Fachbeiträge & Kommentare zu Analytics

CFOs stehen vor der enormen Herausforderung, gleichzeitig neue Methoden (bspw. Predictive Analytics) in der Organisation zu erproben bzw. zu etablieren und die bestehenden Abläufe so zu professionalisieren, dass diese allen Compliance-Anforderungen genügen und eine Erhöhung des Service-Levels in einem automatisierten Umfeld ermöglichen. Neue Technologien auf diesem Gebiet erweite...mehr

Bei diesem Top-down-Vorgehen bildet die Plattform für E2E-Performance-Management den Grundstein zur Konstruktion der gesamthaften digitalen E2E-Plattform. Für eine effektive Unternehmenssteuerung ist dabei die funktionsübergreifende Ausrichtung der neuen Steuerungslösungen essenziell. Nur wenn Zielgrößen wie Wachstum, Profitabilität, Liquidität und Wertsteigerung hinsichtlic...mehr

Standardisierte und automatisierte Prozesse sind mit 94 % die meistgenannte Maßnahme auf der CFO-Agenda[1] und somit auch ein zentraler Hebel für Effizienzsteigerungen im Reporting. So soll die Informationsgewinnung, -übermittlung und -nutzung mithilfe integrierter IT-Lösungen möglichst effizient und automatisiert erfolgen. Die Optimierung der Reporting-Prozesse basiert auf d...mehr

Auch im Hinblick auf das Set an relevanten und vereinheitlichten Berichten kann eine weitere Aufwandsreduktion erfolgen, indem in einem nächsten Schritt der Erstellungs- und Verteilungsprozess optimiert wird. Die in vielen Unternehmen noch bestehenden starren und oft sogar in gedruckter Form verteilten Standardberichte sollten dabei durch ein modernes und interaktives Online...mehr

Beuckes/Jung/Ostrowicz, "Enterprise Automation Concept" Integrierter Lösungsansatz für robotergesteuerte Prozessautomatisierung, White Paper, 2019, https://www.horvath-partners.com/de/media-center/white-paper/enterprise-automation-concept-integrierter-loesungsansatz-fuer-robotergesteuerte-prozessautomatisierung/, Abrufdatum 16.1.2020. Horváth & Partners, CFO-Panel. Das Financ...mehr

Eine automatisierte, auf Standardprozessen basierende Berichtserstellung ist ein wesentlicher Baustein für ein erfolgreiches Berichtswesen.[1] Ein zweites wichtiges Element musste jedoch noch folgen: Die Anwendung einer firmenweit einheitlichen Notation. Unsere Berichtsempfänger wünschten sich ein einheitliches und konsistentes Erscheinungsbild der Berichte, um ein schneller...mehr

Ungeachtet des konkreten Anwendungsfalls lässt sich mittlerweile ein "best practice" im Vorgehensmodell für die Umsetzung von Predictive-Analytics-Anwendungsfällen identifizieren. Im Folgenden werden die 9 Schritte in der Entwicklung eines Predictive-Analytics-Anwendungsfalls ("Use Case") beschrieben, die in Projekten von Horváth & Partners regelmäßig zur Anwendung kommen. Ab...mehr

Das Advanced-Analytics-Universum umfasst 4 Bereiche, die eindeutig voneinander abzugrenzen sind. Die Bereiche sind: Descriptive Analytics, Diagnostic Analytics, Predictive Analytics und Prescriptive Analytics. Diese lassen sich anhand der Achsen Komplexität und Nutzen ("Business Value") anordnen (vgl. Abb. 3). Abb. 3: Die 4 Bereiche des Advanced Analytics Descriptive Analytics...mehr

2.1 Terminologie Predictive Analytics beschreibt den Schnittpunkt von Statistik und Computer Science, der sich mit der Extraktion von Informationen aus Daten befasst, um diese zur Vorhersage von Trends und Mustern zu verwenden. Dabei kommen auch in Predictive Analytics statistische Methoden zum Einsatz, wie etwa Data Mining, Regressionsmodelle, Entscheidungsbäume, Clusteranal...mehr

Predictive Analytics beschreibt den Schnittpunkt von Statistik und Computer Science, der sich mit der Extraktion von Informationen aus Daten befasst, um diese zur Vorhersage von Trends und Mustern zu verwenden. Dabei kommen auch in Predictive Analytics statistische Methoden zum Einsatz, wie etwa Data Mining, Regressionsmodelle, Entscheidungsbäume, Clusteranalysen, sowie Meth...mehr

