Fachbeiträge & Kommentare zu Analytics

In der Steuerberaterbranche liegen Mandanten-Informationen, die die Ausgangslage für die Tätigkeiten sind, heute bereits oft digitalisiert vor. Es ist jedoch noch großes Potenzial zur weiteren Datennutzung vorhanden. "Allein im Hinblick auf die riesigen Datenmengen, die bisher bei den meisten Steuerberatern ungenutzt herumliegen, zeigt sich außerdem deutlich das große Potenzi...mehr

Die größte Herausforderung ist, bei all dieser Hysterie den Überblick zu behalten und sachlich datengestützte Entscheidungen zu treffen. Wie bei jeder Entscheidung ist auch bei Investitionen in die digitale Transformation der zu erwartende Ertrag ein bedeutsames Kriterium. Laut unserer HBR-Puls-Umfrage[1] können 80 % bis 90 % der Befragten den ROI ihrer Digitalisierungsiniti...mehr

Neben den Transformationskosten sind natürlich auch die Investitionen in die Technologie an sich zu berücksichtigen. Um ein möglichst genaues Bild der notwendigen Investitionen zu erhalten, empfiehlt es sich, den Technologie-Stack in seine Komponenten hinreichend detailliert herunterzubrechen. Zu den Hauptkomponenten eines IoT-Technologie-Stacks gehören bspw. Maschinen und Se...mehr

Für die Prognose bedienen sich moderne Planungs-Tools unterschiedlicher Methoden, die von einfachen statistischen Methoden wie der linearen Regression über komplexere statistische Methoden wie der Time Series Analysis bis zu neuronalen Netzen reichen. Leistungsfähige Tools verfügen über eine Bandbreite an Prognosemethoden. Um die Prognosegenauigkeit zu erhöhen, wird deren Tre...mehr

Die 2020 durchgeführte Studie des Fachkreises BI/Big Data und Controlling des Internationalen Controller Vereins (ICV) in Kooperation mit dem Competence Center Digital Finance & Controlling des Instituts für Business Intelligence der Steinbeis Hochschule Berlin und des Business Innovation Lab der Hochschule für Wirtschaft und Gesellschaft Ludwigshafen zeigt ein deutliches Au...mehr

Im Rahmen der o. g. Studie wurde eine erhebliche Spreizung zwischen Top-Performern und Low-Performern auf allen Ebenen des analytischen Reifegrades deutlich. Um den besagten Reifegrad zu ermitteln, wurde für das Forschungsprojekt ein datenbezogenes Reifegradmodell entwickelt und validiert. Während Top-Performer (~ 13 % der Stichprobe) fast 75 % der maximal möglichen Reifegra...mehr

Nachdem in den vorherigen Kapiteln die Grundlagen für die Transformation in eine agile Organisation erläutert wurden, sollen im Folgenden einige Beispiele aufgeführt werden, wie das Controlling konkret einen Beitrag leisten kann: Organisationsstruktur des Controllings Das Controlling soll weder zentral noch dezentral in Silos strukturiert werden. Es ist die Kunst, die Spannung...mehr

In den Unternehmen wird heutzutage häufig versucht, durch das teilweise Automatisieren manueller Prozesse die Effizienz im Controlling zu erhöhen. Dafür werden statistische und Machine-Learning-Methoden in die Arbeitsabläufe und Prozesse integriert. Mit deren Hilfe sollen Abläufe verkürzt und wenig inhaltliche Aufgaben des Controllers, wie die Datenakquise und -aufbereitung,...mehr

Mehr als 90 % der Unternehmen führen – zumindest bisher – ihre Simulationen auf Basis von MS Excel durch. Das ist grundsätzlich möglich, erweist sich aber für eine konsistente, dauerhafte Nutzung als schwierig. Aktuelle Cloud-Planungstools wie Anaplan oder SAP Analytics Cloud sind demgegenüber hervorragend auch für komplexe Simulationen geeignet und im Gegensatz zu bisherige...mehr

Abb. 4 zeigt den strukturellen Aufbau komplexer Systeme wie dem unseres heutigen Wirtschaftssystems. Sie bestehen aus einer Vielzahl an Elementen (a bis h)[1] und Beziehungen (Pfeile zwischen den Elementen), wobei das System in einen für den Aktor A (Manager, Controller) sichtbaren Teil (a, b, d, e, g, h) und einen unsichtbaren Teil (c, f) zerfällt.[2] Ein Beispiel für ein u...mehr

