Kontinuität von Performance-Analysen mit Power BI

Um die Performance der einzelnen Geschäfte regelmässig zu analysieren und Optimierungspotenziale zu erkennen, setzt die Oel-Pool AG auf eine der modernsten Datenarchitekturen sowie Azure Synapse Analytics und Power BI.

Nach Übernahme des bp Tankstellennetzes wurde ein POS-/ BOS- Systemwechsel notwendig

Alle Transaktions- / Artikeldaten inkl. historische Daten mussten weiterhin für die Performance-Analyse zur Verfügung stehen

Auch die Erstellung von regelmässigen Reportings für unterschiedliche Stakeholder (Tankstellenbetreiber, Gebietsleiter und Zentrale) musste möglich sein

Das neue Tool sollte benutzerfreundlicher sein

Aufbau einer neuen Data-Lakehouse-Architektur in Azure Synapse Analytics, um von den Vorteilen von Data Lake und Data Warehouse zu profitieren

Nutzung von Azure Services (bspw. Azure Synapse Pipelines) für die Datenaufbereitung

Einheitliches Auswertungstool

Erstellung einer Power BI Lösung mit Integration in Excel für Ad-hoc Analysen

Datenmanagementarchitektur Data Lake ermöglicht kostengünstige und quellsystemunabhängige Datenspeicherung und Skalierung für die Zukunft

Export und Versand von Reportings erfolgt automatisch

Ad-hoc Analysen lassen sich flexibel über Filter zusammenstellen

Die Oel-Pool AG betreibt unter verschiedenen Marken mehrere hundert Tankstellen, Shops und Autowaschanlagen. Zum Tagesgeschäft der Zentrale gehört es dazu, die Performance der einzelnen Geschäfte regelmässig zu analysieren, um Optimierungspotenziale zu erkennen. Mit der Übernahme des bp Tankstellennetzes kamen über 200 weitere Tankstellen dazu. Auch von diesen mussten sämtliche

Transaktionsdaten (Treibstoff, Shop, Autowäsche) in die Performance-Analyse aufgenommen werden. Das Problem: die historischen Daten und die aktuellsten Daten so ins neue System zu übertragen, dass sie für die Oel-Pool AG verwertbar sind. Dazu brauchte es zunächst eine Schnittstelle von den neu übernommenen Tankstellen zum Systemhersteller der POS / BOS / OPT Lösung* der Oel-Pool AG.

Um eine gute Datenqualität zu garantieren, schlug die novaCapta eine der modernsten Datenmanagementarchitekturen vor: ein Data Lakehouse. Das Data Lakehouse kombiniert die Vorteile von Data Warehouse und Data Lake. Das bedeutet, dass Daten wie in einem Data Warehouse aus mehreren Quellen zentralisiert und konsolidiert wurden und zusätzlich die Daten in Rohform erhalten blieben. Für das Projekt war das relevant, um die Daten in drei Stufen aufbereiten, filtern und vereinheitlichen zu können. Im finalen Datenmodell standen die Daten in Azure Synapse SQLServerless bereit.

Für eine anwenderfreundliche Nutzung wurde die Endlösung mit Power BI und Excel realisiert. Power BI greift auf die Daten in Azure Synpase zu und ist direkt in Excel integriert. Den Mitarbeitenden ist Excel als Analysetool bereits bestens bekannt. Mit den vereinheitlichten Daten über das integrierte Power BI erkennen die Mitarbeitenden aktuelle Marktentwicklungen und können die analysierten Daten als Reporting exportieren. Die Bestandteile der Reportings lassen sich je nach Bedarf bestimmen. Sofern ein Shop in Eigenbetrieb geführt wird, sind Warenkörbe, Transaktionen, Umsatz- und Absatzentwicklung oder einzelne Shop-Artikel über genaue Filtermöglichkeiten mit wenigen Klicks auswählbar und bereit zur Analyse. Auch Entwicklungen im Vergleich zum Vorjahr oder im Vergleich zu bestimmten Monaten werden übersichtlich dargestellt.

Für alle Tankstellenbetreiber*innen und Gebietsleiter*innen wird das für sie relevante Reporting in regelmäßigen Abständen automatisch bereitgestellt. „Das Projektteam der novaCapta hat sich tief in unsere Themen eingearbeitet und unsere Anforderungen schnell und gut aufgenommen. Hervorzuheben sind insbesondere das persönliche Engagement, die Flexibilität und das zielorientierte Vorgehen. „Mit dem Data Lake House Storage können wir unsere grossen Datenmengen kostengünstig speichern und mit Power BI in plausible Performance-Analysen umwandeln“, lobt Bilge Tosun, Lead Buyer bei der Oel-Pool AG, die Zusammenarbeit.

Melanie Matzkeit, Chief Business Development Officer bei der Oel-Pool AG, ergänzt: „Mit dem Data Lake House Storage können wir unsere grossen Datenmengen kostengünstig speichern und mit Power BI in plausible Performance-Analysen umwandeln.“

*POS = Point of Sale, BOS = Back Office System, OPT = Outdoor Payment Terminal

Download Case Study Oel-Pool AG als PDF (DE)
Download Case Study Oel-Pool AG als PDF (EN)