de flag +1 214 306 68 37
Finanzanalyse für einen internationalen Immobilienentwickler

Finanzanalyse für einen internationalen Immobilienentwickler

Branche
Real Estate
Technologien
MS SQL Server, Power BI

Kunde

Der Kunde ist ein internationales Unternehmen (mit etwa 300 Mitarbeitern), das sich auf die Entwicklung von Geschäfts- und Wohnimmobilien spezialisiert.

Herausforderung

Mit dem Ziel, einen tieferen Einblick in sein Geschäft zu erhalten, wollte der Kunde eine umfassende Finanzberichterstattung erstellen. Anstatt der Daten aus unterschiedlichen Quellen, die für die Datenanalyse und fundierte Entscheidungsfindung ungeeignet sind, wollte der Kunde ein effizientes Berichtstool erhalten, das auf aggregierten Daten basiert.

Lösung

Im Zuge des Projekts hat das BI-Beratungsteam von ScienceSoft, bestehend aus einem Datenanalysten, einem Datenbankentwickler und einem Senior BI-Entwickler, Folgendes geliefert:

  • Data Warehouse auf Basis von Microsoft SQL Server
  • ETL unter Verwendung von Python
  • Datenintegration aus ungefähr 40 Quellen
  • Datenbereinigung und -zusammenführung
  • Die Entwicklung von analytischen Würfeln mit 15 Dimensionen und 30 Werten
  • Integrierte Finanz- und Analyseberichte und Dashboards auf Basis von Power BI

Da der Kunde eine umfassende Finanzanalyse benötigte, entwickelte ScienceSoft die Berichte, um die folgenden Kennzahlen zu analysieren:

  • Einkommen
  • Betriebskosten
  • Nettobetriebsergebnis
  • Nettoerlös
  • Operativer Cashflow
  • Die Veränderungen in der Menge von vorhandenen Bargeld
  • Umlaufvermögen
  • Anlagevermögen
  • Kurzfristige Schulden
  • Langfristige Schulden

Damit der Kunde ein Gesamtbild erhalten und die Trends erkennen kann, lieferte ScienceSoft auch die folgenden Dashboards und Berichte:

  • Bilanzsumme
  • Bargeld am Ende der Periode 
  • Kurzfristige Vermögenswerte und Schulden
  • Einkommen
  • Aufwendungen
  • Cashflow
  • Nettoerlös

Die Berichte zeigen die Daten sowohl des gesamten Unternehmens als auch der Filialen an. Darüber hinaus kann jedes Attribut ausgewählt werden, um die Daten zu filtern (einschließlich der Hierarchie von Filialen, Kontos und Daten).

Ergebnisse

Am Ende des Projekts ermöglichten 17 Berichte (mit unterschiedlichen Detaillierungsgraden) und 5 Dashboards dem Kunden, die aggregierten Finanzdaten aus allen Perspektiven zu betrachten und dadurch sein Geschäft besser zu verstehen. Außerdem konnte der Kunde den Cashflow analysieren, Trends erkennen und schnell auf ein sich veränderndes Umfeld reagieren.

8 without numbers

Technologien und Tools

Microsoft SQL Server (DWH), Python (ETL), Microsoft Power BI (Reporting)