Small Data als MVP auf dem Weg zum digitalen Controlling / 5.1 Werkzeug in bestehende Prozesse integrieren

Die häufigste Form von Forecasting in der Vorhersage von Produktnachfrage ist die Verbindung von algorithmenbasierten Forecasts und Einschätzungen von Experten.^[1] Auch im Liquiditätsforecasting ist diese Kombination vielversprechend. Einerseits integrieren Experten ein System eher in ihren Arbeitsalltag, wenn sich das Ergebnis anpassen lässt,^[2] andererseits bleibt die wertvolle Erfahrung der Treasury-Controller dem Planungsprozess weiter erhalten. Im Falle einer Krise können die Planer den Prozess so lange manuell managen, bis sich die Lage stabilisiert hat und algorithmische Methoden, die auf historischen Daten basieren, wieder die gewohnte Prognosegüte aufweisen.

Ein Faktor, der bei der Einführung automatisierter Liquiditätsforecasts häufig unterschätzt wird, ist der Ressourcenaufwand, den ein solches zu Teilen automatisiertes Forecasting im Betrieb mit sich bringt. Zwar werden die Treasury-Controller entlastet, allerdings benötigt es einen dedizierten Ansprechpartner, der etwaige Veränderungen im Prozess mit den Softwareentwicklern und etwaige Veränderungen in der Datenlage und Modellierungswünsche mit den Data Scientists steuert. Dies kann im besten Fall ein Treasury-Controller sein, der einen starken digitalen Hintergrund hat.

Mit Blick auf diesen Aufwand überrascht es nicht, dass einige Chef-Controller die Arbeit von Data Scientists als Grundlage für Excel-Tools nutzen. Dies ist nicht mit allen eingesetzten Methoden möglich, erlaubt es den operativen Controllern allerdings erste spielerische Erfahrungen mit den vorgestellten Methoden zu machen. Die Integration in bestehende Prozesse, die häufig Excel-basiert ablaufen, ist somit schnell und wenig komplex abzubilden.

Die Treasury-Controller, die die Ergebnisse unseres Beispielprojekts verwendeten, bekamen daher ein Excel-Tool an die Hand, in dem sie pro Planungsposition die Werte der vergangenen 5 Jahre sowie die Prognosen der letzten zwölf Monate von exponentieller Glättung, gleitendem Durchschnitt und Regression inklusive Fehlermaße angezeigt bekamen. Somit konnten Sie Vorhersagen mit wenigen Klicks in bekannter Arbeitsumgebung erstellen, sich die Methode pro Planungsposition auswählen, die die letzten Monate die besten Ergebnisse geliefert hätte, und die Werte in ihrem Prozess weiterverwenden.

[1] Vgl. Goodwin et al., 2018.

[2] Vgl. Dietvorst et al., 2018.