Nachdem wir in den letzten zwei Blog Posts einen Blick auf die verschiedenen Forderungskonten und die einzelnen Kunden geworfen haben, betrachten wir in diesem Post einfache statistische Auswertungen, untersuchen einen Zusammenhang von bestimmten Größen und visualisieren die Ergebnisse entsprechend in Excel Diagrammen.
Sollten Sie die letzten zwei Blog Posts verpasst haben, dann können Sie diese unter den folgenden Links erreichen:
Zahlen Kunden eigentlich immer rechtzeitig?
Zwischen Zahlung und Moral: Wie schnell zahlen Ihre Kunden?
Besteht ein Zusammenhang zwischen der Häufigkeit an Geschäftsaktivitäten und der Zahlungsmoral?
Die erste Frage, die wir untersuchen wollen ist der Zusammenhang zwischen der Anzahl an Geschäftstransaktionen mit einem Unternehmen (Anzahl der Belege zu einem Kunden) und der durchschnittlichen Dauer in Tagen, bis das Unternehmen die Forderung zahlt. Oder noch einfacher ausgedrückt: Zahlt ein Unternehmen schneller, wenn ich viele Geschäfte mit ihm mache?
Für die Beantwortung der Frage brauchen wir zunächst eine Datengrundlage. Und die erhalten wir am einfachsten über SQL Anweisungen. In diesem Fall könnten wir auch einen direkten Excel Export aus SAP in Betracht ziehen, da lediglich die Tabellen BKPF (Belegkopf) und BSEG (Belegsegment) adressiert werden müssen. Allerdings müssten die Ergebnisse im Nachgang aufwendig aufbereitet, aggregiert und weitere Berechnungen direkt in Excel durchgeführt werden. Das gestaltet sich als sehr umständlich und kann Abhängig vom SAP System und der Größe der genannten Tabellen zudem sehr viel Zeit in Anspruch nehmen. Sollten Sie keinen SQL Zugriff haben, verwenden Sie die Transaktion SQVI und verbinden die Tabellen BKPF mit der BSEG mit einem Tabellen-Join über BUKRS, BELNR und GJAHR, sofern SAP das nicht schon für Sie erledigt hat.
Nachdem wir die SQL Anweisung erfolgreich ausgeführt haben, erhalten wir eine relativ umfangreiche Tabelle, unter anderem mit den Feldern KUNNR, Anzahl der Belege (DOCUMENTS), die durchschnittliche (AVG_CLEARING), minimale (MIN_CLEARING) und maximale (MAX_CLEARING) Dauer bis zum Ausgleich einer Forderung. Um eine umfangreichere Analyse durchführen zu können, kommen außerdem die Spalten STDEV_CLEARING und TOTAL_CLEARED_RECEIVABLES hinzu. Dabei handelt es sich zum einen um die Schwankungen der Werte um die durchschnittlichen Ausgleichsdauern (STDEV_CLEARING) und der Gesamtsumme an ausgeglichenen Forderungen.
Um den Zusammenhang zwischen der Häufigkeit an Geschäftsaktivitäten und der Zahlungsmoral zu prüfen, benötigen wir zunächst die Anzahl der Belege (DOCUMENTS) und die durchschnittliche Dauer bis zum Ausgleich einer Forderung (AVG_CLEARING). Zunächst müssen wir allerdings die Ergebnisse der SQL Anweisung als Tabelle nach Excel exportieren, über Daten – Text in Spalten in Spalten unterteilen. Danach werden die Spalten DOCUMENTS und AVG_CLEARING markiert und anschließend über Einfügen – Diagramme – Punkt(XY) ein Diagramm hinzugefügt. Die Belege werden unter anderem über die Kundennummer gruppiert, sodass die Anzahl der Belege immer für einen Kunden angegeben ist.
Das Ergebnis kann dann folgendermaßen aussehen:
Auf der linken Seite des Graphs (mit weniger als 50 Belegen) sehen wir alle Kunden, mit denen wir nur wenige Geschäfte getätigt haben. Die Streuung ist in diesem Bereich recht groß und reicht von -43 Tagen bis zu mehr als 200 Tagen. Werfen wir einen Blick rechts von den 50 Belegen, so stellen wir fest, dass je mehr Geschäfte wir mit unseren Kunden machen, desto konstanter bewegt sich die durchschnittliche Dauer des Ausgleichs um die 20-23 Tage.
Aus der Erkenntnis können wir die Aussage treffen, dass Kunden, mit denen wir häufig Geschäfte machen tendenziell sehr zuverlässig innerhalb von 20-23 Tagen ihre Rechnungen begleichen.
Die umfangreiche Wahrheit über die Zahlungsmoral
Der aufmerksame Leser wird sich vermutlich denken, dass die Anzahl der Belege im Verhältnis zur durchschnittlichen Dauer des Ausgleichs eigentlich nur die halbe Wahrheit ist. Denn der Durchschnitt alleine hat noch keine Aussagekraft über das Maß der Streuung. Es kann also durchaus sein, dass ein Kunde im Durchschnitt immer pünktlich innerhalb einer Grenze von z.B. 30 Tagen seine Rechnungen bezahlt, die allg. Zahlungsmoral aber sehr stark um diesen Wert herum streut. Ganz frei dem Motto: Zahle ich heute nicht, zahle ich morgen. Das Stichwort in diesem Zusammenhang lautet: Zuverlässigkeit.
Werfen wir demnach einen genaueren Blick auf die Spalte der Standardabweichung des durchschnittlichen Ausgleichs einer Forderung, die wir ebenfalls mit der SQL Anweisung erhalten (STDEV_CLEARING). Um eine besser Skala für die Anzahl der Belege zu erhalten, berechnen wir zunächst den Logarithmus (LOG) zur Basis 10. Diese Art der Transformation eignet sich besonders für die Darstellung von Verhältnissen, die nachfolgend im Fokus stehen. Auf diese Art werden Zahlen, die kleiner als 10 sind mit einer 0 und entsprechenden Nachkommastellen dargestellt, zweistellige Zahlen mit 1 und Nachkommastellen, dreistellige Zahlen mit einer 2 und Nachkommastellen, usw. dargestellt. Das erledigt Excel für uns im Handumdrehen unter Eingabe von „=LOG10(Zelle)“, sodass wir den Log10 für alle Belege schnell in einer neuen Spalte für alle Belege errechnen können. Die anderen Werte, die für das Diagramm notwendig sind, verwenden wir wie angegeben. Markieren wir jetzt die Spalten Log10(DOCUMENTS), AVG_CLEARING und STDEV_CLEARING und wählen unter Einfügen – Diagramme – Punkt(XY) – Blasendiagramm, so erhalten wir in etwa das folgende Diagramm:
Auf der X-Achse befinden sich die Werte des Log10(DOCUMENTS), die wir zuvor berechnet haben. Auf der Y-Achse hingegen befindet sich die durchschnittliche Dauer des Ausgleichs einer Forderung und der Durchmesser der „Blasen“ gibt das Maß der Streuung um den Durchschnitt / Mittelwert an.
Das Diagramm zeichnet schon ein etwas anderes Bild als die ausschließliche Betrachtung der durchschnittlichen Dauer des Ausgleichs einer Forderung im Verhältnis zur Anzahl der Belege. Zur Erklärung: Je größer der Kreis in dem entstandenen Diagramm ist, desto mehr streut der Ausgleich einer Forderung um die durchschnittliche Dauer. Alle Einmalkunden finden mit dieser Analyse außerdem keine Betrachtung. Der Hintergrund dabei ist folgender: Der Log10 von einem Beleg (Log10(1) = 0) beträgt null. Wenn nur ein Beleg vorliegt, so ist auch die Streuung 0, da es keine Schwankungen um einen einzigen Wert geben kann. In Folge dessen werden die Kunden mit einem Durchmesser von 0 nicht angezeigt. Gleiches gilt für Kunden, bei denen es keine Streuung um die durchschnittliche Dauer des Ausgleichs gibt. Einen Sonderfall gibt es allerdings: Wenn ein Beleg mehrere Positionen hat, so können unterschiedliche Daten für den Ausgleich des kompletten Belegs vorhanden sein. So geschehen bei den drei Belegen ganz links, die von der Y-Achse im Mittelpunkt geschnitten werden.
In dem Diagramm zeigt sich ein sehr differenziertes Bild. Es gibt verschiedene Kunden mit Auffälligkeiten. Zum einen sind es Kunden, mit denen nicht viele Geschäfte (wenig Belege) abgewickelt werden, die dazu neigen sehr schwankend ihre Rechnungen zu bezahlen (obere linke Ecke im Diagramm) und zum anderen gibt es vereinzelt Kunden mit vielen vorliegenden Geschäften (Belegen) bei denen es eine moderate Schwankung im Zahlungsverhalten gibt (untere Mitte im Diagramm). Die vielen kleineren Kreise können wohl weitestgehend ignoriert werden, da z.B. Überweisungen kurz vor dem Wochenende zu leichten Schwankungen führen können.
Jetzt liegt es wieder an Ihnen. Untersuchen Sie, warum es Kunden gibt, bei denen große Schwankungen auftreten. Wir wollen an dieser Stelle nicht den Teufel an die Wand malen, aber der Verdacht, dass ein Kunde sprichwörtlich „von der Hand in den Mund“ lebt, besteht und bietet damit unter Umständen auch ein gewisses Risiko für Ihr Unternehmen.
Sie wollen auch bunte Diagrammen schnell und einfach mit Ihren SAP Daten erstellen? Dann finden Sie hier die Anleitung zum Download:
