Archiv für die Kategorie Controlling

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

Dentsu: Zentrales Data Warehouse für Controlling und systemübergreifende Analytics, Data Enrichment und Datenkonsolidierung für automatisiertes Reporting

Erstellt am: Donnerstag, 21. Januar 2021 von Monika Düsterhöft

Die deutsche Tochtergesellschaft der international agierenden Medienagentur-Gruppe dentsu hat ihre heterogenen Datensilos in ein zentrales Financial Data Warehouse überführt. Damit können betriebswirtschaftliche Reports, Analysen, Planungen und Forecasts auf der einheitlichen Basis eines Single Point of Truth entstehen. Mithilfe seiner neuen BI-Lösung generiert dentsu Germany seine entscheidungsrelevanten Daten deutlich schneller und aktueller, aber auch zuverlässiger und sicherer.

Früher galt: heute gebaut und morgen veraltet. Das sollte dringend geändert werden. Erklärtes Ziel war eine übergreifende Datenbasis, die mehrfach täglich aktualisiert wird. Dies sollte eine deutschlandweit systemübergreifende Auswertbarkeit und Analysefähigkeit aller steuerungsrelevanten Finanzdaten ermöglichen.


Patrick Sura,
Director Business Intelligence DACH bei
Dentsu

Datengetriebenes Geschäftsmodell

Die Medienagentur-Gruppe dentsu International wurde 1901 in Japan gegründet. Fokussiert auf die Geschäftsbereiche Media, CRM und Creative bedient das weltumspannende Netzwerk mit seinen 66.000 Mitarbeitenden rund 11.000 Kunden in 143 Ländern. dentsu Germany zählt hierzulande zu den größten fünf Agenturen für Kommunikations- und Mediaberatung. Die 1.500 Beschäftigten verteilen sich auf den Firmensitz in Frankfurt am Main und weitere Standorte in Augsburg, Düsseldorf, Hamburg und München.

In der Media-Branche nehmen Daten ganz generell einen hohen Stellenwert ein. Sie lassen Vorhersagen zu über das Zielgruppenverhalten, um mit möglichst geringen Streuverlusten werben zu können. Zudem sind sie solide Basis für Mediapläne mit zu platzierenden Schaltungen, die das Kundenbudget optimal einsetzen. Datengetrieben sind bei dentsu Germany aber auch die betriebswirtschaftlichen Belange zur Steuerung der vernetzten Agenturen. Nur auf der Grundlage homogener Daten nämlich lassen sich valide Entscheidungen treffen, um das Unternehmen sicher auf Kurs zu halten und den eingeschlagenen Wachstumspfad weiter zu beschreiten.

Diesen Ansprüchen konnte jedoch die bisherige Vorgehensweise nicht mehr gerecht werden. „Jeder hatte mehr oder weniger Zugang zu vereinzelten Datentöpfen und baute sich seine Berichte bei Bedarf in Excel selbst zusammen“, blickt Patrick Sura zurück. „Weil es keinen Single Point of Truth gab, musste man in den Meetings zuerst zeitraubend klären, wer die richtigen Zahlen hat, bevor es an die strategischen Auswertungen gehen konnte.“ Vor diesem Hintergrund traf dentsu Germany die Entscheidung zum Aufbau eines Financial Data Warehouse.

Erfahrenen Projektleiter gewonnen

Hierfür wurde eigens eine neue Stelle geschaffen und 2017 mit Patrick Sura besetzt. Der aus Speyer stammende Diplom- Betriebswirt (FH) ist langjähriger Branchenkenner und hatte als Finance-Controller einschlägige Data-Warehouse-Projekte erfolgreich umgesetzt.

Damals wie heute war QUNIS präferierter Projektpartner. „Ich hatte auf einer Fortbildungsveranstaltung der controller akademie einen der Geschäftsführer kennen gelernt, der dort einen Vortrag hielt“, erinnert sich Patrick Sura an sein Treffen mit Hermann Hebben, das zum ersten gemeinsamen Data-Warehouse-Projekt führte.

Financial Data Warehouse als Single Point of Truth

Die IT-Infrastruktur von dentsu ist nur in geringem Maße global organisiert. Größtenteils unterhalten die Tochtergesellschaften in den Ländern lokale Systeme etwa für ERP (Enterprise Resource Planning), Datenhaltung und Controlling. Beim Antritt fand Patrick Sura rudimentäre BI-Strukturen vor, erste Ansätze über SAP BW waren ins Leere gelaufen.

Gemeinsam mit QUNIS startete er das Projekt zum Aufbau eines Financial Data Warehouse. Die bislang dezentral gehaltenen Finance-Daten sollten zusammengeführt werden für Verknüpfungen, um allgemeingültige Kennzahlen für ein flexibles Controlling zu gewinnen. Beim Aufbau auf technologischer Basis des Microsoft SQL Servers wurde die QUNIS Automation Engine eingesetzt – „mit immensen Vorteilen hinsichtlich Automatisierung und Standardisierung“, wie Patrick Sura betont. So erfolgte die Datenbankentwicklung weitestgehend automatisiert, genauso der komplette ELT (Extract, Load, Transform)-Prozess aus Vorsystemen wie SAP/R3, SAP BW und ein Mediasystem auf ORACLE-Basis.

