Gecertificeerd Microsoft PartnerMicrosoft

Bewijs

CubeCold versnelt acquisitie-integratie met een Azure Databricks-dataplatform

6 weken

6 weken

Fundering en dataplatform gebouwd

150 vragen

Vaste checklist voor IT en data bij een acquisitie

Dagelijks inzicht

Financiële en operationele cijfers in Power BI

Minder Excel-werk

Minder handmatig samenvoegen, kopiëren en controleren

CubeCold groeit door koel- en vriesopslagbedrijven in Europa over te nemen en samen te brengen in één groep. Inmiddels beheert het bedrijf meer dan 700.000 palletplaatsen in meerdere Europese markten. Iedere acquisitie brengt eigen systemen, rapportages en definities mee. Samen met Macaw bouwde CubeCold daarom een dataplatform op Microsoft Azure en Azure Databricks waarmee nieuwe bedrijven sneller op dezelfde financiële en operationele sturing kunnen aansluiten.

Groei via acquisities maakte handmatig consolideren steeds lastiger

CubeCold neemt bestaande cold storage-bedrijven over die ieder hun eigen IT-landschap en rapportageproces hebben. Finance kreeg daardoor Excel-bestanden en e-mails van verschillende dochterondernemingen binnen en moest die handmatig samenvoegen en controleren.

Dat kostte een volle week. Een lokale controller was daarnaast iedere maand minimaal een dag bezig met het kopiëren en aanleveren van gegevens.

Met iedere nieuwe acquisitie werd dat proces zwaarder. CubeCold had daarom niet alleen behoefte aan betere rapportages, maar aan een vaste manier om nieuwe bedrijven in de groep op te nemen.

150 vragen brengen een nieuwe acquisitie snel in beeld

Macaw ontwikkelde een checklist met 150 vragen voor de technische en data-analyse van een nieuwe onderneming. Daarmee wordt vroeg duidelijk welke systemen aanwezig zijn, hoe financiële en operationele gegevens zijn ingericht en welke mappings nodig zijn.

Dat voorkomt dat het integratieteam bij iedere overname opnieuw moet uitvinden waar gegevens staan en wat ze betekenen. Juist in supply chain en logistiek is dat belangrijk: warehousemanagement, transport, finance en lokale definities lopen vaak door elkaar.

In zes weken stond de basis

Macaw bouwde de fundering en het dataplatform in zes weken op Microsoft Azure. Azure Databricks wordt gebruikt voor data-engineering en verwerking. Power BI maakt de informatie beschikbaar voor financiële en operationele sturing.

Ook mappings worden onderdeel van de aansluiting. Denk bijvoorbeeld aan de koppeling tussen verschillende grootboekstructuren.

nieuw bedrijf → databronnen → mapping en integratie → Azure Databricks → Power BI → dagelijkse sturing

Daardoor hoeft Finance niet langer eerst verschillende spreadsheets samen te voegen voordat er een bruikbaar groepsbeeld ontstaat.

De volgende acquisitie hoeft niet opnieuw vanaf nul te beginnen

De architectuur is opgezet om nieuwe bedrijven volgens dezelfde werkwijze aan te sluiten. Zodra databronnen, mappings en definities helder zijn, kan de bestaande structuur opnieuw worden gebruikt.

"Het maakt dan niet uit of je 1 of 20 assets hebt, de werking is precies hetzelfde." >Viktor Moricz, Finance & Operations Analyst, CubeCold

Dat past bij de buy-and-buildstrategie van CubeCold. Groei vraagt nog steeds integratiewerk, maar niet telkens een volledig nieuw rapportage- en datamodel.

Goede sturing begint met dezelfde betekenis van data

Data samenbrengen is één stap. Ervoor zorgen dat cijfers in verschillende bedrijven ook hetzelfde betekenen is minstens zo belangrijk.

Daarom zijn uniforme definities, mappings en eigenaarschap onderdeel van de aanpak. Bij een groeiende groep voorkomt dat discussies over welke cijfers leidend zijn en maakt het nieuwe rapportages sneller bruikbaar.

Voor organisaties met veel entiteiten, locaties of productstructuren kan Master Data Management helpen om die afspraken structureel te organiseren.

Een beter datafundament maakt ook de volgende stap mogelijk

De eerste winst voor CubeCold is praktisch: sneller beschikken over betrouwbare financiële en operationele informatie.

Daarna komt meer in beeld. Warehouses leveren ook gegevens uit sensoren, camera's en operationele systemen, bijvoorbeeld over bezetting en temperatuur. Als die data goed wordt ontsloten en dezelfde definities gebruikt, kan de Azure Databricks-basis later ook worden ingezet voor forecasting, optimalisatie, machine learning en AI.

AI-readiness begint hier dus niet bij een model. Het begint bij data die vindbaar, begrijpelijk en betrouwbaar genoeg is om op voort te bouwen.

Daar hoort ook governance bij. Wie is eigenaar van welke data? Welke definities zijn leidend? Wie mag welke gegevens gebruiken? Establish a Trusted Foundation helpt om data, governance, security en AI-readiness in samenhang te organiseren.

Relevant bij complexe overnames in supply chain en logistiek

Deze aanpak is relevant voor organisaties die via overnames groeien en merken dat iedere nieuwe locatie opnieuw een ingewikkelde mix van systemen, stamdata, KPI's en operationele processen meebrengt.

De winst zit dan niet in nog een dashboard, maar in een vaste manier om nieuwe bedrijven aan te sluiten en dezelfde gegevensbasis te gebruiken voor sturing, forecasting en verdere automatisering.

Groeit jouw organisatie via acquisities en kost iedere aansluiting opnieuw weken aan mapping, Excel en afstemming? Bekijk hoe Establish a Trusted Foundation helpt om data en governance zo in te richten dat nieuwe bedrijven sneller aansluiten en je data klaar is voor de volgende stap.

Waar dit op draait

De technologie achter deze case, met de vraag die er bij elke keuze onder lag.

Meer uit foundation of trust

Breng data, governance, security en controle op orde, zodat AI veilig, aantoonbaar en schaalbaar waarde kan leveren.

Bekijk het waardedomein