3 Methodenentwicklung und Methodenerprobung
Für die Beantwortung der Forschungsfragen wurden drei Expert/inn/eninterviews durchgeführt und Informationen bei Vorträgen der CIB Controlling Innovation Berlin Konferenz 2019 erhoben. Dabei wurden Meinungen und Erfahrungen von Experten/innen aus der Praxis und Wissenschaft gesammelt und in der Zusammenschau mit entsprechender Literatur ausgewertet. Konkret wurden Inhalte von Vorträgen vom Herrn Prof. Dr. Heimo Losbichler über die "Auswirkungen von Digitalisierung auf das Controlling" und Herrn Prof Dr. Karsten Öhler über "Predictive Forecasting" für diese Arbeit entnommen. Bei den Expert/inn/eninterviews wurden der Tax Technology Manager von Deloitte Österreich - Nicolas Viveros, der Finance Controller von Mayr-Melnhof Karton - Adolf Berthold und die Wissenschaftlerin der Beuth Hochschule für Technik Berlin - Prof. Dr. Nicole Jekel befragt. Alle Expert/inn/eninterviews wurden in elektronischer Form durchgeführt.
Aus den vorherigen Kapiteln ist bereits bekannt, dass Planung auf Daten basieren muss und dass der Einsatz von Predictive Analytics bei der Planung von großer Bedeutung ist. Es stellt sich die Frage, wie der aktuelle Stand von Predictive Analytics in der Planung, insbesondere im Forecast als einem Teilprozess der Planung, zu bewerten ist? Wie weit haben sich Predictive Analytics im Forecast etabliert?
Eine einfache Prognose kann zwar mit einer Excel-Funktion erstellt werden, dennoch lässt sich heute eine Vorhersage viel bequemer mit Predictive Analytics erstellen. Möglicherweise verbreiten sich aus diesem Grund Predictive Analytics heute wie ein Lauffeuer, obwohl es nicht neu ist. Bereits verschiedene Abteilungen wie Marketing, Vertrieb, Logistik und Produktion setzten Predictive Analytics-Methoden ein, aber auch Controller/inn/en sind an der Anwendung von Predictive Analytics interessiert. Möglicherweise fällt es den/der Controller/inn/en noch schwer, aus Prozessen wie Planung und Informationsversorgung innovative Potenziale hinsichtlich Predictive Analytics zu entdecken.[109]
Forecasts, die mit Predictive Analytics erstellt werden, liefern bereits heute in mehreren Clustern wesentliche Resultate über die kurzfristige zukünftige Entwicklung. Aus diesem Grund sind diese Forecasts oft prägnanter als die menschlichen Expert/inn/enstellungnahmen, setzen die Generierung- und Reaktionszeiten herab und ermöglichen damit hochfrequente Entscheidungen. Beispiele hierfür sind die zeitlich prägnante Vorhersage von notwendigen Wartungsmaßnahmen an Maschinen und Anlagen in der Produktion oder die Optimierung des Warenbestands im Einzelhandel aufgrund der automatisierten Planung.[110]
Mit Sicherheit kann gesagt werden, dass Predictive Analytics heute eine Trendwende einleiten. Grund dafür sind die durch die Digitalisierung permanent steigenden Mengen von Daten. Die Daten werden heute mit dem Ziel eingesetzt, Muster, Strukturen und Trends durch Predictive-Analytics-Algorithmen zu entdecken und diese für den Forecast in der Koordination des Unternehmens zu verwenden. Dabei steigern Predictive Analytics sowohl die Effizienz der Abläufe als auch die Qualität der Planung.[111]
Heute werden die Einsatzmöglichkeiten von Predictive Analytics im Controlling in allen Unternehmen besprochen, allerdings in verschiedenen Geschwindigkeiten und Bedeutsamkeiten.[112] Einige Unternehmen haben bereits angefangen, funktionale Vorhersagen durch Predictive Analytics zu unterstützen.[113] Das aus dem guten Grund, denn aus Sicht der BARC-Analysten waren Predictive Analytics schon im Jahr 2015 der stärkste Bereich im Unternehmen für Investitionen.[114]
Dass der Bedarf von Unternehmen an Predictive Analytics in der Praxis gestiegen ist, bestätigt die vom BARC durchgeführte Studie.[115] So haben 51 Prozent der befragten Unternehmen im deutschsprachigen Raum ausdrücklich angegeben, dass sie die Einrichtung von Prognosemodellen bereits betreiben und zwar mit dem Ziel, künftige Entwicklungen genauer und prognostizierter auszuarbeiten.[116]