Bishop, Pattern Recognition and Machine Learning, 2006. Gleich/Grönke/Kirchmann, Strategische Unternehmensführung mit Advanced Analytics, 2017. Hastie/Tibshirani/Witten/James, An Introduction to Statistical Learning, 2013. Oehler, Advanced Analytics für Controller, 2019. Provost/Fawcett, Data Science für Unternehmen, 2017. Stephan, Strategietransformation, 2014.mehr

Im ersten Schritt werden grundlegende Potenziale hinsichtlich des Einsatzes von Predictive Analytics mit dem Unternehmen diskutiert, die Hauptprozesse betrachtet und mögliche Use Cases evaluiert. Bei der Identifizierung und Evaluation der möglichen Use Cases kommt insbesondere die Stärke der Kombination von Branchenexperten, die das Marktumfeld genau kennen, und Fachexperten...mehr

Predictive Analytics zielt darauf ab, auf Basis von strukturierten Daten Prognosen für zukünftige Ereignisse/Entwicklungsverläufe zu treffen. Die Verfügbarkeit großer Datenmengen bei gleichzeitiger Fähigkeit, diese effizient zu verarbeiten, eröffnet heute neue Möglichkeiten und Anwendungsgebiete. Algorithmisch erstellte Prognosen sind gegenüber klassischen Prognosen höher auto...mehr

Nach Abschluss der Modellierung werden die Modellergebnisse aufbereitet und gemeinsam mit den Fachexperten des Kunden hinsichtlich ihrer Güte und Einsatzfähigkeit evaluiert. Hier werden die letzten Stellschrauben der Modellierung angepasst, um das Optimum aus den Algorithmen herauszuholen. Gegebenenfalls kann hier aber auch das Ergebnis sein, dass eine weitere Modellierungss...mehr

In den nachfolgenden Abschnitten werden 3 aktuelle Praxisbeispiele in anonymisierter Form vorgestellt, um einen Eindruck zu vermitteln, in welchen Bereichen heute schon erfolgreich mit Predictive Analytics gearbeitet werden kann, wie jeweils vorgegangen wurde und welcher Nutzen für das projektgebende Unternehmen erreicht wurde. 4.1 Accounts Receivable Forecast Ausgangslage und Zi...mehr

Unter Predictive Analytics (PA) versteht man Prozesse, Konzepte und Methoden, mit denen auf Basis von strukturierten (Vergangenheits-)Daten und mithilfe von klassischer Statistik und/oder maschinellem Lernen (Machine Learning), Vorhersagen von Ereignissen gemacht werden können. Vereinfacht geht es darum eine Vorhersage zu machen, welche Entwicklung sich auf Basis einer vorli...mehr

Die 3 Praxisbeispiele zeigen typische Anwendungsfälle von Predictive Analytics. Auch wenn alle Beispiele auf den gleichen Prinzipien beruhen, bei genauerem Hinschauen unterscheiden sie sich sowohl im Vorgehen als auch der Komplexität der finalen Lösung. Der "one-size-fits-all"-Ansatz ist Stand heute noch nicht gefunden, auch wenn sich insb. im Bereich des Forecasting erste S...mehr

Ausgangslage und Zielsetzung Im Rahmen des Planungsprojekts mit einem Energiedienstleister sollte das Potenzial von Predictive Analytics für die Energieversorgerbranche eruiert werden. Dazu sollte beispielhaft auf Grundlage historischer Nachfragemuster und ausgewählter externer Faktoren eine verbesserte Vorhersage des Energieverbrauchs erreicht und somit eine verbesserte Ress...mehr

Ein wesentliches Einsatzgebiet von Predictive Analytics ist das im Zentrum dieses Beitrags stehende Management Reporting bzw. die Unterstützung der Unternehmenssteuerung in Planung, Budgetierung und Forecasting. Innerhalb des Forecasting bieten sich insb. Prognosen von Absätzen/Umsätzen ("Sales Forecast"), Kosten (z. B. Materialeinkauf, Lagerhaltung) und Geldbewegungen (z. B...mehr

Ausgangslage und Zielsetzung Ein großer Flugzeugturbinenhersteller fragte an, ob durch den Einsatz von Predicitve Analytics der Prozess von Maintenance, Repair and Overhaul (MRO) schneller und effizienter gestaltet werden könnte. Das Unternehmen prüft in regelmäßigen Abständen die im Einsatz befindlichen Triebwerke auf Schäden an den Turbinenschaufeln und tauscht diese gegebe...mehr

