Stochastische Abweichungsanalyse mit Predictive Analytics

Prof. Dr. Karsten Oehler beschreibt in diesem Beitrag, wie man mit einer stochastischen Abweichungsanalyse auch unsichere Informationen in Berechnungen mit einbeziehen kann.

Abweichungsanalysen mittels Aufspaltung haben im Controlling eine lange Tradition. Die Kostenspaltung nach fix und variabel hat es ermöglicht, dass zwischen Preis-, Beschäftigungs- und Verbrauchsabweichungen getrennt werden kann. Vom Kostenstellenleiter ist konsequenterweise nur die Verbrauchsabweichung zu vertreten.  In der Vertriebsanalyse kann man weitere Abweichungen wie Rabattabweichungen oder auch Strukturabweichungen über verdichteten Strukturen, wie es in der Deckungsbeitragsflussrechnung gemacht wird, einbeziehen.

Die Abweichungsanalyse ist nicht nur ein Kontroll-Werkzeug, sondern kann generell beim Vergleich verschiedener Datenstände zielführend angewendet werden:

 

  • Datenscheiben wie Soll-Ist, Soll-Wird, Wird-Wird etc. im Rahmen der Kontrollrechnung
  • Wirkungen von Anpassungsmaßnahme bei Planungen und Simulation
  • Veränderungen beim Vergleich zu Vorperioden (Zeitvergleich)
  • sonstige Vergleiche zum Beispiel zu Peers (Objektvergleich)

 

So wichtig diese Form der Abweichungsanalyse ist, ein wichtiger Aspekt fehlt: der Einbezug unsicherer Informationen. Das Thema ist eng mit der Treibermodellierung verbunden. Treiberbeziehungen wie beispielsweise Preis-Absatzfunktionen sind hinsichtlich ihrer Stärke regelmäßig nicht bekannt. Ausklammern war bisher die Lösung. Aber ist das im Hinblick auf die im Laufe der Zeit verbesserte Datenversorgung richtige Ansatz? Und darum geht es in diesem Artikel: Wie kann die klassische Abweichungsanalyse in der beschriebenen Hinsicht verbessert werden?

 

Sind Sie neugierig geworden? Den gesamten Beitrag können Sie hier kostenlos anfordern.