Die Herausforderungen des Buchhandels
… SIND
PRODUKTVIELFALT, DIVERSE KUNDENKANÄLE UND DIGITALISIERUNG
2
Kernpunkte der Herausforderung
> 18 Millionen Artikel im Artikelstamm
(deutsch- und fremdsprachige Bücher, Zeitschriften,
Büro- und Schreibwaren, Geschenk- und
Grußkartenprodukte, Medien, Software, Tickets,
Modernes Antiquariat, etc.)
> Jedes Jahr mehr als 200.000 Neuerscheinungen
allein im deutschen Markt
> 300.000 Produktänderungen pro Tag (Artikel,
Preise, Bezugsquellen, Lieferbarkeit)
> 30.000 Lieferanten
(Mehrstufige redundante Bezugsquellen und
Kataloghersteller)
> 45 Millionen Einkaufsinfosatze > 250 Millionen
Konditionssätze und Kalkulationssätze mit 10
Vertriebslinien
Integration verschiedener Vetriebskanäle als
OMNI-Channel Händler
> als 10 E-Commerce Domänen
Digitalisierung eBook und eReader mit
cloudbasierter Abbildung
> 250 Filialen mit kompletter Prozesskette von
Sortimentierung, Disposition, Wareneingang,
Kundenauftragsabwicklung, Rechnungsgeschäft und
Kassenabwicklung inkl. hochgradigem
Remmissionsgeschäft mit extremen saisonalen
Spitzen, RackJobbing, VMI
Filialgrößen von 50 bis 4000 qm
(von 3 Mitarbeitern bis 150 Mitarbeiter pro Filiale, mit
aktivem Bestandsartikel von 15.000 bis über 100.000
Artikel)
Zentrallagerabwicklung und Direktbezug
mit variablen Bezugs- und Remissionswegen inkl.
CrossDock
Untertägige Nachschubversorgung
(Apothekengeschäft)
mit NearTime Bestandsmanagement mit stündlicher
Nachdispo
3
Thalia’s Omni-Channel-Strategie
Multi-Channel Cross-Channel Omni-Channel
Webshop
Viele parallele Kanäle mit wenigen kanalüber-
greifenden Kundenaktivitäten
Fokus: technische Bereitstellung der einzelnen
Kanäle
Thalia’s Focus
THALIAS WANDEL VON DER KANAL- ZUR KUNDENSICHT
4
eReader
Filiale
App
Viele koordinierte Kanäle mit einzelnen
kanalübergreifenden Kunden
Die Sichtweise/Zuständigkeit ist jedoch weiterhin
Kanalbezogen
Webshop
eReader
Filiale
App
… / Cloud-Reading / Filialabholung / …
Webshop
eReader
Filiale
App
… / Cloud-Reading / Filialabholung / …
Voll integrierte Kanäle, die einen nahtlosen
Übergang der Kundeninteraktion innerhalb der
Geschäftsprozesse zulassen.
Ausweitung der Präsenz in neue Absatz-Kanäle
und Erweiterung des Produkt-portfolios durch
Drittanbieter
Qualifizierte kanalbezogene Strategien.
Steigerung des Mehrwerts für den Kunden
innerhalb des Kanals. Gemeinsame Ausrichtung
der Kanäle
Kundenbezogene Strategien.
Nicht der Kanal steht in der Betrachtung,
sondern der Kunde.
Thalia’s IT Landscape - Overview
Die unterschiedlichen Prozesse und Kanäle sind integriert
Die Datenwahrheit liegt an zentraler Stelle
=> Einheitliche Sicht aller Unternehmensbereiche auf die zentralen Schlüsselfak-toren des Handels wie Kun-den, Lieferanten, Artikel, …
Central Warehouse Stores
Permanent Hotspots Permanent Hotspots
Virtual network
GK Cashier Solutions
Offline capable
Logistic execution system
Virtual Network
Headquarters eCommerce
Permanent HotspotseReader/
AppsCloud
Services
ProductInformation
Management
Campaign Management
Systems
Virtual Network/Terminal Server
Workstations
Data warehouse/BW-accelerator
ERP system
(THAWIS)
Customer
fulfilment
Supply chain
management
Accounting
(FI-CO & FI-CA)
Customer Inter-
action centre
DIE PROZESS- UND DATENINTEGRATION STEHEN IM FOKUS !
