Post-Merger Kundendaten-Konsolidierung für einen bundesweiten Energieversorger

Herausforderung

Nach der Übernahme des Privat- und Geschäftskundenportfolios eines großen Wettbewerbers stand ein bundesweiter Energieversorger vor der Aufgabe, Daten und Strukturen aus zwei separaten IT-Landschaften zu konsolidieren. Kundenbewertungssysteme, die für den übernommenen Kundenstamm aufgebaut worden waren, mussten in die Systemumgebung des übernehmenden Unternehmens überführt werden. Gleichzeitig waren die bestehenden Entwicklungszyklen und der Personalaufwand für Änderungen und Neuentwicklungen gemessen am Ergebnis zu hoch.

Das Kernproblem war Datenharmonisierung im großen Maßstab: Mehrere heterogene Quellsysteme — darunter SAP, CRM und verschiedene Vertriebsplattformen — lieferten inkonsistente Kundenkennzahlen. Das Management-Reporting erforderte eine einheitliche Sicht, und der Zeitplan der Post-Merger-Integration ließ wenig Spielraum für langwierige Implementierungsprojekte.

Lösungsansatz

Alligator Company konzipierte und implementierte einen automatisierungsgetriebenen Ansatz, der auf dbt und Data Vault aufbaut, mit Snowflake als Cloud-Data-Warehouse-Plattform. Kern der Lösung war ein maßgeschneidertes dbt-Framework unter Nutzung von automateDV für die harmonisierte Datenintegration über alle Quellsysteme hinweg. Dieses Framework ermöglichte modellgetriebene Code-Generierung für Data-Vault-Strukturen und reduzierte den manuellen Entwicklungsaufwand erheblich.

Darauf aufbauend integrierte das Team die Quellsysteme des übernommenen Unternehmens systematisch in das erweiterte dbt-Framework. Kundenkennzahlen aus der Legacy-Umgebung harmonisierte Alligator Company mit den bestehenden Kennzahlen und schuf so eine einheitliche Datenbasis über beide Kundenstämme. Um zentrale Kundenkennzahlen schneller für das Reporting bereitzustellen, implementierte das Team eine Zugriffsschicht direkt auf dem Raw Vault, ohne auf einen vollständig aufgebauten Business Vault warten zu müssen.

Zudem baute Alligator Company ein automatisiertes Deployment- und Test-Framework auf, das jedem Entwickler ein isoliertes Schema mit produktionsnahen Testdaten zur Verfügung stellt. Dies entkoppelte die Entwicklung an abhängigen Objekten und verkürzte die Feedback-Zyklen. Das Scheduling erfolgte über ein Airflow-Framework, während CI/CD über GitHub Actions verwaltet wurde.

Standardisierte Templates und Entwicklerrichtlinien sicherten einen hohen Automatisierungsgrad durch dbt und stellten Konsistenz über die wachsende Codebasis sicher.

Ergebnis

Einheitliche Kundenkennzahlen über alle Quellsysteme ermöglichen nun eine 360-Grad-Kundensicht für Marketing und Vertrieb, das primäre Geschäftsziel der Post-Merger-Integration. Bewertungs- und Rating-Kennzahlen aus dem übernommenen Portfolio überführte das Team erfolgreich und wahrte die Kontinuität im Kundenbeziehungsmanagement.

Das modulare dbt-basierte Framework bietet ein wiederholbares Muster für das Onboarding weiterer Quellsysteme ohne architektonische Änderungen. Die Automatisierung mit dbt, automateDV und dem standardisierten Deployment-Framework verkürzte die Entwicklungszyklen erheblich und senkte den Personalbedarf für laufende Änderungen.