Digitale Transformation und Controlling: Herausforderung ... / 3 Implikationen für die Methodenkompetenz des Controllings

Digitale Methodenkompetenz als Herausforderung

Das Beispiel des Target Picture "Controlling 2025" der BASF zeigt, wie sich das Verständnis und Rollenbild des Controllings in den letzten Jahren deutlich gewandelt haben. Obwohl der Umgang mit Informationen traditionell als Schwerpunkt des Controllings gesehen wird, stellen sich vor dem Hintergrund der Digitalisierung Transformation von Unternehmen völlig neue Herausforderungen an die Methodenkompetenz hinsichtlich des Managements von Informationen.

Abb. 7: Erforderliche Kompetenzbereiche des Controllings für BI und Big Data

Big Data Management und Trendscouting

Eine grundlegende Voraussetzung für die Nutzung der neuen Möglichkeiten von BI & Big Data liegt in der Möglichkeit, neue Informationsquellen zu erschließen, die gewonnenen Daten zu vernetzen und diese für Verbesserung der Unternehmensleistung nutzbar zu machen.^[1]

Zwar ist es auch in Zukunft nicht originäre Aufgabe des Controllings derartige Datenquellen technisch zugänglich zu machen, es sollten aber die betriebswirtschaftlichen Potentiale der jeweiligen Datenquellen erkannt und erschlossen werden. Aus Sensordaten von Maschinen lassen sich beispielsweise Nutzungsintensitäten und damit vorausschauende Wartung ableiten. Sie könnten aber z. B. auch für die Optimierung der Supply Chain eingesetzt werden. Kooperationspartner verfügen u. U. über Detailinformationen aus Kundenbestellungen, welche die eigene Absatzplanung verbessern. Interne Informationen über Kunden lassen sich ggf. durch gezielte Anreicherung von Informationen von Datenprovidern oder aus sozialen Netzwerken veredeln.

Erforderlich ist daher die Fähigkeit, den betriebswirtschaftlichen Nutzen neuer Informationsquellen beurteilen zu können. Hinzu kommt das Verständnis dafür, wie diese sinnvoll mit anderen Informationen vernetzt werden können, um Mehrwerte für die Unternehmen zu schaffen. Hierfür sind zum einen ein umfassendes Verständnis des jeweiligen betriebswirtschaftlichen Anwendungsbereiches/Geschäftsfeldes notwendig, zum anderen sind vertiefte Kenntnisse über den Umgang und die Vernetzungsmöglichkeiten von Daten erforderlich.

Analysemethodik

Dieses Vorwissen dient als Voraussetzung für den Aufbau und die Evaluation entsprechender Analysemodelle. Ziel ist es dabei auf Basis der neuen Informationsquellen neues Wissen für die Umsetzung betriebswirtschaftlicher Potentiale generieren zu können. Neben der Erweiterung der Entscheidungsbasis durch neue Informationsquellen spielt daher die Anwendung fortschrittlicher Analyseverfahren eine wichtige Rolle.

Grundvoraussetzung hierfür ist einerseits ein tiefes Verständnis des jeweiligen Business Bereiches (für die Konzeption von Entscheidungsmodellen und die dafür erforderlichen Datengrundlagen), sowie andererseits ein grundlegendes Verständnis über die Einsatz- und Nutzungsmöglichkeiten fortschrittlicher Analyseverfahren (mathematisch-statistischer bzw. Mining Verfahren). Um dies leisten zu können, sind neben dem Wissen über Analyseziele und -kategorien insbesondere auch Kenntnisse (z. B. Wirkungsweise, Vor-/Nachteile, Einsatzvoraussetzungen, Gütekriterien) über entsprechende Verfahren erforderlich.

Information als strategische Ressource

Hinzu kommt das bereits skizzierte Verständnis von Daten und Informationen. Da sie als Variablen für die Analytik dienen, haben Veränderungen der Daten einen erheblichen Einfluss auf die Analyse. Auf diese Weise lassen sich u. U. durch neue, andersartige Datengrundlagen neue Wirkungszusammenhänge aufzeigen. So können beispielsweise neu gewonnene Daten aus der Sensorik Aufschluss über den Verschleiß liefern, diese Informationen können wiederum in die Prognose von Wartungsintervallen einfließen. Andererseits ist auch das permanente Monitoring bestehender Datenstrukturen wertvoll. Beispielsweise ließe sich so eine Veränderung der Ursachen für Kaufentscheidungen bei bestimmten Kundenschichten im Zeitablauf identifizieren.

[1] Vgl. Pospiech/Felden, 2013.