Analytics Translation: Übersetzung von Anforderungen des ... / 3.3 Algorithmische Transformation

Anstatt einzelner Use Cases wird bei diesem Ansatz eine strukturierte algorithmisch-transformative Herangehensweise gewählt. Hierbei wird ein ganzheitliches Zielbild für eine algorithmische Steuerung entwickelt. Das Zielbild umfasst dabei neben den Modulen für die entsprechende mathematische Modellierung auch die infrastrukturellen, prozessualen und organisatorischen Aspekte.

Um den Teil der Unternehmenssteuerung identifizieren zu können, der im Idealfall weitgehend automatisiert aus dem CFO-Bereich heraus durch Algorithmen gesteuert werden kann, müssen alle infrage kommenden Prozesse auf den Einsatz von AI & Advanced Analytics hin analysiert werden. Jeder identifizierte Algorithmus bildet dann ein Kernmodul des Zielbildes.

Im zweiten Schritt werden alle Module auf vorher definierte Eigenschaften hin analysiert, um einen ökonomischen Mehrwert sicherzustellen. Dabei werden insbesondere der Business Case des Moduls, die Datenverfügbarkeit, -qualität und Synergieeffekte zu anderen Modulen sowie die generelle Umsetzungskomplexität untersucht. Bestimmte Module generieren erst durch die Implementierung eines weiteren Moduls ihren Mehrwert, zum Beispiel Prognosen. Eine besondere Eigenschaft von datengetriebenen Prognosen sind quantifizierbare Unsicherheiten. Mit diesen Unsicherheiten sind Risiken verbunden, welche bei der mathematischen Optimierung der damit verbundenen Entscheidung berücksichtigt werden. Der eigentliche Mehrwert von Prognosen entsteht damit also in der Möglichkeit, eine Entscheidung unter Berücksichtigung von Unsicherheit zu optimieren.

Basierend auf Business Case, Umsetzbarkeit und Synergien werden die Module priorisiert. Anschließend wird eine Roadmap zur Umsetzung im CFO-Bereich erstellt. Zeitgleich werden die technischen und organisatorischen Anforderungen an die algorithmische Steuerung erfasst. Dies sind insbesondere die IT-Infrastruktur sowie die Data Governance. Die IT-Infrastruktur umfasst den Prozess von der Datenaggregation über die Speicherung und Rechenleistung bis hin zur Produktivumgebung der Algorithmen. Data Governance beschäftigt sich mit dem "Eigentum" der Daten, der Rechtevergabe sowie deren Qualität und Sicherheit.

Pro:

Eine algorithmisch transformative Vorgehensweise bedeutet einen ganzheitlichen strukturierten Aufbau einer algorithmischen Steuerung aus dem CFO-Bereich heraus. Ein sehr großer Vorteil dieses Ansatzes ist, dass die digitale Transformation des Unternehmens damit auf eine völlig neue Stufe gelangt. Das Vorgehensmodell erlaubt dabei nur Umsetzungen, die einen Mehrwert erbringen, und die dafür nötige Infrastruktur wird wertmaximierend angepasst. Unternehmen, welche dieses Vorgehen wählen, setzen nicht nur fallweise, sondern strategisch auf den Einsatz von und AI und Advanced Analytics.

Contra:

Unter Umständen sind einige Bereiche und Mitarbeiter im CFO-Bereich mit solch einer Transformation überfordert, da sie die Konsequenzen für ihren Aufgabenbereich nicht abschätzen können. Dazu ist ein erheblicher Aufwand erforderlich, um die nötigen Informationen für die Formulierung eines Algorithmus von allen Parteien zu erhalten. Wenn die ersten Umsetzungen nicht entsprechend ausgewählt sind, kann es lange dauern, bis der erste Mehrwert erbracht wird. Je nach Auswahl des Bereiches kann die Komplexität überfordern und es besteht die Gefahr zu scheitern, was für die Akzeptanz der Digitalisierung ein Rückschlag wäre.