Kernvoraussetzung für die Modellierung von Szenarien ist ein Simulationsmodell, das einerseits einfach zu bedienen ist, andererseits auch komplexe Sachverhalte abbilden kann; bei Veränderung von Eingangsgrößen direkt die Auswirkungen auf die zentralen Steuerungsgrößen aufzeigt; in sich konsistent ist und fachlich korrekte Ergebnisse liefert und flexibel anzupassen und zu erweite...mehr

Wie bereits angeführt unterliegen auch Predictive-Planning- und Forecasting-Systeme gewissen Limitationen. Gleichzeitig werden große Erwartungen an ihren Einsatz gestellt, da sie einerseits den Planungs- und Forecastaufwand reduzieren und andererseits durch die Kombination menschlicher und maschineller Informationsverarbeitung zu besseren Planungsergebnissen führen können. E...mehr

In Krisen wie der aktuellen Coronavirus-Krise zeigt sich deutlich, dass die Zukunft nicht immer eine Fortschreibung der Vergangenheit ist; auch ausgefeilte Fortschreibungslogiken auf Basis von Predictive Analytics scheitern bei einer solchen Disruption. Kritische Stimmen behaupten dann regelmäßig, dass in Zeiten hoher Unsicherheit Planung nicht sinnvoll sei. Richtig ist, das...mehr

BARC, Predictive Planning and Forecasting, 2020, https://barc.de/docs/predictive-planning-and-forecasting-hebt-die-unternehmensplanung-auf-die-nachste-stufe, Abrufdatum 3.10.2020. Bremerman, Optimization Through Evolution and Recombination, in Yovits/Jacobi/Goldstein (Hrsg.), Self-Organizing Systems, 1962, S. 93-106. Dörner/Kreuzig/Reither/Lohausen, Vom Umgang mit Unbestimmthe...mehr

Als eines der erfolgreichsten Projekte innerhalb der digitalen Transformation im Controlling der BASF gilt PACE (Predictive AnalytiCs ForEcast). Das Projekt ist eine gemeinschaftliche, interne Entwicklung der BASF Einheiten Group Reporting & Performance Management und Advanced Business Analytics, die im Jahr 2020 mit dem ICV Excellence Award des Internationalen Controller Ve...mehr

In Zusammenarbeit mit dem internen Team von Advanced Business Analytics startete im Jahr 2016 eine Initiative im Corporate Controlling mit dem Ziel, den derzeitigen Prozess der (rollierenden) finanziellen Forecast-Erstellung zu verbessern und zu optimieren. Den Scope stellten die Kennzahlen Net Sales, Contribution Margin 1, Fixed Cost und EBIT before Special Items auf Ebene ...mehr

Die Ergebnisse waren insgesamt sehr positiv bzw. sehr nah an den späteren tatsächlichen Kennzahlenwerten. Dies galt insbesondere für den Zeitraum von 3 bis 6 Monate in die Zukunft. Beim laufenden Vergleich der manuell erstellten Forecasts mit den PACE-Werten zeigte sich, dass bei der Einschätzung der ersten beiden Folgemonate in der Regel der manuelle Forecast leicht genauer...mehr

Mit dem Einzug der Digitalisierung ist die Diskussion über die Erstellung von Budgets und Forecasts wieder neu aufgeflammt, wenn auch unter anderen Vorzeichen. Der Zugang zu bislang nicht vorhandenen Daten (Big Data), nahezu unlimitierter Rechenleistung sowie lernenden Algorithmen haben einen Paradigmenwechsel ausgelöst und den Glauben an die Prognostizierbarkeit der Zukunft...mehr

Im Zuge der überarbeiteten BASF Corporate Strategy wird die Neupositionierung des Konzerns an nachfolgenden finanziellen Zielen gemessen: Unser Absatz wächst jährlich stärker als die globale Chemieproduktion. Wir steigern unser EBITDA vor Sondereinflüssen um 3 % bis 5 % pro Jahr. Wir erreichen jährlich einen Return on Capital Employed (ROCE) 1, der deutlich über dem Kapitalkost...mehr

Data Analytics – Dienstleistungs- und Kompetenzmanagement Hand in Hand Wenn Sie z.B. neue Dienstleistungsleistungsbereiche entwickeln, entwickeln sich auch die Kompetenzen enorm weiter. Ein Beispiel ist die Beratung eines Londoner ECOVIS Büros, das mit einem interdisziplinären Data-Analytics-Team einen Dienstleistungsbereich aufbaut, der Softwareprogrammierung, Mathematik und...mehr

