Prädiktives Controlling
 revolutionär oder konservativ? 

Prädiktives Controlling
 revolutionär oder konservativ? 

Vorhersage und Planung sind elementare Aspekte unternehmerischer Steuerungs- und Controllingaktivitäten. Jedoch ist die jeweilige Umsetzung bislang oft weder von Wirtschaftlichkeit noch von Effektivität geprägt.
Dieser Situation begegnet s-peers gezielt mit einem prädiktiven Ansatz, der Unternehmen eine optimale und effizient automatisierte Prognoselösung bietet. 

Vorhersageprozesse sind meist sehr aufwendig und/oder auch individuell beeinflusst. Generell gelten Prognose und Planung in vielen Unternehmen als „Routine-Aufgaben“, die wertvolle Mitarbeiter zeitlich stark beanspruchen – und daran hindern, andere wichtige Aufgaben wahrzunehmen.. 

Allerdings scheint nun zunehmend ein Wandel Einzug zu halten:
Bei unseren Projekten und Kundengesprächen zeigt sich in zahlreichen Fällen, dass interne Abläufe für Prognose und Planung verstärkt hinterfragt werden.  

Unsere Kunden erwarten, mit vorhersagenden Modellen die Ergebnisse der Planung sowie die Planungsprozesse selbst zu verbessern, um schneller zu aussagekräftigeren Ergebnissen zu gelangen. Es sollen bestehende Prozesse technisch besser unterstützt und verkürzt sowie die Planer entlastet werden. Gleichzeitig soll die Qualität – Genauigkeit und Aussagekraft – der Planung gesteigert werden, indem Ursache-Wirkungszusammenhänge (die Treiber) identifiziert und in die Planungsmodelle eingebunden werden.

Passend hierzu: Unser Webinar Predictive Controlling – ad hoc Planung.

Lesen Sie mehr

Aus Daten müssen Informationen werden

Auch auf den Deutschen Betriebswirtschafter-Tagen (siehe www.schmalenbach.org) geht es um mathematisch und betriebswirtschaftlich sinnvolle Auswertung von Daten.
Lesen Sie mehr
Lesen Sie mehr

Prognose – das Aschenputtel der Unternehmenssteuerung?

Lesen Sie mehr

Die s-peers AG kommt diesen Anforderungen ganz gezielt mit der Entwicklung entsprechender Vorhersage- und Analysemodelle nach – insbesondere für das Accounting und Controlling.  

Erfahrungsgemäss weist die prädiktive Unterstützung eine hervorragende Eignung für den Finanzbereich aufHier existieren etablierte Standardsysteme und -Prozesse, die eine sehr hohe Datenqualität liefern. Zudem sind Controller typischerweise mit der zielgerichteten Analyse von Daten sehr vertraut: Ihre Kernkompetenzen umfassen seit jeher die Planung, Koordination und Kontrolle von Unternehmenszielen – ebenso die adressatenkonforme Versorgung mit entscheidungsrelevanten Informationen. 

Das Grundprinzip unseres prädiktiven Lösungsansatzes: Die traditionelle, rein reaktive Auswertung von Vergangenheitsdaten wird durch die proaktive und automatisierte Erkennung von Datenmustern abgelöst. Auf dieser Basis lassen sich dann objektive Prognosen mit sehr hoher Genauigkeit ableiten. 

Gleichzeitig wird das Erstellen von Vorhersagen schneller, effizienter und daher auch häufiger möglich. Somit lassen sich neue Anforderungen und Einflüsse auch ad-hoc bzw. ausserhalb der turnusmässigen Planungen in Fragestellungen integrierenDies generiert u. a. den entscheidenden Vorteil, veränderte Geschäftsentwicklungen neu und unmittelbar bewerten zu können. 

Die von uns entwickelten Methoden analysieren sehr grosse Datenmengen, was die Qualität und daher die Verlässlichkeit der Voraussagen erhöht. Basierend auf den präziseren und häufigeren Prognosen kann das Management gezielter eingreifen und erforderliche Massnahmen in die Wege leitenDies trägt (pro-)aktiv zum Erreichen der Unternehmensziele und zum Erkennen potenzieller Probleme bei. Parallel lassen sich Einspar- und Kostenoptimierungspotenziale optimal ausnutzenPrädestiniert hierfür ist z. B. die Verbesserung des Warenbestands im Einzelhandel.  

