Wie können Controller von Predictive Analytics Methoden profitieren?

Dieser Frage geht Prof. Dr. Karsten Oehler in dieser kleinen Blog-Serie auf den Grund. Bevor es um konkrete Lösungsansätze geht, klärt er im ersten Teil zunächst einmal die Grundlagen und Herausforderungen.

Predictive Analytics Methoden sind dabei, den Werkzeugkasten des Controllers zu verändern. Methoden zu statistischen Analysen aber auch Data Mining Methoden wie neuronale Netze sind mittlerweile ausgereift und als Open-Source-Lösungen wie beispielsweise „R“ jedem Controller relativ leicht zugänglich. Einschränkend gilt allerdings, dass bei vielen Werkzeugen wie „R“ Programmierkenntnisse notwendig sind, die einiges an Erfahrungen voraussetzen. Andere Werkzeuge wie beispielsweise der Rapid Miner, der allerdings nur in einer Grundversion lizenzfrei verfügbar ist, bieten wiederum leistungsfähige Assistenten. So werden grundsätzlich auch Nicht-Statistiker in die Lage versetzt, diese Werkzeuge sinnvoll zu bedienen. Damit sinkt auch die Hürde bei der Einführung solcher Systeme.

 

Kennzeichnend für viele Predictive Analytics Ansätze sind eng abgegrenzte Aufgabenstellungen. So werden für Spezialaufgaben wie eine Vertriebsvorschau oder Kausalanalysen schon lange Predictive Analytics Methoden eingesetzt. Der Fachexperte wird dabei häufig von Methodenexperten (Data Scientist) unterstützt. 

 

Aber gelingt damit auch der Einstieg in ein methodisch verbessertes Controlling? Um die ausreichende Breitenwirkung zu erzielen, sollten nicht nur die einschlägigen Predictive Analytics Themen wie Customer Churn-Analyse, Kampagnenmanagement oder Predictive Maintenance adressiert werden.  Auch die Verbesserung der täglichen (Controller-)Arbeit sollte betrachtet werden:  Wie kann beispielsweise die periodengenaue Vorschau durch den Einbezug von Saisonfaktoren verbessert werden, um die resultierenden Zahlungsströme genauer prognostizieren zu können? Oder wie können im Rahmen einer Abweichungsanalyse reichhaltigere Kontextinformationen genutzt werden, die bei der Ursachenforschung helfen können? Eine altbekannte Forderung ist es, neben den verfügbaren internen Informationen auch externe Quellen stärker als Analysegrundlage einzubeziehen. 

 

 

Welche Herausforderungen gilt es zu meistern mit Predictive Analytics?

Controlling-Prozesse wie Planung, Forecast oder Budgetierung zeichnen sich durch eine hohe Komplexität aus. Dies resultiert unter anderem auch aus der Notwendigkeit, unterschiedliche Bereiche zu koordinieren. Viele Controlling-Aufgabenbereiche, in denen Predictive Analytics zum Einsatz kommen kann, sind auch nicht isoliert zu sehen, sondern eng mit permanenten Aktivitäten in etablierten Prozessen verbunden. Je komplexer solche Prozesse sind, desto schwerer fällt es, Predictive Analytics Instrumente zu integrieren.

 

Mit dem Roll-Out von Predictive Analytics Methoden ergeben sich weitere Herausforderungen: Nicht nur der Controller muss Predictive Analytics Methoden anwenden können. Genauso wenig wie der Controller alles selber plant, müssen entsprechende Funktionen den Weg in etablierte Werkzeuge finden, so dass jeder Planer in die Lage versetzt wird, geeignete Methoden einzusetzen. Insofern erscheint es wichtig, Predictive Analytics mit der bestehenden Werkzeugwelt zu verbinden.

 

Einige Forderungen:

 

  • In bestehenden Planungs- und Analysemasken sollten Predictive Analytics Funktionen direkt auswählbar sein. Diese Funktionen müssen ausreichend komfortabel sein, um entsprechende Akzeptanz zu erlangen. 
  • Bei einer Abweichungsanalyse sollten weitere Kontextinformationen bereitstehen. Neben Belegdaten kann Erfahrungswissen aus ähnlich gelagerten Analysen der Vergangenheit hilfreich sein. Die Diskussion um relative Ziele legt es nahe, Informationen von „Peers“, zum Beispiel ein Filialvergleich, zu integrieren.
  • Das Denken in Bandbreiten bei der Planung erfordert den Einbezug einer Vielzahl von kontextbezogenen Informationen. Predictive Analytics kann hier helfen, Abhängigkeiten zwischen den Planungsgrößen und die diese beeinflussenden Elemente zu identifizieren. 

 

Zwei vielversprechende Ansätze

Etablierte Controlling-Lösungen sind häufig zu starr, um Predictive Analytics Methodenbibliotheken einzubinden. Einige Anbieter gehen den Weg, einschlägige Predictive Analytics Methoden selbst zu programmieren. Interessanter erscheint es jedoch, die erwähnten Bibliotheken in bestehende Planungslösungen zu integrieren. Dies gelingt am ehesten mit einer offenen Lösung.

 

Somit sind zwei Ansätze für das Controlling von Bedeutung: Auf der einen Seite stehen die skizzierten abgrenzbaren Entscheidungsprobleme weiterhin im Mittelpunkt. Hier können die verbreiteten Predictive Analytics-Werkzeuge zum Einsatz kommen. Ansätze hierzu sind ausreichend häufig beschrieben worden. 

 

Beim zweiten Vorschlag, der im zweiten Teil der Serie näher vorgestellt wird, geht es darum, Predictive Analytics Funktionen direkt in Controller-Lösungen zu integrieren. Vorgestellt werden einige Ansätze, die in Pilotprojekten entwickelt worden sind.

 

Sie interessieren sich für den Einsatz von Predictive Analytics-Methoden im Controlling oder auch dafür, wie Digitalisierung das Controlling verändert? pmOne bietet in diesem Kontext eine Reihe von Webinaren an. Dieses kostenfreie, kompakte Format (Zeitaufwand 60 Minuten) ist eine gute Gelegenheit, sich einem Fachthema anzunähern  und zwar ohne großen Aufwand, direkt vom Arbeitsplatz aus. Wählen Sie aus unserem breiten Angebot an Webinaren einfach das für Sie passende Thema aus...