1.1 Einsatz spezialisierter Statistik-Software Predictive Analytics (PA) ist in aller Munde, obwohl die Thematik nicht mehr ganz neu ist. Entsprechende PA-Methoden werden schon lange von den verschiedenen Fachabteilungen wie Marketing, Vertrieb, Logistik und Produktion eingesetzt, doch auch Controller gewinnen mehr und mehr Interesse. Da ein Controller der Ergebnisorientierun...mehr

Predictive Analytics ist nicht nur etwas für Data Scientists sondern auch für Controller, insofern sie ein wenig Neugier und Ausdauer mitbringen. Predictive Analytics lebt vom Ausprobieren und weniger vom Theoretisieren. Predictive Analytics und Excel können einfach verbunden werden, so dass diese schnell in Controllinglösungen eingebunden werden können. Damit können Planungs- ...mehr

Carlberg, Predictive Analytics: Microsoft Excel, 2012. Kronthaler, Statistik angewandt, 2016.mehr

Kunst der Vorausschau Das letzte Jahrzehnt zeigte, dass es möglich ist, die Zukunft mittels Prognosen, Kausalkettenberechnungen und durch das Wahrnehmen von schwachen Signalen greifbar und die Komplexitäten des Unternehmensumfeldes beherrschbar zu machen. Dieser Ansatz hat jedoch auch klare Grenzen: Prognosen des Finanzsystems erwiesen sich als falsch und politische Träume ei...mehr

Ein wenig Einarbeitungsaufwand ist notwendig, um R in Excel nutzen zu können. Ist diese Schwelle aber erstmal überwunden, ergeben sich viele Möglichkeiten, Excel intelligent zu erweitern. Umfassende Verfahren lernen Sie im Beitrag "Predictive Analytics mit Excel und R: Einführung in die Verfahren" kennen. Wie man mit diesem Ansatz simuliert, wird im Artikel "Stochastische Pl...mehr

Das Werkzeug der Wahl im Controlling ist hingegen immer noch Excel. Die hohe Einsatzflexibilität macht es im Tagesgeschäft des Controllers nahezu unverzichtbar. Der Einsatz statistischer Funktionen ist seit langem möglich. Es gibt mittlerweile unzählige Add-ins als Spezialwerkzeuge für Business Intelligence und Corporate Performance Management So ist Excel letztendlich auch i...mehr

Predictive Analytics (PA) ist in aller Munde, obwohl die Thematik nicht mehr ganz neu ist. Entsprechende PA-Methoden werden schon lange von den verschiedenen Fachabteilungen wie Marketing, Vertrieb, Logistik und Produktion eingesetzt, doch auch Controller gewinnen mehr und mehr Interesse. Da ein Controller der Ergebnisorientierung verpflichtet ist, sollte er natürlich besond...mehr

Aus den genannten Gründen kommt man bei ernsthafter Beschäftigung mit PA innerhalb von Excel an Zusatzwerkzeugen nicht vorbei. Nun gibt es viele Möglichkeiten, Spezialwerkzeuge zu Predictive Analytics mit Excel zu verbinden: Eine eher lockere Verbindung zu Spezialwerkzeugen ist immer möglich. Die einfachste Art ist es, Daten über das CSV-Format zwischen Spezialwerkzeug und Ex...mehr

3.1 Die Basis: Definition einer Funktion Nun können Sie direkt loslegen. Aus didaktischen Gründen wähle ich zunächst eine einfache Funktion, die Mittelwertberechnung, die natürlich schon in Excel verfügbar ist. Man kann anhand dieser Funktion das Zusammenspiel zwischen Excel und R gut zeigen. Der Mittelwert wird in R über die Standardfunktion "mean()" abgebildet. Wie in VBA wi...mehr

Ein großer Vorteil von R ist die Möglichkeit, dynamisch erstellten R-Code auszuführen. Beim Funktionsaufruf von R können Kodierungen zusammengesetzt und direkt ausgeführt werden. Das klingt abstrakt, hat aber den Vorteil, dass R von Excel heraus umfassend gesteuert werden kann. 3.4.1 Funktionen in R übernehmen und ausführen Bei den bisherigen Darstellungen musste immer eine Fu...mehr

Zusammenfassung Predictive Analytics ist nicht nur etwas für Data Scientists sondern auch für Controller, insofern sie ein wenig Neugier und Ausdauer mitbringen. Predictive Analytics lebt vom Ausprobieren und weniger vom Theoretisieren. Predictive Analytics und Excel können einfach verbunden werden, so dass diese schnell in Controllinglösungen eingebunden werden können. Damit kö...mehr

Nach dem Speichern können Sie diese Funktionalität in Excel direkt testen. BERT setzt für die Nutzung noch mal ein Präfix "R." davor. Unsere Funktion heißt jetzt "R.E.Mittelwert()". Damit werden Überschneidungen zu Excel-Funktionen vermieden. Das ist zwar nun etwas gewöhnungsbedürftig, aber damit sind Sie auf der sicheren Seite. Seiteneffekte erhöhen die Fehleranfälligkeit, ...mehr

Ein einfaches Beispiel: Speichern Sie das Skript und geben Sie in Excel ein: Die Excel-Zelle sollte 100 zeigen. Allerdings gibt es durchaus komfortablere Taschenrechner, sodass sinnvollere Abfragen eingegeben werden sollten. Das Gezeigte funktioniert auch mit Referenzen: Zur Verknüpfung von Zeichenketten kann das kaufmännische und verwen...mehr

Nun können Sie direkt loslegen. Aus didaktischen Gründen wähle ich zunächst eine einfache Funktion, die Mittelwertberechnung, die natürlich schon in Excel verfügbar ist. Man kann anhand dieser Funktion das Zusammenspiel zwischen Excel und R gut zeigen. Der Mittelwert wird in R über die Standardfunktion "mean()" abgebildet. Wie in VBA wird eine Funktionsdefinition in R für die...mehr

Die Installation von BERT ist schnell vorgenommen. Laden Sie die Installationsdatei herunter[1] und installieren Sie diese. Sie benötigen hierzu Admin-Rechte. Nach dem Starten von Excel steht unter dem Add-ins-Band ein Button für die Konsole zur Verfügung. Eine komfortable Eigenschaft von BERT ist, dass gleichzeitig eine R-Version (i. d. R. die neueste) mit installiert wird.[...mehr

Lassen Sie uns nun mit unserer neuen Funktion arbeiten. Markieren Sie einen Zellbereich, der einige Zahlen und eine leere Zelle enthält. Löschen Sie jetzt eine oder mehrere Zellen aus dem Wertebereich (z. B. Zelle I31 aus Abb. 6. Sie sehen, diese Zellen-Werte werden nicht mehr mitgezählt. Die Übergabe von Zellbereichen nach R ist offensichtlich recht einfach. Allerdings beste...mehr

Bei den bisherigen Darstellungen musste immer eine Funktion geschrieben werden, um R in Excel nutzen zu können. Dies führt bei intensiver Nutzung aber zu einer hohen Anzahl an Funktionen. Dies ist bei einer guten Strukturierung über Funktion-Kategorien unproblematisch. Jedoch erfordert dies immer eine gewisse Vorbereitung. Mit dynamischem R ist auch eine Direkteingabe von R-...mehr

Machen wir nun etwas Pragmatisches mit R: Es sollen spezifisch verteilte Zufallszahlen erzeugt werden. Excel kennt als Basis für die Generierung von Zufallszahlen nur die Gleichverteilung. Über die Invertierung der in Excel vorhandenen Verteilungsfunktion (z. B. "NORM.INV()") können auch normal verteilte Zufallszahlen erzeugt werden. Aber eine im Risikomanagement gerne verwe...mehr

Nun kann es vorkommen, dass die R-Aufrufe in Excel-Zellen voneinander abhängig sind. So kann eine R-Funktion eine Variable verändern, die von einer anderen Funktion aufgerufen wird. So berechnet bspw. eine Zelle eine Regression, wobei R hier sehr viele Informationen (Bestimmtheitsmaß, Testergebnisse etc.) intern in einer Ergebnisvariablen speichert. Die Inhalte sollen in and...mehr

Daten, Daten, Daten Wir leben in einer Dekade, in der uns viele strukturierte und noch mehr unstrukturierte Datenbestände zur Verfügung stehen. Ein Ende des Wachstums ist nicht abzusehen. Um dieser komplizierten digital-analogen Komplexität Herr zu werden, überlassen wir immer mehr Steuerungsprozesse Automaten und Algorithmen. Damit in Unternehmen weiterhin operative oder str...mehr

