Ihre Daten können mehr als nur GuV und Bilanz.
Signals Group führt verstreute Finanz- und Operativdaten zusammen und baut daraus Analysen und Systeme, mit denen Sie Ihr Geschäft tatsächlich steuern können.
Summen- und Saldenliste
Export Buchhaltung
| Jan | kum. Werte | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Konto | Beschriftung | EB-Wert | S/H | Saldo | S/H | Soll | Haben | Soll | Haben |
| 0400 0 | Betriebsausstattung | 1,412.00 | S | 1,372.17 | S | 0.00 | 39.83 | 0.00 | 39.83 |
| 0800 0 | Gezeichnetes Kapital | 250,000.00 | H | 250,000.00 | H | ||||
| 0869 0 | Kapitalrücklage | 1,218.40 | H | 0.00 | 1,218.40 | 0.00 | 1,218.40 | 0.00 | |
| 0955 0 | Rückstellungen Personal | 2,610.00 | H | 2,610.00 | H | ||||
| 0971 1 | Verbindl. L+L | 1,704.56 | H | 1,861.94 | H | 0.00 | 157.38 | 0.00 | 157.38 |
| 0971 3 | Verbindl. Kreditinstitute | 74,105.56 | H | 75,520.33 | H | 2,366.12 | 3,780.89 | 2,366.12 | 3,780.89 |
| 0980 0 | Aktive RAP | 458.81 | S | 367.05 | S | 0.00 | 91.76 | 0.00 | 91.76 |
| 1200 0 | Bank | 248,996.20 | S | 143,625.03 | S | 37,831.39 | 143,202.56 | 37,831.39 | 143,202.56 |
| 1365 0 | Verrechnung Filialen | - | 0.00 | 107,254.24 | 107,254.24 | 107,254.24 | 107,254.24 | ||
| 1400 0 | Forderungen L+L | 37,276.75 | S | 19,040.00 | S | 15,708.00 | 33,944.75 | 15,708.00 | 33,944.75 |
| 1475 0 | Umsatzsteuer 19% | 54,972.60 | H | 4,682.21 | H | 57,773.79 | 7,483.40 | 57,773.79 | 7,483.40 |
| 1480 0 | Vorsteuer 19% | 34,789.25 | S | 53,729.42 | S | 20,139.17 | 1,199.00 | 20,139.17 | 1,199.00 |
| 1576 0 | Kasse Filiale 2 | - | 1,463.05 | S | 2,438.45 | 975.40 | 2,438.45 | 975.40 | |
| 1600 0 | Verbindl. Personal | 9,590.23 | H | 3,110.84 | H | 13,068.97 | 6,589.58 | 13,068.97 | 6,589.58 |
| 1740 0 | Sonstige Verbindl. | - | 1,794.78 | H | 21,110.51 | 22,905.29 | 21,110.51 | 22,905.29 | |
| 4000 0 | Umsatzerlöse 19% | - | 141,866.40 | H | 0.00 | 141,866.40 | 0.00 | 141,866.40 | |
| 4400 0 | Erlösschmälerungen | - | 2,018.55 | S | 2,018.55 | 0.00 | 2,018.55 | 0.00 | |
| 5200 0 | Wareneingang 19% | - | 84,210.90 | S | 84,210.90 | 0.00 | 84,210.90 | 0.00 | |
| 6020 0 | Gehälter | - | 18,930.00 | S | 18,930.00 | 0.00 | 18,930.00 | 0.00 | |
| 6310 0 | Miete | - | 15,200.00 | S | 15,200.00 | 0.00 | 15,200.00 | 0.00 | |
Store data margin analysis
Figures in thousands
| Net Sales | COGS | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Figures in thousands | FY23 | FY24 | FY25 | FY26 | FY23 | FY24 | FY25 | FY26 | |
| 1_S (< 299 m²) | - | 92 | 2,240 | 3,310 | - | (53) | (1,324) | (1,986) | |
| 2_M (300 - 599 m²) | 210,454 | 236,120 | 271,880 | 318,640 | Trägt 63 % des Umsatzes, wächst 15 % p.a. | (120,209) | (137,036) | (160,928) | (191,228) |
| 3_L (600 - 899 m²) | 111,319 | 118,540 | 124,930 | 139,210 | (63,580) | (68,796) | (73,939) | (83,541) | |
| 4_XL (900 - 1099 m²) | 22,608 | 27,480 | 29,120 | 31,360 | (12,916) | (15,950) | (17,238) | (18,823) | |
| 5_XXL (> 1100 m²) | 12,042 | 12,310 | 12,660 | 11,720 | Umsatz minus 7 %, Marge stabil | (6,879) | (7,145) | (7,493) | (7,035) |
| Admin costs | (1) | - | - | (152) | Nicht zugeordnete Buchungen sichtbar | - | - | - | - |
| Total | 356,422 | 394,542 | 440,830 | 504,088 | (203,584) | (228,980) | (260,922) | (302,613) | |
Sie haben die Daten schon.