„Die QUNIS Automation Engine führt auf einer komfortablen Web-Oberfläche durch die einzelnen Schritte. Man designt mit Metadaten und erhält den Quellcode des Data Warehouse, ohne nur eine Zeile dafür händisch geschrieben zu haben.“ Das geht viel schneller und minimiert die Fehlerpotenziale, unterstreicht der Projektleiter und ergänzt: „Der Engine-Logik folgend, wird stets nach dem gleichen Prinzip vorgegangen. Das macht das Ergebnis personenunabhängig und besser nachvollziehbar. Dadurch lassen sich auch spätere Anpassungen in allen relevanten Teilbereichen viel effizienter abbilden.“

Data Enrichment und Datenkonsolidierung

Schon in früher Projektphase wurde deutlich, dass die Stammdaten vor der Übernahme ins Data Warehouse zur Steigerung der Qualität überarbeitet und angereichert werden müssten. Hierfür griff Patrick Sura mit GAPTEQ auf eine „willkommene Alternative zum mühsamen und fehleranfälligen Weg via Excel“ zurück. Bei GAPTEQ handelt es sich um eine Low-Code-Technologie zur Realisierung von Oberflächen für SQL-Datenbanken. Das Einsatzspektrum reicht vom einfachen Web- Formular bis hin zur komplexen Business- Applikation – mit wenig Aufwand per Drag & Drop, smart und sehr schnell, wie sich im Projektverlauf bestätigte.

Top-aktuelle Analysen und Berichte auf Abruf

Nachts und mehrfach im Tagesverlauf werden die Daten im Data Warehouse automatisiert in den Analysis Services bereitgestellt, wo alle KPI (Key Performance Indicators) und Regeln hinterlegt sind. Wer die entsprechenden Power-BI-Dashboards und -Berichte zur Auswertung bereitgestellt bekommt, definiert ein ebenfalls mithilfe von GAPTEQ integriertes Security-Konzept. Nach erfolgtem Kickoff Ende 2018 und Beginn der Arbeiten Anfang 2019 konnten so bereits Ende Juli 2019 die ersten Reports mit der neuen BI-Lösung erstellt werden. Mittlerweile ist jeder Bericht an die Datenquellen des Data Warehouse angeschlossen, so dass Aktualisierungen jederzeit abgerufen und in derselben Ansicht dargestellt werden können.

Maßgeschneiderte Business-Applikationen

Data Enrichment und Security-Konzept ließen das Management erkennen, wie hoch die Potenziale von GAPTEQ sind: „Schier grenzenlos einsetzbar und mit unglaublich schnellen Ergebnissen – eine klassische Programmierung wäre x-fach teurer und langwieriger“, so Patrick Sura. Vor diesem Hintergrund sollten mit Applikationen wie der Target-App und den OPEX Forecasts zwei Business-Applikationen folgen.

  • Über die Target-App werden abgeleitet von der Gesamtplanung die jeweiligen Ziele für das Agenturen-Management in vier verschiedenen Kategorien festgelegt. In GAPTEQ sehen die Manager die vereinbarten Targets kombiniert mit den Ist-Zahlen aus dem Data Warehouse. Das zeigt, was schon erreicht wurde und noch zu tun ist. Sie können die Werte auch fortschreiben und per Knopfdruck sofort sichtbar aktualisieren. Nicht zuletzt dank der QAE und dem einhergehenden betont sauberen Datenmodell, auf dessen Basis die Target- App aufsetzt, hat die Einrichtung gerade mal drei Wochen benötigt.
  • Die OPEX-Forecasts über die Ausgaben für den operativen Geschäftsbetrieb waren nach nur sechs Wochen Projektzeit umgesetzt. GuV-Forecast auf Kontoebene, jeden Monat die Ist-Zahlen anschauen und bis zum Jahresende forecasten, dabei die Budgets abstimmen: Was ehedem mühsam und mit allen Nachteilen per Excel zu erledigen war, geht nun vollständig integriert vonstatten. Dank Security-Konzept können zudem die Ressortleiter zu Controlling-Zwecken auf relevante Kostenstellen zugreifen.

„Wir sammeln die Planzahlen je Kostenstelle von den Verantwortlichen ein und konsolidieren sie direkt auf dem Server mit dem einheitlichen Datenmodell“, erklärt Patrick Sura. „Somit können wir, wenn die Ist-Zahlen des Monats vorliegen, im Nachgang einen Plan-Ist-Vergleich ziehen.“ Als Sahnestückchen hat er auch noch den Drill-Through auf Belegebene integriert. So haben die berechtigten User die Möglichkeit, alle Buchungen zurückzuverfolgen und sich die dazugehörenden Detailinformationen anzeigen zu lassen.

Ergebnisse und Ausblick

Unterstützt von QUNIS hat dentsu Germany mit dem Financial Data Warehouse grundlegende Strukturen für ein schlagkräftiges Controlling geschaffen. In einem fließenden Prozess sind unter sukzessiver Einbeziehung der GAPTEQ-Technologie eine Security- Konzeption und mehrere Business-Applikationen entstanden. Diese ermöglichen eine sichere betriebswirtschaftliche Steuerung des Agenturnetzwerks von den Abteilungs- und Standortleitern über die Geschäftsführer der Agenturen bis hin zum Top-Management mit CFO und CEO.

„Wir generieren heute über Nacht und mehrmals täglich, was früher nur ein Mal im Monat möglich war. Um diesen hohen Grad der Automatisierung und Digitalisierung in unserer Berichterstattung zu erreichen, hätte man mich als Controller mit Faktor 50 klonen müssen. Dabei sind die Anwendungen denkbar einfach gehalten und erfordern keinerlei Schulungen: Wer ein iPhone bedienen kann, kriegt auch das hin“, resümiert Patrick Sura.

Bereits für 2021 ist jetzt das Ausrollen des Gesamtsystems auf die DACH-Region geplant.