Überblick Seit Menschengedenken versuchen wir mit den unterschiedlichsten Mitteln die Zukunft vorherzusehen. Doch erst seit ein paar Jahrzehnten besitzen wir systematische und kritische Methoden, die den Blick in die Zukunft auf ein wissenschaftliches Fundament stellen. Mittels Predictive Analytics sollen Chancen und Risiken frühzeitig erkannt sowie Abweichungen von der Norm ...mehr

Big Data und Predictive Analytics verbessern die Gewinnspannen von Unternehmen deutlich. Aber Data Mining und die Analyse von Millionen von Nachrichtenartikeln, tausenden Enzyklopädie-Einträgen, Datenbanken, Social-Media-Kanälen und unzähligen Websites besitzt mehr Potenzial als nur steigende Umsätze. Es ermöglicht das Antizipieren von möglichen Krisen und zwingt uns zu stra...mehr

Die professionelle Monte-Carlo-Simulation ist die Domäne spezieller Add-ins wie Oracle Crystal Ball, Palisade @Risk oder anderen Werkzeugen. Vielfältige Verteilungsfunktionen stehen als Excel-Funktionen zur Verfügung und die Parametrisierung wird über Assistenten unterstützt. Die Steuerung der Monte-Carlo-Simulation übernimmt das Add-in. Diese Werkzeuge müssen jedoch lizenzi...mehr

Das Modell ist bereits leistungsfähig, allerdings fehlt ein wesentlicher Aspekt: Viele Risiken sind nicht unabhängig voneinander. So beeinflussen Währungsrisiken auch häufig Preisrisiken. Auch dürften Währungsschwankungen Auswirkungen auf Finanzierungsrisiken haben. Unbeachtet von der Schwierigkeit der Datenermittlung können Zusammenhänge zwischen Variablen über eine Korrela...mehr

Fokussierung der wertorientierten Unternehmensführung Ansätze einer eher zukunftsorientierten Betrachtung analysieren das betriebliche Erfolgspotenzial mittels Prognosen zu betrachtender Wertgrößen oder über Predictive-Analytics-Methoden. Eine eher vergangenheitsorientierte Betrachtung würde sich in diesem Zusammenhang dagegen eher auf eine Kontrolle der Effektivität und Eff...mehr

Strategisches Controlling Im Controlling der nahen Zukunft wird es darum gehen, wie "intelligent" ein Unternehmen Umfeldsignale und Risiken analysiert, um Potenziale oder Gefahren zu prognostizieren. Wir wollen deswegen zunächst 2 unterschiedliche Controllinginstrumente näher betrachten, die mit heutiger Rechenleistung, Möglichkeiten der Datenerfassung und Analyse für die Unt...mehr

Spezielle Datenverarbeitungssysteme wie ein Data Warehouse oder Business-Intelligence-Systeme (Werkzeug 7 in Abb. 3) dienen dazu, die Daten zu aussagekräftigen Informationen weiterzuverarbeiten. Zum Teil ermöglichen auch bereits ERP-, CRM- oder SCM-Systeme Datenauswertungen. Ziel eines BI-Systems ist die Gewinnung von Erkenntnissen aus den im Unternehmen vorhandenen Daten zur...mehr

Focus Online, "Handelsblatt"-Herausgeber Steingart: Die Digitalisierung gefährdet viele Jobs, 8.11.2017, https://www.focus.de/finanzen/news/arbeitsmarkt/handelsblatt-herausgeber-steingart-die-digitalisierung-gefaehrdet-viele-jobs_id_7816627.html, Abrufdatum 24.6.2020. Oehler, Advanced Analytics für Controller, 2019. Oehler, Advanced Analytics im Controlling: Qualitätsverbesser...mehr

Ein ganzheitliches Entscheidungssystem besteht aus einer Vielzahl an aufeinander aufbauenden Komponenten (siehe Abb. 1), die letztlich das Steuerungssystem des Unternehmens bilden (siehe Abb. 2). Abb. 1: Bestandteile eines ganzheitlichen Entscheidungssystems. A Werkzeuge zur systematischen Erfassung von Daten bzw. Informationen als Basis für zu treffende Entscheidungen "Daten s...mehr

Neue Entwicklungen bei der praktischen Anwendung künstlicher Intelligenz werden unter der Bezeichnung Cognitive Computing zusammengefasst. Hierunter versteht man selbstlernende Systeme, die in Echtzeit mit Menschen und anderen Systemen kommunizieren, sich an Interaktionen erinnern und eigenständig Rückschlüsse ziehen können. Hierbei wird häufig versucht, das menschliche Denk...mehr