Coop Mineraloel AG: Die Automatisierung der rollierenden monatlichen Hochrechnung

Coop Mineraloel AG steuert dank Predictive Analytics sicher durch die Krise

Herausforderung im Projekt

Die Coop Mineraloel AG betreibt ein Netz von 314 Pronto Shops in der Schweiz, wovon 244 einer Coop Tankstelle angeschlossen sind. 70 Pronto Shops sind alleinstehend, beispielsweise in Bahnhöfen. Die Coop Pronto Shops – mit oder ohne Tankstelle – werden im Franchisesystem geführt. Der Nettoerlös betrug – Stand Ende 2020 – 2.2 Milliarden Franken.

Das zentrale Controlling überwacht die Geschäftsentwicklung der Coop Mineraloel AG. Zusätzlich wünscht die Konzernmutter, bspw. die Ergebniskennzahlen monatlich rollierend zu rapportieren. Diese Anforderungen bringen die Kapazitäten des zentralen Controllings bisher an ihre Grenzen, denn derzeit wird die monatliche Prognose manuell je Standort durchgeführt, was zu Fehleranfälligkeit führen kann. Aufgrund der Vielzahl von Daten, die in jedem Berichtsevent aufwendig zusammengeführt und harmonisiert werden müssen, ist die rapportierte Hochrechnung sehr zeitintensiv und bietet der Coop Mineraloel AG wenig analytischen Mehrwert.

In der Organisation sollen zukünftig die einzelnen Standorte mit einer monatlichen Hochrechnung ausgewertet werden können, d.h. per Knopfdruck soll eine monatlich rollierende Umsatzprognose pro Standort – differenziert nach Produkten – abrufbar sein. Durch die Einsparung der bisher sehr aufwendigen manuellen Tätigkeiten gewinnt der Verkaufsleiter so mehr Zeit und Ressourcen für andere wichtige Aufgaben. Zudem kann das Controlling durch die Erkennung von Frühindikatoren – z.B. Schwankungen in den Ergebniskennzahlen – die Entwicklung beobachten und ggfs. vorausschauend darauf agieren. Durch die hohe Informationsdichte an Daten kann der Verkaufsleiter ausserdem die Kosten oder weitere Ergebniskennzahlen prognostizieren, um damit monatlich rollierend eine Aussage über das zu erwartende Jahresergebnis seines Standorts treffen zu können.

Die Implementierung der Lösung Predictive Analytics

Mit dem Einsatz von Predictive Analytics – der Automatisierung der rollierenden monatlichen Hochrechnung – kann das Unternehmen die Informationsdichte massiv erhöhen. Umfangreiche Anpassungen und Simulationen sind nun jederzeit auf einer automatisch berechneten Datenbasis möglich. Die Controlling-Prozesse werden verschlankt und effizienter gestaltet.

Die von uns eingesetzten Prognosemethoden stammen aus der klassischen und neueren Zeitreihenanalyse. Dadurch können alle möglichen Variablen, wie z.B. Saisonverläufe, Trends, Kalender und Ferieneffekte berücksichtigt werden. Soweit für Zeitreihen sinnvoll, können auch Verfahren des maschinellen Lernens wie neuronale Netze, Klassifikations- und Regressionsbäume eingesetzt werden.

Die sachliche Granularität der Planung richtet sich nach der Organisationsstruktur sowie den Kundenerfordernissen und unterscheidet sich stark zwischen Industrie, Dienstleistung und Handel. Für die zeitliche Granularität wird i.d.R. der Kalendermonat festgelegt. Der zeitliche Horizont der Planung, also wie viele Perioden in der Zukunft zu prognostizieren sind, kann fest oder flexibel sein. Bei der rollierenden Planung wird beispielsweise der Horizont mit jeder neuen Prognose immer kürzer, während die ältesten Perioden, die ursprünglich geplant/prognostiziert wurden, bereits durch die Ist-Daten ersetzt sind.

Das überzeugende Projektergebnis ist ein klar strukturierter Ablauf des monatlichen Forecasts der Umsätze der einzelnen Standorte. 12 rollierende, automatisch erstellte, monatliche Jahresumsatzprognosen auf Standortebene, sowie der Umsatz differenziert nach Treibstoffart und Shop-Umsatz werden aufgezeigt. Risiken bisheriger möglicher Fehlerquellen und Abstimmungspannen konnten weitgehend reduziert werden; das regelmässige Rapportieren funktioniert einheitlich und reibungslos.

Planungsevents können nun effizienter gestaltet werden, indem mittels der Prognose Vorschlagswerte erstellt werden, die dann in den Budgetierungsprozess überführt werden. Auf Basis dieser voll automatisiert erzeugten Forecastwerte können die Planungsverantwortlichen die Werte modifizieren, wenn sie aufgrund von ausserplanmässigen bzw. nicht beeinflussbaren Umständen – beispielsweise einer Baustelle – mit Umsatzeinbussen rechnen müssen.

Erzieltes Ergebnis

Langfristig rollierende Prognosen können nun auf Monatsbasis erstellt werden, ebenso sind langfristige Wochen- oder Tagesprognosen abrufbar. Zusätzlich können auch die Kosten je Standort prognostiziert werden; dadurch ist eine frühzeitige und langfristige Standortbeurteilung möglich. Grundsätzlich können nun alle 314 Standorte vollumfänglich prognostiziert werden. Aber auch auf Unternehmensebene können die Verfahren angewendet werden, z.B. für die langfristige Prognose der Absatzmenge und Umsatz von Heizöl.

Auf Knopfdruck wird dem zentralen Controlling ein hoher analytischer Mehrwert im Kontext der kurz-, mittel- und langfristigen Standortbeurteilung geboten, aber auch zur Beurteilung der gesamten Coop Mineraloel AG. Neue Informationen über Standorte entstehen, die Prozesse in der Zusammenarbeit zwischen dem zentralen Controlling und den Verkaufsleitern können effizienter gestaltet werden. Durch die Automatisierung entfallen einerseits viele manuelle Tätigkeiten; andererseits unterstützen intelligente Analysehilfen (Monitoring) die Überwachung der Datenqualität. Dank der neu gewonnenen Informationsdichte und den neuen Prognosen, z.B. den Absatzmengen einzelner Produkte, können logistische Prozesse optimiert werden. Zudem erlauben die freigesetzten Zeitkapazitäten dem Management, spontan ausserplanmässige Planungsevents durchzuführen.

Benefits

• Weniger Aufwand für nicht werthaltigeTätigkeiten
• Präzisere Ergebnisse und grössere Transparenz dank erhöhter Informationsdichte
• Verdeutlichung von Zusammenhängen und funktionsübergreifenden Abhängigkeiten (über verschiedenste Unternehmensbereiche hinweg) durch offengelegte Ursache-Wirkungs-Ketten
• Massiv erhöhte Reaktionsfähigkeit durch Automatisierung – Kalenderorientierung gehört zunehmend der Vergangenheit an
• Objektivierte Forecasts, die ein faktenbasiertes Bild geben
• Mehrfachnutzung und Wiederverwendbarkeit der von s-peers bereitgestellten Algorithmen
• Grosse Auswahl an Auswertungsmöglichkeiten in gesicherter Qualität
• Frühzeitige Möglichkeit zur Performance-Bewertung durch Simulation

Verwendete Technologien

• R
• SAP Analytics Cloud
• SAP BW on HANA – full use oder alternativ: SAP Datawarehouse Cloud