Mehr zu dentsu: Dentsu international ist Teil von dentsu und besteht aus weltweit führenden Marken – Carat, dentsu X, iProspect, Isobar, dentsumcgarrybowen, Merkle, MKTG, Vizeum, Posterscope und seinen weiteren spezialisierten Agenturmarken. Dentsu International unterstützt seine Kunden, die Beziehungen zu ihren Konsumenten auszubauen und einen nachhaltigen Fortschritt für ihr Unternehmen zu erzielen. Mit exzellenten Dienstleistungen und Lösungen in den Bereichen Media, CXM und Creative ist dentsu international in über 145 Märkten weltweit mit mehr als 48.000 engagierten Spezialisten tätig. In Deutschland bietet dentsu mit seinem Agenturportfolio die komplette Wertschöpfungskette der Marketing Services an und ist präsent an den Standorten Frankfurt, Hamburg, Düsseldorf, Augsburg und München.

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

QUNIS Scalable Self Service BI – analytische Datenplattform mit Zukunft

Erstellt am: Mittwoch, 1. Juli 2020 von Monika Düsterhöft

Self Service BI: Der Ruf nach leichten auch von der Fachabteilung zu bedienenden Werkzeugen wurde erhört

Globalisierung, vernetzte Wertschöpfungsketten und nicht zuletzt Ausnahmesituationen wie die Finanz- und Corona-Krise zwingen Unternehmen, immer schneller auf neue Anforderungen zu reagieren. Die Fähigkeit, aus Daten agil Informationen zu generieren, um gute und sichere Entscheidungen zu treffen wird zum wichtigen Überlebens- und Wettbewerbsvorteil.

Der Anspruch an Agilität und Schnelligkeit setzt Fachanwender und Datenexperten unter Druck. Das geforderte Tempo mit den bisherigen BI-Enterprise-Vorgehensmodellen und dem Einsatz traditioneller BI-Tools zu halten, wird immer schwieriger. Aus diesem Leidensdruck heraus wurde in den letzten Jahren der Ruf nach einfacheren Werkzeugen, die sich auch von Fachanwendern bedienen lassen, immer lauter.

Die Softwarehersteller haben darauf mit der Entwicklung von Lösungen reagiert, die sie als „Self Service BI“ anbieten.

Die unter diesem Schlagwort rangierenden Tools und Plattformen umfassen in der Regel ein fachanwenderfreundliches Frontend gepaart mit Funktionen für das Erledigen einfacher Datenmanagementaufgaben. Letztere erlauben es den Nutzern, mehrere Datenquellen zu verbinden oder lokale Daten aus Excel-Dokumenten direkt im Visualisierungstool zu integrieren. Auch können sie Quellen aus dem Internet sofort mit anzapfen.

Self-Service-BI-Werkzeuge eignen sich also aufgrund ihrer sehr guten und anwenderfreundlichen Funktionen bestens dafür, individuelle Lösungen zu realisieren. Sie erlauben einen deutlich weniger komplexen und zeitintensiven Prozess bei der Abstimmung, bei der direkten Umsetzung mithilfe der Datenmanagementfunktionen und bei der unmittelbaren Publikation der Ergebnisse durch anforderungsnahe Anwender.

Jedoch, die Antwort für eine nachhaltige BI-Lösung liegt nicht allein im Frontend

Was bei der Euphorie für Self Service BI in vielen Fällen vergessen wird: Das wirklich komplexe an BI-Lösungen ist nicht die Gestaltung der Berichte und Dashboards im Visualisierungstool. Die weitaus größere Herausforderung liegt in der Aufbereitung von aussagekräftigen und wahrheitsgetreuen Datenräumen als Basis für die Visualisierungen.

Zur Umsetzung der dafür notwendigen, teilweise sehr vielschichtigen Datenmanagementaufgaben verfügen professionelle Datenbanken für Enterprise Data Warehouses und Data Lakes über zahlreiche Spezialfunktionen. Sie ermöglichen die Transformation von Daten, das dauerhafte Monitoring der Datenqualität sowie den möglichst automatisierten Ablauf des Ladens der Daten in den großen Datenspeicher.

Die Frage, die sich nun für Unternehmen stellt, die sowohl Self Service BI ermöglichen als auch Enterprise BI realisieren wollen: Wie setzt man Self Service BI so auf, dass es Hand in Hand mit einer Enterprise-Strategie funktioniert? Zudem haben BI-Initiativen nicht selten zum Ziel, die über Jahre gewachsenen individuellen Reporting-Inseln zu integrieren und Inhalte zu harmonisieren.

Das Geheimnis liegt im Bewusstsein und im Datenmodell

BI-Initiativen können nur gewinnen, wenn Self-Service-BI-Funktionen nicht als eigenständiges Werkzeug gesehen werden, sondern als Speedbooster oder als Ergänzung zum Enterprise Data Warehouse und zum Data Lake. Über die erweiterten Möglichkeiten von Self Service BI in der Visualisierung hinaus sind vor allem die neu gewonnenen Optionen im Datenmanagement für viele Architekturen relevant.

Denn Anforderungen einfach, schnell und agil umzusetzen muss nicht immer heißen, dass dieses Projekt später zwangsläufig in einem gesonderten Werkzeug oder in einem langfristigen Datenchaos endet.

QUNIS bringt den Profi-Boost für Self-Service-BI-Architekturen

Um die Vorteile von Self Service BI und Enterprise BI gleichsam zu nutzen, hat QUNIS den Ansatz des „Scalable Self Service BI“ entwickelt. Dieser ermöglicht schnelle Ergebnisse gepaart mit einem sauber aufgebauten Datenmanagement – ganz bewusst flankiert von Wissenstransfer und Empowerment.

Innerhalb weniger Wochen und mit punktuellem Coaching entstehen per „QUNIS Scalable Self Service BI“ und mit dem Einsatz von Micosoft Power BI komplette BI-Apps. Mit professionellem Design, basierend auf klaren Strukturen und durchgängiger Automatisierung der Prozesse.

