Fallstudie

Ein CFO-Cockpit für einen Konzern mit getrennten Abschlüssen

Hotellerie und Immobilien

Ein Konzern aus Hotellerie und Immobilien, dessen Gesellschaften jeweils eigene Abschlüsse machten. Der Konzernabschluss läuft heute aus einem geprüften Cockpit, das über Nacht aktualisiert wird.

Projektbeschreibung lesen (englisch)(öffnet in einem neuen Tab)
Dauer
10 Monate
Kapazität
F2 im Produktivbetrieb
Eine Schemazeichnung: die getrennten Berichte, mit denen das Projekt begann, die eine zusammengeführte Reporting-Schicht, die sie ersetzt hat, und die Technologien darunter.

Eine Woche Excel, ersetzt durch einen Lauf über Nacht

Jede Division schloss ihre eigenen Bücher ab, also verbrachte das Konzerncontrolling die erste Woche nach Monatsende damit, Arbeitsmappen von Hand zusammenzuführen. Der CFO gibt den Konzernabschluss heute auf Basis eines Cockpits frei, Zelle für Zelle geprüft und über Nacht aktualisiert.

BI-Nutzer in Controlling, Buchhaltung und Vorstand
50+
semantische Modelle je Domäne: Finance, Operational, Executive
3
Kapazität im Produktivbetrieb, gehalten durch Modellierungsdisziplin
F2
Frontends auf einem Modell: Power BI und Excel
2

Nach Branche und Größe anonymisiert. Branche und Ergebnisse sind echt, die identifizierenden Details nicht. Was das Projekt an Stunden und Personal bewegt hat, steht hier nicht, weil es nichts gibt, worauf wir verweisen könnten, damit Sie es prüfen.

Vorher und nachher

Vor und nach dem Projekt

Eine Woche Excel

  • 3 Divisionen schicken ArbeitsmappenJede in ihrem eigenen Rhythmus, mit ihrer eigenen Lesart von Marge, EBITDA und Forecast
  • Das Konzerncontrolling führt von Hand zusammenAbstimmen statt analysieren
  • Der CFO sieht die Konzern-GuVWenn der Monat längst Geschichte ist

Über Nacht

  • Die Systeme der Divisionen laden über NachtFabric-Pipelines, ohne herumgereichte Arbeitsmappen
  • Ein geprüftes Finance-ModellJede Zelle vor dem Abschluss gegen die Quelle abgestimmt
  • Das CFO-CockpitDie Zahlen von gestern gleich am Morgen
Von einer Woche manueller Excel-Konsolidierung zu einem Cockpit, das über Nacht aktualisiert wird.

Das Projekt im Detail

Kunde
Ein familiengeführter mitteleuropäischer Konzern mit 250 bis 500 Mitarbeitenden in 3 Divisionen, Corporate, Real Estate und Hospitality, mit mehreren operativen Gesellschaften, mehreren Währungen und einem Management-Ledger sowie einem handelsrechtlichen Ledger nebeneinander.
Ausgangslage
Der Review zeigte ein Reporting, das über getrennt gewachsene Systeme verteilt war, also lief die Konsolidierung in Tabellen, von Hand, durch Menschen, die das gut konnten und nicht zu ersetzen waren. Für die Definitionen, die die Gesellschaften verbinden sollten, war niemand zuständig.
Auftrag
Microsoft Fabric von Grund auf einführen und ein Performance-Cockpit bauen, das für den Monatsabschluss die einzige verbindliche Quelle des Konzerns ist.
Was wir gebaut haben
  • FoundationEin Review des Konzernreportings, der zeigte, wo die Zahlen der Gesellschaften auseinanderliefen, und mit einer Liste der Sofortmaßnahmen endete.
  • ActivationEin zehnmonatiger Rollout, der die Tabellen durch eine Plattform mit Governance ersetzte, und darauf ein CFO-Cockpit, das sämtliche Gesellschaften auf gemeinsamen Definitionen konsolidiert.

Die Kapazitätsstufe, die nicht gekauft wurde

Im ersten Rollout brachten die häufigsten Filterkombinationen das Modell an die Speichergrenze der Einstiegskapazität. Die übliche Antwort ist eine größere Kapazitätsstufe, und jeder Schritt nach oben verdoppelt die Kapazitätsrechnung. Wir haben stattdessen gemessen, woher die Last kam, und die Berechnung neu gebaut, die sie verursachte, und das Cockpit blieb auf F2. Das steht so im Vertrag mit dem Kunden: Kapazität wird erst skaliert, wenn die Optimierungswege ausgeschöpft sind und das Datenvolumen die Stufe wirklich übersteigt.

Das Cockpit, auf dessen Basis der Abschluss freigegeben wird

Konzern-GuV bis zum EBT mit den 3 Divisionen nebeneinander, KPI-Karten über Ist, Budget, Forecast und Vorjahr, ein Umschalter zwischen Management-Ledger und handelsrechtlichem Ledger und auf jeder Seite ein Treiberpanel.

