Liquiditätsforecast: Predictive Analytics steigert Progn ... / 6 Betriebsmodell des Liquiditätsforecasts auf Basis von Predictive Analytics

Hat der Liquiditätsforecast auf Basis von Predictive-Analytics-Methoden die Pilotphase absolviert, ist zu beobachten, dass viele Organisationen die für den laufenden Betrieb erforderlichen Ressourcen unterschätzen.

Betriebliche Prozesse ändern sich – gleiches gilt für Geschäftsmodelle. Unternehmenseinheiten werden veräußert oder zugekauft. Werteströme im Unternehmen werden aufgrund interner oder externer Anforderungen laufend angepasst. Die Modelle des Liquiditätsforecasts auf Basis von Predictive Analytics müssen die betrieblichen Vorgänge notwendigerweise abbilden, wodurch zahlreiche Abhängigkeiten erzeugt werden.

Die laufende Qualitätssicherung des Liquiditätsforecasts lässt sich daher bei veränderten Ausgangsparametern nicht mehr ausschließlich durch einen optimierten oder angepassten Forecasting-Prozess sicherstellen, wie dies bei manuellen Ansätzen der Fall wäre. Vielmehr ist ein Betriebsmodell zu etablieren, welches über Rollen, Strukturen und Abläufe die Governance für das Modell in der Organisation verankert. Für den Betrieb des Liquiditätsforecasts sollte daher zunächst ein Product Owner aus dem Fachbereich ernannt werden. Dieser verfügt neben Kenntnissen aus dem Bereich der Finanzwirtschaft auch über ein solides Grundverständnis zu quantitativen Methoden und Datenmodellierung.

Die für die technische Betreuung der Modelle notwendigen Kompetenzen unterscheiden sich häufig stark von denen, die im Finanzbereich gefragt sind. Gefragt sind quantitative Kompetenzen aus den Bereichen Ökonometrie und Statistik sowie ein ausgeprägtes Know-how bezüglich moderner Datenbanken und Programmiersprachen. Diese Kompetenzen für die Betreuung des Liquiditätsforecast direkt im Finanzbereich anzusiedeln ist nur in Ausnahmefällen empfehlenswert. Vielmehr sollte im Unternehmen eine Art Data Lab als Stabsstelle aufgestellt werden, die datenbasierte Anwendungsfälle auch für andere Unternehmensbereiche entwickelt und betreut. Alternativ ist am Markt zu beobachten, dass sich die Dienstleistungen eines Data Labs auch extern beziehen lassen.

Die IT ist für den Betrieb verschiedener Schnittstellen zu relevanten Vorsystemen verantwortlich. Über diese Schnittstellen müssen im laufenden Betrieb zahlreiche Daten aus internen Systemen und je nach Modellierung auch externen Quellen abgerufen werden.

Der Product Owner für den Liquiditätsforecast trägt die Gesamtverantwortung für allokierte Budgets sowie die Betreuung des Modells. In dieser Rolle koordiniert er die laufende Weiterentwicklung, die Anpassung an sich verändernde organisatorische Gegebenheiten sowie die Sicherstellung der Prognosegüte in enger Zusammenarbeit mit dem Data Lab und der IT im Unternehmen.