Beispiele für weitere Anwendungsfelder mit Potenzial für prädiktive Optimierung: 

  • Material- und Produktionsdisposition 
  • Personalplanung 
  • Lieferzeiten  
  • Preis- und Konditionenpolitik 
  • Sortimentsentscheidungen 

Unser prädiktiver Ansatz verbessert und beschleunigt Ihre Entscheidungen jedoch nicht nur auf Basis von quantitativen, differenzierteren Erkenntnissen: Durch die ganzheitlichen Sicht auf Ursache-Wirkungs-Ketten können auch Zusammenhänge und funktionsübergreifende Abhängigkeiten von verschiedensten Unternehmensbereichen deutlich besser berücksichtigt werden.  

Unser Ansatz für Predictive Controlling / Accounting orientiert sich am Standardvorgehen auf dem Gebiet der Datenanalyse: Ein Modell wird auf sogenannten Trainingsdaten (z. B. Umsatz von 2011–17erstellt und dann mit den Testdaten (z. B. Umsatz von 2018) überprüft. Der Algorithmus mit dem optimalen Modell auf dem Testdatensatz wird anschliessend ausgewählt und mit einem unabhängigen Datensatz (z. B. Umsatz von Jan.–Jun. 2019) validiertBei der Modellerstellung kommen modernste Algorithmen zur Anwendung. Die Auswahl der Kennzahl für die Modellbewertung wird immer in individueller Rücksprache mit dem jeweiligen Kunden vorgenommen. 

Prognosemodelle von s-peers erzielen eine Genauigkeit von 9599 %. 

Praxisanwendungen 

  • Szenario A: Die Ergebnisse werden in der Datenbank (HANA) direkt gemäss Modell berechnet und zur weiteren Planung in die SAP Analytics Cloud (SAC) übertragenDie berechneten Werte lassen sich dort manuell anpassen bzw. auch in einem Wertetreiberbaum (Value Driver Tree; VDT) grafisch simulieren.  
  • Szenario B: Die berechneten Ergebnisse werden für die Konsolidierung der rollierenden Hochrechnung und der Planung in die Konsolidierungslösung (in diesem Fall SAP SEM-BCS) eingespielt 
  • Szenario C: Die Prognoseergebnisse werden direkt in der SAP Analytics Cloud (SAC) berechnet und können anschließend auch weiter verwendet werden (z.B. in SAP BW oder HANA).

Prognosemodelle von s-peers sind universell: Der Einsatz ist unabhängig von bestehenden Analytics-Systemen und/oder Systemlandschaften möglich. 

Die Automatisierung des jeweiligen Prozesses generiert enorme Effizienzpotenziale und unterstützt die Objektivierung des Forecasts: Planungs-Verzerrungen durch individuelle „Bauchgefühle“ oder politisches Verhalten werden mittels dieser Methodik maximal reduziert. 

Jedoch können IT- gestützte und individuell erstellte Forecasts zusammen ein sehr gutes Gespann bildenMenschliche Erfahrungswerte und Impulse (ggf. noch nicht digital vorliegend) sind vorteilhaft mit errechneten, hoch präzisen Prognosemodellen kombinierbar. Insgesamt ergibt sich so eine möglichst realistische Einschätzung der Situation und damit eine fundierte Grundlage für Entscheidungen. Vom Potenzial dieser Kombination zeugt z. B. einer unserer Kunden, der im Bereich „Demand Forecasting“ die individuell erstellten Vorhersagen seiner einzelnen Aussendienstmitarbeiter erfolgreich mit IT-basierten Versionen koppelt. 

