Warum lohnt sich dieser Kurs?
Zahlen im Dashboard sind nur so gut wie die Daten dahinter. Wer weiß, wie Daten aus SAP S/4HANA, Planungs- und Vorsystemen zusammenfinden, wann ein Data Warehouse, Data Lake oder Lakehouse passt und wie Datenqualität gesichert wird, liefert dem Management Zahlen, die auch kritischen Fragen standhalten.Kursüberblick
Ein Data Warehouse bündelt Daten aus mehreren Quellsystemen zu einer integrierten, historisierten Basis für Reporting, Planung und Analyse. Im Controlling-Alltag liegen diese Daten jedoch verstreut: Data Warehouse, Data Lake oder Lakehouse: Für Controller ist nicht entscheidend, jede Technologie im Detail zu beherrschen, sondern die Unterschiede und deren Auswirkungen auf Reporting und Analytics zu verstehen. Anhand von SAP BW/4HANA und SAP Datasphere, Microsoft Fabric sowie Snowflake und Databricks wird gezeigt, wie moderne Datenarchitekturen aufgebaut sind und welche Rolle sie für die Bereitstellung verlässlicher Daten im Controlling spielen.Vom Excel-Export bis zur Live Connection prägen Format und Zugriff das Datenmodell aus Stamm- und Bewegungsdaten, Dimensionen und Fakten. Über Extract, Transform, Load (ETL), Harmonisierung und Mapping entsteht eine geprüfte Datenbasis. Plausibilisierung, Reconciliation und eine dokumentierte Data Lineage machen jede Zahl nachvollziehbar.
Im Praxisteil entstehen eine Schnittstellenlandkarte, ein einfaches Sternschema und Datenqualitätsregeln für einen Controlling-Anwendungsfall.
Kursinhalte
1. Welche Datenquellen aus Enterprise Resource Planning (ERP), Finanz- und Vorsystemen braucht das Controlling?- SAP S/4HANA sowie SAP Financial Accounting/Controlling (SAP FI/CO)
- Planungs-, Konsolidierungs-, Einkaufs-, Produktions- und Kassensysteme
- Systeme für Customer Relationship Management (CRM) und Human Resources (HR)
- Webservices, SharePoint-Listen, Ordnerablagen, externe Markt- und Stammdaten
- Application Programming Interfaces (APIs) und Open Data Protocol (OData)
3. Datenformate, Datenzugriff und Datenmodell
- Strukturierte Daten in relationalen Tabellen, semi- und unstrukturierte Daten
- Excel, Comma-Separated Values (CSV), Textdateien (TXT) und Parquet
- Extensible Markup Language (XML) und JavaScript Object Notation (JSON)
- Datenzugriff: Import, DirectQuery und Live Connection
- Datenmodell: Stammdaten, Bewegungsdaten, Hierarchien, Dimensionen, Fakten
- Extract, Transform, Load (ETL) und Extract, Load, Transform (ELT)
- Bereinigung, Harmonisierung, Mapping, Anreicherung und Historisierung
- Datenqualität: Validierung, Plausibilisierung und Reconciliation
- Dokumentierte Datenherkunft (Data Lineage) für nachvollziehbare Zahlen
- Datenquellen- und Schnittstellenlandkarte erstellen
- Unterschiedliche Exportformate aus Quellsystemen analysieren
- Einfaches Sternschema für einen Controlling-Anwendungsfall entwerfen
- Datenqualitätsregeln und Verantwortlichkeiten definieren
Bestandteil von
Zielgruppe
- Controller:innen und Senior Controller:innen
- Finance Business Partner und Mitarbeitende im Management Reporting
- Leiter:innen Controlling sowie Finance Manager:innen
- Mitarbeitende aus Planung, Budgetierung und Forecasting
- Key User und Projektmitarbeitende in Finance-, BI- und Transformationsprojekten
- Fachkräfte aus Rechnungswesen und Finance, die an der Schnittstelle zu IT und Management arbeiten
