SAP-Daten in BigQuery: Absatzplanung und Bestände im technischen Großhandel
Ein technischer Großhändler mit rund 650 Mitarbeitenden und SAP ECC repliziert Vertriebs-, Einkaufs- und Bestandsdaten nach Google BigQuery. Auf dieser Basis entstehen Absatzprognosen, Bestandsempfehlungen und Auswertungen, die Vertrieb und Einkauf per Gemini in Alltagssprache abfragen. Der Projektplan sieht rund drei Monate vor.
- Unternehmen mit SAP ECC oder S/4HANA, deren Berichte zu spät kommen
- Einkauf und Vertrieb, die Bestände und Nachfrage besser steuern wollen
- IT-Teams, die SAP-Daten ohne neues Data Warehouse nutzbar machen wollen
Warum bringt ein Großhändler seine SAP-Daten nach BigQuery?
Der Großhändler steuert Einkauf, Lager und Vertrieb mit SAP ECC. Berichte entstehen monatlich in Excel, zusammengetragen aus mehreren SAP-Auswertungen. Bis sie fertig sind, sind sie oft schon veraltet. Die Geschäftsführung will Bestände und Nachfrage früher sehen, nicht erst am Monatsende. Gleichzeitig steht der Wechsel auf S/4HANA erst in einigen Jahren an, und bis dahin soll nichts warten.
Bestände binden Kapital.
Bei rund 80.000 Artikeln sind manche Lager zu voll, während andere Artikel im entscheidenden Moment fehlen. Eine verlässliche Absatzprognose gibt es nicht.
Fragen landen beim Controlling.
Wer eine Zahl braucht, schreibt eine Mail und wartet. Vertrieb und Einkauf sollen ihre Fragen selbst beantworten können, mit denselben Zahlen wie die Geschäftsführung.
Projektprofil
Wie kommen die SAP-Daten in BigQuery und in den Alltag?
Da der Großhändler SAP ECC ohne Business Data Cloud nutzt, kommen die Daten per Replikation nach BigQuery: Der BigQuery Connector for SAP überträgt Vertriebs-, Einkaufs- und Bestandsdaten über den SAP LT Replication Server. Das Google Cloud Cortex Framework liefert in Version 7 fertige Datenprodukte für SAP ECC, sodass Auswertungen nicht bei null beginnen; eigene Z-Felder werden automatisch übernommen.
In Looker entstehen Dashboards für Geschäftsführung, Vertrieb und Einkauf. Absatzprognosen laufen direkt in BigQuery. Vertrieb und Einkauf stellen ihre Fragen an Gemini in Alltagssprache, etwa nach Artikeln mit sinkender Nachfrage, und bekommen Antworten auf Basis derselben Zahlen.
Konzept und Architektur
Zielbild für Daten und KI: welche SAP-Daten, Weg nach BigQuery, Berechtigungen, Region Frankfurt, Kostenrahmen. Zwei Wochen.
Anwendungsfälle und Kennzahlen
Mit Vertrieb, Einkauf und Controlling die wichtigsten Fragen und Kennzahlen festlegen. Eine Woche.
SAP-Daten anbinden
BigQuery Connector for SAP installieren, Replikation für Vertrieb, Einkauf und Bestände einrichten, gemeinsam mit dem SAP-Team. Drei Wochen.
Datenmodell und Dashboards
Datenprodukte aus dem Cortex Framework v7 anpassen, Dashboards in Looker aufbauen. Drei Wochen.
Prognosen und Gemini
Absatzprognose in BigQuery, Bestandsempfehlungen, Fragen in Alltagssprache für Vertrieb und Einkauf. Drei Wochen.
Betrieb und Ausbau
Überwachung, Kostenkontrolle und weitere Bereiche, etwa Finanzen.
Welche Technik kommt zum Einsatz?
BigQuery Connector for SAP
Repliziert Daten aus SAP ECC über den SAP LT Replication Server nach BigQuery.
BigQuery
Zentrale Datenplattform für Auswertungen und Prognosen.
Google Cloud Cortex Framework v7
Fertige Datenprodukte für SAP-Daten in BigQuery; eigene Z-Felder werden automatisch übernommen.
Looker
Dashboards für Geschäftsführung, Vertrieb und Einkauf.
Gemini in BigQuery und Looker
Fragen zu Kennzahlen in Alltagssprache.
Die Daten liegen in der Google-Cloud-Region Frankfurt.
Woran lässt sich der Nutzen nach drei Monaten messen?
Ausgangslage
- Monatliche Berichte in Excel aus mehreren SAP-Auswertungen
- Zu hohe Bestände bei manchen Artikeln, Fehlmengen bei anderen
- Keine verlässliche Absatzprognose
- Jede Zahlenfrage läuft über das Controlling
Messgrößen nach vier Monaten
- Zeit, bis eine Kennzahl für Vertrieb oder Einkauf vorliegt
- Entwicklung von Lagerbestand und Fehlmengen bei den wichtigsten Artikeln
- Anteil der Fragen, die ohne das Controlling beantwortet werden
Klär in 30 Minuten, was eure SAP-Daten leisten können
- Einordnung der Ausgangslage
- Grobe Abschätzung von Umfang und Dauer
- Nächste Schritte