Drei Modelle statt eines Monolithen

Finance trägt die GuV bis zum EBT, den Deckungsbeitrag, Ist gegen Budget, Forecast und Vorjahr, den Ledger-Umschalter und die Konsolidierung. Operational trägt Auslastung, RevPAR und die operativen Kennzahlen der Hotellerie, auf der Immobilienseite die Objekt-KPIs. Executive ist eine verdichtete Vorstandssicht, die auf beide verweist, statt sie zu wiederholen. Jedes Modell trägt eigene KPI-Definitionen, Zeitintelligenz mit einem Stichtag für geschlossene Perioden, Szenariologik und Berechtigungen, sodass ein Fehler in einer Domäne nicht die ganze Reporting-Schicht lahmlegt und die Teams parallel liefern.

Wie das Modell auf F2 blieb

Die Ursache wurde gefunden und behoben, bevor eine größere Kapazitätsstufe gekauft wurde.

  1. Filter stoßen an die GrenzeAuf der Einstiegskapazität, im ersten Rollout
  2. Ursache gemessenEine Berechnung, nicht das Datenvolumen
  3. Berechnung neu gebautEin Pfad je Zelle statt aller Zweige
  4. F2 bleibtUnter einer Sekunde, über 4 Szenarien

Wie die Arbeit lief

Prüfung zuerst: Das Finanzteam zeichnet die Abstimmung jeder Zelle ab, nicht den Bericht.

  1. Aktualisierung über NachtQuellen in das Finance-Modell
  2. Zellen abgestimmtJede Cockpit-Zelle gegen die Quelle
  3. Finance zeichnetDie Prüfdatei, nicht den Bericht
  4. Abschluss im CockpitKeine Gegenrechnung in Excel

Ein Modell, zwei Frontends

Dasselbe Modell erreicht den CFO in Power BI und die Controller in Excel.

  1. Power-BI-CockpitDie Konzernsicht für CFO und Vorstand
  2. Semantisches Finance-ModellMarge, EBITDA und Abweichung, einmal definiert
  3. Excel-PivotsAnalyze in Excel, für die Controller

Zielarchitektur

Quellen: Buchhaltungssysteme · Umsysteme · Databricks-Katalog. Ingestion: Fabric Data Factory · Gespiegelter Katalog. OneLake-Medallion: Bronze · Silver · Gold L1 · Gold L2 · Platinum. Semantische Schicht: Finance · Operational · Executive. Frontends: Power BI · Excel
Quellen in die Fabric-Ingestion, ein Medallion-Lakehouse in OneLake, 3 semantische Modelle über Direct Lake gelesen und darauf die 2 Frontends. Finance ist das Modell, auf dessen Basis der Abschluss freigegeben wird.

Was der Kunde heute hat

  • Der Monatsabschluss wird aus dem Cockpit gezeichnet, auf einer Prüfdatei bis auf Zellebene statt auf verketteten Arbeitsmappen.
  • Ein Konzernabschluss, der einen geprüften Lauf über Nacht braucht statt einer Woche Excel-Arbeit nach Monatsende.
  • Ein Konzernmodell über 4 Szenarien, das auf F2 in unter einer Sekunde rendert, gehalten durch Modellierungsdisziplin statt durch ein Kapazitäts-Upgrade.
  • Direct Lake auf einem gespiegelten Katalog, ohne Kopien und ohne nächtliche Import-Aktualisierung.
  • Self-Service in Corporate, Real Estate und Hospitality auf Divisions- und Gesellschaftsebene, ohne das zentrale Controlling dazwischen.
  • Ein Modell hinter dem Power-BI-Cockpit und den Excel-Pivots der Controller.
  • Ein Fundament, an das Forecasting, Copilot-Fragen und KI-Kommentare zu Abweichungen andocken, ohne die Architektur neu zu bauen.
Für Ihre IT

Die Entscheidungen hinter dem Cockpit, für die Menschen, die so etwas betreiben würden. Jede größere Entscheidung wurde in einem Workshop mit der Leitung Data und Analytics und der Leitung Data Engineering abgestimmt, bevor gebaut wurde.