  • Ein Self-Service-BI-Projekt bei QUNIS startet stets mit einer kompakten Schulung. Die Vertreter der Fachabteilung lernen die Grundlagen des eingesetzten Tools  kennen. Sie erfahren mehr zu den technischen Details und zur methodischen Vorgehensweise. Zudem bekommen sie beigebracht, wie man eine Datentransformation durchführt, wie man ein Datenmodell richtig aufgebaut und welche Best Practices es gibt.
  • Danach werden in einem meist halbtägigen Anforderungsworkshop die konkrete Problemstellung und die dafür gewünschte Lösung im Hinblick auf einen Self Service Use Case überprüft und der sinnvolle Umfang definiert.
  • Darauf aufbauend entsteht in einem Zeitraum von ca. drei bis zehn Tagen ein Modell, das für die gewünschte Datenmenge passt. Wichtig dabei: Dieses Modell entspricht in Bezug auf Qualität und Professionalität bereits den Kriterien eines Enterprise BI. So werden im Self-Service-BI-Modell etwa die gleichen Namensbezeichnungen und Schlüsselfelder wie in einem Enterprise-Data-Warehouse-Modell genutzt. Ebenso verfügt es über eine Schnittstelle zur Überführung in ein Enterprise BI inklusive einer automatisierten Dokumentation.
  • Anhand des aufgesetzten Self-Service-BI-Modells sehen die Beteiligten, worauf zu achten ist, welche Schritte notwendig sind und wie sich Berichte anfertigen lassen. Diese werden dann in einer Reporting-Mappe zusammengeführt.
  • Um die Lösung im Anschluss selbstständig zu erweitern, empfiehlt es sich zudem über eine Fokus-Schulung Know-how in der Formelsprache DAX (Data Analysis Expressions) anzueignen. So können Fachexperten wie Controller oder Produktionsleiter nachfolgend eigene Kennzahlen entwerfen und umsetzen.

Die mit dem QUNIS Scalable Self Service-Ansatz generierten Self-Service-BI-Lösungen bieten drei ganz zentrale Vorteile: Sie erfordern geringe Investitionskosten, weisen als managed Self-Service-BI eine hohe Qualität und Skalierbarkeit auf und vor allem, sie erfüllen bereits die Standards eines Enterprise Data Warehouse. Hinzu kommt, dass sich die User schon während des Self-Service-BI-Projektes dank entsprechender Schulungsanteile und intensivem Coaching ein umfassendes Prozess- und Technologie-Know-how aneignen.

Von Anfang an ist damit die Brücke für den späteren Transfer in die Enterprise-BI-Strategie gebaut. Sie sind bestens gerüstet, die Weiterentwicklung Ihrer BI-Applikation kompetent zu begleiten und gemeinsam mit den Experten weitere Lösungen aufzubauen. Wie das geht zeigt beispielsweise BOGNER in seinem Praxisbericht.

Oder sprechen Sie uns einfach an KONTAKT

Unser Tipp: Nutzen Sie unsere kostenfreien QUNIS-Webinare und Online-Power-Trainings sowie Schulungsangebote der QUNIS Academy rund um die Self Service BI Plattform „Microsoft Power BI“ und erfahren Sie von unseren Experten aus der Praxis, was für Sie drin steckt.

So arbeiten Sie mit Microsoft Power BI. Siebenteilige Kurzfilmreihe erklärt wie‘s geht!

Erstellt am: Freitag, 1. Mai 2020 von Monika Düsterhöft

Microsoft Power BI – ein mächtiges Tool

Microsoft Power BI ist eine leistungsstarke Business Intelligence Plattform und Analytics-Lösung. Mit Microsoft Power BI kann man sehr schnell Daten aus nicht verbundenen Quellen zusammentragen, analysieren und visualisieren. Anschließend können die erstellten Inhalte auf Dashboards freigegeben und geteilt werden.

Die intuitive Bedienung erlaubt es bereits nach kurzer Einarbeitungszeit verschiedenste Daten zu übersichtlichen, interaktiven Graphiken zu kombinieren. So erstellen Sie aus verstreuten Daten, bedeutsame und interaktive Unternehmens-Insights.

QUNIS Power BI Minis erklären wie‘s geht

In einer siebenteiligen Kurzfilmreihe zeigt unser QUNIS Power BI Spezialist Patrick Eisner Schritt für Schritt, wie Sie mit Microsoft Power BI arbeiten und welche Möglichkeiten die BI-Plattform für Sie bereit hält:

  • Part 1 – Datenintegration
  • Part 2 – Datenvisualisierung
  • Part 3 – Berechtigungen, Hierarchien und Navigation
  • Part 4 – Ein bestehendes Datenmodell erweitern
  • Part 5 – Advanced Visuals
  • Part 6 – Mobile Devices
  • Part 7 – Power BI Web Portal

Alle QUNIS Power BI Minis finden Sie direkt in unserer QUNIS MEDIATHEK oder  im QUNIS YOUTUBE KANAL

Offen für viele verschiedene Datenquellen

Microsoft Power BI eröffnet die Möglichkeit verschiedene Datenquellen in Office 365 einzubinden. Die Auswahl an möglichen Datenquellen ist groß und wird stetig erweitert. Folgende Kategorien zählen dazu:

