Lesen Sie hier die komplette Erfolgsgeschichte, oder laden Sie die Succes Story als pdf-Datei herunter.

Die Grimme Landmaschinenfabrik ist ein innovativer Hersteller für Kartoffel-, Zuckerrüben- und Gemüsetechnik und ist in über 100 Ländern der Welt vertreten. Die Leistungsfähigkeit als Landmaschinenhersteller stellt Grimme seit über 150 Jahren unter Beweis.

Zielsetzung des Projektes

Die zentrale Zielsetzung des umgesetzten Business Intelligence Systems ist die Bereitstellung eines konsolidierten, aussagekräftigen und tagesaktuellen Berichtswesens für das Controlling. Ein wesentlicher Schwerpunkt bildet hierbei die Analyse der Deckungsbeitragsrechnung:

• Ablösung von bisher manuell erstellten Berichten durch Business Intelligence-Verfahren
• Freie Navigation in Daten für Ad-hoc-Analysen sowie vordefinierte Berichte für das Standard-Reporting
• Offene Architektur zur Konsolidierung von Daten aus unterschiedlichen Quellsystemen und Ländern.

Anforderungen

An das Business Intelligence-System der Grimme Landmaschinenfabrik werden in einer ersten Umsetzungsphase die nachfolgenden primären Anforderungen gestellt:

• Evaluierung einer geeigneten Infrastruktur sowie Design der Softwarearchitektur auf Basis einer Microsoft BI-Plattform
• Integration der relevanten Daten in einer offenen Architektur bestehend aus drei Datenschichten
• Automatisierte Aktualisierung von Informationen für das Standard-Reporting
• Flexible Analyse von Detaildaten als auch Analyse von aggregierten Kennzahlen durch Vor-Aggregation.

Insbesondere die Offenheit der gewählten Architektur ist hierbei eine wesentliche Anforderung, da ein Austausch eines operativen Quellsystems sowie die Integration weiterer Informationssysteme zu berücksichtigen sind.

Statement "Es hat mir sehr viel Spaß gemacht, die ersten Schritte eines Data Warehouse bei Grimme gemeinsam umzusetzen. Die immer sehr angenehme Atmosphäre der Zusammenarbeit sowie das Knowhow von saracus haben dazu beigetragen. Ich denke, dass wir jetzt nach und nach den verdienten Erfolg für unsere Arbeit ernten werden." Carsten Seidel, Controlling

Architektur

Einer zukünftigen Erweiterung hinsichtlich weiterer Quellsysteme sowie dem Austausch von bestehenden Informationsquellen wird eine Core-Data Warehouse-Architektur mit zentralem Ansatz in besonderer Weise gerecht. Von einer zentralen Datenschicht, die Daten aus unterschiedlichen fachlichen und technischen Umgebungen sammelt und konsolidiert, werden fachliche Datenbereiche aufgrund unterschiedlicher Geschäftsregeln  in Data Marts abgebildet. Diese bilden die Basis für die Bereitstellung von abfrageoptimierten Datenbeständen in Form von OLAP-Würfeln. Für die Endbenutzer wird auf diese Weise eine Plattform bereitgestellt, die es ermöglicht, abgestimmte standardisierte Datenstrukturen für Berichte zu verwenden und innerhalb dieser frei zu navigieren.

Zur Umsetzung der Architektur wurde eine Microsoft BI-Plattform verwendet. Die Strategie: ERP-System Dynamics AX, Data Warehouse Datenhaltung und BI-Software aus einer Hand.

Geschaffener Nutzen

Das entwickelte Business Intelligence-System stellt für die Grimme Landmaschinenfabrik folgende Nutzen bereit:

• Die manuelle Erstellung von Berichten auf der Basis von Datenextrakten konnte reduziert bzw. eingestellt werden.
• Die Wartung erfolgt durch eine State-of-the-art-Architektur mit spezifischen BI-Werkzeugen.
• Reduzierung der Betriebsaufwendungen für das Berichtswesen durch Automatisierung von Datenprozessen.
• Sowohl technische Veränderungen als auch neue fachliche Anforderungen werden leichter und schneller umgesetzt.
• Verbesserte Vergleichbarkeit von Informationen bei gleichzeitiger Erhaltung der Flexibilität durch Integration von Excel.

Datenfluss von Dynamics AX in das Microsoft Data Warehouse

Zusammenfassung

Das Business Intelligence-System für das Controlling, insbesondere die Analyse der Deckungsbeitragsstruktur wurde erfolgreich produktiv gesetzt. Nach dem IT-seitigen Austausch eines primären Quellsystems wurden Data Warehouse-Workshops durchgeführt, um das neue Quellsystem erfolgreich in das Data Warehouse zu integrieren. Nach dieser Integration sind weitere   Projektphasen zur Erweiterung der Datenlieferstrukturen sowie zusätzlicher auswertungsrelevanter Daten und Funktionen geplant.