Per Mausklick Prognosen f眉r die Ums盲tze und Aufwendungen f眉r das gesamte Shop-Netz erhalten? Coop Mineraloel AG hat es mit einem von s-peers entwickelten und implementieren System, basierend auf neuesten Algorithmen, geschafft. Dank der Automatisierung der monatlichen Hochrechnung ist es dem Controlling auch in Zeiten der Covid-19 Krise m枚glich, unterschiedliche Szenarien darzustellen, die es dem Management erlauben, Unsicherheiten abzubilden und proaktiv auf Ver盲nderungen zu reagieren.
Schon heute zeigt sich, dass Prognosen auf Basis intelligenter Algorithmen nicht nur schneller, sondern auch pr盲ziser sind. Durch den Einsatz automatisierter Verfahren ist eine umfangreichere Nutzung von Szenarien-Betrachtungen und Simulationen m枚glich. Der Einsatz dieser intelligenten Algorithmen wird zuk眉nftig auch vermehrt im Rahmen der Hochrechnung und Budgetierung zur Plausibilisierung genutzt werden oder um Zielwerte vorzuschlagen und so dazu beizutragen, realistische Planungen in k眉rzerer Zeit zu erstellen.
Die Coop Mineraloel AG betreibt per Ende des Jahres 2020 ein Netz von 319 Pronto Shops in der Schweiz, wovon 249 einer Coop Tankstelle angeschlossen sind. Die Coop Pronto Shops werden im Franchisesystem gef眉hrt, auch die 70 alleinstehenden Pronto Shops.
Das zentrale Controlling 眉berwacht die Gesch盲ftsentwicklung der Coop Mineraloel AG. Jedoch w眉nscht sich der Mutterkonzern einen monatlich rollierenden Bericht der Ergebniskennzahlen. Diese Anforderung kann das zentrale Controllingsystem momentan nicht stemmen. Derzeit wird die monatliche Prognose manuell durchgef眉hrt. Dadurch erh枚ht sich die Fehleranf盲lligkeit und zudem ist der Prozess sehr zeitintensiv und aufwendig 鈥� das bietet wenig analytischen Mehrwert f眉r Coop Mineraloel AG. Und das soll ge盲ndert werden.
Per Knopfdruck die monatlich rollierenden Umsatzprognosen pro Standort abrufen
In der Organisation kann zuk眉nftig eine Auswertung der einzelnen Standorte mit einer monatlichen Hochrechnung stattfinden. Per Knopfdruck sollen so die monatlich rollierenden Umsatzprognosen pro Standort 鈥� differenziert nach Produkten 鈥� abrufbar sein. Durch die Einsparung der bisher sehr aufwendigen manuellen T盲tigkeiten gewinnt der Verkaufsleiter so mehr Zeit und Ressourcen f眉r andere Aufgaben. Zudem kann das Controlling durch die Erkennung von Fr眉hindikatoren, wie Schwankungen in den Ergebniszahlen, die Entwicklung beobachten und vorausschauend darauf agieren.
Mithilfe von Predictive Analytics 鈥� der Automatisierung der rollierenden monatlichen Hochrechnung 鈥� kann das Unternehmen die Informationsdichte massiv erh枚hen. Umfangreiche Anpassungen und Simulationen sind nun jederzeit auf einer automatisch berechneten Datenbasis m枚glich. Die Analysefunktionen basieren auf und 麻豆原创 Business Warehouse powered by 麻豆原创 HANA. Die Controlling-Prozesse sind nun verschlankt und effizienter gestaltet. Zus盲tzlich kann der Verkaufsleiter mit dieser Informationsdichte an Daten die Kosten oder weitere Ergebniskennzahlen prognostizieren, und damit monatlich rollierend eine Aussage 眉ber das zu erwartende Jahresergebnis seines Standorts treffen.