5
Innovationen sichern Umsatz und Marktanteile …
und damit in einem schwierigen Marktumfeld das geplante Wachstum!
UM HERAUSFORDERUNGEN DER ZUKUNFT ZU MEISTERN SIND INNOVATIONEN
UND KONTINUIERLICHE VERBESSERUNGEN NÖTIG
6
Risiko für Marktanteil bei hohem
Wettbewerbsdruck
Neue Innovationen in
Form von Use Cases
sichern Wachstum***Zukünftige geringes
Marktwachstum*
Abnehmender Grenznutzen
von bestehenden
Innovationen
Entwicklung bei Durchführung
von Innovationen**
2014/2015 2015/2016 2017/2018 2018/2019
x%
Po
ten
tia
lheb
un
g
* Quelle: „Buch und Buchhandel in Zahlen 2015“, Hrsg.: Börsenverein des Deutschen Buchhandels e.V., Frankfurt am Main: Juli 2015
** strategischer Planung Thalia
*** Roadmap und Innovationsthemen müssen das Wachstum stützen
Wo kommt Thalia her und wo geht es konkret hin?
BUSINESS-SZENARIEN UND IT-PLATTFORMEN GEHEN IN DER ENTWICKLUNG HAND IN HAND
7
Dezentrale Daten kanalspezifisches
Reporting u. KPI
=> kanalspezifische
Prozessregulierung
Zentrales Reporting u. KPI
=> Zeitnahe zentrale
Prozessregulierung
DataMining u. pre-
dictive Analytic
=> Zentrale, predictive
Steuerung
• Individuelle operative
Steuerung
• Verteilte Systeme
• Verteilte Prozesse
• Unvollständige und verteilte
Daten
• Konsolidierte, aber
kanalindividuelle Prozesse,
• Teilintegrierte Systeme
• Verteilte Daten,
Teilzentralisiert
• Integrierte Prozesse
• Integrierte Systeme
• Vollständige zentrale Daten
• Individuelle und
personalisierte
Kundenansprache (360°
Kunde)
• Erweitere Sortimente und
stetig erhöhte Verfügbarkeit
• Hohe Innovations-
geschwindigkeit für neue Use
Cases
Data Information Action
Information
…
Einsatzfelder analytische und prädiktive Innovationsthemen
ZUORDNUNG VON HEBELN UND FUNKTIONSBEREICHEN, WELCHE UNTER DATENGETRIEBENEN GESICHTSPUNKTEN NUTZBRINGENDE DATEN GENERIEREN KÖNNEN
8
Marketing/
eCommerceMerchandising Operations Supply Chain
Cross Selling
Location based
Marketing
Instore Kunden
Verhaltensanalysen
Kundenbewertungen/
Empfehlungen
Online Kauf-
verhaltensanalyse
Promotions (On-/
Offline)
Kunden
Segmentierung
Sortiments-
optimierung
Sentiment Analyse
Optimierung der
Warenplatzierung
Preisoptimierung
Performance/
Transparenz
Optimierung
Arbeitskräfteeinsatz
Optimierung
Organisation
Lager- und Bestands-
management
Optimierung Logistik
und Warenverteilung
Optimierung Prozesse
Hebel der
Big
Data
Analy
tics
Aktuelle Fragestellungen aus den Fachbereichen
EIN AUSZUG AUS DEN FRAGEN, DIE HEUTE NUR AUFWÄNDIG BEANTWORTET UND
DAMIT BEDINGT WERTSCHÖPFEND BEARBEITET WERDEN KÖNNEN
9
Bindung
profitabler Kunden
Risiko-
minimierung
Erkennung und
Prävention von
Betrug
Steigerung des
Kundenwerts
Akquise “guter”
Kunden
„Mit welcher
Wahrscheinlichkeit
wird ein Kunde
reagieren?“
„Welche Kunden
sind abwanderungs-
gefährdet?“
„Welches ist das
interessanteste
nächste
Produktangebot?“
„Welche Kunden
werden
voraussichtlich
Zahlungsschwierig-
keiten bekommen?“
„Welche Aktivitäten
sind betrugs-
verdächtig?“
Technische Lösungsszenarien
FÜR DIE ANFORDERUNGEN ERGEBEN SICH UNTERSCHIEDLICHE IT-ARCHITEKTUR-
UND PRODUKT-SZENARIEN
10
Kennzahlen
Dimensionen
Zeit Produkt Region ...
Kennzahl 1
Kennzahl 2
Kennzahl 3
Kennzahl 5
Kennzahl 4
Kennzahl 7
Kennzahl 6
...
BI Applikation 1
Kennzahlen
Dimensionen
Zeit Produkt Region ...
Kennzahl 1
Kennzahl 2
Kennzahl 3
Kennzahl 5
Kennzahl 4
Kennzahl 7
Kennzahl 6
...
BI Applikation 1
Kennzahlen
Dimensionen
Zeit Produkt Region ...
Kennzahl 1
Kennzahl 2
Kennzahl 3
Kennzahl 5
Kennzahl 4
Kennzahl 7
Kennzahl 6
...
BI Applikation 1
Satelliten
• Detailoptimiert
• Kurzfristig geringe Investition
• Hohe Synergien/ Gesamtoptimierung
• Geringerer Betriebsaufwand
• Basis für zukünftige Innovationen
• Langfristig hohe Investition
• Keine Synergien
• Hoher Betriebsaufwand
• Kurzfristig hohe Investition
• Migrationsaufwand
Plattform
SAP Customer Activity Repository (CAR)
SAP HANA
SAP Predictive Analytics
Ergebnis der Plattformanalyse (PoC)
Eine vergleichbare Implementierung gegenüber
einer zentrale Plattform würde je Satellit den Faktor
0,7-1,1 an TCO bedeuten
Plattformoptionen
BEWERTUNG RELEVANTER ALTERNATIVLÖSUNGEN
11
HANA + CAR + SAP PA Drittprodukt (z.Bsp. SAS, SPSS
etc.)
Eigenentwicklung
Integration SAP-
Landschaft (insb. Retail)
Transaktionssicherheit im Kontext SLT
+ Echtzeit-replikation; Investitions-
sicherheit bestehender Entwicklungen
auf Basis SAP ABAP (z.B. Suche in der
Filiale)
ETL-Prozesse (beidseitig)
Zeit und Datenfluss (!)
ETL-Prozesse (beidseitig)
Zeit und Datenfluss (!)
Wissen bei Thalia Hohes SAP Know-How vorhanden,
HANA-Know-How erforderlich
Zusatz-Know How erforderlich für Basis
technologien
Offen (flächendeckendes Wissen nicht
vorhanden)
Prozessintegration Durch SW-Anbieter vorgedachte
Technologie-Integration
Komplex bei iterativen Prozessen Hohe Integration der Kundenprozesse,
komplex bei iterativen Prozessen
Wartung Weiterentwicklung/ Fehlerbehebung
durch einen Anbieter
Partizipieren an der technologischen
Entwicklung
Höherer Analysebedarf im Fehlerfall
(Ansprechpartner) durch mehrere
Lösungspartner
Fehlerbehandlung durch interne
Mitarbeiter
Abhängigkeit SW-
Anbieter
Hohe Abhängigkeit vom Hersteller
jedoch nicht von Personen
Hohe Abhängigkeit vom Hersteller
jedoch nicht von Personen
Geringe Abhängigkeit vom SW-
Hersteller, jedoch Gefahr der internen
Kopfmonopole
Produkt-
reifegrad
Integrationsaufgaben liegen bei SAP,
Funktionalität in einzelnen Produkten
verteilt
Hoher Reifegrad des Produktes Die Technologien sind ausgereift. Das
Produkt muss aber selbst erstellt
werden.
Fazit
Cross Industry Standard Process for Data Mining
MIT HANA CAR UND SAP PREDICTIVE ANALYTICS AUTOMATED ANALYTICS LIEFERT SAP
NUN EINEN INTERESSANTEN LÖSUNGSANSATZ:
12
Quelle: SAP
Bausteine für ein erweitertes CRISP Model:
(Die Erweiterung liegt in dem zusätzlichen Monitoring-Schritt zur
Modellüberprüfung und messorientierte Bewertung der Ergebnisse.)
Data Manager oder HANA based
Datamanagement für Data understanding
und Data preparation
Predictive Analytics (= Automated – ehemals
KXEN Produkt - und Expert Mode) sowie
Library based scripting für Modeling
PA-Automated Mode für Evaluation
Modelmanager (Factory) oder
Stored Procedures für Deployment
PA-Automated für Monitoring mit eigenem
Berichtswesen für den zusätzlichen Kontrollweg.
In allen Schritten ist alternativ auch ein manuelles
Vorgehen möglich
POC Summary
BEWERTUNG DES SAP-HANA PRODUKTPORTFOLIOS
13
Toolset Bewertung
Dataman-
agement
Möglichkeit 1: HANA Studio
Möglichkeit 2: PA-Datamanager
Alle Anforderungen lassen sich mit HANA Studio individuell erfüllen.
Der PA-Datamager kann leider noch nicht in alle Hana Objekte (z.B. Calculation Views) managen
Modelling HANA Scripting mit Nutzung der
PAL und APL Libraries
PA-Automated- und Expert-
Mode
R-Prozeduren
Der Abdeckungsgrad analytischer Algorithmen in APL und PAL ist inzwischen recht gut.
Automated- und Expert Mode sollen (nach Aussage der SAP-Roadmap) weiter
zusammenwachsen. Derzeit hat jede Produktkomponente jeweils Vor- und Nachteile und deckt
jeweils nicht alle Algorithmen ab.
Die Anbindung eines zusätzlichen R-Servers schafft Flexibilität und öffnet
Evaluation Weg 1: Automatisch
Weg 2: Manuell
Eine zentrale Stärke des Automated Mode ist die automatisierte Modellfindung (zumindest bei
Regressionen, Clustering und Klassifikationen) und deren Optimierung,.
Eine manuelle Modellierung analytischer Modelle ist alternativ möglich!
Abap-
Deployment
Weg 1: Factory
Weg 2: Manuell
Ein neuer Toolansatz, dessen Integration in SAP derzeit jedoch nur teilweise abgebildet ist.
Über eigene Entwicklung lassen sich alle Modelle manuell anbinden
Monitoring Weg 1: PA-Automated
Weg 2: Manuell
Eine zentrale Stärke des PA-Automated Mode ist die automatische Modellüberprüfung, alternativ
muss dies selbst implementiert werden
Fazit
Die SAP hat Insbesondere noch
Integrationsaufgaben zu leisten, Funktionalität
sind teilweise in einzelnen Produkten verteilt.
Programmiertechnisch ist der Abdeckungsgrad gut. Durch die historisch bedingten
verschiedenen Produktkomponenten ist die durchgängige und integrative Nutzung noch (soll
sich ändern) schwierig.
Vollständige POC Abdeckung nur durch Programmierung möglich
AKTUELLES NUTZUNGSERGEBNIS:
Einsatz des HANA Studios für Datamodelling
Automated Mode wo möglich; sonst Scripting (APL, PAL; R, SQL)
Adhoc Szenarien ggf. mit Expert Mode (nur begrenzter
Algorithmenumfang)
Factory (für Automated Cases)
Eigenentwicklung für Deployment in Businessanwendungen
Controlling via BO-Tools