Nach unserer Erfahrung sollten automatisierte Prozesse stets sehr sensibel in der Organisation implementiert werden. Denn trotz aller technologischen Möglichkeiten und statistischen Verfahren: Der „Human Factor“ ist nach wie vor höchst relevant – der Mensch validiert die Modelle zum Aufdecken neuer Ursache-Wirkungs-Zusammenhänge kontinuierlich und ist Korrektiv bei allen irregulären und/oder disruptiven Entwicklungen 

Umso wichtiger ist es, Mitarbeiter entsprechend frühzeitig mit einzubeziehen und Vertrauen zu schaffen: Automatisierungen sollten keinesfalls als „Magie“ erscheinen. Beispielsweise lässt sich der eigentliche Ablauf so gestalten, dass beim Verlassen eines Korridors erlaubter Zukunftswerte (vorab definiert) jeweils Gegenmassnahmen angestossen werden, die in Interaktionen durch Mitarbeiter münden 

Eine automatisierte Lösung für Prognose und Planung bietet zweifellos sehr grosse Potenziale, bedingt aber auch gewisse Vorsicht: Ein solcher Ansatz hängt grundsätzlich immer von der Qualität der jeweiligen Datenbasis ab gelangt auch bei Strukturbrüchen schnell an seine Grenzen. 

Prädiktive Projekte werden nunmehr verstärkt gewünscht. Parallel bestehen aber oft grosse Defizite, die damit verbundenen Fragestellungen konkret zu definieren und zu artikulieren. Häufig resultiert dies in einer zwar recht umfangreichen, aber kaum zielgerichteten Beschäftigung mit aktuell „angesagten“ Themen wie IoT, Sensortechnik oder maschinellem Lernen. Solche Technologien sind zweifellos zukunftsträchtig. Doch meist verlaufen entsprechende Projekte letztendlich im Sande, da die elementaren Voraussetzungen in puncto Daten (Basis, Qualität, Verwertbarkeit) und Schnittstellen nicht oder kaum gegeben sind. 

Womit wir wieder beim Vertrauen in solche neuen Massnahmen und Ansätze bezüglich der Unternehmenssteuerung sind. Sie sollten sich daher nicht auf weitere bzw. zusätzliche Unbekannte einlassen – und idealerweise mit einem Bereich starten, der bereits über eine sehr gute Datenbasis verfügt. 

Nicht zuletzt auch darum ein Grund für die klare Empfehlung, die ersten Mehrwerte im Bereich Rechnungswesen zu etablieren: Hier existieren erprobte Standardsysteme – zunehmend in einem EinkreissystemEine zentrale Datenhaltung in einer integrierten Business Suite (z. B. SAP S/4 HANA) bietet eine vereinheitlichte BasisZudem entfallen aufwendige Abgleiche zwischen den Bereichen Finanzen und Controlling, da es keine Fragmentierung mehr gibt. Für sämtliche Analysen steht eine integrierte und hoch performante Datenbasis in Echtzeit zur Verfügung. 

Ihre Vorteile: 

  • Weniger Aufwand für nicht werthaltige Tätigkeiten 
  • Präzisere Ergebnisse und grössere Transparenz dank erhöhter Informationsdichte 
  • Verdeutlichung von Zusammenhängen und funktionsübergreifenden Abhängigkeiten (über verschiedenste Unternehmensbereiche hinweg) durch offengelegte Ursache-Wirkungs-Ketten 
  • Massiv erhöhte Reaktionsfähigkeit durch Automatisierung – Kalenderorientierung gehört zunehmend der Vergangenheit an 
  • Objektivierte Forecasts, die ein faktenbasiertes Bild geben 
  • Mehrfachnutzung und Wiederverwendbarkeit der von s-peers bereitgestellten Algorithmen  
  • Grosse Auswahl an Auswertungsmöglichkeiten in gesicherter Qualität  
  • Frühzeitige Möglichkeit zur Performance-Bewertung durch Simulation  

Unternehmenssteuerung mithilfe von Predictive Controlling / Accounting birgt enormes Potenzial.  

Der Einsatz von wissenschaftlichen, statistischen Modellen im Forecasting ist grundsätzlich keine neue Entwicklung. In spezifischen, operativen Anwendungsfällen ist diese Verfahrensweise bereits lange anerkannt und bewährt. Genau darauf basieren auch die Methoden und Algorithmen von s-peers.  

Erfolgsfaktoren für die erfolgreiche Umsetzung unseres prädiktiven Ansatzes sind: 

  • Qualität bzw. Wertigkeit der Daten 
  • Richtiger Einsatz der Algorithmen nebst ständiger Validierung
  • Das optimale Zusammenwirken von Konzept, Daten, Methoden, Technologien und Prozessen