Effizientes Pricing im Chemievertrieb dank moderner Microsoft-Architektur
Ein mittelständisches Chemieunternehmen automatisierte mit unserer Hilfe manuelle Preisfindungsprozesse im Vertrieb. Auf Basis von Microsoft Fabric, einer Azure Function App und PowerApps entwickelten wir ein skalierbares Pricing Tool, das SAP-Daten strukturiert aufbereitet und als Margenvorschläge in Echtzeit verfügbar macht. Vertriebsmitarbeitende sparen dadurch pro Angebot bis zu zwei Stunden. Die Lösung schafft eine zentrale, saubere Datenbasis und ist flexibel erweiterbar – etwa für künftige Prognosemodelle oder KI-gestützte Optimierungen.
Auf einen Blick:
- Branche: Chemiewirtschaft
- Projektziel: Den Pricing Prozess effizienter, nachvollziehbarer und skalierbarer zu gestalten – auch vor dem Hintergrund wachsender Anforderungen an Geschwindigkeit und Genauigkeit im internationalen Chemiehandel.
- Tools: Python, Power BI, Azure ML, GPT-Modelle
Die Herausforderung des Kunden
Der Vertrieb hatte keinen zentralen Zugriff auf strukturierte Margendaten und musste sie manuell aus verschiedenen SAP-Quellen und Excel-Listen zusammensuchen. Ohne ein einheitliches Tool war dieser Prozess aufwendig, fehleranfällig und nur schwer nachvollziehbar.
Vor diesen Herausforderungen stand unser Kunde
Manuelle Auswertung historischer Daten
Vertriebsmitarbeitende mussten Verkaufsdaten manuell durchsuchen, um Preise oder Margen vergangener Aufträge zu finden. Dieser Prozess war zeitaufwändig, nicht standardisiert und zu uneinheitlichen Ergebnissen führen.
Fehlende zentrale Datenstruktur
Vertriebsrelevante Daten lagen in unterschiedlichen Formaten und Quellen vor, hauptsächlich als Rohdaten aus SAP. Es gab keine zentrale, konsolidierte Datenbasis für Margen auf der Pricing-Entscheidungen fundiert und schnell getroffen werden konnten.
Keine integrierte Benutzeroberfläche
Es existierte kein einfach bedienbares Tool, das den Zugriff auf relevante Informationen für den Vertrieb ermöglichte.
Das Projekt wurde iterativ umgesetzt, beginnend mit einem Minimum Viable Product (MVP), das gezielt auf die wichtigsten Anforderungen des Vertriebs zugeschnitten war. Die Umsetzung erfolgte in 3 Phasen:
1.
In Workshops wurden die Anforderungen des Vertriebs erhoben und SAP-Rohdaten analysiert. Anschließend erfolgte die Aufbereitung der Daten in Microsoft Fabric: ETL-Prozesse überführten die Rohdaten in strukturierte Margentabellen (Gold-Layer).
2.
Das Backend wurde über eine Azure Function App mit REST-API realisiert, die auf die Daten in Fabric zugreift. Parallel wurde eine PowerApps Canvas App entwickelt, über die der Vertrieb Preise und Margen abfragen kann.
3.
Die Lösung wurde mit Endanwendern getestet und in Feedback-Runden optimiert. Zusätzlich wurde eine Schulung zur Einführung durchgeführt.
Besondere Herausforderungen bei der Umsetzung der Lösung
- Komplexe Datenstruktur in SAP
Die Originaldaten waren nicht direkt nutzbar und mussten durchdacht transformiert und modelliert werden.
- Zugriffsrechte und Datenschutz
Der Zugriff auf sensible Geschäftsdaten musste rollenbasiert abgesichert werden, insbesondere im Hinblick auf unterschiedliche Nutzungsrechte im Vertrieb.
- Verknüpfung zwischen den unterschiedlichen Systemen war erfordert
Unser Kunde hatte außerdem die folgenden Anforderungen an uns gestellt:
- Flexible Eingabe durch Nutzer
Die Nutzer sollten freie Suchanfragen stellen können, z. B. „Zeige mir Margen (und dementsprechende Totalpreise) für Material X bei Kunde Y“.
- Einfache Bedienbarkeit
Das Tool musste ohne viele technische Vorkenntnisse nutzbar sein, direkt im Tagesgeschäft einsetzbar.
Worauf musste besonders geachtet werden?
- Performance bei großen Datenmengen
Die Datenbankabfragen mussten trotz wachsender Datenbasis und Bedarf performant bleiben.
- Nutzerfreundlichkeit der App
Die Benutzeroberfläche wurde in enger Abstimmung mit den Vertriebsmitarbeitenden entwickelt, um eine hohe Akzeptanz zu gewährleisten.
- Zukunftsfähigkeit der Architektur
Die Lösung wurde so aufgebaut, dass spätere Erweiterungen (z. B. AI-Komponenten, Prognosemodelle) problemlos integrierbar sind.
Wie sieht die Lösungsarchitektur aus?
- Microsoft Fabric Lakehouse
Das Fabric Lakehouse wird als zentrale Datenplattform zur strukturierten Aufbereitung und Speicherung von historischen Verkaufs- und Margendaten (inkl. Gold-Schicht im Medaillon-Modell) verwendet.
- Azure Function App
Die Azure Function App bietet die Möglichkeit eines serverloses Backends in Python, wo die Logik implementiert ist und über REST-API bereitgestellt wird.
- PowerApps Canvas App
Die Benutzeroberfläche für Vertriebsmitarbeitende stellen wir über die Power Apps zur Verfügung mit direkter Anbindung an die Function App über ein Custom Connector.
- Microsoft Entra ID (Azure AD)
Die Verwaltung von Benutzerzugriffen, Rollen und Sicherheit erfolgt über die Microsoft Identity-Plattform.
Bereits nach kurzer Entwicklungszeit konnte das Tool erste Mehrwerte im Vertriebsalltag schaffen. Margenvorschläge stehen innerhalb von Sekunden zur Verfügung und ersetzen zeitintensive manuelle Auswertungen. Die neue Datenplattform in Microsoft Fabric sorgt für saubere, konsistente Daten und bildet die Grundlage für eine verlässliche Entscheidungsfindung. Darüber hinaus ist die Lösung so aufgebaut, dass künftige Erweiterungen wie Prognosen oder Segmentierungen problemlos integriert werden können.
Jetzt mit Datasolut eine datenbasierte und automatisierte Preisfindung im Vertrieb umsetzen: Erstgespräch vereinbaren
Lassen Sie uns sprechen und Ihr Potenzial entdecken.
Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.
In diesem Gespräch erfahren Sie:
- Wie Ihr Use-Case technisch am besten umgesetzt werden kann
- Wie wir maximal sicher mit Ihren Kundendaten umgehen
- Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte