Zusammenfassung
- Digitalisierung ändert die Unternehmenssteuerung: Steuerung und Reporting der Zukunft müssen anders und besser werden.
- Anders werden die Berichtsinhalte und die Art und Weise, wie Berichte generiert, verteilt und genutzt werden. Moderne BI Front Ends, Predictive-Analytics-Verfahren und das Zusammenspiel von Controllern und Data Scientists erlauben neue Möglichkeiten.
- Besser meint in erster Linie schneller und effizienter. Die Digitalisierung erlaubt und erzwingt neue Möglichkeiten der Automatisierung von manuellen Tätigkeiten. Redundanzen im Berichtswesen werden beseitigt und alle transaktionalen Routinetätigkeiten in einem zentralen Expert Center gebündelt oder durch Robotics automatisiert.
- Die (technischen) Möglichkeiten der Digitalisierung im Reporting sind immens. Eine starke zentrale Governance und eine sinnvolle Fokussierung auf Nutzerbedürfnisse müssen Fortschritt und Nutzerorientierung (Vermeidung von Informationsüberflutung und Überforderung) sicherstellen.
1 Trends und Entwicklungen der digitalen Unternehmenssteuerung
1.1 Optimierungszyklus im Reporting
Megatrend Digitalisierung
Die Digitalisierung ist ein Megatrend, der die Art und Weise wie wir leben, arbeiten und Wertschöpfung erzeugen gravierend verändert. Dabei reden wir heute nicht mehr von Hypothesen für eine mögliche digitale Zukunft, sondern befinden uns inmitten eines laufenden und wohl langfristig anhaltenden Wandlungsprozesses. So entstehen grundsätzlich neue Geschäftsmodelle, bestehende Prozessabläufe werden revolutioniert, neue Märkte bzw. Markzugänge entstehen und die Existenz "analoger" Unternehmen wird vom Erfolg ihrer "digitalen" Wettbewerber zunehmend bedroht. An die aufstrebenden "Digital Leaders" wie Facebook, Google, Amazon, Alibaba, Airbnb, Snap etc. sei hier beispielhaft verwiesen.
Nutzung von Big Data
Neben diesen marktgetriebenen und prozessualen Veränderungen bedeutet die Digitalisierung aber vor allem eines: Immer mehr Daten entstehen und müssen genutzt werden, um erfolgreich zu sein! Digital unterstützte Prozesse und damit verbundene Transaktionen generieren neue Datenpunkte. Diese entstehen nicht nur innerhalb einzelner Unternehmen (bspw. durch Sensorik in der Produktion), sondern auch unternehmensübergreifend bzw. unternehmensextern und werden zunehmend ausgetauscht und miteinander verknüpft.
Digitale Optimierung
Die Generierung und intelligente Nutzung dieser Datentöpfe ist der Treiber des digitalen Optimierungszyklus (s. Abb. 1). Dieser Zyklus zeigt, dass digitale Geschäftsmodelle neue Systeme und Applikationen (IT-Infrastruktur) erfordern. Diese Systeme bzw. Applikationen stellen neue Daten zur Verfügung, deren Nutzung wiederum neue Geschäftsmodelle ermöglicht.
Abb. 1: Unternehmenssteuerung im "digitalen Optimierungszyklus"
Unternehmenssteuerung im digitalen Optimierungszyklus
Im Mittelpunkt dieses Zyklus befindet sich die Unternehmenssteuerung. Diese muss auf der einen Seite die neuen Geschäftsmodelle abbilden und damit anders werden. Auf der anderen Seite ergeben aus immer leistungsfähigeren Systemen und Applikationen Potenziale für die Unternehmenssteuerung, die Steuerungsprozesse wie Planung, Forecasting und Reporting selbst zu digitalisieren und damit besser zu machen. Dies heißt, die Steuerung muss künftig schneller, einfacher und effizienter erfolgen. So können mit Big Data Prognosen und Hochrechnungen automatisiert werden (z. B. "Digital Forecasting"), manuelle Vorgänge im Management Reporting wegfallen (z. B. "Robotics") und neue BI-Tools die Nutzung und Anwendung von Controlling-Lösungen für den Nutzer interaktiver, schneller und einfacher machen ("Usability" und "User Experience").
1.2 Vier Thesen zur Steuerung: anders und besser
Die Steuerung im digitalen Umfeld ("anders" und "besser") lässt sich in vier Thesen beschreiben (s. Abb. 2):
Abb. 2: Thesen der digitalen Unternehmenssteuerung
These 1: Steuerung wird anders funktionieren
Statische, vergangenheitsorientierte Steuerungsmodelle sind passé. Für die Zukunft gilt es, proaktiv-prognostizierenden Steuerungsansätze zu entwickeln. Hierbei lassen sich bspw. mit Hilfe von Big-Data-Analysen automatische Vorhersagen mit hoher Treffergenauigkeit erstellen. Hierzu werden bspw. Predictive-Analytics-Modelle eingesetzt, unter denen man Berechnungsmodelle versteht, die bspw. die Schadenswahrscheinlichkeit einer Person bei Versicherungen oder den Absatz eines Produktes in der Zukunft vorhersagen können.
These 2: Auf Datenverfügbarkeit und -verknüpfung kommt es an
Die Verfügbarkeit und -qualität von Daten wird ein alles entscheidender Faktor. Eine besondere Aufgabe besteht darin, die Qualität von funktionalen und externen Daten sicherzustellen und diese mit finanziellen Daten verknüpfbar zu machen. Dies bedingt eine neue Generation von leistungsfähigen Data Warehouses, geeigneten Modellen und Algorithmen. Forecasts und Prognosen von rechnerischen Modellen sind als Ergebnisse eine Blackbox und von Menschen nicht immer nachvollziehbar.
These 3: Rolle und Kompetenz der Finanzfunktion ändern sich radikal
Die Digitalisierung betrifft alle Facetten der heutigen Struktur und Prozesse der Finanzfunktion. Eine übergreifend...