Impacture centraliseerde en standaardiseerde de product-, leveranciers- en prijsdata van Runderkamp. Het resultaat is een beheerst prijsproces dat sneller reageert op kostenwijzigingen, uitzonderingen zichtbaar maakt en betrouwbare informatie levert voor medewerkers, management, BI en AI.
Runderkamp is een foodretail- en cateringbedrijf met meerdere slagerijlocaties, een centrale productieomgeving en een cateringoperatie. Binnen deze combinatie is prijsstelling bedrijfskritisch: veranderingen in inkoopprijzen moeten snel en correct worden vertaald naar verkoopprijzen, terwijl grip op marges, commerciële uitzonderingen en de verdeling tussen productie en winkels behouden blijft.
Runderkamp is een foodretail- en cateringbedrijf met meerdere slagerijlocaties, een centrale productieomgeving en een cateringoperatie. Binnen deze combinatie is prijsstelling bedrijfskritisch. Veranderingen in inkoopprijzen moeten snel en correct worden vertaald naar verkoopprijzen, terwijl Runderkamp grip wil houden op marges, commerciële uitzonderingen en de verdeling tussen productie en winkels.
Die grip werd steeds moeilijker doordat het prijsproces door de jaren heen verspreid was geraakt over verschillende systemen, bestanden en persoonlijke werkwijzen.
Het workbook Calculatie winkelprijzen vormde lange tijd het hart van het prijsproces. Informatie uit leverancierslijsten, facturen, webshopcontroles, EasyParty, QlikView, Digi @Fresh en verschillende Excel-bestanden kwam hierin handmatig samen.
Voordat een prijswijziging kon worden doorgevoerd, moesten gegevens worden verzameld, gekoppeld, gecontroleerd en soms opnieuw geïnterpreteerd. Leveranciers en artikelen kwamen onder verschillende nummers of namen voor. Dezelfde PLU kon in verschillende contexten een andere betekenis hebben. Prijs- en margeregels waren deels vastgelegd in formules en deels aanwezig in de kennis van medewerkers.
Daardoor was het proces arbeidsintensief, persoonsafhankelijk en beperkt herleidbaar. Een technisch correct dashboard boven op die situatie zou het onderliggende probleem niet oplossen.
Impacture begon bewust niet met een dashboard, chatbot of AI-model.
Automatisering vergroot namelijk wat er al is. Wanneer brondata verschillende definities, nummers en kwaliteitsniveaus bevat, worden met automatisering ook de fouten en verschillen sneller verspreid. Betrouwbare BI en AI zijn daarom pas mogelijk nadat data is:
Impacture realiseerde voor Runderkamp één beheerde dataomgeving in Microsoft Fabric.
Via connectoren en gecontroleerde importprocessen worden gegevens opgehaald uit onder andere:
Waar een API beschikbaar is, wordt die gebruikt. Waar systemen of leveranciers alleen bestanden aanleveren, worden deze via gecontroleerde imports verwerkt. Daardoor is Runderkamp niet afhankelijk van één technisch integratiemodel.
De oplossing is opgebouwd volgens de Medallion-architectuur.
Alle aangeleverde brondata wordt ongewijzigd en met bron-, bestands-, batch- en datumgegevens opgeslagen. Hierdoor blijft altijd zichtbaar wat is ontvangen en wanneer.
Producten, PLU's, leveranciers, categorieën en prijzen worden opgeschoond en aan elkaar gekoppeld. Dubbele of conflicterende gegevens worden opgelost. Prijs- en margeregels worden consequent toegepast. Gegevens die niet betrouwbaar kunnen worden gekoppeld verdwijnen niet uit beeld, maar komen terecht in een zichtbare uitzonderings- en alertflow.
Alleen gevalideerde en bedrijfsklare gegevens worden opgenomen in het semantische model voor rapportages, analyses, operationele besluitvorming en AI en BI.
De volledige omgeving is ingericht volgens DTAP: Development, Test, Acceptance en Production. Nieuwe koppelingen, rekenregels en rapportages worden daardoor gecontroleerd ontwikkeld en getest voordat ze in de productieomgeving beschikbaar komen.
Vroeger kostte het veel tijd om te bepalen welk bestand, nummer of welke prijs leidend was. Nu worden afwijkingen automatisch zichtbaar en beoordelen we alleen nog de uitzonderingen die echt onze aandacht vragen. — Cor Runderkamp (voorgestelde quote)
De informatie wordt beschikbaar gesteld via de Impacture Sharing Engine. Gebruikers melden zich aan via een beveiligde login en krijgen alleen toegang tot de gegevens die voor hun rol of doelgroep zijn bedoeld.
