Zum Inhalt springen
Referenzen·Commerce & Service·eCommerce

Data Warehouse, Margenanalyse und Sales Insights für den Multi-Channel-E-Commerce

Fünf Quellsysteme, ein Datenmodell: Unimatrix führt JTL-Warenwirtschaft, Amazon, eBay, Kaufland und DHL zu einer gemeinsamen Datenbasis zusammen. Umsatz, Gebühren, Versandkosten und Rohertrag lassen sich seitdem bis auf Produktebene vergleichen, über Kanäle, Lager und Mandanten hinweg. Eine Abweichung lässt sich in derselben Oberfläche bis zur Ursache verfolgen.

Das Wichtigste zuerst
Sets und rekursive Stücklisten werden aufgelöst, der Rohertrag rechnet mit den echten Komponenten
Bestände lassen sich kanal- und lagerübergreifend auswerten, aktuell wie historisch
Fachanwender erstellen eigene Berichte und speichern sie als private oder öffentliche Sicht
Qualitätsregeln melden Abweichungen bei Aufträgen, Rechnungen, Stücklisten und Beständen
Kunde
McFilter
Branche
eCommerce

Eine Datenbasis, auf der Sortiment, Preis und Bestand entschieden werden

Ein Sortiment mit Varianten, Sets und Stücklisten verteilt sich bei McFilter über Warenwirtschaft, Marktplatz-Accounts, Logistikabrechnungen und zwei Mandanten. Jede Quelle rechnet anders. Standardberichte beantworteten deshalb immer nur einen Ausschnitt.

Unimatrix importiert diese Daten kontinuierlich, überführt sie in gemeinsame Domänen für Artikel, Aufträge, Rechnungen, Listings und Verkaufskanäle und stellt daraus vorberechnete Kennzahlen für Dashboards, Detailanalysen und weitere Anwendungen bereit. Nachfrageprognose, Bestandsprojektion und Order Brain arbeiten auf derselben Basis: Von der Rohdatei bis zur operativen Entscheidung führt ein Weg.

Marktplatz- und ERP-AnbindungVereinheitlichtes Commerce-DatenmodellMargen- und RohertragslogikData ExplorerFachliche Datenqualitätsregeln
Data Warehouse: Marktplatz-Quellsysteme, Job-Übersicht und Data Explorer mit Margenanalyse

Die Ausgangslage: fünf Quellsysteme ohne gemeinsame Datenbasis

Die Frage klang einfach: Verdienen wir an diesem Artikel? Um sie zu beantworten, saß jemand vor Marktplatz-Abrechnungen, einem Warenwirtschaftsexport und einer Logistikrechnung und rechnete zusammen, was nirgends zusammengehörte. Bis die Zahl vorlag, war sie überholt. Zwei Personen kamen bei derselben Frage selten auf dasselbe Ergebnis.

Marktplätze rechnen Gebühren und Erlöse nach unterschiedlichen Modellen ab
Sets und rekursive Stücklisten verdecken den tatsächlichen Komponentenbedarf
Historische Lagerentwicklung und kanalübergreifende Bestände waren schwer nachvollziehbar
Standardberichte lieferten keine gemeinsame Sicht über Kanäle und Mandanten

Der Wendepunkt: ein Datenmodell für alle Kanäle und Mandanten

01

Quellen angebunden

Relevante JTL-Wawi-Daten werden kontinuierlich repliziert. Dazu kommen Amazon-Abrechnungen, FBA- und Kataloginformationen, eBay-Finanztransaktionen, Kaufland-Buchungsberichte sowie Rechnungs- und Versanddaten von DHL.

02

Abrechnungen vereinheitlicht

Jeder Marktplatz zerlegt eine Transaktion anders: Gebühren, Erlöse und Versandanteile stehen an verschiedenen Stellen und unter verschiedenen Namen. Wir haben diese Komponenten auf ein gemeinsames Schema abgebildet und Sets sowie rekursive Stücklisten bis auf die Komponente aufgelöst. Erst danach ließ sich Profitabilität über Kanäle hinweg vergleichen.

03

Kennzahlen vorberechnet

Umsatz, Nettoerlös, Gebühren, Versandkosten und Rohertrag werden zentral berechnet und nach Datum, Kanal, Kundengruppe und Versandland bereitgestellt. Einkaufspreise und Bestände sind historisiert, damit auch vergangene Zeiträume richtig bewertet werden.

04

Qualität geprüft

Fachliche Regeln prüfen Aufträge, Rechnungen, Stücklisten, Bestände und Konfiguration laufend; bei Abweichungen geht eine Benachrichtigung raus. Die Verarbeitungspipeline ist sichtbar und steuerbar, Jobs, Fehler und Laufzeiten bleiben in der Historie.

Die Kennzahlen stehen ohne manuelle Zusammenführung bereit. Das Live-Dashboard zeigt den laufenden Tag, der Data Explorer beantwortet Fragen, für die es früher einen Auftrag brauchte, und die Artikel-360°-Sicht bringt Bestand, Nachfrage, Lieferungen und Kennzahlen auf einen Schirm.

Anbindung großer MarktplätzeVereinheitlichtes eCommerce Datenmodell
Vergleichbare Profitabilität
über Produkte und Kanäle hinweg statt je Portal getrennt
Aktuelle Zahlen ohne Vorlauf
die Auswertung steht, wenn die Frage kommt
Bessere Sortimentsentscheidungen
Sortiment, Preis und Bestand lassen sich an Zahlen festmachen statt an Erfahrung
Wiederverwendbare Datenbasis
Forecasting und Planungsprozesse setzen darauf auf, ohne eigene Exporte
McFilter

McFilter ist ein mittelständisches E-Commerce-Unternehmen, das eigene Produkte international fertigen lässt und sie europaweit über Marktplätze und eigene Shops verkauft.

Neben der Produktentwicklung steuert das Unternehmen Versand, Lager und Logistikplanung selbst. Fertigung und Vertrieb verteilen sich auf zwei Mandanten.

Zur Kundenreferenz: McFilter

Wir entwickeln Datenplattformen, auf denen eine Kennzahl in jeder Abteilung dasselbe bedeutet. Erst dann lassen sich Sortiment, Preis und Bestand gemeinsam an Zahlen festmachen.

Robert Kramer
Gründer und CEO

Weitere Referenzen

Alle Referenzen