Mit Advanced Analytics gegen die Corona-Krise

„Schwarze Schwäne“ durch Advanced Analytics observieren

Wie kann man mit Advanced Analytics Risiken analysieren, die bisher als unwahrscheinlich eingeschätzt wurden, sich aber durch schwache Signale bemerkbar gemacht und einen starken Effekt haben? Diese Typen von Risiken werden „schwarze Schwäne“ genannt. Vorhersage, Bewertung und Abschwächung solcher schwarzen Schwäne sind eine Herausforderung für das moderne Risikomanagement. Um schwache Signale eines schwarzen Schwans zu erkennen, kann Advanced Analytics eingesetzt werden, so Dr. Stefanie Nöth-Zahn, Principal im Center for Excellence der Unternehmensberatung Horvath & Partners, auf dem Stuttgarter Controlling & Management Forum 2020. Für sie ist Advanced Analytics die Weiterentwicklung klassischer Business-Intelligence-Methoden. Durch den richtigen Einsatz dieser Technologie könne man „Entscheidungen anhand datenbasierter Algorithmen optimieren, Prozesse verbessern und neue Einblicke gewinnen.“ Dabei sollen nicht nur firmeninterne Daten, sondern auch externe Daten analysiert werden. Nicht nur strukturierte Daten, sondern auch unstrukturierte Daten sollen, wenn möglich in Echtzeit, erfasst und analysiert werden. Das Ziel von Advanced Analytics: Eine Datenbasis schaffen, um Entscheidungen zu unterstützen und zu automatisieren sowie neue Einblicke zu ermöglichen. Dr Nöth-Zahn setzt Advanced Analytics in Unternehmen ein, um vorherzusagen, wie ein schwarzer Schwan sich entwickeln wird und was diese Entwicklung für das Geschäftsmodell bedeutet.

In vier Schritten Advanced Analytics vorbereiten

Für Unternehmen stelle sich nicht die Frage, ob sie Analytics einsetzen, sondern wie?

Den Einsatz von Advanced Analytics als Analysewerkzeug sieht sie als gesetzt. Dafür stellt sie ein vierstufige Vorgehensmodell zur Vorbereitung eines Advanced Analytics-Einsatzes vor (vgl. Abb 1).

Abb. 1: 4-stufige Vorgehensweise für den Aufbau eines Analytics-Modells

Im ersten Schritt sollte dabei der Scope, die konkrete Fragestellung, die mit der Analyse beantwortet werden soll, definiert werden. Dabei besteht in diesem ersten Schritt die Schwierigkeit, die Frage so zu formulieren, dass sie adäquat mit Daten beantwortet werden kann.

Das Verständnis der Einflussfaktoren auf die gestellte Fragestellung ist der zweite Schritt. Dies ist grundlegend für den dritten Schritt, denn für die Einflussfaktoren müssen Daten gefunden werden, die diese widerspiegeln. Unternehmen haben viele Daten. Aber man stößt, vor allem bei externen Einflussfaktoren, häufig auf Daten, die man gerne nutzen würde, aber die dem Unternehmen noch nicht zur Verfügung stehen. Der Aufbau des Datensystems mit der Akquise externer Daten ist daher der vierte Schritt. Externe Daten lassen sich laut Dr. Nöth-Zahn bei vielfältigen Anbietern im Datenerfassungs-Markt erwerben.

COIN-19: Isolierte Daten intelligent verknüpfen und auswerten

Ein Beispielprojekt, anhand dessen die Unternehmensberaterin dieses Vorgehen erprobte, ist die Entwicklung eines Analysewerkzeuges zur Einschätzung der Auswirkungen von Corona auf Volkswirtschaften sowie Industrien und Unternehmen. Damit war der Scope gegeben.

Einflussfaktoren auf die Auswirkungen von Corona auf die Wirtschaft finden sich sowohl in ökonomischen Daten als auch in Gesundheitsdaten. Schon im Februar waren Daten zu Corona vorhanden. Allerdings waren diese verteilt und wurden nicht verknüpft. Es gab Daten zum Krankheitsverlauf von Covid, es gab Daten und Simulationen, wie ein Lockdown aussehen könnte. Und es gab Daten zu den Auswirkungen einer Pandemie auf eine Volkswirtschaft. Aber keines der einzelnen Datensets konnte verwendet werden, um zu prognostizieren, wie sich die Wirtschaft entwickeln und was das für einzelne Unternehmen bedeutet. Daher mussten diese voneinander isolierten Daten intelligent verknüpft und gemeinsam betrachtet werden.

