Pavlof im Einsatz von 1989 bis 12/2021 – Bis irgendwann 2001 wurde in Schilling gerechnet.

Was bisher geschah: Ein neuer OfferCube Kunde beauftragte uns mit der Datenmigration all seiner Daten in das neue System. Wir analysierten die Daten des DOS Programms aus dem Jahr 1989 und konnten mehrere Datenbanken mit teilweise identischen Inhalten identifizieren sowie das zugrundeliegende Datenmodell identifizieren.

Da wir es mit abgeschlossenen Daten zu tun hatten und wir in ein leeres System importierten, entschieden wir uns dafür entsprechende SQL-Import Dateien zu generieren. Ein Import über Webservice wäre zwar ebenfalls möglich, hätte die Sache aber unnötig verkompliziert.

Für die Vorgehensweise bedeutet das: Wir generieren vor dem Tag des Systemwechsels die SQL-Import-Dateien auf Basis eines aktuellen Datenstandes (wir erinnern uns: CD brennen, etc.). Dann importieren wir die Daten in das neue OfferCube System und ab diesem Zeitpunkt wird mit OfferCube weitergearbeitet.

Es gab noch einige weitere Herausforderungen:

Die Umlautkonvertierung – es war weder ANSI noch exakt MS-DOS Latin 1 – wir mussten daher eine eigene Übersetzungstabelle von ASCII Code 127 bis ASCII Code 255 entwickeln, um die Umlaute und Sonderzeichen korrekt in UTF-8 zu überführen.

Pavlof 1989 Artikelstamm

Und das allseits bekannte Thema Datenqualität:

Anrede: Da es ein Freitext Feld war, hatten wir die Varianten „Hr“, „Hr.“, „Herr“, „Herrn“, „Hrn.“ und „Hrn.“ (und alles auch nochmal in diversen Groß/Kleinschreibungen). Dann gab es das noch analog für Frau und Familie. In OfferCube sind die Anreden vereinheitlicht.
OfferCube benutzt im Hintergrund sogenannte Lookup Values, um z.B. im Briefkopf aus einer Anrede „Herr“ automatisch ein ein „zu Handen Herrn“ zu machen – deutsche Sprache, schwere Sprache 😉
Mit diesen Lookup Tables sind auch dann automatisiert erstellte englische Anreden kein Problem.

Adressfelder: Einmal steht dann doch die Postleitzahl auch in der Straße oder beim Ort – In OfferCube sind es (wie auch eigentlich in Pavlof) getrennte Felder – also haben wir dies automatisiert erkannt und richtiggestellt.

Und der größte Brocken: Telefonnummern und Email-Adressen: Damals gab es ja noch so gut wie keine Email Adressen aber dafür unter Umständen mehrere Telefonnummern in allen erdenklichen Schreibweisen – wir haben also „01/123“, „00431/123“, „123“, „01 123“ mit Schrägstrichen, ohne Schrägstrichen, mit Leerzeichen, ohne Leerzeichen, und dann später auch die +43 Schreibweisen etc. automatisch erkannt und korrigiert.
Da OfferCube auch zwischen Festnetz und Mobil unterscheidet, waren wir nun am Pfad des Perfektionismus unterwegs: Also mal schnell alle Mobil Vorwahlen herausgesucht und wenn es sich bei der Telefonnummer um eine Nummer mit Mobilnetz Vorwahl handelt dann kommt die Telefonnummer ins Feld Mobil und die andere Nummer ins Feld Festnetz.

ABER: Was ist mit Email-Adressen – irgendwann so nach dem Jahr 2000 kamen dann auch vermehrt Email Adressen in einem der beiden Telefonnummern Feldern vor. OfferCube bietet für die Email-Adresse natürlich ein eigenes Feld. Also haben wir auch das automatisiert erkannt und dann in das OfferCube Feld Email eingetragen.

OfferCube erkennt Email und Telefonnummern und formatiert sie im Hintergrund korrekt zum direkten Anklicken

Nun waren wir endlich soweit!

Wir konnten die Daten in unser OfferCube Testsystem importieren.

Bei der Durchsicht eines Testimport ist uns dann ein weiterer Punkt aufgefallen:

Da war doch was mit Schilling und Euro 😉

Also mussten wir gemeinsam mit dem Kunden den Stichtag finden, ab dem statt mit Schilling mit Euro gerechnet wurde. In unserem Fall war das nicht ein bestimmter Stichtag, sondern offensichtlich wurde ab einer bestimmten Auftragsnummer mit Euro erfasst.
Also mussten wir bei allen vorangegangen Aufträgen alle Preise durch 13,7603 (ich wusste das sogar noch auswendig 😉 dividieren.

Schlussendlich war das Script zum Generieren der SQL-Dateien mit über 1000 Zeilen Quellcode gar nicht mehr so klein aber das Resultat kann sich sehen lassen.

Telefonnummern und Email-Adressen werden automatisch erkannt, um Vorwahlen, etc. korrigiert und richtig eingetragen. Aufträge, Positionen, Artikel, daraus erstellte Rechnungen und die Verknüpfung zwischen Auftrag und Rechnung hergestellt und korrekt abgebildet. Schilling in Euro Preis konvertiert. Was will man mehr?

Pavlof von 1989 hat nun ausgedient – einmal alles NEU bitte

Und was ist mit den Artikelstammdaten?
Der Kunde hat sich dafür entschieden, diese nun sauber über Excel Tabellen mit allen Informationen, die OfferCube bieten kann, einzupflegen: Warengruppen, Lieferanten, Einkaufspreise, etc.
Gute Entscheidung.

Gemeinsam mit Agnes „Rechnungswesen anders sehen“ Andersen (https://www.agnesandersen.com/ die Zukunft des Rechnungswesens) betreuen wir unseren Kunden Firma Somnifer „Handwerk für Schlafkultur“ (https://www.somnifer.at/ tätig im Bereich Handwerk Schlaf und Möbel) natürlich weiter und unterstützen ihn bei nächsten Digitalisierungsschritten Richtung Buchhaltung und gewünschte Sollprozesse im Bereich Lieferanten- und Bestellmanagement.

#tellMeTuesday #OfferCube #CRM #Computer #DOS #Migration #datenbanken #retro #schilling

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.