer strategischen Ausrichtung und Organisation sowie einem dazu passenden Mindset sind allen gemein.

Die Datennutzung verändert sich – Single Point of Truth und Freiheitsgrade sind gleichermaßen gefordert! Daten werden zunehmend demokratisiert – sie kommen unternehmensweit und in den unterschiedlichsten Bereichen zum Einsatz. Dies gilt auch für erweiterte Analysemethoden, die längst nicht mehr nur im Controlling ihren Einsatz finden.

Der Wert qualitativer Daten wird zumeist erkannt und verschiedene Branchen nutzen verschiedene Datenquellen (von interner Software und Applikationen über Hardware Devices, externe Daten bis hin zu Informationen aus sozialen Netzwerken) bereits mehr oder weniger intensiv. Für die effiziente Nutzung von Analytics gilt es jedoch noch einige Voraussetzungen zu schaffen. Ein durchgängiges Datenmanagement oder auch die passende Verankerung in der Organisation zählen dazu.

Viele weitere Erkenntnisse, Daten, Fakten, Extra Notes und Expert Quotes finden Sie in der Studienvollversion. Gleich persönliches Exemplar holen – direkt online und kostenfrei:

 

Holen Sie sich alle Ergebnisse der Studie the factlights 2020!

PERSÖNLICHES STUDIEN-EXEMPLAR HOLEN

 

Unser Tipp: Sie möchten ein Thema vertiefen oder mehr zur Datenerhebung und dem Einsatz von Data Science im Ramen der Studie erfahren? the factlights ist eine Initiative der QUNIS, sprechen Sie uns also gerne direkt dazu an KONTAKT