Direkt zum Hauptinhalt

Referenzarchitektur des CFO-Bereichs für Fertigung & Energie

Mit dieser Architektur steuern Finanzexperten wesentliche Risiken aus externen Faktoren (z. B. Zölle, Rohstoffpreise), prognostizieren Wirtschaftstrends, prüfen Lieferantenbonität anhand von Daten und erkennen Transaktions- sowie Ausgabenanomalien.

Reference architecture with Databricks product elements overlaid on finance data sources and workflows.

Daten- und Plattformflüsse

  1. Nehmen Sie Daten über verwaltete Konnektoren und Data Sharing für Unternehmensdatensysteme wie ERP (SAP), CRM (Salesforce), HR (Workday) und Dokumentenmanagement (SharePoint) auf, um Bestellungen, Verträge, Lieferantendaten sowie Nachrichten und externe Benchmarks zu vereinheitlichen.
  2. Ihre First-Party-Daten können einfach mit Echtzeit-Rohstoffdaten (S&P Global Energy), Kreditdaten (Dun & Bradstreet, Moody’s) und Benchmarks (S&P Global Market Intelligence) ergänzt werden, um historische Modelle zu erweitern und ein umfassendes Verständnis der finanziellen Risiken zu gewinnen.
  3. Daten können mithilfe von ai_parse_document einfach aus textlastigen Dokumenten extrahiert und über eine Medallion-Architektur mit Transaktionsdaten und nativen Lakehouse-Drittanbieterdaten verbunden werden, wodurch semantische Modelle und Ledger für Reporting und Anwendungen erstellt werden. Alle Daten unterliegen einer lückenlosen End-to-End-Governance und bieten eine Single Source of Truth für einheitliche Finanzberechnungen im gesamten Unternehmen.
  4. Analytics können durch Abfragen in natürlicher Sprache mit AI/BI Genie durchgeführt werden, das jeden Finanzexperten in Ihrem Unternehmen befähigt.
  5. Gängige Business-Intelligence-Software wie Sigma, Microsoft Power BI, Microsoft Excel und Google Sheets kann mit Echtzeitdaten aus dem Databricks Lakehouse integriert werden.
  6. Agent Bricks ermöglicht es KI-Agenten, Unternehmens-Workflows für Finanzrichtlinien (Ausgabengenehmigungen, S&OP) auszuführen und das Reporting für Regulierungsbehörden (ESG, Produktpass) zu vereinfachen – basierend auf prüfbarer und nachvollziehbarer Argumentation des KI-Agenten, Datenzugriff und Datenherkunft.