1.1 Definition Unter Predictive Analytics (PA) versteht man Prozesse, Konzepte und Methoden, mit denen auf Basis von strukturierten (Vergangenheits-)Daten und mithilfe von klassischer Statistik und/oder maschinellem Lernen (Machine Learning), Vorhersagen von Ereignissen gemacht werden können. Vereinfacht geht es darum eine Vorhersage zu machen, welche Entwicklung sich auf Bas...mehr

Im zweiten Schritt muss die Ist-Situation umfassend analysiert werden, um zu verstehen, ob die zugrundeliegende Fragestellung für den ausgewählten Use Case richtig gesetzt ist. Die Erfahrung der letzten Jahre zeigt deutlich, dass die meisten Firmen schon in diesem ersten Schritt die größten Fehler machen. Praxis-Beispiel Forecast-Methoden im Sales-Bereich Zur besseren Antizipa...mehr

Die Modellentwicklung (der komplexeste Teil des Projektes) und das Training der Algorithmen erfolgt in Schritt 4. Abhängig von Fragestellung und Datenlage werden verschiedene Modellvarianten erprobt und grundlegende Designentscheidungen zum optimalen Modell getroffen. Vergleichbar dem Verhältnis von Profisportler und Trainer werden Trainingspläne entwickelt, absolviert und d...mehr

Um den Einsatz der Modellergebnisse für die Praxis vorzubereiten, werden nun nicht nur die Modelle in Richtung Ziel-Prognosegüte weiterentwickelt, sondern auch funktionale Prototypen i. S. v. Apps zur Visualisierung der Ergebnisse erstellt. Erfahrungsgemäß ist die Visualisierung der Ergebnisse ein wichtiger Faktor in PA-Projekten, denn die ansprechende Präsentation der Daten...mehr

Der neunte und letzte Prozessschritt zielt auf die Definition der weiteren Roadmap und auf Handlungsempfehlungen zur fortlaufenden Anwendung des Use Cases im Unternehmen. Das Steering Lab zeigt hierzu die technologischen und modelltechnischen Weiterentwicklungsmöglichkeiten auf. Diese Entwicklungsmöglichkeiten beinhalten die Entwicklung einer Produktiv-Applikation und die Fr...mehr

Zusammenfassung Predictive Analytics zielt darauf ab, auf Basis von strukturierten Daten Prognosen für zukünftige Ereignisse/Entwicklungsverläufe zu treffen. Die Verfügbarkeit großer Datenmengen bei gleichzeitiger Fähigkeit, diese effizient zu verarbeiten, eröffnet heute neue Möglichkeiten und Anwendungsgebiete. Algorithmisch erstellte Prognosen sind gegenüber klassischen Progn...mehr

Spätestens vor der Bereitstellung und Analyse der Unternehmensdaten ist es wichtig, entsprechende Datensicherheitsregelungen wie Non-Disclosure-Agreements (NDAs) zwischen den beteiligten Unternehmen zu vereinbaren. Sind die Verträge abgeschlossen und die Datensicherheit gewährleistet, kann mit dem Angleichen und Harmonisieren der Daten begonnen werden. Dazu sind projektindiv...mehr

Parallel zur Modellentwicklung findet der zur Verankerung im Prozess entscheidende Wissenstransfer zwischen Data Scientists und den späteren Anwendern der algorithmischen Lösung statt. Hierbei sollten unbedingt mögliche Bedenken adressiert und Unklarheiten beseitigt werden, etwa durch Einführungen in die konzeptionellen Grundzüge der verwendeten Modelle und Methoden. Auch so...mehr

Ein nicht zu unterschätzender Faktor, der die Produktivsetzung der algorithmischen Lösung begleiten sollte, um eine nachhaltige und erfolgreiche Lösung zu garantieren, ist ein professionelles Change Management. Adressiert werden sollten dabei insbesondere die Themen Leadership & Team, Organisational Change, Culture Development und Communication Change. Horváth & Partners unt...mehr

Ein digitaler bzw. algorithmenbasierter Forecast (FC) weist zahlreiche Vorteile gegenüber klassischen Forecasts auf, was auch die weite Verbreitung in der Praxis erklärt. Klassische FC-Prozesse leiden bspw. oft unter einem zu hohen manuellen Aufwand und der damit einhergehenden Fehleranfälligkeit oder den unvermeidbaren und von Individualinteressen geprägten politischen Einf...mehr

Ausgangslage und Zielsetzung Im projektgebenden Unternehmen aus dem Bereich Life Science wurde festgestellt, dass in 2 Kernmärkten über die Jahre fast jede zweite Rechnung von den Kunden zu spät bezahlt wurde und insb. Neukunden zu einer verspäteten Zahlung neigten. Aufgrund der Vielzahl denkbarer Gründe für diese Situation konnte das Unternehmen nicht mit klassischen Zeitrei...mehr

Finance-Prozessmodell als Standard-Leitfaden Der Arbeitskreis hat sich zum Ziel gesetzt, ein Prozessmodell für das Finance zu entwickeln, welches als Standardwerk für die Beschreibung der Prozesse innerhalb des Finance-Bereichs herangezogen werden kann. Der Arbeitskreis hat zehn Hauptprozesse definiert, dokumentiert und ausführlich beschrieben. Die Finance-Prozesse werden sta...mehr

Hat der Liquiditätsforecast auf Basis von Predictive-Analytics-Methoden die Pilotphase absolviert, ist zu beobachten, dass viele Organisationen die für den laufenden Betrieb erforderlichen Ressourcen unterschätzen. Betriebliche Prozesse ändern sich – gleiches gilt für Geschäftsmodelle. Unternehmenseinheiten werden veräußert oder zugekauft. Werteströme im Unternehmen werden au...mehr

5.1 Vorteile gegenüber manuellen Forecasting-Ansätzen Ein Liquiditätsforecast sollte möglichst präzise sein, aber dennoch so ressourcenschonend wie möglich durchgeführt werden. Hierdurch wird gewährleistet, dass der Aufwand für die Erstellung den Vorteil eines exakten Liquiditätsforecasts und dem daraus ableitbaren Einsparpotenzial nicht aufzehrt. Neben den Anforderungen an d...mehr

Zusammenfassung Der Liquiditätsforecast stellt in Unternehmen sicher, dass für operative Aktivitäten sowie kurz- bis mittelfristige Investitionen stets ausreichend finanzielle Mittel zur Verfügung stehen. Die Verfahren und der erforderliche Aufwand zur Erstellung des Liquiditätsforecasts hängen in der Praxis stark von den unterschiedlichen Geschäftsmodellen und damit verbunden...mehr

In bisherigen Projekten zur Einführung eines digitalen Liquiditätsforecasts haben sich im Wesentlichen drei erfolgskritische Aspekte herauskristallisiert: Ein strukturierter Projektablauf, die Einbeziehung von Lessons Learned und der unternehmensinterne Kompetenzaufbau. 5.3.1 Strukturierter Projektablauf Zu Beginn eines Projektes sind die Erwartungen ausgehend von einer Ist-An...mehr

Die Auswahl des optimalen Forecasting-Ansatzes hängt letztlich von der verfügbaren Datenhistorie und dem anvisierten Prognosehorizont ab. Während ARIMA-Modelle vergleichsweise wenig Datenpunkte benötigen, sind für neuronale Netze sehr große Datensätze mit langer Historie erforderlich. Die auf Entscheidungsbäumen basierenden Modelle sind dazwischen einzuordnen. Bei einer ausr...mehr

Der Liquiditätsforecast ist für die finanzielle Stabilität eines Unternehmens von erheblicher Relevanz. Er bildet die Grundlage für die frühzeitige Identifikation etwaiger Finanzierungsbedarfe und -überschüsse. Die Erstellung eines solchen Forecasts erfolgt meist mithilfe traditioneller Methoden und geht mit einem hohen manuellen Aufwand einher. Trotz des hohen Aufwands sind...mehr

Predictive-Analytics-Modelle lernen aus der Vergangenheit und treffen auf Basis dieser Erkenntnisse Vorhersagen über zukünftige Entwicklungen. Einbezogen werden können alle historischen Informationen, sofern diese auch für die Zukunft relevant sind. Ex-ante unbekannte Korrelationen oder Ereignisse können hingegen auch durch diese Ansätze nicht vorhergesagt werden. In der Prax...mehr

Die Lessons Learned aus vergangenen Projekten lassen sich in 2 Kategorien einordnen. Zum einen sind notwendige technische Anforderungen zu erfüllen. Dabei ist sicherzustellen, dass die Datenanlieferung in einheitlicher Struktur und Granularität erfolgt. Die Quellen für diese Daten sind auf die ausgewählten Anwendungsfälle abzustimmen und die erforderlichen Schnittstellen früh...mehr

Ein Liquiditätsforecast sollte möglichst präzise sein, aber dennoch so ressourcenschonend wie möglich durchgeführt werden. Hierdurch wird gewährleistet, dass der Aufwand für die Erstellung den Vorteil eines exakten Liquiditätsforecasts und dem daraus ableitbaren Einsparpotenzial nicht aufzehrt. Neben den Anforderungen an die notwendigen Ressourcen, ist die Aktualität des For...mehr

Zu den weit verbreiteten Vertretern der Zeitreihenmodelle gehören ARIMA-Modelle, für welche verschiedene Varianten und Spezialfälle existieren. Grundsätzlich kombinieren alle Varianten eine gewichtete Summe vergangener Werte (AR = Autoregressive) mit dem gleitenden Durchschnitt vergangener Schätzfehler (MA = Moving Average) und der n-fach differenzierten Originalzeitreihe. D...mehr

Zu Beginn eines Projektes sind die Erwartungen ausgehend von einer Ist-Analyse der Datenqualität und -struktur festzulegen. Anschließend werden in der ersten Projektphase Ziele und Dimensionierung des Anwendungsfalls konkretisiert. Bewährt haben sich hierfür Treibermodelle, auf deren Basis im nächsten Schritt die Definition modellrelevanter externer und interner Daten erfolgt...mehr

Der Liquiditätsforecast stellt in Unternehmen sicher, dass für operative Aktivitäten sowie kurz- bis mittelfristige Investitionen stets ausreichend finanzielle Mittel zur Verfügung stehen. Die Verfahren und der erforderliche Aufwand zur Erstellung des Liquiditätsforecasts hängen in der Praxis stark von den unterschiedlichen Geschäftsmodellen und damit verbunden auch unterschi...mehr

2.1 Ziele Mit dem Liquiditätsforecast als wichtigstes Instrument im Liquiditätsmanagement kann das Ziel erfüllt werden, frühzeitig etwaige Finanzierungsbedarfe zu identifizieren. Dies gilt sowohl auf der aggregierten Ebene einer Konzernstruktur als auch in den einzelnen Konzerngesellschaften. Deren Finanzierung über interne Darlehen kann in Ausnahmefällen bis zu mehreren Woch...mehr

Gleich/Horváth/Michel, Finanz-Controlling, 1. Aufl. 2011. Lips/Mayer, Mit Digital Forecasting den Vertrieb besser steuern – Methodik und Nutzen automatisierter Forecasts, 2017.mehr

Machine-Learning-Methoden umfassen neben neuronalen Netzen auch auf Entscheidungsbäumen basierende Algorithmen wie Random Forest und XGBoost. Diese Ansätze können bis zu einem gewissen Grad eigenständig entscheiden, welche externen Faktoren für die Modellierung relevant sind. Der Random Forest ist ein Algorithmus, welcher mehrere unabhängige Entscheidungsbäume kombiniert. Je...mehr

Mit dem Liquiditätsforecast als wichtigstes Instrument im Liquiditätsmanagement kann das Ziel erfüllt werden, frühzeitig etwaige Finanzierungsbedarfe zu identifizieren. Dies gilt sowohl auf der aggregierten Ebene einer Konzernstruktur als auch in den einzelnen Konzerngesellschaften. Deren Finanzierung über interne Darlehen kann in Ausnahmefällen bis zu mehreren Wochen dauern...mehr

Neben dem zuvor skizzierten Liquiditätsforecast ist die Liquiditätsplanung ein wichtiger Baustein im Controlling-Instrumentarium. Eine begriffliche Trennung der beiden Instrumente ist insofern notwendig, da die jeweiligen Empfängergruppen mit ihren spezifischen Informationsbedarfen sehr verschieden sind. Zudem besteht ein großer Unterschied zwischen den zuvor beschriebenen A...mehr

Basierend auf den vorstehenden Erläuterungen ergeben sich sowohl für die Liquiditätsplanung als auch den Liquiditätsforecast grundsätzlich 2 unterschiedliche Adressatengruppen: Einerseits die Controllingabteilung sowie andererseits die Treasuryabteilung. Das Controlling mit den Kernaufgaben Planung, Steuerung und Kontrolle aller Unternehmensbereiche hat einen erhöhten Informa...mehr