contattateci

Margin tracker multi-paese: dal prezzo di listino al net-net, settimana per settimana

Un waterfall settimanale dei prezzi dalla tariffa al net-net, con viste dei margini di produttore e retailer, basato su dati gestiti dai singoli paesi e su un modello di reporting comune.

Produttore riservato del settore alimentare e bevande NDA 2026

Stato: In produzione per il primo paese, con altri paesi in fase di onboarding sullo stesso contratto.

Vendite e marketing Alimentare e bevande / FMCG Revenue Growth Management Data engineering Vendite e analisi commerciale
Cascata settimanale dei prezzi da tariffa a Net 5, con le prospettive di produttore e retailer, con o senza promozioni.
Panoramica del processo. Apri l'immagine intera

Sfida

Codici sorgente, granularità temporali e condizioni commerciali diversi impedivano una vista coerente dei margini tra i paesi.

Soluzione realizzata

Dati settimanali gestiti dai paesi, un contratto Parquet incrementale, un motore condiviso dei prezzi netti e misure Power BI generate automaticamente.

Valore di business

Waterfall settimanali dei prezzi e viste dei margini confrontabili, con ownership locale dei dati e altri paesi in fase di onboarding.

Sfida

Un produttore del settore alimentare e bevande voleva un'unica vista di come i suoi prezzi passano dalla tariffa di listino al prezzo netto finale. La vista doveva mostrare ogni condizione commerciale lungo il percorso, quanto pagano effettivamente i consumatori a scaffale e come il margine si ripartisce tra produttore e retailer. Doveva funzionare per prodotto, per cliente e per settimana, per diversi paesi europei e anche come totale europeo.

I dati si trovavano in molti posti, e ogni paese li riceveva da sistemi e fornitori diversi. L'ERP conteneva fatture, tariffe e imposte. Uno strumento di pianificazione conteneva il forecast. Un panel retail forniva il sell-out settimanale, uno strumento di pianificazione delle promozioni conteneva le condizioni commerciali e un servizio di monitoraggio rilevava i prezzi a scaffale. Ogni fonte aveva i propri codici e la propria granularità: fatture giornaliere, forecast mensili, settimane del panel che non coincidono con le settimane di calendario e promozioni concordate con un gruppo d'acquisto anziché con ogni punto vendita.

La parte più difficile era la logica degli sconti. Le condizioni commerciali si applicano in una cascata che arriva fino a cinque passaggi. Ciascuna è una percentuale o un importo fisso e si applica a uno specifico prezzo intermedio. Alcune sono promozionali, alcune sono visibili al retailer e altre no. Un solo paese disponeva di una versione precedente del tracker. Estenderlo a più paesi significava che la logica non poteva più essere scritta nel codice. Inoltre i paesi lavoravano su generazioni diverse della piattaforma dati e dovevano migrare ciascuno al proprio ritmo.

Approccio

Abbiamo suddiviso la soluzione in due layer, con un contratto chiaro tra l'uno e l'altro.

  • Un layer di paese, gestito da ciascun paese. Ogni fonte viene portata alla stessa granularità: settimana × prodotto × cliente. Uno strumento di mappatura dei prodotti collega i prodotti del panel e dei prezzi a scaffale ai materiali dell'ERP. I master data services gestiscono clienti, mappature dei codici e diritti di accesso. Le parti delicate sono gestite in modo esplicito:
    • I forecast mensili vengono distribuiti sulle settimane in linea con i volumi fatturati.
    • Il sell-out del panel viene allocato dai gruppi di prodotto ai singoli materiali usando un mix di vendita mobile a 52 settimane.
    • I prezzi che cambiano a metà settimana sono ponderati per le unità vendute a ciascun prezzo.
    • Ogni volume e ogni prezzo vengono convertiti in unità di vendita e chilogrammi.
  • Regole sulle condizioni commerciali gestite dal business. Ogni meccanica promozionale viene classificata una sola volta, nei dati anagrafici: a quale prezzo si applica, quale passaggio della cascata produce, se è una percentuale o un importo e se il retailer la vede. Queste regole sono gestite dagli utenti business, non dagli sviluppatori.
  • Incrementale by design. I dati anagrafici vengono confrontati con lo snapshot del giorno precedente e si ricalcolano solo i prodotti, i clienti e le settimane interessati. Le cancellazioni sono conservate come flag, così si propagano correttamente a valle. L'intera esecuzione giornaliera richiede circa un quarto d'ora.
  • Un passaggio tramite data lake. Una tabella di controllo guida gli export Parquet incrementali per paese e per tabella e li unisce nel layer comune. Le nuove colonne vengono aggiunte automaticamente, così un nuovo tipo di condizione o un campo specifico di un paese arriva a destinazione senza modifiche al codice. Poiché il passaggio si basa su file, ogni paese può passare alla generazione successiva della piattaforma in modo indipendente.
  • Un layer comune, costruito una volta per tutti.
    • Il motore dei prezzi netti percorre la cascata dalla tariffa a Net 1 … Net 5.
    • Produce quattro viste dello stesso prezzo: prospettiva del produttore o del retailer, con o senza promozioni.
    • Crea dinamicamente una colonna per ogni tipo di condizione.
    • Ricava i totali europei tramite medie ponderate per i volumi.
  • Reporting generato. Il modello Power BI ha più di 560 misure, e nessuna è scritta a mano. Un piccolo generatore Python combina una libreria di template DAX con un file di configurazione e scrive le misure direttamente nei file sorgente del modello. Ogni prezzo è quindi disponibile per unità, per chilogrammo e in totale, come media del periodo o come ultimo valore. Margini, quote del profit pool e confronti anno su anno seguono un unico schema coerente. La sicurezza a livello di riga per paese e per cliente è gestita nei dati anagrafici.
  • Un'unica pipeline orchestrata. Un solo workflow schedulato esegue ingestion, trasformazioni, passaggio al layer comune, motore dei prezzi netti e aggiornamento dei report, nell'ordine delle dipendenze, con alert in caso di errore.

Risultati

Risultati qualitativi di progetto; non si dichiarano risparmi misurati.

  • Un waterfall settimanale dei prezzi per prodotto e cliente, dalla tariffa al net-net fino al prezzo a scaffale

  • Margini di produttore e retailer affiancati, con profit pool e quota, inclusi i confronti anno su anno

  • Lo stesso modello e le stesse definizioni per ogni paese, più i totali europei

  • Logica delle condizioni commerciali in regole gestite dal business anziché in formule scritte nel codice; i nuovi tipi di condizione compaiono automaticamente come nuove colonne

  • Centinaia di misure coerenti generate da un'unica configurazione, anziché formule scritte a mano che con il tempo divergono

  • Aggiornamenti giornalieri rapidi, perché si ricalcola solo ciò che è cambiato

  • I paesi mantengono l'ownership dei propri dati locali e possono migrare di piattaforma al proprio ritmo, dietro un unico contratto di tabella stabile

  • In produzione per il primo paese, con altri paesi in fase di onboarding sullo stesso contratto

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

Aree di soluzione: Fondamenta dei dati · Analytics e reporting

Volete parlare di una sfida simile?

Raccontateci dove siete oggi e che cosa volete cambiare. Condivideremo ciò che abbiamo imparato in progetti analoghi e proporremo un modo mirato per iniziare.

Prenotate un incontro di 30 min