Analytics Translation: Übersetzung von Anforderungen des ... / 2.1 Traditionelle Forecasts in der VUCA-Welt ungeeignet

Für einen Chief Financial Officer entsteht die Notwendigkeit, seine Methodiken auf den "digitalen Prüfstand" zu stellen nicht selten durch disruptive Veränderungen des eigentlichen Geschäftsmodells seines Unternehmens. Das bedeutet, dass die bestehenden klassischen Ansätze innerhalb der einzelnen Bereiche im CFO Ressort nicht mehr hinreichend funktionieren. Ein Beispiel aus dem Controlling soll dies verdeutlichen. Dazu betrachten wir Prognosen von Finanz-KPIs für einen Geschäftsbereich (s. Abb. 1).

Abb. 1: Traditioneller Forecast auf Basis von Expertenmeinungen

Der "traditionelle Ansatz" beruht im Wesentlichen auf Erfahrung und Einschätzungen sowie der Anwendung klassischer Business-Intelligence (BI)- Methoden, wie Interpolationen, einfache Regressionen und das Verarbeiten von externen Faktoren, welche zumeist aus Preiszeitreihen bestehen. Die Schwäche dieser Ansätze liegt insbesondere darin, dass unterjährig sich verändernde Bedingungen der zugrundeliegenden Geschäftsfelder eben gerade nicht durch Erfahrung und Einschätzung und zumeist auch nicht durch klassische externe Informationen wie Preiszeitreihen abgebildet werden können. In der Konsequenz sind die Prognosen in solch einer Situation wertlos.

Gerne wird eingewendet, dass diese Konstellation die Ausnahme bildet. Diese Einschätzung der Zukunft ist ein gutes Beispiel für unsere Neigung, radikal andere Umstände nicht adaptieren zu wollen. Man könnte es auch mit einem abgewandelten Sprichwort aus den Achtzigern auf den Punkt bringen:

"Alle reden von der VUCA-Welt und keiner bezieht sie in seinen Überlegungen ernsthaft mit ein."

Dabei sind "Volatilty", "Uncertainty", "Complexity" und "Ambiguity" in verschiedensten Formen und Ausprägungen täglich zu beobachten. Das bedeutet natürlich auch, dass VUCA beschreibt, welches die Rahmenbedingungen für die Geschäftsmodelle der Unternehmen sind. Um auf unser Beispiel aus dem Controlling zurückzukommen: Der traditionelle Ansatz für die Prognose von Finanz-KPIs funktioniert in einer VUCA-Welt nicht, da diesem Ansatz die notwendigen Informationen, die eine VUCA-Welt beschreiben, schlichtweg nicht zugänglich sind.

Die entscheidende Problemstellung, welche in eine AI-Anwendung übersetzt werden muss, lautet also:

Woher bekommt man Informationen über eine VUCA-Welt und wie kann man diese so verarbeiten, dass Prognosen sie miteinbeziehen können?