Mit Big Data Zusammenhänge erkennen und bessere Prognosen erstellen
In Zeiten eines rasant zunehmenden Datenvolumens stehen Unternehmen vor der Herausforderung unstrukturierte Daten zu systematisieren und zu analysieren, um auf einer besseren Datengrundlage fundierte Entscheidungen treffen zu können. Durch die Zunahme der Vielfältigkeit, Geschwindigkeit und Menge von geschäftsrelevanten Daten benötigen Unternehmen Analysemethoden, die über herkömmliche Analyseverfahren hinausgehen. Für den Zweck der Analyse solcher Massendaten eigenen sich Big Data-Analyseverfahren, da sie im Vergleich zu herkömmlichen Analyseverfahren eine stärkere Vernetzung von unterschiedlichen Datenarten ermöglichen.
Der Nutzen von Big Data-Analysen in Zusammenhang mit dem Controlling entfaltet sich in drei Formen:
- "Das Berichten neuer Daten oder aber der bisher verfügbaren Daten, aber deutlich schneller und damit häufiger (Was ist passiert?).
- Die Suche nach Zusammenhängen in den Daten, um Gründe und Ursachen für Abweichungen zu finden (Warum ist es passiert?).
- Die belastbare Prognose von zukünftigen Ereignissen (Was wird passieren?) [1]"
„Big Data hat Branchenstandards nachhaltig verändert.“
Zu Beginn seines Vortrags „Big Data and Analytics: Effects on Performance and Performance Management“ verdeutlichte Professor Davenport, dass Big Data-Analyseverfahren bereits erfolgreich in unterschiedlichsten Branchen, wie beispielsweise im Sport, Gesundheitswesen, Bildungswesen und der Kriminalitätsbekämpfung eingesetzt wurden. Die in diesem Zusammenhang gewonnenen Erkenntnisse haben mitunter zu einer nachhaltigen Veränderung des Branchenstandards geführt. Professor Davenport betonte, dass Big Data-Analyseverfahren für alle primären Wertschöpfungsaktivitäten entlang der Wertschöpfungskette relevant sind. Anschließend fand eine Fokussierung des Vortrags auf die Auswirkungen von Big Data auf das Controlling statt, von denen die wichtigsten Erkenntnisse im Folgenden kurz vorgestellt werden.
Als wesentliche Auswirkungen von Big Data auf das Controlling identifizierte Professor Davenport fünf Anknüpfungspunkte. Mit ihnen ist das traditionelle Finanzwesen in ein analytisch orientiertes Finanzwesen zu überführen:
- Rejuvenate financial reporting
- Analytical cost management
- Risk and forensic analytics
- Analytical performance management
- Overall leadership of analytics
1. Rejuvenate financial reporting (Erneuerung der finanziellen Berichterstattung)
Die Erneuerung der finanziellen Berichterstattung stellt einen wesentlichen Faktor für den Übergang zu einem analytisch orientierten Finanzwesen dar. In diesem Zusammenhang sollten herkömmliche Berichte einerseits analytischer und zukunftsbezogener ausgerichtet und andererseits einfacher und mobiler nutzbar sein. Beispielsweise könnten Unternehmen für unterschiedliche Berichtszwecke verschiedene Apps programmieren, die individuell auf die Bedürfnisse der Nutzer zugeschnitten sind.
2. Analytical cost management (Analytisches Kostenmanagement)
Um ein analytisches Kostenmanagementsystem zu realisieren, können Big Data-Analyseverfahren in vorhandene Ansätze des Kostenmanagements integriert werden. Methoden wie die Prozesskostenrechnung oder Szenarioanalysen stellen laut Professor Davenport geeignete Instrumente dar, um Big Data-Analyseverfahren kontinuierlich in das Kostenmanagementsystem eines Unternehmens zu integrieren.
3. Risk and forensic analytics (Risiko- und Kriminalitätsanalysen)
Im Rahmen der Risikoanalyse sollten sowohl Risiken als auch mögliche Betrugsfälle im Zusammenhang mit dem Unternehmen minimiert werden. Zu diesem Zweck können standardisierte Instrumente des Risikomanagements, wie strukturierte Listen über Kernrisiken oder die Quantifizierung der Risiken durch Kennzahlen mithilfe von Big Data-Analyseverfahren erweitert werden.
4. Analytical performance management (Analytisches Performance Management)
Im Rahmen des Performance Measurement und Managements können Big Data-Analyseverfahren beispielsweise zur Überprüfung der Zusammenhänge der Key Performance Indicators verwendet werden. Das dadurch generierte Wissen kann dazu genutzt werden, um bei einer unvorteilhaften Performance zielgerichtet gegensteuern und die zukünftige Leistung besser prognostizieren zu können.
5. Overall leadership of analytics (Leitung bzw. Verantwortung für den analytischen Ansatz)
Dieser Aspekt dient im Rahmen der Überführung des herkömmlichen zum analytisch orientierten Finanzwesen zur Festlegung der Verantwortlichkeiten. Laut Professor Davenport kommen dafür in erster Linie CFOs und Controller infrage, die insbesondere in Bezug auf den Preis, die Kosten und Investitionen finanzielle Entscheidungen analytisch fundieren sollten.
Erweiterung der bestehenden Instrumente notwendig
Zu diesem Zweck bedarf es einer grundlegenden Erneuerung der finanziellen Berichterstattung inklusive der zugrundeliegenden Controlling-Instrumente. Dabei müssen jedoch nicht alle vorhandenen Instrumente zugunsten von Big Data-Analyseverfahren ausgetauscht werden. Oftmals bietet sich eine Erweiterung von vorhandenen Instrumenten mithilfe von Big Data-Analyseverfahren an, um die Leistungsfähigkeit des Controllings zu erhöhen.
Der Referent
Professor Thomas H. Davenport ist Professor für IT und Management am Babson College in Boston, Mitbegründer des International Institute for Analytics und Autor zahlreicher Bestseller.
Weitere Vorträge zum Thema
Big Data war ein Schwerpunktthema des diesjährigen Stuttgarter Controller Forums aufgegriffen. In weiteren Vorträgen zu diesem Themenbereich wurden die Auswirkungen von Big Data-Analyseverfahren in unterschiedlichen Funktionsbereichen von Unternehmen vorgestellt. Dirk Zeller und Dr. Hagen Radowski betrachteten in ihrem Vortrag „Controlling Big Data in der Motorenproduktion – ein Erfahrungsbericht am Beispiel Mercedes-AMG“ beispielsweise die Einsatzmöglichkeiten von Big Data-Analyseverfahren in der Motorenentwicklung. Alexander Vocelka stellte die Auswirkungen von Big Data auf ein integriertes Risikomanagement im Unternehmen dar.
------------------
[1] Grönke/Kirchmann/Leyk (2014). Big Data - Auswirkungen auf die Instrumente und Organisation der Unternehmenssteuerung, in: Gleich/Grönke/Kirchmann/Leyk (Hrsg.), Controlling und Big Data, Controlling Berater, Band 35, S. 63-82
