Der Beitrag kann nur einen groben Überblick über die stochastische Abweichungsanalyse bieten. Im Praxiseinsatz bedarf es noch einiger Erweiterungen.
Im behandelten Beispiel wirkt der Absatz letztlich auf Kosten und Umsätze und damit auf den Deckungsbeitrag. Es besteht i. d. R. das Interesse, die Abweichungsanalyse auf das Ergebnis durchzurechnen. Bei mehrfach multiplikativer Verknüpfung ergeben sich Abweichungen höheren Grades. Ein wesentliches Problem besteht darin, die Vertrauensintervalle treffend zu verdichten. Eine Verdichtung der Intervallgrenzen erscheint aber nicht zielführend, da dadurch Intervalle entstehen, die eine andere Wahrscheinlichkeit ausweisen.
Bislang wurden Hierarchien wie bspw. Produktgruppen oder Länder und Regionen nicht weiter betrachtet. Schließlich sind nicht nur Einzeleffekte, wie die Artikelebene in bestimmten Regionen, wichtig. Auf hierarchischer Ebene sind Strukturabweichungen noch weiter zu analysieren. Wie wirkt exemplarisch die Preisabweichung auf strukturelle Verschiebungen? Die Deckungsbeitragsflussrechnung nach Link stellt einen guten Startpunkt zur differenzierten Abweichungsanalyse dar:[1] Abweichungen werden auch auf höherer Ebene aufgespalten und den verschiedenen Einflüssen (Preis, Menge, Struktur und Mix) zugeordnet. Sogenannte Strukturabweichungen können als Restabweichungen ausgewiesen werden.
Ebenso wichtig ist es, die Ebene zu betrachten, auf der die statistische Analyse durchgeführt wird. Je mehr Daten zur Verfügung gestellt werden, desto signifikanter sind die statistischen Zusammenhänge. Allerdings ist hier zu beachten, dass dadurch möglicherweise Detail-Einsichten verloren gehen.
Um den Informationsverlust zu minimieren, sollten nicht nur die Bandbreitenwerte, sondern die ganze Verteilungsfunktion weiterhin berücksichtigt werden. Bei der Annahme der Normalverteilung ist es möglich, die Kurven zu verdichten. Nur muss davon ausgegangen werden, dass unterschiedlichste Verteilungen zum Tragen kommen. Denkbar wäre bspw. der Einbezug binärer Risiken. So könnten im Rahmen von Simulationen einzelne Maßnahmen hinsichtlich der Ergebniswirkung abgeschätzt werden.
In so einem Fall eignet sich die Monte-Carlo-Simulation. Auch hier gibt es eine kleine Besonderheit: Normalerweise werden die Eingabeparameter über Verteilungsfunktionen variiert. In diesem Fall werden die Regressoren aber über die Verteilungsfunktionen parametrisiert.
Dieser Inhalt ist unter anderem im Haufe Finance Office Premium enthalten. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen