Welche Kunden können noch rentabel versorgt werden? Welche Gebiete versprechen durch Infrastrukturinvestitionen Wachstumspotenziale? Wie wirken sich Aspekte wie Preisverfall, neue Technologien und der steigenden Wettbewerbsduck auf das eigene Geschäft aus? Solche Fragen sind für einen Telekommunikationsanbieter nicht leicht zu beantworten. Denn die Kostensituation hängt von einer Vielzahl individueller Faktoren ab - Leitungskosten, Abschreibungen, Mieten für Gebäude und Anlagen, Erschließung- und Instandsetzungskosten sowie Nutzungsintensität. Entsprechend komplex ist die Rentabilitätsberechnung.

Die Ausgangslage: Aufwändige und fehleranfällige Berechnungen

Auch M-net, ein regionaler TK-Anbieter mit mehr als 380.000 Geschäfts- und Privatkundenanschlüssen im Raum München, Augsburg und Nürnberg, stand vor diesem Problem. Um die Rentabilitätsspielräume einzelner Kundenanschlüsse oder geografischer Gebiete berechnen zu können, musste das Business-Intelligence-Team früher die gesamten Kostendaten manuell in Tabellen zusammenführen und den individuellen Umsätzen gegenüberzustellen.

"Es war extrem aufwändig, die unterschiedlichen Informationen aus einer Vielzahl von Quellen zusammenzusuchen - SAP, Billing, Fremdrechnungen für gemietete Leitungen, Adressdaten, technischen Dokumenten etcetera", sagt Markus Kolp, BI-Analyst bei M-net. Um die Kostenpositionen den Kundenanschlüssen anteilig zuordnen zu können, sei zudem ein tiefes Verständnis der einzelnen Posten erforderlich gewesen.

Die Kalkulationen waren aber nicht nur zeit- und kostenintensiv - sie stellten auch einen nur kurzfristig gültigen Schnappschuss der aktuellen Situation dar. Sobald sich Kundenzahlen oder Leitungskapazitäten im näheren Umfeld änderten, musste alles neu berechnet werden. Auch bei jeder neuen Kundenanfrage nach zusätzlichen Leitungskapazitäten war erst einmal eine aufwändige Überprüfung der technischen und kostenrelevanten Situation notwendig.

Wegen der Komplexität bestand zudem immer die Gefahr, dass wichtige Positionen bei der Kalkulation vergessen oder nicht richtig zugeordnet wurden. Und: Durch die Auswertungen in Listenform ließen sich geografische Zusammenhänge aufgrund von übergeordneten Abhängigkeiten oder vorhandenen Leitungskapazitäten nicht unmittelbar erkennen.

Gesucht: Ein Tool, das einzelne Posten visualisiert und heterogene Quellen einbindet

Gesucht war daher eine Lösung, mit der sich Rentabilitätsberechnungen bis auf Anschlussebene individualisieren und Umsätze sowie Kosten geografisch darstellen lassen, um die Profitabilität einzelner Hauptverteiler, Leitungen oder ganzer Regionen auf einen Blick zu erkennen. Da im hauseigenen Oracle-Datawarehouse nicht alle relevanten Datenquellen zur Verfügung standen, sollte die neue Lösung zudem in der Lage sein, heterogene Quellen anzuschließen.

Für die geografische Darstellung einzelner Sachverhalte hatte M-net bislang das Geoinformationssystem ArcGIS Desktop eingesetzt. Bei der Suche nach einer neuen Software prüfte der TK-Anbieter daher zunächst der Einsatz einer ArcGIS-Cloud-Anwendung, stellte aber schnell fest, dass der Aufwand dafür unverhältnismäßig groß gewesen wäre. Getestet wurde auch das Analytics-Tool von Qlikview, das aber in Sachen Geo-Unterstützung und Integrationsmöglichkeiten enttäuschte. "Die richtige Software zu finden - das war eine der großen Herausforderung des Projekts", fasst Bernhard Kneidl, Bereichsleiter Controlling & Business IntelligenceBusiness Intelligence bei M-net zusammen. Alles zu Business Intelligence auf CIO.de