So wurden die Auswirkungen auf einzelne Produktgruppen auch unter Berücksichtigung des potenziellen Krankheitsverlauf und der vorhergesagten Wirkung von Anti-Corona-Maßnahmen prognostiziert. Da verschiedene Länder Gesundheits- und ökonomische Daten zu unterschiedlichen Zeitpunkten in unterschiedlichen Formaten zur Verfügung stellen, wurde auch hier versucht, diese Daten zusammenzuführen und nutzbar zu machen. 

Nachdem die Daten strukturiert vorlagen, wurden die Analysemethoden evaluiert, um Krankheitsverläufe, Absatzzahlen oder optimale Produktionsmengen zu prognostizieren. Dabei hat das Team um Dr. Nöth-Zahn festgestellt, dass herkömmliche Methoden zur Prognose kaum ausreichen. Daher haben sie einen umfassenden Konzept- und Modell-Mix für die Analysen zusammengestellt (siehe Abb 2.). Dieser umfasst neben herkömmlichen kausalen Modellen auch moderne Machine-Learning Verfahren wie künstliche neuronale Netze.

Abb. 2: COIN-19: Konzepte und mathematische Modelle

Bedeutung des Risikomanagements in der Unternehmenssteuerung nimmt zu

„Die Welt wird komplexer und schwieriger vorherzusehen.“ Dies verstärke den Bedarf nach dem Risikomanagement und seinen Methoden. Dr. Nöth-Zahn zeigt die Symbiose von Risikomanagement und Unternehmensplanung auch eindrucksvoll an ihrer Beispielanwendung. Dort werden Prognosemethoden aus dem Risikomanagement verwendet, um die Produktion zu optimieren und Absatzzahlen vorherzusagen. Diese Symbiose führe zu einer wachsenden Bedeutung des Risikomanagements für die Unternehmensplanung und -steuerung. Den Grund dafür sieht sie zum einen in der Verwendung von Prognosen zur Erstellung von Szenarien, zum anderen in der Reaktionsfähigkeit und schnellen Anpassung des Geschäftsbetriebs beim Eintritt von Risiken.

Advanced Analytics ist eine Reise

Nöth-Zahn sieht in deutschen Unternehmen häufig noch eine „gesunde Skepsis“ gegenüber Advanced Analytics. Gleichzeitig zeigt der Trend die Zunahme an Use Cases und möglicher Fragestellungen, die durch solche Methoden beantwortet werden können. Technologische Fortschritte würden die Arbeit damit weiterhin effizienter machen. Den Unternehmen empfiehlt Frau Dr. Nöth-Zahn daher, Erfahrungen im Umgang mit Advanced Analytics zu sammeln. Dafür sollten die Unternehmen

• interne und externe Datenquellen nutzen,
• digitale „New Economy“ mit „Old Economy“-Methoden optimal verschmelzen und
• künstliche Intelligenz nutzen,
• dabei aber die Ergebnisse kontinuierlich prüfen.

„Advanced Analytics ist eine Reise, keine Prognose passt direkt vom Start an perfekt.“ Mit diesem Appell an ein iteratives Herantasten an die Nutzung von Advanced Analytics rundet Frau Dr. Nöth-Zahn Ihren Vortrag ab. Dazu empfiehlt sie, zuerst kleine Versuche zu machen, um ohne großen Aufwand erste Erfahrungen zu machen. Umfassendere Fragestellungen sollten dabei im Blick behalten werden, um später das eigene Vorgehen zu reflektieren und auf größeren Projekten einzusetzen. Wichtig sei vor allem erstmal damit zu beginnen. „Start small, think big“.

Zur Veranstaltung

Das Stuttgarter Controlling und Management Forum ist eine der traditionsreichsten Fachkonferenzen für Fach- und Führungskräfte aus dem Bereich Controlling, die sich Unternehmenssteuerung und Controlling auf dem aktuellen Stand halten möchten. Die 34. Ausgabe am 22. und 23. September 2020 fand aufgrund der Covid-19-Krise erstmals als Online-Konferenz statt. Im Fokus der 18 Referenten standen Trends und Praxiserfahrungen unter anderem in der digitalen Transformation, der technologiegetriebenen Neuausrichtung von Unternehmen sowie dem Umgang mit den Auswirkungen der Corona-Pandemie.

Das könnte Sie auch interessieren:

(Wie) Funktionieren OKR im Mittelstand?

Rückblick: Das Stuttgarter Controlling & Management Forum 2019