Aus den genannten Gründen kommt man bei ernsthafter Beschäftigung mit PA innerhalb von Excel an Zusatzwerkzeugen nicht vorbei. Nun gibt es viele Möglichkeiten, Spezialwerkzeuge zu Predictive Analytics mit Excel zu verbinden:
- Eine eher lockere Verbindung zu Spezialwerkzeugen ist immer möglich. Die einfachste Art ist es, Daten über das CSV-Format zwischen Spezialwerkzeug und Excel austauschen. Hierfür gibt es meistens Assistenten, die die Aufbereitung erleichtern. Zum Teil können die Spezialwerkzeuge auch direkt Excel Tabellen lesen und auch ausgegeben.
- Es können Erweiterungen, sog. Add-ins, eingesetzt werden. Anbieter von Simulationswerkzeugen nutzen dies. Es gibt Zusatzkomponenten wie bspw. Palisade, aber diese Werkzeuge sind kostenpflichtig. Auch mit dem SQL-Server wird ein Excel-Add-in für Predictive Analytics Funktionen bereitgestellt. Aber dieses ist von den Funktionen eher eingeschränkt. Einige grundlegende Probleme wie bspw. Performance oder Strukturschwäche lassen sich mit den Ergänzungswerkzeugen auch nicht überwinden. So erfolgt bspw. die Generierung von Zufallszahlen in einem Add-in i. d. R. schnell. Allerdings werden die Berechnungen weiterhin in Excel durchgeführt, was häufig zu Performanceproblemen führt.
Auch R kann mit Excel verbunden werden. Ein Austausch über CSV ist immer möglich. Arbeiten mit CSV-Dateien ist allerdings nicht interaktiv. Und eine Automatisierung von Arbeitsschritten bspw. über Makros ist immer etwas holprig. Für den experimentellen Einsatz ist eine Interaktivität aber wünschenswert.
In diesem Gebiet ist allerdings einiges in Bewegung. Hier ist Open Source mit einer großen Community von Vorteil. Über sog. Packages (z. B. "xlsx") ist der Zugriff von R auf Excel mittlerweile lesend und schreibend möglich. Arbeiten mit dem Objektmodell von Excel in R ist allerdings kompliziert. Für den breiten Einsatz ist es sinnvoll, möglichst viel von der R-Komplexität zu verbergen. Insofern dürfte der umgekehrte Weg von Excel auf R zuzugreifen, der interessantere sein.
BERT ist ein relativ neues Integrationswerkzeug und verbindet Excel mit R dynamisch: R-Methoden können direkt in die Kalkulationslogik eingebunden werden und dies trotzdem sehr einfach. Es wird als Open-Source-Lösung zur Verfügung gestellt. Vergleichbar mit VBA können benutzerdefinierte Funktionen in R geschrieben und unmittelbar in Excel genutzt werden. Wer also mit VBA vertraut ist, wird sich hier leicht zurecht finden. Zudem können grafische Ausgaben von R direkt in Excel erfolgen.
Anders als das Excel-eigene VBA ist R jedoch offener. Die Nutzung frei verfügbarer Erweiterungen, die Packages, reduziert den Codieraufwand deutlich. Das intensive Nutzen von Erweiterungsbibliotheken gehört zur Standardvorgehensweise in R. Man konzentriert sich also weniger auf die Erstellung von Algorithmen als auf die Nutzung bereits bestehender. Dieser Arbeitsstil lässt sich mit BERT nach Excel übertragen.
Was kann man nun alles mit diesem Interface machen? Die Möglichkeiten sind vielfältig:
- Datenqualitätsverbesserung durch Finden von Anomalien;
- Abwanderungsanalysen;
- Zahlungszeitpunktanalysen;
- Automatisierung des Forecasts bzw. Generierung von Vorschlagswerten;
- Ausprobieren unterschiedlicher Prognoseansätze wie bspw. Entscheidungsbäume, neuronale Netze und Ähnliches;
- Monte-Carlo-Simulation.
Anwendungen im Controlleralltag
Für das Arbeiten mit BERT soll dieser Beitrag erste Eindrücke vermitteln. Dazu müssen zuerst einmal die Grundlagen vorgestellt werden. In den folgenden Beiträgen werden fortgeschrittene Anwendungen für den Controlleralltag gezeigt: