Data Warehouse Forum

Im Controlling betreue ich unser monatliches Filialranking für rund 38 Standorte aus dem Data Warehouse. Bisher sortieren wir ausschließlich nach Nettoumsatz, doch das verzerrt zugunsten großer Flächen mit hoher Frequenz und schwacher Marge. Die Vertriebsleitung wünscht nun ein Gesamtranking aus Umsatzwachstum, Rohertrag pro Kunde und Inventurgenauigkeit. Ich hadere mit der Gewichtung und der Normierung unterschiedlicher Skalen sowie mit der Vergleichbarkeit über Warengruppen mit abweichender Spannenstruktur. Bildet ihr einen gewichteten Score, nutzt ihr Rangpunkte oder z-Scores, und wie verhindert ihr, dass eine einzelne Kennzahl das Gesamtergebnis dominiert?

Die Verzerrung kommt aus dem Größenvergleich absoluter Werte ohne Bezug zu Fläche, Kundenfrequenz und Spannenstruktur. Für euren Fall empfehle ich einen normierten Composite-Score je Monat und Vergleichscluster. Definiert sauber: Umsatzwachstum als Like-for-like in Prozent zum Vorjahresmonat, Rohertrag pro Kunde als Deckungsbeitrag I dividiert durch Bons, Inventurgenauigkeit als eins minus absoluter Zähldifferenz durch Sollbestand. Normiert jede Kennzahl per z-Score innerhalb von Lage- und Größenclustern und begrenzt Ausreißer per Winsorizing auf P5 und P95, damit kein Extremwert dominiert. Alternativ sind Prozentränge robust und verständlich. Gewichtet dann beispielsweise 40 Prozent Wachstum, 40 Prozent Rohertrag pro Kunde und 20 Prozent Genauigkeit, abgestimmt mit der Vertriebsleitung. Im Warehouse als View mit AVG und STDDEV OVER PARTITION BY Monat, Cluster berechnen. Prüft Korrelation der Kennzahlen, testet Sensitivität bei plus minus zehn Prozentpunkten Gewicht und plausibilisiert Auf- und Absteiger anhand Warengruppenmix.

Danke dir, das mit dem Clustern und Winsorizing leuchtet mir sofort ein. Wir fahren ähnlich mit 40/40/20 und checken vorher kurz den Warengruppenmix, damit keine Filiale mit hoher Spanne alles verzerrt.