Data Warehouse Forum

In unserem Controlling vergleichen wir wöchentlich rund 80 Filialen nach Umsatz, Marge und Kundenfrequenz für das Filialranking. Die Daten stammen aus Warenwirtschaft und Kasse, werden jedoch durch unterschiedliche Verkaufsflächen, Sortimente und regionale Kaufkraft verzerrt. Kleine Filialen in Seitenstraßen fallen regelmäßig zurück, obwohl ihre Flächenproduktivität überdurchschnittlich ist. Wir diskutieren derzeit, ob eine Gewichtung nach Quadratmetern, eine Clusterung vergleichbarer Standorte oder ein Score aus mehreren Kennzahlen mit unterschiedlicher Gewichtung sinnvoller ist. Wie bildet ihr ein faires und stabiles Ranking ab, das sowohl absolute Leistung als auch Effizienz berücksichtigt und von den Marktleitern akzeptiert wird?

Die Ursache liegt im Vergleich absoluter Werte über heterogene Strukturen: Umsatz und Frequenz bevorzugen systematisch große A-Lagen und benachteiligen effiziente Kleinflächen. Bewährt hat sich eine Kombination aus Clustern und Scores statt einer reinen Flächengewichtung. Bilden Sie im DWH zunächst vergleichbare Standortcluster über Fläche, Lagetyp, Sortimentstiefe und regionalen Kaufkraftindex, zum Beispiel aus GfK-Daten. Definieren Sie dann pro Filiale Effizienzkennzahlen wie Umsatz je qm, Rohertrag je qm, Umsatz je Arbeitsstunde und Conversion Rate aus Kasse zu Frequenz. Normieren Sie diese je Cluster per z-Transformation und verdichten Sie zu einem gewichteten Gesamtscore, etwa 40 Prozent Ertrag, 30 Prozent Flächenproduktivität, 30 Prozent Kundenleistung. In SQL lässt sich das mit AVG und STDDEV sowie RANK OVER PARTITION BY cluster Woche sauber abbilden. Prüfen Sie wöchentlich Aktions-, Feiertags- und Wetterausreißer, validieren Sie Stabilität per Backtest und zeigen Sie Marktleitern neben Rang auch Cluster-Rang und absolute Werte zur Akzeptanz.