Konzeptionelle Integration

Die erste Grundvoraussetzung ist die konzeptionelle und technologische Integration der bestehenden Planungslösung. Die konzeptionelle Integration umfasst die Verschmelzung der verschiedenen Planungsaktivitäten innerhalb eines Unternehmens zu einem Gesamtgebilde (s. Abb. 2). Hierbei stellen unternehmensweite Treibermodelle, die den Zusammenhang sowohl innerhalb als auch zwischen den einzelnen Unternehmensteilen herstellen, das zentrale Integrationselement dar.

Abb. 2: Digitale Planung bedingt die Integration der verschiedenen Teilpläne

Technologische Integration

Im zweiten Schritt kann das Modell auf eine moderne IT-Plattform gehoben werden. Cloudbasierte Technologien helfen dabei die IT-Pflege gering zu halten (z. B. durch flexible Standardfunktionalitäten und benutzerfreundliche Oberflächen) und zeitgleich einen hohen Austausch zum Fachbereich zu gewähren. In der Praxis setzt man derweil zunehmend auf die Integration verschiedener Tools (z. B. Tool für Finanzplanung). Moderne IT-Planungsplattformen ermöglichen eine Automatisierung der abgebildeten Planungsprozesse. Neben klassischer Prozessautomatisierung durch Workflow-Unterstützung geht es hier um die Herleitung von Vorschlagswerten sowie um die Verteilung und Kaskadierung von aggregierten Werten auf untere Ebenen des Datenmodells. Eine szenario-basierte Planung wird durch Simulationsfunktionalitäten ermöglicht.

Einsatz von Analytics-Methoden

Voraussetzungen für eine Digitalisierung der Planung im eigentlichen Sinne werden durch eine umfassende Integration, moderne IT-Unterstützung und Automatisierung geschaffen. Die Digitalisierung ist gekennzeichnet durch den Einsatz von sog. "Business Analytics-Methoden", durch welche die Planung zur digitalen Planung wird.

Predictive-Analytics-Ansätze, die auf komplexen Statistikmodellen bis hin zu neuronalen Netzen basieren und eine Vielzahl von Daten (intern/extern) einbeziehen, gehen deutlich über bisher häufig eingesetzte statistische Trendfortschreibungen hinaus. Des Weiteren ermöglicht das sog. "Machine Learning" ein "Trainieren" der Modelle, um somit die Prognosequalität schrittweise zu verbessern.

Voraussetzungen für ein Funktionieren sind ausreichend viele und qualitativ gute Daten. Inzwischen gibt es in vielen Unternehmen bereits Predictive-Prototypen, die erste Aussagen über das Funktionieren erlauben und ein Lernen mit den neuen Methoden ermöglichen. Die meisten Prototypen bieten den Unternehmen häufig nur geringe Mehrwerte, ihre Integration in die Plattform und Regelprozesse kann jedoch Effizienz und Güte der Planung drastisch verbessern.

Dieser Inhalt ist unter anderem im Haufe Finance Office Premium enthalten. Sie wollen mehr?