Das Projektergebnis ist ein klar strukturierter Ablauf der monatlichen Umsatzprognosen zu den einzelnen Standorten. Somit werden bis zu 12 rollierende, automatisch erstellte, monatliche Umsatzprognosen auf Standortebene, sowie ein differenzierter Umsatz je nach Treibstoffart, und der Shop-Umsatz aufgezeigt. Risiken bisheriger m枚glicher Fehlerquellen und Abstimmungspannen sind weitestgehend reduziert.
Eine effizientere Gestaltung von Planungsevents ist nun m枚glich, denn dank der Prognose entstehen Vorschlagswerte, die man anschlie脽end in den Budgetierungsprozess 眉berf眉hrt. Auf Basis dieser voll automatisiert erzeugten Forecastwerte k枚nnen die Planungsverantwortlichen die Werte modifizieren, wenn sie aufgrund von au脽erplanm盲脽igen oder auch nicht beeinflussbaren Umst盲nden, wie eine Baustelle, mit Umsatzeinbu脽en rechnen m眉ssen.
Predictive Analytics erm枚glicht langfristige Prognosen f眉r 319 Standorte
Die Vorteile liegen auf der Hand: Dank der neu gewonnenen Informationsdichte sowie den neuen Prognosen kann eine optimiertere und effizientere Gestaltung von logistischen Prozessen stattfinden. Langfristig rollierende Prognosen k枚nnen nun auf Monatsbasis erstellt werden, ebenso sind langfristige Wochen- oder Tagesprognosen abrufbar. Zus盲tzlich ist auch die Prognostizierung der Kosten je Standort m枚glich, dadurch erh盲lt man eine fr眉hzeitige und langfristigen Standortbeurteilung. Grunds盲tzlich kann nun eine vollumf盲ngliche Prognostizierung aller 319 Standorte stattfinden. Aber auch auf Unternehmensebene finden die Verfahren Anwendung, wie f眉r die langfristige Prognose der Absatzmenge und Umsatz von Heiz枚l.
鈥濪urch die fachkundige Unterst眉tzung von s-peers konnten wir in der SAC ein Prognosemodell aufbauen, welches dem Finanzcontrolling erlaubt, zu jeder Zeit vollautomatisiert einen rollierenden Forecast zu erstellen. Dies mit einer zus盲tzlichen, markanten Reduktion der Fehleranf盲lligkeit sowie gleichzeitiger Entlastung der Fachabteilungen. Eine Win-Win Situation f眉r alle Beteiligten,鈥� meint Marc Salathe, Leiter f眉r Finanzen und Informatik sowie Mitglied der Gesch盲ftsleitung von Coop Mineraloel AG.
Alle Vorteile auf einen Blick:
- Weniger Aufwand f眉r nicht werthaltige T盲tigkeiten
- Pr盲zise Ergebnisse sowie gr枚脽ere Transparenz dank erh枚hter Informationsdichte
- Verdeutlichung von Zusammenh盲ngen und funktions眉bergreifenden Abh盲ngigkeiten (眉ber verschiedenste Unternehmensbereiche hinweg) durch offengelegte Ursache-Wirkungs-Ketten
- Massiv erh枚hte Reaktionsf盲higkeit durch Automatisierung 鈥� Kalenderorientierung geh枚rt zunehmend der Vergangenheit an
- Objektivierte Forecasts, die ein faktenbasiertes Bild geben.
- Mehrfachnutzung und Wiederverwendbarkeit der von s-peers bereitgestellten Algorithmen
- Gro脽e Auswahl an Auswertungsm枚glichkeiten in gesicherter Qualit盲t
- Fr眉hzeitige M枚glichkeit zur Performance-Bewertung durch Simulation
Eingesetzte 麻豆原创-L枚sungen:
- 麻豆原创 Analytics Cloud
- 麻豆原创 Business Warehouse powered by und
Weite Informationen
Sie finden unter dem einzelne Kapitel zum Podcast open麻豆原创 Podcast, aber auch Referenzen zu weiterenProjekten in diesem Kontext, zum Beispiel zu Coop Mineraloel AG, Sensirion AG oder auch Sto SE Unternehmensgruppe.
