Intercompany Reconciliation
In einem Konzern gibt es typischerweise mehrere Gesellschaften, die geschäftliche Tätigkeiten untereinander durchführen. Diese Transaktionen nennt man Intercompany Buchungen.
Zum Beispiel könnte die eine Gesellschaft der anderen produzierte Güter verkaufen, Geld leihen, Personal ausleihen, etc. Diese Buchungen müssen, da es sich um rechtlich eigenständige Gesellschaften handelt, auf beiden Seiten durchgeführt werden, einmal auf der Soll- und einmal auf der Haben-Seite. Die verkaufende Gesellschaft ist dabei die Ursprungs-Gesellschaft und die empfange die „Partner“- Gesellschaft.
Idealerweise buchen beide involvierten Gesellschaften den gleichen Betrag.
Aber – was, wenn nicht?
Je nach dem, wie viele Buchungen getätigt wurden, und wie viele „legal entities“ es in dem Konzern gibt, kann es ein mühsamer Prozess sein, diese Differenzen aufzuklären.
Am Anfang steht natürlich die Aufgabe, die ganzen Buchungen der Gesellschaften zu konsolidieren und in ein System zu bringen. Im vorliegenden Fall gibt es eine Basis-Tabelle, in der es (neben vielen anderen Informationen und Dimensionen wie Währung, Zeit, etc) die folgenden Grundinformationen gibt:
- verkaufende Gesellschaft (Legal Entity)
- kaufende Gesellschaft (Partner)
- Betrag
Hier als Beispiel:
Hier haben also drei Gesellschaften miteinander Geschäfte getätigt. Es fallen mehrere Differenzen auf:
- B hat mit A einen anderen Betrag gebucht (Zeile 7)
- C hat mit B einen anderen Betrag gebucht (Zeile 9)
- C hat mit A gebucht, aber nicht umgekehrt
Welche Beträge an der Stelle richtig oder falsch sind, kann hier nicht beurteilt werden und muss von den jeweiligen Sachbearbeitern in der Buchhaltung geklärt werden. Ziel ist aber, ihnen ein Werkzeug an die Hand zu geben, mit dem sie diese Unterschiede identifizieren können.
Wir müssen also die Daten so aufbereiten, dass in Power BI ein Bericht entsteht, der
- Differenzen aufzeigt
- idealerweise Top-Down sortiert ist
- die involvierten Gesellschaften angibt
- bebuchte Konten aufzeigt
Die weiteren Parameter wie Zeiträume, Währungen (und deren Differenzen) Konzern-Hierarchien, usw lassen wir erst einmal außen vor, da hier die Variabilität zu groß ist und von Konzern zu Konzern abweicht.
Aufbereiten der Daten
Zu Demonstrationszwecken werde ich die einzelnen Schritte zuerst in Excel am obigen Beispiel durchführen, anschließend in Power Query und Power BI.
Zuerst bilden wir den jeweiligen Partner Bezug ab. In Excel geht die mit der Formel
=[@Entity]&[@Partner] und =[@Partner]&[@Entity] oder
=A2&B2 und =B2&A2
Als nächstes entfernen wir die Duplikate (Daten – Duplikate entfernen; Abgleich über beide Spalten) und indexieren die restlichen Zeilen.
Damit machen wir jede Kombination einzigartig.
Nun wird es etwas tricky – die Formel SVERWEIS habe ich daher syntaktisch nicht korrekt zu besseren Lesbarkeit dargestellt.
Wir zerteilen die oben erstellte Index-Tabelle machen daraus zwei: Nummer 1 enthält Entity-Partne mit Index, die zweite enthält Partner-Entity und bekommt die Index-Zahl per SVERWEIS zugeteilt:
SVERWEIS fügt Index hinzu
Nun werden die beiden Tabellen einander angefügt (die Überschrift der zweiten Tabelle fällt weg), sodass anschließend folgendes Bild zu sehen ist:
Im Bild links habe ich bereits eine Sortierung vorgenommen: Erst nach Entity-Partner, dann nach Index. Denn wie wir sehen können, haben wir nun doppelte Einträge. Die roten müssen jeweils entfernt werden.
Daher wählen wir noch einmal Duplikate entfernen, nun aber mit dem Abgleich nur über die erste Spalte „Entity-Partner“.
Wir erhalten die finale Tabelle, in der nun sauber jede Kombination eine eindeutige Zahl hat, über sie es sich gruppieren lässt.