  • Dateien: Excel, Text, XML, JSON, Ordner, SharePoint Ordner
  • Datenbanken: SQL Server, Access, Oracle oder SAP HANA
  • Power BI: Datenmodelle, die mit Hilfe von Power BI Desktop erstellt wurden
  • Azure: Azure SQL-Datenbank, Azure SQL Data Warehouse oder Azure Analysis Services-Datenbank
  • Online-Dienste: Aktuell Konnektoren gibt es für mehr als 59 verschiedene Clouddienste wie besispielsweise SharePoint-Online Liste, Salesforce-Berichte, Google Analytics
  • Sonstige: Diese Kategorie umfasst weitere Datentypen wie Vertica (Beta), Web, SharePoint Liste, OData-Feed, Active Directory, Microsoft Exchange, Hadoop-Datei (HDFS), Spark, R-Skript, ODBC, OLE DB, Leere Abfragen

Mein Tipp: Die QUNIS Academy bietet ein breites Spektrum an Schulungen und Trainings. Nutzen Sie diese und lernen Sie die Bandbreite der mächtigen BI-lattform einsetzen und nutzen. Hier finden Sie alle aktuellen Themen und Termine: QUNIS ACADEMY

Die Unternehmensplanung verändert sich

Erstellt am: Freitag, 17. November 2017 von Sascha

Schon lange wird von Experten eine integrierte Planung gefordert, doch bleibt es in der Praxis häufig noch bei den alten Abläufen und Vorgehensweisen, die seit vielen Jahren eher kosmetisch angepasst werden. Es dominieren weiterhin Insellösungen, während schätzungsweise erst ein Drittel aller Unternehmen hierzulande schon moderne Planungslösungen im Einsatz hat. Dieser Nachholbedarf bremst auch die Einführung neuer Verfahren und Techniken wie Advanced Analytics. Zu viele Hausaufgaben sind im Zusammenhang mit der Planung noch zu erledigen. So etwa die Bereinigung und Harmonisierung von Datenmodellen. Auch scheuen Unternehmen die Kosten für den Umbau in Richtung integrierte Planung, da es sich um keine kurzfristigen und billigen Vorhaben handelt.

Planungsumgebungen, Simulationen und Predictive Analytics

Dennoch ist die Entwicklung nicht stehengeblieben. Vielmehr zeigen sich deutlich drei Entwicklungen bei der Modernisierung der Planungsumgebung. So existieren in manchen Unternehmen mittlerweile große Planungsplattformen mit neuen Tools und leistungsstarken Datenbanken, über die verschiedene Planungsprozesse integriert und automatisiert werden. Ferner werden häufiger Szenarien modelliert und simuliert. Dadurch wird das bisher dominierende Einsammeln von Plandaten (Bottom up) zurückgedrängt zugunsten einer Top-down-Planung.
Und schließlich kommen auch Lösungen für Advanced Analytics mittlerweile zum Einsatz. Mit ihnen lassen sich laut Finanzexperten schon heute besonders für kurzfristige Prognosen (Predictive Analytics) und für operative Größen gute Ergebnisse erzielen. Aggregierte Größen wie zum Beispiel der EBIT ließen sich hingegen bislang noch nicht so gut berechnen. Doch dies sei nur eine Frage der Zeit. Auch die wachsenden Datenmengen seien in diesem Zusammenhang weniger das Problem, sondern vielmehr die Verfügbarkeit und Qualität der Daten. Aktuell haben 20 Prozent aller Unternehmen eine Planungsumgebung mit automatisierten Analysen, so eine Schätzung.

Weitere Beiträge zum Thema Planung:

QUNIS on Tour – Big Data in Bayern und Kongress der Controller

Erstellt am: Mittwoch, 17. Mai 2017 von Sascha
Zweimal „großer Bahnhof“ in Bayern: Unter dem Motto „Zukunft digital – Big Data“ trafen sich am vergangenen Montag zum einen Unternehmensvertreter und Mitglieder des Zukunftsrats der Bayerischen Wirtschaft in Straubing zum Austausch über die wirtschaftliche Bedeutung von Big Data. Die QUNIS war mit einem Stand vertreten und gab dort Interessenten Einblick in unsere Big-Data-Methodik, Use Cases sowie unser Anwenderbefragung zu Big Data und Advanced Analytics in der Praxis.
Im Mittelpunkt der Konferenz stand die erstmals 2016 präsentierte Studie zu den wirtschaftlichen Potenzialen und rechtlichen Rahmenbedingungen von „Big Data“. Im Auftrag der vbw – Vereinigung der Bayerischen Wirtschaft e. V. hatten die Prognos AG und Professor Dirk Heckmann vom Lehrstuhl für Öffentliches Recht, Sicherheitsrecht und Internetrecht an der Universität Passau, diese Untersuchung für den Zukunftsrat erstellt.
 Die darauf beruhenden Handlungsempfehlungen des Zukunftsrats an Politik, Wirtschaft und Wissenschaft stellte vbw-Präsident Alfred Gaffal den rund 120 anwesenden vbw-Mitgliedern noch einmal kurz vor. Big Data werde als Schlüssel zur Entwicklung innovativer hybrider Geschäftsmodelle entscheidend zum Wachstum der kommenden Jahre beitragen, so die Erwartung des Verbands. Bayern müsse dabei zur europäischen Leitregion für Big Data Technologien und Anwendungen werden.  Jedes Unternehmen sollte sich laut der Handlungsempfehlungen künftig eine Strategie für den Umgang mit Daten – möglichst unter Ausschöpfung der darin liegenden Potenziale im Rahmen von Big-Data-Anwendungen – geben. Sie beinhaltet gleichermaßen die Realisierung wirtschaftlicher Chancen wie eine möglichst rechtssichere Gestaltung des Umgangs mit Daten.

Auf dem vbw-Treffen in Straubing: Gastgeber Erich Sennebogen, Jutta Krogull, Geschäftsführerin der vbw Bezirksgruppe Niederbayern, sowie vbw-Präsident Alfred Gaffal. Foto: vbw

Big Data – wem gehören die Daten?

