Die Welt dreht sich immer schneller. Das Management muss diesem Umstand Rechnung tragen, die Reaktionszeit bei der Entscheidungsfindung verkürzen und sich auf verschiedene Szenarien vorbereiten. In diesem Zusammenhang steigt der Druck auf das Controlling mit innovativen Technologien vermehrt die Analysefähigkeit zu erhöhen und Handlungsoptionen transparent aufzuzeigen.
Der Anspruch aus dem Management an das Controlling steigt laufend. Unternehmen müssen immer kurzfristiger auf Veränderungen reagieren können. Die COVID-19 Pandemie und der Krieg in der Ukraine haben gezeigt, wie anfällig gewisse Lieferketten reagiert haben. Als Folge davon sind die Zinsen und die Inflation im letzten Jahr in kurzer Zeit deutlich gestiegen. Damit Unternehmen angemessen auf das sich schnell verändernde Umfeld reagieren können, muss sich das Controlling laufend weiterentwickeln. Transaktionale Tätigkeiten wie das Erstellen von statischen Reportings und deskriptiven Kommentaren können zunehmend automatisiert werden. Das Controlling kann sich als Folge davon verstärkt der Rolle des «Business Partners» widmen und sich zum Sparringspartner für die Unternehmensleitung weiterentwickeln. Der Mehrwert für das Unternehmen entsteht dabei durch weiterführende Analysen und daraus abgeleitete Handlungsempfehlungen.
Bild 1: Analytics-Evolutionsstufen (Quelle: Chamoni und Gluchowski)
Datengetriebene statistische Modelle dienen in der Regel als Grundlage für «Prescripitve Analytics». Dafür müssen nicht operative Finanzdaten mit weiteren Informationen aus dem Verkauf, der Produktion und der Logistik verknüpft werden. Diese werden dann mit zusätzlichen Daten kombiniert, die nicht direkt im Unternehmen generiert und auch nicht direkt beeinflusst werden, wie zum Beispiel Rohstoffpreise oder Zinsen. Die Daten aus verschiedenen Quellen werden in einem Datenwarehouse kombiniert und mit einer Enterprise Analytics Platform analysiert.
Datenintegration als grosse Herausforderung
Die Herausforderung ist oftmals nicht ein Mangel an Daten, sondern die relevanten Daten zu identifizieren, zu strukturierten und darauf basierend Prognosemodelle zu erstellen. Um diese Herausforderung zu bewältigen, hilft Maschinelles Lernen. Maschinelles Lernen ermöglicht in der Regel genauere Prognosen über die Geschäftsentwicklung als herkömmliche, vergangenheitsorientierte Modelle. Die gewonnenen Erkenntnisse fliessen einerseits in Simulationen und Sensitivitätsanalysen ein. Anderseits eröffnen sie neue Möglichkeiten bei der Einflussanalyse, wie zum Beispiel der Faktor- oder Varianzanalyse. Diese kann unter anderem zur Verbesserung der Kundensegmentierung verwendet werden.
Relevante Treiber identifizieren und Handlungsempfehlungen herleiten
«Prescripitve Analytics» ermöglicht es die für das Unternehmen relevanten Treiber schneller und präziser zu identifizieren. Dadurch können Handlungsoptionen und Empfehlungen transparent abgeleitet werden. Die getroffenen Entscheidungen fliessen in die unter- und überjährige Planung ein. Anschliessend werden die Zielvorgaben kaskadiert und die tatsächliche Entwicklung wird anhand definierter KPIs gemessen. Dabei verschiebt sich der Fokus zunehmend hin auf eine rollierende Sichtweise, wie zum Beispiel der «Sales and Operations Planning», und weg von Jahresbudgets mit starren Zielvorgaben. Zudem kann die Prognosequalität mittels Abweichungsanalyse gemessen und der Rückschluss auf die zugrundeliegenden Modelle gewährleistet werden.
Kritische Erfolgsfaktoren
Für eine erfolgreiche Implementierung von «Prescripitve Analytics» gibt es verschiedene kritische Erfolgsfaktoren. Dabei stechen zwei Punkte besonders heraus. Zum einen ist es die Veränderungen der Jobprofile. Unternehmen sind auf Mitarbeitende angewiesen, die zusätzlich zu hohem Finanz- und Business Know-How, eine Affinität für IT und ausreichende mathematische Fähigkeiten mitbringen. Zum anderen ist die integrale Verknüpfung von Business- und Finanzdaten von hoher Bedeutung. Nur dann ist es einem Unternehmen möglich Szenarien und Sensitivitäten durchgängig zu modellieren, damit besser und schneller auf anstehende Veränderungen reagiert werden kann.
Titelbild von Lukas Blazek auf Unsplash.
