Vertriebsanalyse-System für Einzelhandel

Kunde

Der Kunde ist ein multinationaler FMCG-Konzern, der in mehr als 200 Märkten mit 1 Milliarden Konsumenten und 60.000 Mitarbeitern in der ganzen Welt tätig ist.

Herausforderung

Eine der nationalen Niederlassungen des Kunden verteilte 100 Artikelnummer über einen Marketingkanal, der 10 große Einzelhandelsketten und 10.500 Geschäfte umfasste. Zur Durchführung der Verkaufsanalyse musste der Kunde Daten von Einzelhändlern in mehreren Dateien und Formaten sammeln, was die Produktivität erheblich reduzierte und den Analysten keine ganzheitliche Betrachtung bot. Daher wurde ScienceSoft mit einem Projekt beauftragt, ein System zu entwickeln, das Daten verarbeitet und vereinigt, um erweiterte Einzelhandelsanalysen zu liefern.

Lösung

ScienceSoft entwickelte das System gemäß der High-Level-Architektur, die aus drei Modulen besteht:

  • Web Client – ein Tool, das auf dem Anwendungsserver (IIS) installiert wird, und die Benutzer können damit:
    • Daten ins System laden, sie dort ansehen und verarbeiten
    • Hochgeladene Dateien zurückrollen
    • Hochgeladene Protokolldateien anschauen
    • Die Verarbeitung von Daten von DWH (Data Warehouse) bis OLAP-Würfeln (Online Analytical Processing) initiieren
  • Data Warehouse – eine Datenbank (MS SQL Server), die Daten speichert und für die weitere Verarbeitung durch eine Analyse-Engine vorbereitet. Das DWH enthält solche Daten wie 'Sales in' (die Menge der Produkte, die zu einem Geschäft verkauft wurden), 'Sales aus' (die Menge der Produkte, die von einem Geschäft verkauften wurden) und 'Lager' (die Menge der in einem Geschäft gelagerten Produkte).
  • Analysis Services – eine Analyse-Engine (MS SQL Server Analysis Services, oder SSAS), die monatlichen (oder wöchentlichen) Daten aggregiert, in einem multidimensionalen Modell (OLAP-Würfel) speichert und an die Frontend-Anwendung (Power Pivot für MS Excel) überträgt. Der Würfel hat mehrere Dimensionen, nämlich die Zeit, die Hierarchie “Handelskette – Geschäft”, die Artikelnummer-Kategorie und andere. Darüber hinaus berechnet die Engine differenzierte KPIs - zum Beispiel Umsatzwachstum in einem bestimmten Geschäft für einen bestimmten Zeitraum.

Ergebnisse

Der Kunde war mit der Lösung zufrieden, weil sie ein Werkzeug für eine erweiterte Verkaufsanalyse lieferte. Das Unternehmen ist nun in der Lage, Verkaufstrends zu identifizieren, herauszufinden, welche Artikelnummer und Filialen die beste Leistung zeigen, Wachstumspotenziale abzuschätzen sowie Verkaufs- und Marketingaktivitäten zu optimieren. In Zusammenarbeit mit ScienceSoft plant der Kunde auch eine komplizierte Datenvisualisierung zu implementieren.

Technologien und Tools

MS Windows Server 2008 R2 (64 Bit), MS SQL Server 2008 R2, Entity Framework 6.1.1, MS SQL Server Analysis Services, .NET 4.5, ASP.NET MVC 4, Bootstrap 3.0.1, Power Pivot für MS Excel.