Row-level security bepaalt vervolgens op dataniveau wat iemand mag zien. Het management kan bijvoorbeeld beschikken over het totaalbeeld, terwijl medewerkers alleen toegang krijgen tot de voor hun werkzaamheden relevante producten, locaties of processen. Dezelfde techniek maakt het mogelijk om geselecteerde inzichten te delen met externe partners of leveranciers, zonder interne informatie of de onderliggende omgeving bloot te stellen.
Rapportages worden veilig embedded aangeboden. Er hoeven daardoor geen losse bestanden, spreadsheetkopieën of afzonderlijke rapportversies per doelgroep te worden verspreid.
Runderkamp beschikt over één betrouwbare basis voor product-, leveranciers-, prijs- en marge-informatie.
Prijsupdates worden sneller en consistenter verwerkt. Leveranciersspecifieke prijsregels worden gecontroleerd toegepast. Historische prijzen blijven beschikbaar en iedere wijziging is herleidbaar. Onvolledige of conflicterende koppelingen worden zichtbaar gemaakt, zodat ze bewust kunnen worden opgelost in plaats van ongemerkt in rapportages terecht te komen.
Medewerkers besteden minder tijd aan het verzamelen en reconstrueren van informatie. Management en operatie werken vanuit dezelfde definities en dezelfde actuele gegevens. Tegelijk blijft ruimte bestaan voor gecontroleerde commerciële uitzonderingen: automatisering ondersteunt het vakmanschap van Runderkamp, maar vervangt het niet.
De centrale en gestandaardiseerde dataomgeving vormt daarnaast een betrouwbare basis voor verdere toepassingen, zoals automatische signalering, prijs- en margeanalyse, prijselasticiteitsonderzoek en vragen in natuurlijke taal.
Runderkamp heeft daarmee niet alleen een prijsproces geautomatiseerd. Het bedrijf heeft een schaalbare informatiebasis gecreëerd waarop toekomstige rapportage, automatisering en AI verantwoord kunnen worden gebouwd.
Centraliseren → standaardiseren → optimaliseren → automatiseren
Alle relevante bron-, product-, leveranciers- en prijsdata samenbrengen in één beheerde omgeving in Microsoft Fabric, via connectoren waar een API beschikbaar is en gecontroleerde imports waar leveranciers alleen bestanden aanleveren.
Producten, PLU's, leveranciers en categorieën opschonen en aan elkaar koppelen. Dubbele of conflicterende gegevens oplossen. Prijs- en margeregels vastleggen als expliciete, herbruikbare bedrijfslogica in plaats van workbookformules en persoonlijke kennis.
Gegevens die niet betrouwbaar kunnen worden gekoppeld doorsturen naar een zichtbare uitzonderings- en alertflow. KPI-definities uniformeren in één centrale semantische laag en alleen gevalideerde, bedrijfsklare gegevens opnemen in het Gold-model.
Dashboards, periodieke updates en exports automatisch laten volgen uit het proces. Nieuwe koppelingen, rekenregels en rapportages uitrollen via de DTAP-flow, zodat ze gecontroleerd worden ontwikkeld en getest voordat ze in productie komen.
| Vroeger | Nu | |
|---|---|---|
| Informatielandschap | Informatie verspreid over systemen en spreadsheets | Eén centrale en beheerde informatiebasis |
| Dataverwerking | Handmatig zoeken, kopiëren en vergelijken | Geautomatiseerde en herhaalbare verwerking |
| Stamgegevens | Verschillende namen en nummers voor dezelfde leverancier of hetzelfde product | Gestandaardiseerde leveranciers-, artikel- en PLU-koppelingen |
| Bedrijfsregels | Prijs- en margelogica deels verborgen in workbookformules en persoonlijke kennis | Expliciete, controleerbare en herbruikbare bedrijfsregels |
| Uitzonderingen | Afwijkingen werden tijdens handmatige controles ontdekt | Uitzonderingen en ontbrekende koppelingen worden automatisch gesignaleerd |
| Herleidbaarheid | Beperkt inzicht in de herkomst van een prijs | Volledige historie en traceerbaarheid per bron, bestand en prijsdatum |
| Rapportage | Rapportages waren het eindpunt van handmatig werk | Rapportages zijn een automatisch resultaat van het proces |
