Discover how LeverX supported MAHLE in restoring complete and accurate export data in SAP Analytics Cloud. The project ensured reliable reporting and set the foundation for future improvements.
Hintergrund:
Die MAHLE International GmbH ist ein deutscher Automobilzulieferer mit Hauptsitz in Stuttgart. Gegründet im Jahr 1920, hat sich das Unternehmen zu einem der weltweit führenden Anbieter in der Automobilbranche entwickelt.
MAHLE ist in mehr als 30 Ländern aktiv und beschäftigt über 72.000 Mitarbeitende. Zu den Kernbereichen gehören Powertrain & Charging, Thermal & Fluid Systems sowie Lifecycle & Mobility. Im Jahr 2022 belegte MAHLE den vierten Platz unter den deutschen Automobilzulieferern nach Bosch, ZF und Continental. Produkte des Unternehmens kommen in etwa der Hälfte aller Fahrzeuge weltweit zum Einsatz.
Die langfristige Unternehmensstrategie, bekannt als Strategy 2030+, fokussiert sich auf drei Hauptbereiche: Elektrifizierung, Thermomanagement und alternative Kraftstoffe wie Wasserstoff und E-Fuels. Das Unternehmen entwickelt sich schrittweise in Richtung nachhaltiger Mobilitätslösungen, unterstützt dabei aber weiterhin seine traditionellen Produktlinien.
Dieser Wandel erhöht den Bedarf an genauen, datenbasierten Erkenntnissen, insbesondere im Bereich der Exportleistung, wo zeitnahe und verlässliche Berichte entscheidend sind, um fundierte Geschäftsentscheidungen treffen zu können.
Herausforderung
Im Rahmen ihrer regelmäßigen Reporting-Aktivitäten nutzt MAHLE SAP Analytics Cloud (SAC), um die Exportleistung zu überwachen. Eines der zentralen Dashboards in diesem Prozess, das Tesla Export-Dashboard, zeigte gelegentlich unvollständige oder fehlende Daten. Dies führte zu Inkonsistenzen und beeinträchtigte die Zuverlässigkeit der gewonnenen Erkenntnisse.
Das Hauptproblem bestand darin, dass einige aus der SAP HANA-Datenbank importierte Daten nicht korrekt in SAC angezeigt wurden. In manchen Fällen fehlten Datensätze, Parameter waren inkorrekt oder historische Daten standen nicht zur Verfügung. Diese Probleme erschwerten es den Analysten und Controllern von MAHLE, den Daten zu vertrauen oder sie sicher für das Reporting zu nutzen.
Unser Vorgehen
Das LeverX-Team wurde hinzugezogen, um MAHLE zu unterstützen. Das klare Ziel war es, die Ursache der Dateninkonsistenzen im Tesla Export-Dashboard zu identifizieren und eine zuverlässige Lösung zur Behebung vorzuschlagen.
Da das SAC-System bereits live im Einsatz war, musste das Team innerhalb der bestehenden Systemstruktur arbeiten. Dies erforderte eine schnelle Analyse des aktuellen Datenmodells, ein Verständnis des Datenflusses von der SAP HANA-Datenbank zu SAC sowie die präzise Lokalisierung der Problemstellen – ohne den täglichen Reporting-Betrieb zu unterbrechen.
Um die Anforderungen des Kunden zu erfüllen, konzentrierte sich das Vorgehen auf folgende zentrale Ziele:
- Analyse der Struktur des SAC-Datenmodells und seiner Verbindung zur HANA-Datenbank.
- Identifizierung der Ursachen für fehlende oder fehlerhafte Daten im Tesla Export-Dashboard.
- Wiederherstellung der vollständigen Datenverfügbarkeit, einschließlich historischer Datensätze, unter Sicherstellung, dass keine Daten beim Import abgelehnt werden.
- Behebung von parameterbezogenen Fehlern, die die Berichtsausgabe beeinträchtigten.
- Vorschlag langfristiger Lösungen, um ähnliche Probleme künftig zu vermeiden.
Ein zentraler Vorschlag beinhaltete die Implementierung eines Delta-Mechanismus, um zukünftige Datenimporte von HANA zu SAC effizienter zu gestalten. Dieser Mechanismus wurde als potenzielle Verbesserung präsentiert und dem Kunden zur Prüfung vorgelegt.
Die Lösung
Das Projekt konzentrierte sich auf SAP Analytics Cloud (SAC) Support-Dienstleistungen für das Tesla Export-Dashboard. Das Team begann mit der Analyse des SAC-Datenmodells und seiner Verbindung zur SAP HANA-Datenbank. Dabei wurde überprüft, wie die Daten übertragen wurden, an welchen Stellen es zu Problemen kam und warum einige Datensätze fehlten oder nicht korrekt angezeigt wurden.
Zu den wichtigsten Maßnahmen gehörten:
- Neuimport aller Daten aus der HANA-Datenbank in SAC, um sicherzustellen, dass der Import vollständig erfolgte und keine Datensätze abgelehnt wurden.
- Korrektur der SAC-Job-Konfigurationen, um fehlerhafte Parameter im Dashboard zu beseitigen und die korrekte Anzeige der Informationen zu gewährleisten.
- Wiederherstellung historischer Daten, sodass Exportdaten der aktuellen und vorherigen Jahre sichtbar und für Analysen nutzbar waren.
Während des gesamten Projekts folgte das Team den Best Practices im Datenqualitätsmanagement, um sicherzustellen, dass alle Änderungen die Datenintegrität bewahrten und den Reporting-Standards des Kunden entsprachen.
Am Ende des Projekts verfügte MAHLE über ein vollständig funktionierendes SAC-Dashboard mit wiederhergestellter Datenverfügbarkeit. Analysten und Controller konnten nun auf zuverlässige, genaue und zeitnahe Exportberichte zugreifen. Darüber hinaus erhielt der Kunde klare Empfehlungen, um ähnliche Probleme in Zukunft zu vermeiden.
Ergebnisse
Das Projekt löste das Hauptproblem des Kunden: unzuverlässige Daten im Tesla Export-Dashboard innerhalb von SAP Analytics Cloud (SAC). Nach Abschluss der Supportmaßnahmen zeigt das Dashboard nun vollständige und korrekte Exportdaten aus der SAP HANA-Datenbank, einschließlich Datensätzen aus den Vorjahren.
Wesentliche Ergebnisse waren:
- Exaktes Exportreporting ohne abgelehnte Datensätze oder fehlende Daten während des Imports.
- Korrekte Parameterverarbeitung in SAC-Berichten, was zu konsistenten und vertrauenswürdigen Ergebnissen führte.
- Wiederherstellung der Verfügbarkeit historischer Daten, wodurch eine umfassendere Leistungsanalyse möglich wurde.
Diese Verbesserungen steigerten sofort die Zuverlässigkeit von MAHLEs Exportberichten und Analysen. Geschäftsbenutzer, darunter Datenanalysten und Controller, konnten nun auf konsistente Daten zugreifen und Entscheidungen auf Grundlage verlässlicher Informationen treffen.
Neben der Lösung der akuten Probleme legte das Projekt auch den Grundstein für zukünftige Stabilität. Das LeverX-Team stellte zwei potenzielle Wege für langfristige Verbesserungen vor, darunter die Implementierung eines Delta-Mechanismus zur Optimierung der Datenimporte. Diese Vorschläge gaben dem Kunden eine klare Richtung für künftige Optimierungen.