Walid Mehanna, Head of Data & Analytics Mercedes-Benz Cars Finance bei der Daimer AG, berichtete auf dem 32. Stuttgarter Controlling & Management Forum von seinen Erfahrungen aus dem Aufbau einer integrierten Unternehmensfunktion. Auf welche Art und Weise Unternehmen, wie auch die Daimler AG, künftig ihr Controlling durch neue Technologien, Automatisierung der Prozesse und Einsatz veränderter Instrumente und -methoden aufstellen, wird derzeit maßgeblich von der Digitalisierung beeinflusst.
Data & Analytics: Der Bereich Analytik wird ausgebaut
Mit Business Analytics etabliert sich eine neue Disziplin an der Schnittstelle zwischen Betriebswirtschaftslehre und Data Science. In seinem Vortrag erklärt der Referent daher zunächst, was es mit den Begriffen Data & Analytics auf sich hat.
Derzeit ist im Unternehmen der Aufwand zwischen Daten und Analytik noch ungleichmäßig verteilt (Datenaufwand 98% und Analyseaufwand 2%). Künftig soll jedoch ein Gleichgewicht hergestellt werden. Hierbei unterstützt das Datenmanagement, welches ein integraler und grundlegender Bestandteil der Zukunftslandschaft ist. Das Ziel ist die Steigerung der Datenqualität sowie die Schaffung von Transparenz und Verfügbarkeit durch angemessene Methoden, Prozesse, Organisationsstrukturen und Tools. Für das Datenmanagement wurde gemeinsam von Mitarbeitern und Führungskräften in einem Workshop eine richtungsweisende Vision erarbeitet:
"We enable FM to positively impact fact based management decisions by handling data professionally as the valuable asset it is, making high quality data transparent and available."
Integration von Advanced Analytics
Um die immensen Effizienz- und Effektivitätspotenziale der (neuen) Technologien nutzen zu können, wird auch Advanced Analytics in die bestehenden Funktionen und Landschaften integriert. Eine Orientierung wiederum bietet die für Advanced Analytics festgelegte Vision:
"We close the gap from data to action, augmenting human intelligence with personal relevant and context sensitive information for efficient and semi-automatized decision making."
Kernbereiche für die Nutzung der Potenziale von Data & Analytics
Die Nutzung der Potenziale von Data und Analytics wird vor allem in folgenden drei Kernbereichen gesehen:
- Driving Success
- Advance Finance
- Enablement
Unter "Driving Success" werden wiederum 5 zentrale Handlungsfelder für Use Cases zusammengefasst, die sowohl eine datengetriebene Entscheidungsunterstützung ermöglichen, Impulse für die Geschäftssteuerung geben, als auch die Grundlage für operative Verbesserungen schaffen sollen.
5 Anwendungsfelder von Business Analytics
Im Detail lassen sich die fünf Anwendungsfelder von Business Analytics wie folgt beschreiben:
- Analyse: Prozess, mit dem aus Daten Erkenntnisse unter Einsatz von deskriptiven und diagnostischen Analysen sowie Echtzeit-Analysen gewonnen werden.
- Forecast: Unter Anwendung von stochastischen Modellen und maschinellem Lernen werden Vorhersagen mit dem Ziel der Effektivitäts- und Effizienzsteigerung erstellt.
- Optimierung: Basierend auf den statistischen Prognosen der Forecasts werden präskriptive Analysen zur Optimierung von KPIs durchgeführt.
- Simulation: Quantifizierung von Effekten durch multidimensionale Szenarios, wie z.B. Monte Carlo Simulationen.
- Radar: Kontinuierliche Beobachtung von internen und externen Einflüssen zur Früherkennung von Trends, Chancen und Risiken.
Der zweite Kernbereich "Advance Finance" umfasst zum einen die Verbesserung der Finanzprozesse und zum anderen die Weiterentwicklung von Methoden und Tools sowie die Verbesserung der Datenbasis. Hierfür ist ein beständiges Design für die vielen verschiedenen Geräte erforderlich. Im Unternehmen wird dies durch eine Werkbank umgesetzt, auf die die verschiedenen Nutzer (Data Engineer, Data Scientist, Analytics Consultant, etc.) zugreifen können, so der Referent.
Enablement: Kompetenzen für die Digitalisierung entwickeln
Zahlreiche Unternehmen sehen einen intensiven Bedarf darin, ihre Mitarbeiter aktiv auf die Digitalisierung vorzubereiten und deren Kompetenzentwicklung in diesem Bereich zu fördern. Auch Daimler sieht diese Notwendigkeit und so entstand der dritte Kernbereich "Enablement".
Big Data, Smart Data, Data Mining - die Liste der Schlagworte ist lang. Der Begriff "Data Scientist" wird immer populärer. Der Aufbau von Data Scientist spielt auch bei Daimler eine wesentliche Rolle. Zudem existieren noch drei weitere essenzielle Rollen: Data Engineer, Data Analyst und Data Executive:
- Data Scientist: Experte in der Gestaltung, im Training und in der Bewertung von Modellen des maschinelles Lernen und der künstlichen Intelligenz
- Data Engineer: Experte in der Gestaltung und Implementierung Datenpipelines, Pflege von Datenspeichern, Bereitstellung von Modellen für die Produktion
- Data Analyst: Experte in der Durchführung von Ad-hoc Analysen und des Reportings
- Data Executive: Experte in der Konzepterstellung, Kommunikation, Steuerung und im Qualitätsmanagement von Datenprodukten und -strategien
Doch wie kann man neue Kompetenzen aufbauen und kann man in zwei Tagen ein Data Scientist werden? Die Antwort von Walid Mehanna lautet: "Nicht wirklich, aber unser Hands-on Training gibt wertvolle Impulse und senkt die Eintrittsschwelle in die neuen Gebiete. Das implementierte Data & Analytics Training zielt auf alle vier Rollenprofile in der Finanzorganisation ab."
Worauf es im digitalen Zeitalter ankommt
Zum Schluss seines Vortrags betont der Referent mit seinen ‚Lessons learned‘, worauf es im digitalen Zeitalter ankommt: Sei schnell und mutig, schaue in die Zukunft, sei schnell und agil und nutze ein vielfältiges Netzwerk:
- Be bold, be quick
- "De facto" beats "de jure" any day
- Build and leverage a diverse internal and external network
