Skip links

datenkultur auf der Power Platform World Tour - die Highlights

So schnell amortisiert sich Business Intelligence: 5 Beispiele

Anhand von fünf aktuellen Projekten, möchten wir anschaulich die Möglichkeiten einer integrierten BI-Strategie aufzeigen und das für Sie daraus resultierende Einsparpotenzial. Die Amortisationszeit der dargestellten Projekte betrug lediglich 3 bis 12 Monate. Da unsere BI-Projekte maßgeschneidert sind, zeigen sie die individuellen Möglichkeiten des jeweiligen Unternehmens. Wenn Sie dazu Näheres erfahren möchten, nehmen Sie gerne Kontakt mit uns auf.

 

1. Beispiel: Amortisation durch optimalen Personaleinsatz in der Produktion

Ausgangssituation

Unser Kunde (Jahresumsatz 12 Mio. EUR) beschäftigt einen Mix aus Leiharbeitern und eigenem Personal in der Produktion, um Saisonalitäten abzufangen. Eigenes Personal ist in der Regel günstiger, aber nur dann, wenn die Produktivität hoch ist. In der Vergangenheit war man häufig unzufrieden, weil entweder zu viele oder zu wenige Leiharbeiter vorhanden waren. Dies hat sich immer erst nachträglich gezeigt (Abrechnung i.d.R. einen Monat nach Einsatz der Arbeiter).

Lösung

Den optimalen Mix zwischen eigenem Personal und Personalgestellung zu finden, kann sehr viel Geld sparen. In diesem Fall wurden zwei Dinge getan: Erstens hat sich unser Strategieteam mit den Geschäftsprozessen auseinandergesetzt, um die Abläufe und die Personalplanung besser zu verstehen. Zweitens haben wir durch das BI die Plan- und Ist-Daten aufbereitet und visualisiert, um den neuen Prozess optimal zu unterstützen.

Ergebnis

Der geänderte Prozess spart unserem Kunden jedes Jahr rund 250 TEUR. Das gesamte BI-Projekt hat sich nur durch diesen Prozess (die Benefits gehen weit über diesen Prozess hinaus) bereits nach wenigen Monaten amortisiert und spart weiterhin Jahr für Jahr weiter Kosten ein.

 

2. Beispiel: Schnelle Amortisation durch Vereinheitlichung der Skontoquote im Einkauf

Ausgangssituation

Unser Kunde ist eine Einkaufsgesellschaft für einen größeren deutschen Konzern, der mehr als 80 Tochtergesellschaften besitzt und steuert. Die einzelnen Firmen kaufen und bezahlen selbst innerhalb der Konzernvorgaben. Die Skontoquote war von Gesellschaft zu Gesellschaft unterschiedlich und die Detailinformationen dazu sehr aufwendig zu beschaffen. Letztlich war zwar das Gefühl vorhanden, dass man den Skonto besser steuern sollte, aber der Aufwand schien hierfür nicht gerechtfertigt.

Lösung

Die Lösung ist erschreckend einfach und heißt Visualisierung. Aber die Umsetzung war nicht so trivial, da die erforderlichen Finanzdaten der beteiligten Unternehmen verfügbar gemacht werden mussten Es wurde ein komplexes Data Warehouse aufgesetzt, um tagaktuelle Informationen optimal zu visualisieren. Mit diesem Wissen konnte das Controlling dann gezielt den Skonto steuern.

Ergebnis

Der Konzern spart jedes Jahr fast eine halbe Mio. Euro nur durch den erhöhten Skontoertrag. Auch hier ist dies nur ein winzig kleiner Prozess, der dafür sorgt, dass sich das gesamte BI-Projekt bereits nach kurzer Zeit amortisiert hat.

 

3. Beispiel: Amortisation über die Umsatzsteuer bei Vereinen mit wirtschaftlichem Geschäftsbetrieb

Ausgangssituation

Unser Kunde ist ein e.V. (Umsatz 10 Mio.) mit einem ideellen (nicht vorsteuerabzugsberechtigt, d.h. Umsatzsteuer ist Aufwand) und einem wirtschaftlichen (vorsteuerabzugsberechtigten) Geschäftsbetrieb. In der Vergangenheit wurde nur bei den Aufwendungen, die dem wirtschaftlichen Geschäftsbetrieb direkt zugeordnet werden konnten, die Vorsteuer geltend gemacht. Es gibt aber auch viele Aufwendungen, die dem wirtschaftlichen und ideellen Geschäftsbetrieb zugerechnet werden können. Unter bestimmten Voraussetzungen ist hier ein teilweiser Vorsteuerabzug möglich.

Lösung

Wir haben die Kostenrechnung optimiert und einen speziellen BAB (Betriebsabrechnungsbogen) implementiert, der sich automatisch aus dem Data Warehouse speist.

