Kontakt

Mehrländer-Margen-Tracker: vom Listenpreis zum Net-Net, Woche für Woche

Ein wöchentlicher Preis-Wasserfall vom Tarif bis Net-Net, mit Margensichten für Hersteller und Händler, aufgebaut auf ländereigenen Daten und einem gemeinsamen Reporting-Modell.

Vertraulicher Lebensmittel- und Getränkehersteller NDA 2026

Status: Für das erste Land live; weitere Länder werden über denselben Schnittstellenvertrag angebunden.

Vertrieb & Marketing Food & Beverage / FMCG Revenue Growth Management Data Engineering Vertrieb & Commercial Analytics
Eine wöchentliche Preiskaskade vom Tarif bis Net 5, mit Hersteller- und Händlerperspektive sowie mit oder ohne Promotions.
Prozessüberblick. Bild in voller Größe öffnen

Ausgangslage

Unterschiedliche Quellcodes, Zeitraster und Handelskonditionen verhinderten eine konsistente Sicht auf die Marge über Länder hinweg.

Umgesetzte Lösung

Ländereigene Wochendaten, ein inkrementeller Parquet-Vertrag, eine gemeinsame Nettopreis-Engine und generierte Power-BI-Measures.

Mehrwert

Vergleichbare wöchentliche Preis-Wasserfälle und Margensichten, mit lokaler Datenhoheit und weiteren Ländern im Onboarding.

Ausgangslage

Ein Lebensmittel- und Getränkehersteller wollte eine Sicht darauf, wie sich seine Preise vom Listentarif bis zum endgültigen Nettopreis entwickeln. Die Sicht sollte jede Handelskondition auf dem Weg zeigen, was Käufer am Regal tatsächlich zahlen und wie sich die Marge zwischen Hersteller und Händler aufteilt. Sie musste je Produkt, je Kunde und je Woche funktionieren, für mehrere europäische Länder und auch als europäische Gesamtsicht.

Die Daten lagen an vielen Stellen, und jedes Land bezog sie aus anderen Systemen und von anderen Anbietern. Das ERP enthielt Rechnungen, Tarife und Steuern. Ein Planungstool enthielt den Forecast. Ein Handelspanel lieferte den wöchentlichen Sell-out, ein Tool zur Promotionsplanung enthielt die Handelskonditionen, und ein Monitoring-Dienst verfolgte die Regalpreise. Jede Quelle hatte ihre eigenen Codes und ihre eigene Granularität: tägliche Rechnungen, monatliche Forecasts, Panelwochen, die nicht mit Kalenderwochen übereinstimmen, und Promotions, die mit einer Einkaufsgemeinschaft statt mit jedem einzelnen Markt vereinbart werden.

Der schwierigste Teil war die Rabattlogik. Handelskonditionen greifen in einer Kaskade von bis zu fünf Stufen. Jede ist ein Prozentsatz oder ein fester Betrag und wird auf einen bestimmten Zwischenpreis angewendet. Manche sind promotional, manche sind für den Händler sichtbar, andere nicht. Ein einzelnes Land hatte eine frühere Version des Trackers. Für die Skalierung auf weitere Länder durfte die Logik nicht länger hart codiert sein. Hinzu kam, dass die Länder auf unterschiedlichen Generationen der Datenplattform liefen und in ihrem eigenen Tempo migrieren mussten.

Ansatz

Wir haben die Lösung in zwei Schichten mit einem klaren Schnittstellenvertrag dazwischen aufgeteilt.