  • Drei Domänenebenen und ein Reporting-Workspace, jeweils in DEV, TEST und PROD, wobei die Produktion nur über eine Freigabe erreichbar ist. Bewusst gibt es keinen Workspace je Division: Die Trennung zwischen Corporate, Real Estate und Hospitality läuft über Row-Level-Security im Modell statt über parallele Workspaces, was die Topologie klein, die CI/CD-Kette nachvollziehbar und die Lineage lesbar hält.
  • Power-BI-Projektdateien von Tag eins unter Git, über eine Fabric-Deployment-Pipeline von DEV nach TEST überführt, mit manueller Freigabe vor der Produktion.
  • Bronze hält Rohextrakte, je Quellsystem versioniert, Silver die typisierte, deduplizierte Schicht mit vereinheitlichten Konten-, Gesellschafts- und Zeitdimensionen und separat geführtem Ledger-Kennzeichen. Gold L1 ist das Finance-Datenprodukt und gehört dem Konzerncontrolling statt dem Datenteam, Gold L2 hält divisionsübergreifende Aggregate und Platinum die berichtsfertigen Long Facts, sodass der KPI-Dispatch über Berechnungsgruppen aufgelöst wird.
  • Die F2-Grenze wurde gelöst, indem eine SWITCH-Kennzahl für den KPI-Dispatch durch eine Berechnungsgruppe über eine Bridge-Tabelle ersetzt wurde. Vorher wurde für jede Zelle jeder Zweig ausgewertet und übliche Slicer-Kombinationen stießen an die Speichergrenze der Abfrage, nachher löst die Engine einen Pfad je Zelle auf und das Modell rendert auf F2 über 4 Szenarien in unter einer Sekunde.
  • Die Row-Level-Security-Rollen sind entlang der 3 Divisionen geschnitten, mit Entra-Sicherheitsgruppen als Mitgliedern, sodass das Onboarding eines Divisionscontrollers eine Gruppenzuweisung ist und keine Modelländerung. Eine Ledger-Rolle liegt quer darüber und trennt das Management-Ledger vom handelsrechtlichen Ledger, und die zeitlich begrenzten Break-the-Glass-Rollen für den Monatsabschluss werden regelmäßig geprüft statt offen gelassen.
  • Purview-Vertraulichkeitsbezeichnungen auf den Finanzobjekten, die GuV-Daten der operativen Gesellschaften auf der höchsten genutzten Vertraulichkeitsstufe. Dynamic Data Masking auf gehaltsnahen HR-Spalten im Controlling-Warehouse, nur für einen engen Finanzkreis entmaskiert und immer zusätzlich zur Spaltenberechtigung. Workspace-Identität, ein Service Principal und Azure Key Vault für die Zugangsdaten der Plattform.
Wohin es geführt hat
Eine Zahl je Kennzahl, in jeder Gesellschaft auf demselben Weg entstanden, und ein Konzernabschluss, der einen geprüften Lauf über Nacht braucht statt einer Woche Handarbeit.
Stack
  • Microsoft Fabric
  • OneLake
  • Direct Lake
  • Databricks Mirrored Catalog
  • Fabric Data Factory
  • Power BI
  • DAX
  • Berechnungsgruppen
  • Row-Level-Security
  • Azure DevOps
  • Azure Key Vault
  • Purview
Alle Fallstudien

Die anderen Projekte

  • Handel

    Foundation dann Activation dann Acceleration begleitet von Stewardship

    Filialumsatz, Vorstandsfragen und Forecasting auf Basis einheitlicher Definitionen

    Ein Händler mit Microsoft Fabric bereits im Produktivbetrieb, semantischen Modellen über Direct Lake und einströmendem Filialumsatz, der darauf Forecasting, Copilot-Fragen und Anomalieerkennung wollte.

    • Microsoft Fabric
    • Semantische Power-BI-Modelle
    • Direct Lake
    • Copilot in Power BI
    • Fabric AI Functions
    • Activator
  • Industrielle Fertigung

    Foundation dann Activation dann Acceleration

    Standortübergreifendes Reporting mit Governance für ein Produktionsnetz

    Ein Industriehersteller, der über ein Produktionsnetz mit mehreren Standorten berichtete, von denen jeder seine eigene Sicht darauf hatte, was gerade lief.

    • Microsoft Fabric
    • OneLake
    • OneLake Security
    • Direct Lake
    • Spark
    • MES
    • OPC UA
    • Power BI
    • DAX
    • Azure Key Vault
    • Purview
    • Azure DevOps
  • Multi-Brand-Handel

    Foundation dann Activation

    Ein markenübergreifendes Modell mit Governance für eine Multi-Brand-Handelsgruppe

    Eine Handelsgruppe mit mehreren Marken, jede mit eigenen Systemen, eigenen Reporting-Gewohnheiten und einer eigenen Antwort darauf, was eine Marge ist.

    • Microsoft Fabric
    • Direct Lake
    • Databricks
    • Eventstream
    • KQL Database
    • Power BI
    • DAX
    • SAP
    • Salesforce
    • Azure DevOps
  • Omnichannel-E-Commerce

    Foundation dann Activation

    Finanzreporting, das mit dem Tag Schritt hält

    Ein Omnichannel-Händler, dessen Finanzleitung mit den Zahlen von gestern steuerte, in einem Tagesgeschäft, das sich innerhalb eines Tages verändert.

    • Microsoft Fabric
    • OneLake
    • Direct Lake
    • Fabric Data Factory
    • Eventstream
    • Power BI
    • DAX
    • REST APIs
    • ERP-Integration
Alle Fallstudien

Kostenlose Beratung

In einer Stunde wissen Sie, wo Ihre Daten stehen.

Eine kostenlose 60-minütige Beratung. Kein Verkaufsgespräch, keine Rechnung. Danach wissen Sie, ob Ihre Daten bereit für KI sind und ob wir zueinander passen.

Kostenlose Beratung buchen(öffnet in einem neuen Tab)