Smart Reporting: So gelingt eine effektive Unternehmenssteuerung

Viele Datenquellen erschweren das Smart Reporting 

Die Vielzahl an Datenquellen stellt Unternehmen vor die Herausforderung von einem Smart Reporting. Ein unverzichtbares Instrument zur gezielten Unternehmensführung sind aussagekräftige Kennzahlen. Diese variieren je nach Geschäftstätigkeit und Unternehmenszielen. So sind beispielsweise für Produktions- und Handelsbetriebe der Lagerumschlag und die Downtime der Produktionsmaschinen von Bedeutung, während für Webshop-Betreiber die Conversion Rate und die regionale Kundenverteilung im Fokus stehen. 

Kleine und mittlere Unternehmen (KMU) nutzen verschiedene Softwaresysteme, die jedoch selten miteinander kommunizieren können. Die Berechnung relevanter Kennzahlen erfordert jedoch häufig Daten aus mehreren Quellen. In der Praxis wird das Kennzahlenreporting typischerweise monatlich manuell und mit hohem Aufwand in Excel durchgeführt. 

Moderne, automatisierte Business-Intelligence- Systeme bieten kostengünstige Lösungen für diese Herausforderungen. Dieser Beitrag präsentiert zwei Praxisbeispiele, in denen wir unsere Kunden bei der Implementierung vom Smart Reporting unterstützt haben. 

Interaktives Management-Dashboard 

GNL ist ein innovativer Schweizer Schuhhersteller mit einer revolutionären Sohlentechnologie. Die Marke möchte Menschen zu einem aktiven und gesunden Lebensstil inspirieren. 

Über ein interaktives, leicht zugängliches Management- Dashboard, welches mit Microsoft Power BI entwickelt wurde, hat die operative Geschäftsleitung Zugriff auf stets aktuelle Kennzahlen (siehe Abbildung 1). Nebst den klassischen Finanzkennzahlen deckt das Dashboard auch folgende Fragestellungen ab: 

• Verkaufszahlen nach Schuhmodellen und -grössen, Farbvarianten, Bestellzeitpunkten oder Verkaufskanälen.
• Abweichungsanalysen zu Vorperioden und Planwerten.
• Planung von Back Orders, Rentabilitätsberechnungen, Cash-Management und Berechnung von Planzahlen. 

Die Daten, welche für das Dashboard benötigt werden, stammen aus mehreren Quellsystemen: Webshop, ERP, Finanzbuchhaltung und Excel. Die Daten aus den verschiedenen Quellen werden mehrmals täglich automatisiert in das Dashboard geladen und miteinander verknüpft. 

Für die Berechnung vieler Measures werden Informationen aus mehreren Systemen benötigt. Ein Beispiel: Um die Abweichung der verkauften Stückzahlen im Vergleich zur Planmenge darstellen zu können, wird die verkaufte Menge (Quelle Webshop) der verschiedenen Schuhmodelle (Stammdaten aus dem ERP) mit den budgetierten Verkäufen (Planung in Excel) gegenübergestellt. 

«Wie viele Stück von Schuhmodell X, aufgegliedert nach Grösse, haben wir in den letzten drei Monaten im Vergleich zu Vorjahr und Plan über welchen Verkaufskanal abgesetzt, und wie ist der aktuelle Lagerbestand?» 

Solche Fragen können dank der interaktiven Filtermöglichkeiten einfach und blitzschnell beantwortet werden. Mittels Drilldown lassen sich die zugrunde liegenden Verkaufstransaktionen detailliert einsehen. 

Der Einsatz des Power-BI-Dashboards hat zu folgenden Vorteilen geführt: 

• Kosteneinsparungen durch gezielte Lagereinkäufe
• Zeitersparnis durch Wegfall der manuellen wiederkehrenden Reportaufbereitung
• Akkuratere Finanzzahlen in allen Bereichen
• Schneller Informationsfluss und hohe Verlässlichkeit der Daten führen zu besserer Entscheidungsqualität.
• Weniger Ad-hoc-«Übungen», um das Management/ Investoren zu informieren

Automatisierte Profitcenter-Rechnung 

Ein Dienstleistungsunternehmen ist in drei Geschäftsbereichen tätig. Für die Geschäftsleitung ist es von grosser Bedeutung, die Rentabilität der einzelnen Bereiche zu kennen. Zu diesem Zweck wurde eine Profit Center Rechnung erstellt, in dem die Erlöse und Aufwände auf die einzelnen Geschäftsbereiche (Profit Centers) aufgeteilt werden. Es wurde entschieden, dies mit einem Datenmodell in Excel zu automatisieren. 

Nachfolgend wird zuerst die grundsätzliche Mechanik einer Profit-Center-Rechnung aufgezeigt und anschliessend die konkrete Umsetzung beschrieben. 

Mechanik einer Profit-Center-Rechnung 

Die für die Profit-Center-Rechnung benötigten Daten stammen aus der Finanzbuchhaltung. Die Zuteilung der Erlöse auf die Geschäftsbereiche stellt in der Regel kein Problem dar, da pro Bereich ein dezidiertes Erlöskonto geführt wird. Die Verteilung der Kosten ist jedoch eine Herausforderung, weil diese auf Sammelkonten verbucht werden. So gibt es z. B. für die vielen verschiedenen Arten der Personalaufwendungen nicht pro Geschäftsbereich ein separates Konto. 

Tabelle 1 zeigt das stark vereinfachte Beispiel einer Erfolgsrechnung.

Die Zuweisung der Aufwände auf die Profit Center erfolgt über Umlageschlüssel. Beim Personalaufwand bieten sich die geleisteten Arbeitsstunden als Schlüssel an. Im Zeiterfassungssystem erfassen die Mitarbeitenden die Stunden auf Projekte. Jedes Projekt ist einem der drei Geschäftsbereiche zugewiesen. Mit diesen Angaben lässt sich der Umlageschlüssel berechnen. Idealerweise fliesst ein individueller Stundensatz pro Mitarbeitenden in die Berechnung ein. Diese Komponente ist aus Gründen der Übersichtlichkeit in unserem Beispiel (siehe Tabelle 2) nicht enthalten. 

Bei der Verteilung der Personalkosten anhand der Umlageschlüssel auf die Profit Center wird ersichtlich (siehe Tabelle 3), dass der Geschäftsbereich A defizitär wirtschaftet. Die übrigen Aufwände sind der Einfachheit halber zu gleichen Teilen den Bereichen zugewiesen. Die Umlageschlüssel können sich über die Dauer ändern. Der Verteilschlüssel kann beispielsweise abhängig vom Arbeitseinsatz variieren. Für die übrigen Aufwandposten sind unterschiedliche Umlageschlüssel sinnvoll. 

Beispiele:

• Bei den Mietkosten die Fläche der Räumlichkeiten
• Beim Marketing die Kosten der Akquise- Kampagnen
• Bei den internen IT-Kosten die Anzahl Supporttickets oder die verwendeten PCs

Vor der Automatisierung 

Vor dem Projekt zur Automatisierung der Profit- Center-Rechnung wurden die Daten manuell aus der Finanzbuchhaltung exportiert und in einer Excel-Datei aufbereitet. Dieser Ansatz führte jedoch zu einigen Schwierigkeiten: 

• Die Datei wies schnell eine komplexe Struktur mit vielen Formeln auf.
• Anpassungen und Wartungen an der Datei waren schwierig.
• Das Nachführen der Umlageschlüssel war aufwendig.
• Die monatliche Aufbereitung nahm insgesamt viel Zeit in Anspruch.
• Hohe Fehleranfälligkeit 

Automatisierte Lösung 

Aus diesen Gründen wurde eine Lösung mit einem hohen Automatisierungsgrad gesucht. Auch in der überarbeiteten Version erfolgt die Berechnung weiterhin in Excel, allerdings mit entscheidenden Vorteilen: 

• Die Daten aus der Finanzbuchhaltung werden auf Knopfdruck importiert.
• Die Arbeitszeiten werden aus dem Quellsystem importiert, und die Umlageschlüssel werden automatisiert berechnet.
• Einfache Pflege der Umlageschlüssel, z. B. auf Monatsbasis
• In der Excel-Datei werden die Daten in einem Datenmodell aufbereitet und können somit flexibel ausgewertet werden. Dafür haben wir das von Microsoft in Excel mitgelieferte Add-in Power Pivot verwendet.
• Die Profit-Center-Rechnung lässt sich nach unterschiedlichen Gliederungen darstellen, beispielsweise nach dem Gesamt- oder Umsatzkostenverfahren. 

Zusammenfassend lässt sich festhalten, dass sich mit der Automatisierung der manuelle, wiederkehrende Aufwand auf ein Minimum reduziert hat, während die Auswertungsmöglichkeiten flexibler und umfangreicher wurden.

Fazit 

Moderne Business-Intelligence-Systeme bieten eine Vielzahl an Möglichkeiten, um unterschiedliche individuelle Anforderungen zu erfüllen. Gemeinsame Merkmale aller Lösungen sind der hohe Automatisierungsgrad sowie die umfassenden und flexiblen Analysemöglichkeiten, die ein statisches Reporting nicht bieten kann. 

Bei der Einführung eines Smart Reporting sind sowohl ein finanzieller als auch ein zeitlicher Aufwand einzuplanen. In der Praxis zeigt sich, dass sich dieser Aufwand schnell amortisiert, da wiederkehrende manuelle Tätigkeiten entfallen und die Daten akkurater sind. 

Learnings
1. Fokussierung auf die «Low Hanging Fruits» für schnelle Ergebnisse und unmittelbaren Kundennutzen. 
2. Flexibilität bei der Erweiterung des Systems, um sich an ändernde Anforderungen anzupassen. 
3. Beschränkung auf das Wesentliche, um eine klare sowie präzise Beschreibung und Dokumentation der Kennzahlen sicherzustellen. Dadurch werden Interpretationsspielräume minimiert und Missverständnisse vermieden. 
4. Erfolgreiche Ergebnisse erfordern eine multidisziplinäre Zusammenarbeit. Die kombinierten Fachkompetenzen des Kunden, des Beraters und des Spezialisten im Bereich Datenaufbereitung führen zu den gewünschten Ergebnissen. 
5. Die Qualität der Quelldaten ist entscheidend für aussagekräftige Ergebnisse und erfordert eine kontinuierliche Validierung.