Auf letzteren Aspekt ging Professor Heckmann in einer Fragerunde näher ein und machte deutlich, dass hier noch viele Fragen beim Umgang mit Daten zu klären sind, um die Nutzung von Big Data zu fördern und zu erleichtern. Dabei gehe es zum einen um das komplexe Thema Datenschutz, zum anderen aber auch um Fragen der Fairness und die juristisch noch ungeklärte Frage, ob Daten vergleichbar zu Sachgegenständen auch als „Eigentum“ betrachten werden können (Wem gehören die Daten?). Unternehmen sollten ihren Umgang mit Daten mit vertrauensbildendenden Maßnahmen flankieren, empfiehlt der Zukunftsrat, indem sie transparent über die geplante Erhebung, Speicherung und Nutzung von Daten informieren. Innerhalb der Grenzen der notwendigen Geheimhaltung bezüglich eigener Geschäftsvorgänge sollte über Big-Data-Zwecke, -Anwendungen und -Schutzmaßnahmen informiert werden. Bei personenbezogenen Daten und insbesondere im Falle einer nicht von vornherein abschließend feststehenden Nutzung der erhobenen Daten ist dies ohnehin erforderlich. Prof. Heckmann erinnerte zudem die Teilnehmer daran, dass im kommenden Jahr mit der „Europäischen Datenschutzverordnung“ höhere Transparenz-Anforderungen bei der Datennutzung auf alle Beteiligten zukämen.

ICV-Kongress über Digitalisierung und die Folgen im Controlling 

Zum anderen zeigte die QUNIS Präsenz auf dem 42. Congress der Controller in München. Wir waren als Aussteller und als ein Sponsor des „Controllerpreis 2017“, der heuer an EDEKA Südwest ging,  stark vertreten. Die Veranstaltung stand heuer unter dem Motto „Agiles Controlling in der digitalen Realität – Umbrüche erfolgreich managen“ . Rund 650 Teilnehmer waren laut dem Veranstalter, dem Internationalen Controller Verein (ICV), zu Europas größter Controlling-Fachtagung an die Isar gekommen.

650 Besucher kamen dieses Jahr zum Kongress der Controller nach München. Die QUNIS war als Aussteller und Sponsor dabei. Foto: QUNIS

Der ICV-Vorsitzende und langjähriger CEO der Hansgrohe SE, Siegfried Gänßlen betonte in seiner Begrüßungsansprache, wie die Digitalisierung für tiefgreifende Veränderungen in den Unternehmen sorge, indem sie nicht nur technologische Innovationen mit sich bringe, sondern auch neue Geschäftsmodelle ermögliche und Märkte dadurch total umkrempele. Auch die Controller seien nun aufgefordert, „alles an sich selbst in Frage zu stellen“, erklärte der ICV-Vorsitzende. Eine zentrale Frage ist dabei,  wie man künftig mit den vielfältigen, oft in Echtzeit entstehenden steuerungsrelevante Daten umgehen könne: „Wer greift wann welche Daten ab? Und: Was ist jetzt die ‚one version of the truth‘?“ Gänßlen sieht es als Aufgabe der Controller dafür zu sorgen, dass Controlling-Skills an das Management vermittelt werden und die Rationalitätssicherung gewährleistet ist.

QUNIS Kongress der Controller

QUNIS testete auf dem Kongress der Controller ein Digital Signage System mit künstlicher Wahrnehmung. Neugierige Kollegen und Besucher ließen nicht lange auf sich warten  🙂   Foto: QUNIS

Unternehmensbeispiele zeigten, dass heute schon verschiedenste Controller-Tätigkeiten automatisiert sind, speziell im Reporting und in der Planung, so Gänßlen. „Wir befinden uns bereits in einer Zeit der Transformation. In der Unternehmenssteuerung vollzieht sich der Paradigmenwechsel: von reaktiv zu proaktiv-prognostizierend.“ Datenbasiert ließen sich quantitativ-statistische Zusammenhänge erkennen und kontinuierlich auf Validität überprüfen. Neue Modelle dienten als Grundlage für erweiterte Szenario-Planungen, zur Qualifizierung von strategischen Optionen sowie zur Bewertung von Business Cases.

Der ICV-Vorsitzende widmete sich den aktuellen und zukünftigen Aufgaben der Controller. „Qualitativ hochwertige IT-Systeme entwickeln sich nicht von selbst: Das betriebswirtschaftliche Design werden Controlling-Experten liefern müssen“, so der ICV-Vorsitzende. „Das Tooling muss in Zusammenarbeit mit Data Scientists erstellt werden. Wir erhalten eine neue Verteilung der Controlling-Aufgaben und ein stark verändertes Controller-Profil.“ Die Datenanalytik erweise sich bereits als Kompetenzfeld von Spezialisten. Data Scientists als Experten seien mit ihren technologischen, mathematischen und analytischen Kompetenzen gefragt.

Das Selbstverständnis des Controllers muss sich ändern

Viele Veröffentlichungen, Studien und Prognosen befassten sich mit dem Thema Digitalisierung und Künstliche Intelligenz. Die einen Szenarien würden neue Chancen für Controller hervorheben, die anderen den massiven Wegfall von Arbeit im Controlling beschreiben, der mit Jobverlusten der Controller einhergehen werde. Der Vorsitzende des Internationalen Controller Vereins (ICV) mahnte, die Controller müssten in den Veränderungsprozess einsteigen. Die bestehende Toolbox, die Fähigkeiten und der Mindset seien neu aufzustellen. Zu den neuen gefragten Fähigkeiten gehörten Kenntnisse in Statistik und Informationstechnologie, aber auch Kommunikationskompetenz sowie ein solides Verständnis des Geschäftsmodells und der Wertschöpfungskette des Unternehmens. „Wir müssen alte Verhaltensmuster über Bord werfen, noch innovativer werden und mehr Start-up Mentalität entwickeln“, fordert Gänßlen von den Controllern.

Die zunehmende Automatisierung schafft nach Ansicht Gänßlens auch Freiräume für Controller; neue Aufgaben und neue Jobs entstünden. „Controller haben durch ihren tiefen Einblick in das Unternehmen und in die Geschäftsmodelle die idealen Voraussetzungen, um höhere Managementpositionen zu übernehmen. Auch der Weg in die Unternehmensspitze ist machbar“, ist der ICV-Vorsitzende gewiss (mehr zum Thema Controlling und Big Data finden Sie auch in unserem Beitrag).
*Mit Material aus der Pressemitteilung des ICV

Formularanwendungen für den Fachbereich schnell und einfach erstellen

Erstellt am: Dienstag, 25. April 2017 von Sascha

Formularanwendungen, Eingabeoberflächen und Workflows wie etwa die Reisekostenabrechnung klingen zunächst einmal weder sexy noch spektakulär. Doch andererseits haben sie für Fachanwender oder im Außendienst, vor allem wenn sie intuitiv und an den internen Vorgaben angepasst sind, einen sofort erkennbaren Nutzen. Erstaunlich oft fehlen aber solche Anwendungen oder sie wurden einmal mit Excel/ACCESS oder im Rahmen eines aufwändigen Entwicklungsprojekts individuell erstellt und verursachen heute vor allem Verdruss und Pflegekosten.

Formulare für alle Endgeräte samt Datenbankintegration

Vor diesem Hintergrund ist in der Projektpraxis GAPTEQ entstanden. Das Angebot umfasst mit dem GAPTEQ Designer eine grafische Design-Umgebung zur flexiblen Gestaltung von Formularen für Endanwender und ermöglicht als Besonderheit die direkte Integration relationaler Datenbanken wie den Microsoft SQL Server. Dadurch lassen sich vorhandene Datenbanktabellen direkt mit den GAPTEQ Formularen verbinden, um Daten anzuzeigen und erfassen zu lassen. Auch spezielle Datenbankfunktionen wie z.B. Stored Procedures, u.a. können verwendet werden. Da GAPTEQ HTML5 verwendet, ist die Verwendung im Webbrowser, aber auch auf mobilen Geräten problemlos möglich – eine wichtige Anforderung beispielsweise bei mehreren Standorten, im Außendienst oder in der Wartung. Die Auslieferung der Seiten übernimmt der GAPTEQ Server (Sehen Sie hier die Demo Komponenten von GAPTEQ).

QUNIS mit erfolgreichen GAPTEQ-Projekten

Die Firma GAPTEQ wurde erst im Herbst 2016 von erfahrenen IT-Experten gegründet, doch wurden bis dato bereits über 1.000 Lizenzen auf Basis eines einfachen Mietmodells ausgeliefert! Beim Vertrieb setzt GAPTEQ auf die Website, die in deutscher und englischer Sprache alle Informationen zu Produkt und Lizensierung bereithält. Wichtigster Vertriebskanal sind aber Beratungs- und Implementierungshäuser, die GAPTEQ aufgrund seiner Flexibilität gut an die eigene Produkt- und Marktstrategie anpassen und somit langfristig Umsatz generieren können. Auch die QUNIS setzt GAPTEQ seit Anbeginn in ihren Projekten mit großem Erfolg beispielsweise im Controlling ein. Referenzkunden sind das Outlet City Metzingen, Hans im Glück, Coatinc, die Bertelsmann Stiftung, Augustinum und der sh:z Schleswig-Holsteinischer Zeitungsverlag GmbH & Co. KG.

Mehr zu GAPTEQ erfahren >>

Controlling und Big Data – Teil 2

Erstellt am: Dienstag, 24. Januar 2017 von Sascha

Big-Data-Vorhaben haben einen experimentellen Charakter und laufen bislang in der Unternehmenspraxis häufig parallel zum IT-Betrieb. Allerdings zeichnet sich ab, dass dies mancherorts nur in der frühen Phase solcher Vorhaben der Falls ist und mittlerweile Unternehmen solche Aktivitäten künftig wieder in enger Abstimmung zwischen IT, Fachbereichen und mit dem Segen des Managements vorantreiben wollen. Die oft komplexen Resultate der Big-Data-Analysen müssen intern nicht nur vermittelbar sein, sondern möglichst in den produktiven Betrieb überführt werden. Man sollte sich also die eigenen Anforderungen, Ressourcen sowie klare „Use Cases“ definiert haben, bevor man umfänglich mit Big Data zu arbeiten beginnt!

Controlling und Finance als Berater im Big-Data-Projekt

Die Anwenderbefragung „Big Data & Advanced Analytics in der Praxis“ der QUNIS, Controller Akademie und der Aquma GmbH zeigt indes, dass viele Unternehmen aber genau noch nach solchen Use Cases für sich suchen. QUNIS legt in der Beratung daher auf diese Phase des Big-Data-Vorhabens besonders großen Wert und nutzt als Teil seiner Big-Data-Methodik beispielsweise eine umfangreiche „Lösungsbibliothek“ aus Fallbeispielen. Diese leisten bei der Diskussion und Identifikation eigener Use Cases gute Hilfe. Oft gibt es in der Unternehmensorganisation schon Ideen und man weiß um eigene Chancen oder Schwachpunkte, die man durch Advanced Analytics angehen möchte. Diese Ideen weiter zu analysieren, zu selektieren, zu strukturieren, zu priorisieren und dann Maßnahmen abzuleiten, ist ein entscheidender Erfolgsfaktor im Big-Data-Projekt. Auch hier können gerade Finance & Controlling mit ihrem breiten Fach- und Unternehmenswissen eine wichtige Rolle spielen.