Sie sind nur nicht so aufbereitet, dass Ihr Management damit steuern kann.
Was Sie heute haben
Verstreut über Dateien und Abteilungen. Hohe Informationsdichte, geringe Management-Usability.
Summen- und Saldenliste
Export Buchhaltung
| Jan | kum. Werte | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Konto | Beschriftung | EB-Wert | S/H | Saldo | S/H | Soll | Haben | Soll | Haben |
| 0400 0 | Betriebsausstattung | 1,412.00 | S | 1,372.17 | S | 0.00 | 39.83 | 0.00 | 39.83 |
| 0800 0 | Gezeichnetes Kapital | 250,000.00 | H | 250,000.00 | H | ||||
| 0869 0 | Kapitalrücklage | 1,218.40 | H | 0.00 | 1,218.40 | 0.00 | 1,218.40 | 0.00 | |
| 0955 0 | Rückstellungen Personal | 2,610.00 | H | 2,610.00 | H | ||||
| 0971 1 | Verbindl. L+L | 1,704.56 | H | 1,861.94 | H | 0.00 | 157.38 | 0.00 | 157.38 |
| 0971 3 | Verbindl. Kreditinstitute | 74,105.56 | H | 75,520.33 | H | 2,366.12 | 3,780.89 | 2,366.12 | 3,780.89 |
| 0980 0 | Aktive RAP | 458.81 | S | 367.05 | S | 0.00 | 91.76 | 0.00 | 91.76 |
| 1200 0 | Bank | 248,996.20 | S | 143,625.03 | S | 37,831.39 | 143,202.56 | 37,831.39 | 143,202.56 |
| 1365 0 | Verrechnung Filialen | - | 0.00 | 107,254.24 | 107,254.24 | 107,254.24 | 107,254.24 | ||
| 1400 0 | Forderungen L+L | 37,276.75 | S | 19,040.00 | S | 15,708.00 | 33,944.75 | 15,708.00 | 33,944.75 |
| 1475 0 | Umsatzsteuer 19% | 54,972.60 | H | 4,682.21 | H | 57,773.79 | 7,483.40 | 57,773.79 | 7,483.40 |
| 1480 0 | Vorsteuer 19% | 34,789.25 | S | 53,729.42 | S | 20,139.17 | 1,199.00 | 20,139.17 | 1,199.00 |
| 1576 0 | Kasse Filiale 2 | - | 1,463.05 | S | 2,438.45 | 975.40 | 2,438.45 | 975.40 | |
| 1600 0 | Verbindl. Personal | 9,590.23 | H | 3,110.84 | H | 13,068.97 | 6,589.58 | 13,068.97 | 6,589.58 |
| 1740 0 | Sonstige Verbindl. | - | 1,794.78 | H | 21,110.51 | 22,905.29 | 21,110.51 | 22,905.29 | |
| 4000 0 | Umsatzerlöse 19% | - | 141,866.40 | H | 0.00 | 141,866.40 | 0.00 | 141,866.40 | |
| 4400 0 | Erlösschmälerungen | - | 2,018.55 | S | 2,018.55 | 0.00 | 2,018.55 | 0.00 | |
| 5200 0 | Wareneingang 19% | - | 84,210.90 | S | 84,210.90 | 0.00 | 84,210.90 | 0.00 | |
| 6020 0 | Gehälter | - | 18,930.00 | S | 18,930.00 | 0.00 | 18,930.00 | 0.00 | |
| 6310 0 | Miete | - | 15,200.00 | S | 15,200.00 | 0.00 | 15,200.00 | 0.00 | |
Was darin steckt
Dieselben Daten, nur entlang der Dimensionen aufgebaut, nach denen Sie tatsächlich steuern.
P&L per store
Figures in thousands
| Actuals | YTD Apr | ||||||
|---|---|---|---|---|---|---|---|
| Figures in thousands | 2022 | 2023 | 2024 | 2025 | LTM Apr 2026 | 2025 | 2026 |
| Sales | 8,412 | 8,536 | 8,317 | 8,864 | 12,796 | 2,641 | 6,573 |
| Discounts | (6) | (138) | (127) | (121) | (193) | (41) | (113) |
| Net sales | 8,406 | 8,398 | 8,190 | 8,743 | 12,603 | 2,600 | 6,460 |
| COGS | (4,790) | (4,874) | (4,906) | (5,338) | (7,712) | (1,571) | (3,945) |
| Cash Desk Margin | 3,616 | 3,524 | 3,284 | 3,405 | 4,891 | 1,029 | 2,515 |
| (in % of Net sales) | 43.0% | 42.0% | 40.1% | 38.9% | 38.8% | 39.6% | 38.9% |
| Supplier Bonuses | 452 | 461 | 489 | 571 | 812 | 132 | 373 |
| GP I | 4,068 | 3,985 | 3,773 | 3,976 | 5,703 | 1,161 | 2,888 |
| (in % of Net sales) | 48.4% | 47.5% | 46.1% | 45.5% | 45.3% | 44.7% | 44.7% |
| Corrections, write downs | (31) | (49) | (82) | (79) | (114) | (13) | (48) |
| GP II | 4,037 | 3,936 | 3,691 | 3,897 | 5,589 | 1,148 | 2,840 |
| (in % of Net sales) | 48.0% | 46.9% | 45.1% | 44.6% | 44.3% | 44.2% | 44.0% |
| Other operating income | 24 | 31 | 7 | 21 | 40 | 5 | 24 |
| Rental income | 66 | 68 | 70 | 69 | 88 | 23 | 42 |
| Operating GP | 4,127 | 4,035 | 3,768 | 3,987 | 5,717 | 1,176 | 2,906 |
| (in % of Net sales) | 49.1% | 48.0% | 46.0% | 45.6% | 45.4% | 45.2% | 45.0% |
| Personnel costs | (1,088) | (1,152) | (1,174) | (1,203) | (1,624) | (384) | (805) |
| Occupancy costs | (974) | (931) | (958) | (894) | (1,183) | (302) | (591) |
| Marketing costs | (204) | (219) | (211) | (222) | (256) | (83) | (117) |
| IT costs | (41) | (86) | (92) | (101) | (136) | (31) | (66) |
| Other operating costs | (158) | (121) | (133) | (112) | (169) | (36) | (93) |
| Operating cost | (2,465) | (2,509) | (2,568) | (2,532) | (3,368) | (836) | (1,672) |
| (in % of Net sales) | (29.3%) | (29.9%) | (31.4%) | (29.0%) | (26.7%) | (32.2%) | (25.9%) |
| EBITDA | 1,662 | 1,526 | 1,200 | 1,455 | 2,349 | 340 | 1,234 |
| (in % of Net sales) | 19.8% | 18.2% | 14.7% | 16.6% | 18.6% | 13.1% | 19.1% |
| Depreciations | (161) | (155) | (137) | (116) | (139) | (38) | (61) |
| EBIT | 1,501 | 1,371 | 1,063 | 1,339 | 2,210 | 302 | 1,173 |
Rohdaten
Excel, ERP-Exporte, gewachsene Listen.
Struktur
Ein Datenmodell entlang Ihrer Dimensionen.
Insight
Analysen, die zeigen, warum etwas passiert.
Szenarien
Base, Upside, Downside in einem Modell.
Entscheidung
Antworten im Meeting, nicht danach.
Analyse, System,
Entscheidung.
Wir liefern nicht nur die Auswertung. Wir bauen die Struktur und die Automatisierung dahinter, damit die Antworten auch beim nächsten Mal da sind.
Store data margin analysis
Figures in thousands
| Net Sales | COGS | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Figures in thousands | FY23 | FY24 | FY25 | FY26 | FY23 | FY24 | FY25 | FY26 | |
| 1_S (< 299 m²) | - | 92 | 2,240 | 3,310 | - | (53) | (1,324) | (1,986) | |
| 2_M (300 - 599 m²) | 210,454 | 236,120 | 271,880 | 318,640 | (120,209) | (137,036) | (160,928) | (191,228) | |
| 3_L (600 - 899 m²) | 111,319 | 118,540 | 124,930 | 139,210 | (63,580) | (68,796) | (73,939) | (83,541) | |
| 4_XL (900 - 1099 m²) | 22,608 | 27,480 | 29,120 | 31,360 | (12,916) | (15,950) | (17,238) | (18,823) | |
| 5_XXL (> 1100 m²) | 12,042 | 12,310 | 12,660 | 11,720 | (6,879) | (7,145) | (7,493) | (7,035) | |
| Admin costs | (1) | - | - | (152) | - | - | - | - | |
| Total | 356,422 | 394,542 | 440,830 | 504,088 | (203,584) | (228,980) | (260,922) | (302,613) | |
Datenanalyse
Maßgeschneiderte Management-Analysen entlang Ihrer Dimensionen: Standort, Produktkategorie, Format, Region, Kundengruppe, Business Unit, Rolle, Kohorte.
Datenmodell
Systeme und Automatisierung
Zusammenführung verstreuter Quellen, Bereinigung, wiederholbare Aktualisierung. Aus einem Projektergebnis wird ein laufendes Instrument.
Net sales CAGR vs. GM of net sales
Beratung
Wir übersetzen Zahlen in Management-Implikationen. Wo lohnt sich Wachstum, wo braucht es Maßnahmen, wo liegen attraktive Value Pools.
Ein Klick, die ganze
Analyse dreht sich mit.
Kein neuer Report, kein Umbau des Modells, kein Warten auf die nächste Auswertung.
Product category
Store data margin analysis
Figures in thousands
| Net Sales | COGS | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Figures in thousands | FY23 | FY24 | FY25 | FY26 | FY23 | FY24 | FY25 | FY26 | |
| 1_S (< 299 m²) | - | 92 | 2,240 | 3,310 | - | (53) | (1,324) | (1,986) | |
| 2_M (300 - 599 m²) | 210,454 | 236,120 | 271,880 | 318,640 | (120,209) | (137,036) | (160,928) | (191,228) | |
| 3_L (600 - 899 m²) | 111,319 | 118,540 | 124,930 | 139,210 | (63,580) | (68,796) | (73,939) | (83,541) | |
| 4_XL (900 - 1099 m²) | 22,608 | 27,480 | 29,120 | 31,360 | (12,916) | (15,950) | (17,238) | (18,823) | |
| 5_XXL (> 1100 m²) | 12,042 | 12,310 | 12,660 | 11,720 | (6,879) | (7,145) | (7,493) | (7,035) | |
| Admin costs | (1) | - | - | (152) | - | - | - | - | |
| Total | 356,422 | 394,542 | 440,830 | 504,088 | (203,584) | (228,980) | (260,922) | (302,613) | |
Dieselbe Methode, andere Frage.
Personalkosten sind der Fall, in dem sich der Nutzen am schnellsten rechnet. Die Dimensionen und Kennzahlen kommen aus dem Geschäftsmodell des Kunden, nicht aus einem Standard-Template.
Viele Unternehmen kennen ihre gesamten Personalkosten, haben aber keine konsistente Sicht darauf, wie Vergütung über Grades, Rollen und FTE-Positionen verteilt ist und wo systematisch vom Zielbild abgewichen wird.
01
Zielbild definieren
Kundenspezifische Rollencluster, Grades und Ziel-Gehaltsbänder.
Gehaltsbänder (Zielbild)
Beträge in EUR
| Bandspanne (monatlich) | Bandspanne (jährlich) | |||||
|---|---|---|---|---|---|---|
| Stufe | Kohorte | Typische Rolle | von | bis | von | bis |
| A | A1 | Helfer | 2,650 | 2,800 | 34,500 | 36,400 |
| A2 | Sachbearbeitung | 2,800 | 3,550 | 36,400 | 46,200 | |
| A3 | Fachkraft | 3,650 | 4,400 | 47,500 | 57,200 | |
| A4 | Fachkraft Senior | 4,150 | 5,050 | 54,000 | 65,700 | |
| A5 | Spezialist | 4,600 | 5,550 | 59,800 | 72,200 | |
| B | B1 | Teamleitung | 4,900 | 5,850 | 63,700 | 76,100 |
| B2 | Projektleitung | 5,400 | 6,450 | 70,200 | 83,900 | |
| B3 | Projektleitung Senior | 5,850 | 6,950 | 76,100 | 90,400 | |
| B4 | Bereichsleitung | 6,300 | 7,400 | 81,900 | 96,200 | |
| C | C1 | Abteilungsleitung | 6,800 | 8,000 | 88,400 | 104,000 |
| C2 | Prokura / Standortleitung | 7,400 | 8,650 | 96,200 | 112,500 | |
| C3 | Geschäftsführung | 8,000 | 9,550 | 104,000 | 124,200 | |
02
Spannweiten darstellen
Grades auf der x-Achse, annualisierte Vergütung auf der y-Achse.
Ziel-Spannweiten je Grade
03
IST und SOLL überlagern
Ziel-Gehaltsband gefüllt, Ist-Gehaltsband als gestrichelte Kontur. Über- und Untervergütung sind sofort sichtbar.
Vergleich Ist und Ziel Gehaltsband, Ausreißer bereinigt
Illustratives Fallbeispiel. Die Zahlenbasis wird in realen Projekten kundenspezifisch entwickelt und auf die jeweilige Organisations- und Vergütungslogik zugeschnitten.
Transparenz
Systematische Sicht auf Vergütungsstrukturen nach Grade, Rolle und FTE-Position.
Abweichungen
Klare Identifikation von Über- und Untervergütungen im Vergleich zum Zielbild.
Hebel
Quantifizierbare Hebel für nachhaltige Personalkostenoptimierung.
Nutzen
Direkte Übersetzung analytischer Erkenntnisse in finanziellen Nutzen.
Warum sich das rechnet
Wenn ein Unternehmen seine Personalkosten erstmals strukturiert analysiert und daraus ein nachhaltiges Einsparpotenzial identifiziert und realisiert, steht diesem Effekt typischerweise ein deutlich geringerer Projektaufwand gegenüber. Der eigentliche Mehrwert liegt aber in der dauerhaften Transparenz: dasselbe Modell trägt danach künftige Einstellungen, Gehaltsentscheidungen, Reorganisationen und Budgetprozesse.
Nicht nur verstehen, was war.
Sondern sehen, was möglich ist.
Dasselbe Modell trägt alle Szenarien. Kein Wechsel zwischen Dateien oder Tools.
Net Sales in Tsd.
498,184
Gross Margin in Tsd.
194,202
EBITDA in Tsd.
56,790
EBITDA-Marge
11.4%
Fortschreibung der aktuellen Planung.
Typische Anwendungsfälle
Preis- und Volumenänderungen
Kosteninflation
Standortöffnungen und -schließungen
Produktmix-Effekte
Margeninitiativen
Investitionsentscheidungen
Leistungsstarke Analytik in der Umgebung, die Ihr Management bereits nutzt.
Die Datenarchitektur ist modern und dynamisch. Die Oberfläche bleibt bewusst vertraut.
Keine zusätzliche Software-Einführung
Das Analyse-Tool kommt als Excel-Datei. Kein Rollout, keine Schulung einer neuen Plattform, kein zusätzliches Login.
Keine Subscription pro Nutzer
Keine Lizenzkosten je Sitz, keine Dashboard-Abhängigkeit von einem Anbieter.
Leicht im Unternehmen teilbar
Direkt nutzbar in Jour Fixes, Management-Meetings und Präsentationen.
Anschlussfähig an bestehende Arbeitsweisen
Fügt sich in vorhandene Excel- und PowerPoint-Prozesse ein, statt sie zu ersetzen.
Positionierung
Wir bauen keine Excel-Sheets. Wir bauen leistungsfähige analytische Modelle und Systeme und stellen sie über Excel bereit. Die Komplexität bleibt im Modell, nicht beim Nutzer.
So läuft die
Zusammenarbeit.
Vier Schritte vom ersten Gespräch bis zum Tool auf Ihrem Rechner. Kein Rollout, keine neue Plattform.
1
Erstgespräch
Wir klären, welche Entscheidungen Sie treffen müssen und welche Fragen heute unbeantwortet bleiben.
2
Datencheck
Wir sehen uns an, welche Daten vorliegen, wo sie liegen und in welcher Qualität.
3
Modell und System
Wir bauen das Datenmodell entlang Ihrer KPI-Logik und die Prozesse, die es aktuell halten.
4
Übergabe
Sie bekommen ein einsatzbereites Analyse-Tool in Excel und eine Einweisung.
Häufige Fragen
Wie sieht das nur für Non-Food aus?
Klick.Kann man das nach Store-Größe filtern?
Klick.Was passiert im Downside Case?
Klick.Welche Standorte liegen dann unter Zielmarge?
Klick.Antworten, während die Frage
noch auf dem Tisch liegt.
Keine Vertagung auf das nächste Meeting. Keine zusätzliche Datei. Kein separater Analystenlauf. Sprechen wir darüber, welche Fragen bei Ihnen offen sind.