Andreas Kirchberg, Daniel Müller
Standortbestimmung des Grades der Digitalisierung
Viele Unternehmen tun sich schwer mit der eigenen Standortbestimmung und der Beurteilung des Grades der Umsetzung der Digitalisierung in der eigenen CFO-Organisation. Verschiedene Bewertungsmuster und Kriterien, zumeist aus den operativen Prozessen abgeleitet, werden hierfür herangezogen. Während aber z. B. in der Produktion ein Kriterium wie "Digital-to-physical conversion (Beispiel: Advanced robotics, 3D Druck)" sinnvoll ist, gelten für die CFO-Organisation Kriterien mit einem anderen und eigenen Fokus.
Ein strukturiertes Bewertungsradar, das sich in vier Cluster aufteilt und den Reifegrad der Struktur der CFO-Organisation mit messbaren Kriterien bewertet, hilft bei der Standortbestimmung (s. Abb. 2).
Abb. 2: Bewertungsradar
Was die einzelnen Quadranten im Einzelnen bedeuten, soll im Nachfolgenden näher erläutert werden.
2.1 Digital Impacts
Digital Impacts umfasst Datenmanagement & -analyse
In einer "digitalen" CFO-Welt wird die Bedeutung des Datenmanagements deutlich ansteigen. Dabei steht das Datenmanagement in diesem Zusammenhang für die saubere Strukturierung der Stamm- sowie der Bewegungsdaten, die allen weitergehenden Analysen zugrunde liegen.
Was bedeutet dies im Detail? In der Vergangenheit haben Unternehmen zum Teil große Anstrengungen unternommen, Stamm- und Bewegungsdaten zu harmonisieren. Auf allen Informationsebenen und auch IT-Systemen ein identisches Verständnis von seinen Kunden, von seinen Lieferanten oder seinen eingesetzten Materialien oder Kontierungsmerkmalen wie Kostenstellen zu haben, ist von unschätzbarem Wert. Es ist ebenfalls zwingende Voraussetzung für eine Harmonisierung der Unternehmens-System-Welten. Diese Anstrengungen sind auch Basis und Voraussetzung für eine weitergehende Digitalisierung des Finanzbereichs. Hierdurch wird die ohnehin rapide steigende Komplexität der Informationswelten wieder reduziert. Digitalisierung bedeutet in diesem Bereich aber noch einen Schritt weiter zu gehen. Wenn Berichte durch externe Informationen z. B. aus dem Internet angereichert werden, ist eine Harmonisierung der "externen" Daten kaum möglich. Hierzu ein Beispiel:
Die einfache Frage, wieviel Umsatz mein Unternehmen mit einem beliebigen Kunden gemacht hat, lässt sich bei nicht harmonisierten Daten nur mit großem Aufwand und zum Teil manuell beantworten. Alle Umsätze für diesen einen Kunden, müssen gesammelt werden, egal welche Straße, welche Schreibweise, welche Bankverbindung oder Ansprechpartner jeweils für diesen Kunden in der Buchung hinterlegt sind.
Bei harmonisierten Daten ist dies deutlich einfacher, man sucht in seinen Systemen nach der Kundennummer und hat eine Antwort nahezu auf Knopfdruck.
Datenanalyse baut integral auf dem Datenmanagement auf
Will man diesen Bericht mit Informationen aus weiteren Quellen anreichern, z. B. aktuelle Nachrichten, Bonitäten, Entwicklungen des respektiven Geschäftsbereichs des Kunden, dann findet man diese Information nicht mehr auf der Basis der eigenen Kundennummer. Dann werden intelligente Algorithmen benötigt, die solche Informationen automatisiert aus verschiedensten Datenquellen extrahieren und bestenfalls aufbereiten. Algorithmen, die in der Lage sind, aus z. B. vielen Tausend Einträgen in Datenbanken und dem Internet die Informationen über den Kunden zu filtern, die für den Entscheidungsträger im eigenen Unternehmen relevant sind. Hier stößt man weit in den Bereich der Digitalisierung des Finanzbereiches vor.
Datenanalyse baut integral auf dem Datenmanagement auf. Das zukünftige Reporting wird viel stärker prognoseorientiert aufgestellt sein. Aus der Ableitung von Vergangenheitswerten unter Einbeziehung von zukunftsorientierten KPIs, werden viele Leistungen, die derzeit ein Controller mit Erfahrung und langjährigem Sachverstand leistet, automatisiert vor- und aufbereitet werden. Beispiele für die fortschreitende Digitalisierung in Datenmanagement & -analyse sind:
- Etablierung eines Datenmanagements, das die Qualität von Daten über den gesamten Lebenszyklus hinweg plant, steuert und kontrolliert;
- Standardisierung des Umgangs mit/der Verarbeitung von Daten;
- Festlegen von Analyse-Tools;
- Zentrale Ergebnisdatenhaltung;
- Etablierung einer möglichst agilen Datenversorgung, die eine effiziente und schnelle Anbindung externer Datenquellen ermöglicht;
- Verwendung externer Datenquellen (bspw. Social Media);
- Kausalanalytik und Predictive Analytics gewinnen an Bedeutung (bspw. Welche Rahmenbedingungen/externen Faktoren wirken auf meine Erfolgsgrößen?);
- Dynamic Balanced Scorecard.
2.2 Digital Operations
Massive Veränderung der Organisation und Prozesse
Prozesse im Finanzbereich werden zunehmend automatisiert. Für Prozesse im Accounting betreiben viele Unternehmen schon seit Jahren umfangreiche Anstrengungen, diese zu automatisieren. Scanning, OCR, Workflows sind mittlerweile erprobter und erfolgreicher Standard in vielen Unternehmen.
Diese Automatisierungsbemühungen werden auf weitere Prozesse des Finanzbereiches ausgeweitet. Bisher waren stark transaktionale Proze...