  • Eine Länderschicht in der Verantwortung jedes Landes. Jede Quelle wird auf dieselbe Granularität gebracht: Woche × Produkt × Kunde. Ein Produkt-Mapping-Tool verknüpft Panel- und Regalpreisprodukte mit ERP-Materialien. Master Data Services verwalten Kunden, Code-Mappings und Zugriffsrechte. Die kniffligen Teile werden explizit behandelt:
    • Monatliche Forecasts werden entsprechend den fakturierten Mengen auf Wochen verteilt.
    • Der Panel-Sell-out wird anhand eines rollierenden 52-Wochen-Absatzmix von Produktgruppen auf einzelne Materialien verteilt.
    • Preise, die sich unter der Woche ändern, werden mit den zum jeweiligen Preis verkauften Einheiten gewichtet.
    • Jede Menge und jeder Preis wird in Verkaufseinheiten und Kilogramm umgerechnet.
  • Vom Fachbereich gepflegte Regeln für Handelskonditionen. Jeder Promotionsmechanismus wird einmal in den Stammdaten klassifiziert: auf welchen Preis er wirkt, welche Kaskadenstufe er erzeugt, ob er ein Prozentsatz oder ein Betrag ist und ob der Händler ihn sieht. Diese Regeln pflegt der Fachbereich, nicht die Entwicklung.
  • Von Grund auf inkrementell. Die Stammdaten werden mit dem Snapshot von gestern verglichen, und nur die betroffenen Produkte, Kunden und Wochen werden neu berechnet. Löschungen bleiben als Kennzeichen erhalten und werden so sauber nach unten weitergegeben. Der vollständige Tageslauf dauert rund eine Viertelstunde.
  • Eine Übergabe über den Data Lake. Eine Steuertabelle treibt inkrementelle Parquet-Exporte je Land und Tabelle und führt sie in der gemeinsamen Schicht zusammen. Neue Spalten werden automatisch hinzugefügt, sodass eine neue Konditionsart oder ein länderspezifisches Feld ohne Codeänderungen durchläuft. Weil die Übergabe dateibasiert ist, kann jedes Land unabhängig auf die nächste Plattformgeneration wechseln.
  • Eine gemeinsame Schicht, einmal für alle gebaut.
    • Die Nettopreis-Engine durchläuft die Kaskade vom Tarif bis Net 1 … Net 5.
    • Sie erzeugt vier Sichten auf denselben Preis: aus Hersteller- oder Händlerperspektive, mit oder ohne Promotions.
    • Sie legt dynamisch eine Spalte je Konditionsart an.
    • Europäische Gesamtwerte leitet sie über volumengewichtete Durchschnitte ab.
  • Generiertes Reporting. Das Power-BI-Modell hat mehr als 560 Measures, und keine davon ist von Hand geschrieben. Ein kleiner Python-Generator kombiniert eine Bibliothek von DAX-Templates mit einer Konfigurationsdatei und schreibt die Measures direkt in die Quelldateien des Modells. Jeder Preis ist dadurch je Einheit, je Kilogramm und insgesamt verfügbar, als Periodendurchschnitt oder als letzter Wert. Margen, Profit-Pool-Anteile und Vorjahresvergleiche folgen einem einheitlichen Muster. Row-Level Security nach Land und Kunde wird in den Stammdaten gepflegt.
  • Eine orchestrierte Pipeline. Ein einziger geplanter Workflow führt Ingestion, Transformationen, Übergabe, Nettopreis-Engine und Berichtsaktualisierung in Abhängigkeitsreihenfolge aus – mit Alerts bei Fehlern.

Ergebnisse

Qualitative Projektergebnisse; es werden keine gemessenen Einsparungen behauptet.

  • Ein wöchentlicher Preis-Wasserfall je Produkt und Kunde, vom Tarif über Net-Net bis zum Regalpreis

  • Hersteller- und Händlermargen nebeneinander, mit Profit Pool und Anteil, einschließlich Vorjahresvergleichen

  • Dasselbe Modell und dieselben Definitionen für jedes Land, dazu europäische Gesamtwerte

  • Logik der Handelskonditionen in vom Fachbereich gepflegten Regeln statt in hart codierten Formeln; neue Konditionsarten erscheinen automatisch als neue Spalten

  • Hunderte konsistenter Measures, aus einer Konfiguration generiert, statt handgeschriebener Formeln, die auseinanderlaufen

  • Schnelle tägliche Aktualisierungen, weil nur neu berechnet wird, was sich geändert hat

  • Die Länder behalten die Hoheit über ihre lokalen Daten und können ihre Plattformen im eigenen Tempo migrieren – hinter einem stabilen Tabellenvertrag

  • Für das erste Land live; weitere Länder werden über denselben Schnittstellenvertrag angebunden

Snowflake SQL & Snowflake Scripting Azure Data Factory Informatica Cloud SQL Server Master Data Services Stonebranch Python Power BI

Lösungsbereiche: Datenfundament · Analytics & Reporting

Ähnliche Herausforderung besprechen?

Sagen Sie uns, wo Sie heute stehen und was Sie bewegen möchten. Wir teilen, was wir aus vergleichbaren Projekten gelernt haben, und schlagen einen fokussierten Einstieg vor.

30-Minuten-Gespräch buchen