40% schnelleres Entscheidungsverfahren Vollwertiges ERP- und BI-System von Yalantis

TRANSFORMATIVE ERGEBNISSE DER ANWENDUNG VON DATENDRINGENEN OPERATIONEN

Das Ergebnis, das die Daten- und BI-Ingenieure von Yalantis lieferten, war Ein ausgeklügeltes internes ERP- und BI-System. Die Lösung:

• Erneuttelt automatisch Daten aus anderen internen Systemen, um diese in Tableau darzustellen
• bietet die notwendige Transparenz zu betrieblichen und Personalressourcen-Verantwortungsprozessen, um die Effizienz zu steigern

Zu den konkreten Vorteilen, die Yalantis durch das System gewonnen hat, gehören:

UNTERNEHMUNGS- UND OPERATIONELLE HINDRUNGEN GELÖST

Mit der hauseigenen Datenlösung, Yalantis hat eliminiert:

• Langsame Einblicke in das Geschäft. Nicht vernetzte Systeme und manuelle Datenerfassung verzögerten oft die Berichterstellung und die Analyse.
• Datensilos. Wichtige Geschäftsinformationen waren in verschiedenen internen Systemen gespeichert, was eine einheitliche Unternehmensansicht unmöglich machte.
• Datenüberlastung. Die Flut an Daten aus E-Mails, Dokumenten, Chats und anderen unstrukturierten Quellen war erschwerend für die Speicherung und Analyse.
• Überlastete Teams. Die Teams von Yalantis benötigten einen stärkeren Selbstbedienungsansatz für die Datenverarbeitung.

ÜBERSICHT DER UMSETZUNG

Um von Daten geschäftswesentliches Wertvolles zu gewinnen, begann das Yalantis-Team mit der Einrichtung eines Data Governance-Rahmens, um Folgendes zu erreichen:

• Garantie auf genaue und sichere Daten, die Unternehmensinitiativen und -prozesse unterstützt
• festlegen, wie verschiedene Datensätze nahtlos integriert und miteinander interagieren sollen

Das Verfahren bestand dann aus drei wichtigen Schritten:

Phase #1: Einheitliche Datenansicht ermöglichen Über das Unternehmen hinweg mit Datenpipelines

Die Data-Ingenieure von Yalantis entwickelten gut geordnete Datenpipelines, die Daten sicher und effizient an ihren Zielort weiterleiten und so Analysen und Entscheidungen ermöglichen. Dazu dienten sie unter anderem:

• Datenworkflows mit Apache Airflow orchestrieren Um extraktions-, transformierungs- und ladungsaufgaben (ETL) zu planen und zu automatisieren, um Daten aus internen Systemen und manuellen Dateien zu verarbeiten
• Reinigen, formen und validieren von Daten mithilfe von Python-Paketen (Pandas) für effiziente Datenverarbeitung und -transformation
  Qualitätsdaten für die Analyse mit den Visualisierungstools von Tableau Prep vorbereiten
• Daten aus QuickBooks und Pipedrive extrahieren (an die Tableau nicht angeschlossene) Verwendung von APIs und Datenbank-Connectors
• Verarbeitung der Daten in die zentrale Datenverwaltung (Yalantis DWH), die mit PostgreSQL betrieben wird Um skalierbare SQL-basierte Datenlagerung und Analysefunktionen bereitzustellen
• Überwachung von Rohrleitungen um Datenflussfehler schnell zu erkennen und zu beheben und so eine zuverlässige und genaue Datenbereitstellung zu gewährleisten

Phase #2: Optimierung der Daten-Eingabe und -Abrufe bessere operative Effizienz

Die Data-Ingenieure von Yalantis arbeiteten mit Business-Analysten zusammen, um die Datenbasis neu zu strukturieren und die Methoden zur Eingabe und Abfrage von Daten in den internen CEP-, HRM- und anderen Systemen zu optimieren. Dazu setzten sie folgende Maßnahmen ein:

• Erstellung eines zentralen Datenwörterbuchs das alle Datenelemente, Definitionen, Strukturen, Eigentümer usw. in einem einheitlichen Metadaten-Repository zusammenfasst.
• Verringerung der Datenduplikation durch die Kennzeichnung des Datenwörterbuchs als einzige Quelle der Wahrheit anstatt der Verwendung separater Definitionen in verschiedenen Systemen.
• die internen Systeme unabhängig voneinander zu gestalten, um den Zeitaufwand der Mitarbeiter zu reduzieren. Zum Beispiel muss das HRM-System nicht mehr die CEP- oder ERP-Systeme nach Mitarbeiterdaten abfragen. Es speichert relevante Felder lokal als numerische IDs, die auf das Wörterbuch verweisen, wodurch die Datenredundanz reduziert wird.
• Die Datenzugriffsmöglichkeiten optimieren, um den Systembetrieb zu beschleunigen. Die Ingenieure von Yalantis haben alle Datenbanken konsolidiert und eine zentrale Datenbank für interne Systeme geschaffen. Nun werden Änderungen in allen Systemen sofort sichtbar. Wenn beispielsweise der Notendurchschnitt eines Mitarbeiters in CEP aktualisiert wird, fließen diese Informationen nun automatisch in ERP, HRM und FinOps.

Stufe #3: Erfassen von Geschäftsinformationen durch interdisziplinäre Prozess-Visualisierung

Um umfassende datenbasierte Erkenntnisse zu gewinnen, sammelt und verarbeitet die Führungsebene von Yalantis systematisch Daten aus der gesamten Organisation. Dazu gehören:

• Nutzen von ERP-Integrationen mit Kanälen Wie bei Jira, Slack und E-Mail – um eine komfortable, konsolidierte Übersicht über die Aktivitäten und Prozesse zu erhalten.
• Aufdeckung von Zusammenhängen zwischen Parametern durch multivariate Analyse Das wäre in isolierten Datensätzen unmöglich zu sehen: beispielsweise die Analyse des Zusammenhangs zwischen der Dauer der Aufgabenzuweisung und der Bearbeitung der Aufgabenreihenfolge zur Verbesserung der Ressourcenverwaltung und zur Unterstützung bei Personalentscheidungen.
• die Entdeckung von Zusammenhängen, So ist es beispielsweise festzustellen, dass die Personaleinsätze ohne ordnungsgemäße Aufgabenzuordnung negative Auswirkungen auf wichtige Kennzahlen wie die Projekterfolgshäufigkeit und die Bruttomarge haben.
• Die Identifizierung von Problemen, die bei einer Einzelanalyse durch eine ganzheitliche Analyse übersehen werden können. Beispielsweise durch die Kombination der Perspektiven von Personalabteilungen, Mentoren und dem eigenen Team, um festzustellen, dass Abteilung X keine individuellen Entwicklungskonzepte (IDPs) hat.

ERGEBNISSE: EIN KOMPLEXES ERP-SYSTEM FÜR DIE RESOURCENVERWALTUNG

Mit einem datenbasierten Ansatz skaliert Yalantis alle Geschäftsprozesse effizient und verwandelt anfängliche Herausforderungen in strategische Vorteile.

WAS FÜHLT SEHR GUT?

Yalantis hat es sich zum Ziel gesetzt, alle Unternehmensaktivitäten mit Daten zu verknüpfen und einen umfassenden Datenpool aufzubauen, um Folgendes zu erreichen:

• Volle Unternehmensabdeckung durch einen datengetriebenen Ansatz
• Verwendung von Daten für KI, Prognosen und kontinuierliche Wachstum

Um diese Ziele zu erreichen, migrieren die Expertenteams von Yalantis derzeit Daten in ein Data Warehouse, wodurch ein zentraler Knotenpunkt für wichtige Informationen geschaffen wird, der durch Business Intelligence für eine eingehende Analyse unterstützt wird.