Unternehmen werden auch von solchen Faktoren wie Ressourcen- und Zeitverbrauch bei der Anwendung von Predictive Analytics im Controlling nicht abgehalten.[117] So ergibt sich aus dem Bericht von J. Ehlken, über seine Erfahrungen mit Predictive Analytics im Controlling, dass in einigen Unternehmen bereits Piloten zur Anwendung von Predictive Analytics entwickelt und implementiert wurden. Das Resultat ergab eine Steigerung der Prognosequalität. Die statistischen Konzepte für Predictive Analytics haben aus den auf der Vergangenheit basierten Daten zum Teil überraschend prompte Forecasts erstellt, die beweisbar bessere und realitätsnähere Zahlen lieferten, als die offiziellen Forecasts aus dem Unternehmen. J. Ehlkens Meinung nach schaffte das Vertrauen.[118]
Werden große Unternehmen wie beispielsweise SAP, Siemens oder Deloitte betrachtet, dann sieht die Situation etwas anders aus. So werden laut der, im Rahmen dieser Arbeit aus der Praxis gewonnen, Informationen Predictive Analytics zeitlich unterschiedlich in diesen Unternehmen angewendet oder sind noch gar nicht im Einsatz. So berichtet N. Jekel, die bei Siemens gearbeitet hat, dass sie dort gute Erfahrungen mit der Anwendung von Predictive Analytics gemacht hat.[119] Auch H. Losbichler teilte mit, dass das Unternehmen SAP bereits automatisierte Forecasts hat.[120] Allerdings werden beispielsweise die Erfahrungen von Unternehmen Deloitte Österreich betrachtet, dann wird deutlich, dass es noch einige Unternehmen gibt, die zunächst versuchen, einen effizienten Descriptive bzw. Diagnostic Ansatz umzusetzen, bevor sie zum Einsatz von Predictive Analytics kommen. So teilte N. Viveros, mit, dass Deloitte Österreich bisher nur wenige Unternehmen gesehen hat, die sich aktiv mit Predictive Analytics auseinandersetzen.[121]
Zusammenfassend kann gesagt werden, dass die größere Hälfte der Unternehmen bereits angefangen hat, Predictive Analytics im Controlling einzusetzen. Wird der Umstand betrachtet, dass Predictive Analytics keine neue Technologie sind und viele Vorteile für die Erstellung von Forecasts mit sich bringt, ist die Quote mit 51 Prozent der Unternehmen, die bereits Predictive Analytics anwenden, für mich persönlich sehr niedrig. Möglicherweise liegt es an der hohen Aufwandsressource wie neue Software und Hardware, die am Anfang der Predictive Analytics Einrichtung anfallen oder es kann auch sein, dass die Anwendung von Predictive Analytics ohne IT-Unterstützung fast unmöglich ist. Was der tatsächliche Grund ist, bleibt noch zu untersuchen, allerdings ist dies keine Forschungsfrage dieser Arbeit.
Zukünftig werden, die auf Predictive Analytics fundierte Forecasts, weit im Umlauf gebracht.[122] Auch P. Horvaths Meinung nach wird sich der Einsatz von Predictive Analytics im digitalisierten Controlling zukünftig deutlich erhöhen, trotz des Faktes, dass Predictive Analytics zurzeit noch wenig verbreitet sind.[123]
Dass die Einsatzquote von Predictive Analytics im Controlling in der Zukunft steigen wird, bestätigt auch, die vom Controller Institut im Jahr 2018 durchgeführte Controlling-Panel Studie, an der insgesamt 280 Unternehmen teilgenommen haben. So zeigte das Ergebnis der Studie, dass Predictive Analytics zurzeit bei 24% der Befragten im Controlling eingesetzt werden. Interessanterweise wird die Anzahl von Unternehmen, die Predictive Analytics im Controlling anwenden, in den nächsten 2-3 Jahren fast um 40% steigen.[124] Für mich persönlich heißt das, Unternehmen erkennen nicht nur die gewinnbringende Anwendung von Predictive Analytics im Controlling, sondern planen auch künftig Predictive Analytics in den Controlling-Prozessen einzusetzen bzw. sind bereits dabei sie anzuwenden.
Predictive Analytics werden sich positiv auf Planung und Forecast auswirken und können diese Controlling-Prozesse vereinfachen, das Erkennen von kommenden Ereignissen ermöglichen und somit für Führungskräfte erforderliche Informationen für die Setzung geeigneter Schritten bei der Unternehmensteuerung zur Verfügung zu stellen.[125] Eine weitere positive Auswirkung von Predictive Analytics auf Forecast und Planung ist die Einsparung von Kosten. Durch die Anwendung von Predictive Analytics werden Kosten deutlich gekürzt und die durch Predictive Analytics erstellten Forecasts werden verlässlicher als das "Bachgefühl" des/der Controllers/in, da sie datenbasiert sind. Das hilft dem Unternehmen ihre Planung zu verbessern. Schließlich werden Prognosen mittels Predictive Analytics deutlich effizienter erstellt und als Folge dessen, können Unternehmen schneller auf Veränderungen reagieren.[126]
J....