Ergebnis

Der Verein spart jedes Jahr 65 TEUR durch diese neue Auswertungsmöglichkeit.

 

4. Beispiel: Amortisation durch Automatisation des Controllings

Ausgangssituation

Dieses Beispiel ist sehr häufig ein Teil unserer BI-Projektes. Exemplarisch beschreiben wir hier ein aktuelles Projekt. Unser Kunde (Umsatz 30 Mio.) hat eine Abteilung mit zwei Controllern, die im Wesentlichen den Vertrieb und die Geschäftsführung mit diversen Daten versorgen. Ein Controller hatte kürzlich gekündigt und der zweite Controller musste dies abfangen. Im Wesentlichen trägt das Controlling große Datenmengen aus dem ERP zusammen und diese zu monatlichen Berichten aufbereiten.

Lösung

Ein Data Warehouse und 4 Power BI-Dashboards stellen nun die bekannten Informationen und noch einiges mehr übersichtlich, tagaktuell und interaktiv dar. Die Daten sind besser aufbereitet und ohne zusätzlichen Aufwand verfügbar. Das Controlling kann seine Zeit nun ausschließlich der Interpretation der Daten und daraus abgeleiteten Handlungsempfehlungen widmen.

Ergebnis

Die offene Stelle wurde nicht wiederbesetzt, da der verbliebene Controller die Arbeit allein nun gut bewältigen kann. Es kam sogar zu einer deutlichen Verbesserung der Controlling-Qualität, da nun wie beschrieben keine Zeit mehr mit dem Zusammentragen und Aufbereiten der Daten verbraucht wird. Der Kunde spart jährlich Personalkosten (inkl. Nebenkosten) i.H.v. 60 TEUR.

 

5. Beispiel: Amortisation durch Laufwegeoptimierung in der Logistik

Ausgangssituation

Unser Kunde (25 Mio. Umsatz) hat im Lager eine größere Kommissionierung, die die Artikel für die Auslieferung zusammenstellt. Das Lager ist nach „Themen“ geordnet. Die Artikel werden auf Transportwagen zusammengestellt. Ein Mitarbeiter ist durchschnittlich 1/3 seiner Zeit damit beschäftigt, von Artikel zu Artikel zu laufen. Die Kommissionieraufträge kommen aus dem ERP und werden aus dem Verkaufsauftrag abgeleitet. Das bedeutet, der Kommissionierer stellt die Artikel in der Reihenfolge zusammen, die auch auf dem Kundenauftrag oder dem Lieferschein zu sehen ist.

Lösung

Die Lösung bestand aus zwei Teilen: Erstens wurde das Lager optimiert. Hierzu wurde die Lagerumschlagshäufigkeit jedes Artikels auf Tagesbasis im Data Warehouse (DWH) berechnet. Damit wurde eine „Renner/Penner-Liste“ erzeugt. So konnte dann das Lager entsprechend angepasst werden. Die Renner sind näher an den Auslieferungspunkten. Zweitens wurde dann ein optimaler Weg durch das Lager bestimmt. Dieser optimale Weg wird dann je Kommissionierauftrag im DWH berechnet und schließlich wird dann ein neuer, optimaler Kommissionierauftrag ausgegeben. Dieser hat jetzt nicht mehr die Reihenfolge aus dem Verkaufsauftrag, sondern der Kommissionierer kann jetzt auf dem optimalen Weg die Artikel zusammenstellen.

Ergebnis

Die Wegezeiten konnten um die Hälfte reduziert werden. Somit konnte 1/6, also rund 17% der Kommissionierung reduziert werden. Hier wurde eine Vollzeitstelle eingespart und umbesetzt. Die jährliche Einsparung liegt bei 35 TEUR. Zusätzlich dazu war es möglich, auch in der Hochsaison auf Personalgestellung zu verzichten, was im Jahr weitere 15 TEUR einspart. Die Wegeoptimierung war nur ein kleiner Teil des gesamten BI-Projektes, aber allein dadurch hat sich das gesamte Projekt nach kurzer Zeit amortisiert.

 

Wir haben jetzt einige kaufmännische Prozesse zur Amortisation von BI aufgeführt. Es gibt aber auch gute technische Beispiele dazu. In dem nachfolgenden Blogpost stellen wir dar, wie ein ERP-Upgrade oder Wechsel allein normalerweise bereits ausreicht, damit sich ein komplettes BI-Projekt nach einem Jahr amortisiert. Weitere Informationen dazu finden Sie hier: https://www.datenkultur.de/erp-migration-oder-upgrade-viel-schneller-und-preiswerter-per-data-warehouse/

Artikel teilen
Return to top of page