In der weiteren Diskussion über die Umsetzung von Big-Data-Projekten wird man sich dann über eine unterstützende Datenarchitektur sowie die Nutzung solcher Daten und Analysen im Rahmen einer vorhandenen BI- oder neu zu definierenden Big-Data-Strategie einigen müssen. Will man erste Erfahrungen sammeln, ist es meist effizient und günstiger, wenn Teststellungen über Cloud Services wie „Microsoft Azure“ aufsetzt, statt intern eine separate IT-Umgebung aufzubauen.

Eine integrierte Unternehmensplanung bleibt das Ziel

Big Data und Advanced Analytics können Finance & Controlling ohne Frage dabei helfen, in einem dynamischen Marktumfeld schneller und gezielter zu planen und durch vorausschauende Analysen Risiken und Chancen zu erkennen (Predictive Analytics). Voraussetzung ist aber, dass alle benötigten Informationen und Ergebnisse zeitnah und in hoher Qualität verfügbar sind. Auch wenn man im Projekt häufig mit einzelnen Prozessen und Anforderungen beginnen wird, muss das Ziel daher eine integrierte Unternehmensplanung sein, von der heute die meisten Unternehmen noch weit entfernt sind. Sie Sie ist gekennzeichnet durch eine fachlich und betriebswirtschaftlich korrekte Verknüpfung der Teilpläne bis in die Ergebnisplanung und verzahnt Gewinn- und Verlustrechnung, Bilanz und Cashflow-Rechnung miteinander. Ferner müsste die Planung sich flexibel und über das Jahr immer wieder anpassen lassen und mit weiteren Prozessen wie das Berichtswesen und die Finanzkonsolidierung verknüpft sein.

Controlling und Big Data – Teil 1

Erstellt am: Dienstag, 24. Januar 2017 von Sascha
Der Aufbau einer integrierten Unternehmenssteuerung steht heute vor allem in großen Finanzorganisationen auf der Agenda. Vereinfacht gesagt geht es darum, die für das eigene Geschäftsmodell relevanten Kennzahlen wie die Umsatzrentabilität, Investitionen oder Kapitalkosten mit ihnen vorgelagerten, nicht-finanzielle Werttreibern wie beispielsweise die „Produktqualität“ zu kombinieren. Sind Erstere und das dazugehörige Modell gut definiert, lassen sich daraus Letztere ableiten, um so insgesamt den Fortschritt der einzelnen Werttreiber zu messen und Maßnahmen abzuleiten.

 

Mehr Informationen für die Planung und Forecasts

Dies setzt jedoch voraus, dass auch alle relevanten Daten für Bewertungen und Prognosen zur Verfügung stehen. An diesem Punkt kommen Big Data und Advanced Analytics ins Spiel, da bislang nicht verfügbare oder nicht berücksichtigte Daten über Kunden, Produkte, Ressourcen und Geschäftsprozesse sowie neue Verarbeitungs- und Analysemöglichkeiten Einzug in die Controlling-Prozesse halten – von der strategischen Planung und Budgetierung über das Reporting und die Kostenrechnung bis zum Risikomanagement.

Auch dort, wo eine derartige Steuerung noch nicht existiert oder zu ambitioniert erscheint, ist es auf jeden Fall überlegenswert, Big Data und Advanced Analytics zur Unterstützung des Controllings einzusetzen. Anders als im Reporting können sich Organisation beispielsweise durch eine gute Planung vom Wettbewerb differenzieren. Eine Analyse großer und polystrukturierter Datenmengen hilft beispielsweise Korrelationen und Einflussgrößen besser aufzudecken und die Planung verfeinern. Umgekehrt profitieren auch Big-Data-Vorhaben außerhalb des Finanzbereichs von der guten Verfügbarkeit von Finanzdaten bzw. werden durch diese erst machbar.

Big Data und Controlling

Abbildung: Die klassischen Unternehmensbereiche für Business Intelligence wie Controlling/Finance, Vertrieb und Marketing stehen auch bei der Big-Data-Diskussion aktuell im Mittelpunkt des Anwenderinteresses. Zugleich belegt aber die breite Verteilung der Anwendungsfelder, dass die Nutzung von Big Data überall in der Organisation von Nutzen sein kann, n= 33 (Mehrfachnennungen möglich).

Advanced Analytics zur Risikoanalyse

Angesichts des steigenden Steuerungsbedarfs und der skizzierten Vorteile überrascht es daher wenig, dass in der öffentlichen Diskussion über den geschäftlichen Nutzen von Big Data Controlling & Finance als wichtige Treiber und Nutznießer gelten. Dies bestätigt auch die Anwenderbefragung „Big Data & Advanced Analytics in der Praxis“ der QUNIS GmbH, der Controller Akademie und der Aquma GmbH. Teilnehmer waren 97 mittelständische und Großunternehmen aus dem deutschsprachigen Raum, bei einer breiten Branchenverteilung. Danach sehen 60 Prozent der Befragten interessante Anwendungsfelder im Controlling & Finance (siehe Abbildung). Ein Beispiel ist ein automatisierter Forecast auf der Basis von Markttendenzen oder die schon erwähnte wertreiberasierte Planung anhand aktueller Daten zum Wachstum, zur Branche und der Kundenumsätze. Insbesondere für Banken und Versicherer ist zudem das Risikomanagement ein wichtiges Anwendungsfeld. Neben der Identifikation von Risikofaktoren können Big-Data-Analysen beispielsweise bei der Betrugserkennung oder bei Compliance-bezogenen Auswertungen helfen.

Lesen Sie weiter im zweiten Teil des Beitrags zu Controlling und Big Data