Die versteckten Kosten von Excel-Heldentum in Hard Services

Jedes Hard-Services-Unternehmen hat sie. Die Person, die die Daten kennt. Sie pflegt die Master-Tabelle, auf die sich die Finanzabteilung verlässt. Sie weiß, welche Spalten vertrauenswürdig sind und welche nicht. Sie hat die Pivot-Tabellen gebaut, die jedes Quartal in den Board-Unterlagen erscheinen, und sie weiß genau, welche manuellen Anpassungen vorzunehmen sind, bevor irgendetwas an die Führungsebene geht. Sie sind wertvoll, fleißig, und tragen ein operatives Risiko, das die Organisation nie formell anerkannt hat.

Die sichtbaren Kosten vs. die echten Kosten

Die sichtbaren Kosten des Excel-Heldentums sind die Zeit der Person. Wenn Ihr bester Analyst 60 % seiner Woche damit verbringt, Daten zu bereinigen und vorzubereiten, statt sie zu analysieren, ist das eine Ineffizienz, die die meisten Organisationen normalisiert haben. Die echten Kosten sind weniger sichtbar, aber bedeutender:

• Verzögerte Entscheidungen. Wenn die Erstellung eines Spend-Berichts eine Woche dauert, werden Entscheidungen auf Basis der Daten des Vormonats getroffen. In einem Ausschreibungsumfeld ist eine verzögerte Kostenschätzung ein verpasstes Angebot.
• Versionsrisiko. Mehrere Tabellen, die von mehreren Personen gepflegt werden, driften über die Zeit still auseinander. Die Version des Procurement-Teams und die Version des Finanzteams erzählen bis Quartalsende unterschiedliche Geschichten.
• Prüfungsrisiko. Manuell erstellte Berichte können nicht auf eine saubere Quelle der Wahrheit zurückverfolgt werden.
• Skalierungsgrenze. Das System, das für 50 Standorte funktioniert, kann nicht für 200 funktionieren, ohne mehr Personen einzustellen, die dasselbe tun.
• Abhängigkeit von Schlüsselpersonen. Wenn die Person, die die Master-Datei pflegt, nicht verfügbar ist, verliert die Organisation ihre Fähigkeit, verlässliches Reporting zu erstellen.

Befinden Sie sich im Excel-Heldentum-Territorium?

Ein paar diagnostische Anzeichen:

• Die Erstellung eines Spend- oder Kostenberichts nimmt mehr als ein paar Stunden Arbeit in Anspruch
• Jemand muss die Zahlen auf Plausibilität prüfen, bevor sie an die Führungsebene gehen
• Ein neuer Analyst würde Wochen brauchen, um die Datenstruktur zu verstehen
• Ihr Reporting wäre beeinträchtigt, wenn eine bestimmte Person zwei Wochen nicht verfügbar wäre
• Sie haben mehr als eine Version desselben Datensatzes, gepflegt von verschiedenen Personen

Wie die Migration weg vom Excel-Heldentum aussieht

Stufe 1: Eine Daten-Baseline etablieren. Bevor irgendeine Automatisierung eingeführt wird, müssen die Daten in einem bekannten, sauberen Zustand sein. Diese Stufe legt die manuelle Arbeit offen, die geleistet wurde, um die Daten nutzbar zu machen, die Nachschlagetabellen, die Korrekturregeln, die Anpassungsnotizen in Zellen. Diese Regeln werden dokumentiert und formalisiert, damit sie systematisch statt personengebunden angewendet werden können.

Stufe 2: Die wiederholbaren Korrekturen automatisieren. Lieferantennamen deduplizieren, Beschreibungen standardisieren, fehlende Kategoriefelder auffüllen, Anomalien zur Prüfung markieren, das lässt sich automatisieren. Die Zeit des Analysten verschiebt sich vom Durchführen der Korrekturen zum Prüfen der Arbeit des Systems.

Stufe 3: Laufende Qualitätskontrolle in den Datenfluss einbauen. Neue Daten, die ins System gelangen, werden automatisch gegen die etablierte Struktur validiert. Qualität wird durch den Prozess aufrechterhalten, nicht durch eine Person.

Wie die andere Seite aussieht

Nach diesem Übergang verliert der Analyst, der die Master-Datei gepflegt hat, seine Rolle nicht. Seine Rolle ändert sich. Er wechselt von Datenvorbereitung zu Datenanalyse, vom Am-Laufen-Halten des Systems zum Nutzen des Systems, um Erkenntnisse zu gewinnen.

„Pearstop hat ein System gebaut, das automatisch die richtigen Positionen aus unseren Besuchsberichten in ein sauberes Angebotsdokument zieht. Es spart unserem Team viel Zeit, indem es die sich wiederholenden Aufgaben des Zusammenstellens der richtigen Positionen eliminiert."

– Vince Out, Lemtech · Manufacturing & Air Filtration

„Zum ersten Mal habe ich das Gefühl, tatsächlich den Job zu machen, für den ich eingestellt wurde, Analyse, nicht Verwaltung."

– Datenanalyst, Procurement-Team, Bauunternehmen

Neharika Kishore

Content & Visibility, Pearstop

Neha works on content and visibility at Pearstop. She writes articles on procurement data quality for facilities management, construction and infrastructure teams, and supports The Data Edge podcast. She also runs outreach to procurement and finance leaders, which keeps her writing close to the problems those teams are actually raising.

LinkedIn →