Auch als PDF erhältlich – Ausgabe 3/2019 jetzt bestellen »
Editorial
Die Digitalisierung und die damit einhergehende steigende Verfügbarkeit von unternehmensinternen und ‑externen Daten eröffnen dem Finanzbereich erhebliche neue Potenziale. Mithilfe von statistischen Methoden lassen sich aus den großen Datenmengen durch Business Analytics beispielsweise Ursachen für unternehmensrelevante Sachverhalte erkennen, Vorhersagen in Bezug auf künftige Entwicklungen ableiten und Empfehlungen zur Optimierung bestehender Prozesse entwickeln. Dadurch kann das Management noch effektiver bei wichtigen Entscheidungen unterstützt werden und der Finanzbereich damit einen signifikanten Mehrwert im Rahmen der internen Leistungserbringung beitragen. In diesem Sonderheft von REthinking Finance widmen wir uns daher ausführlich den Fragen rund um das Management und die Analyse von Daten. Im Leitartikel in der Kategorie Datenmanagement zeigt Guido Vetter Ihnen, welche Lernerfahrungen der Daimler-Konzern durch eine veränderte strategische Datenorientierung und eine zentrale Datenverfügbarkeit in den vergangenen Jahren gemacht hat. Wie groß der Quantensprung von klassischen hin zu autonomen Business-Analytics-Systemen ist, erfahren Sie von Ralf Treitz in unserer zweiten Rubrik Datenanalyse. Dank Künstlicher Intelligenz können zunehmend erweiterte Möglichkeiten zur Unternehmenssteuerung genutzt werden und Controller werden endlich von lästigen Routineaufgaben entlastet. Weitere spezifische Anwendungsfälle für die vielseitigeren Analysefähigkeiten im Finanzbereich durch Business Analytics stellt Clemens Frank vor: den automatisierten Cash Forecast und die Anomalieerkennung im Konzernberichtswesen. In der Kategorie Planungsunterstützung gibt Frank Romeike einen Überblick über die Einsatzmöglichkeiten, aber auch die Herausforderungen von Business Analytics im Risikomanagement und Claudia Maron und Anja Burgermeister zeigen am Beispiel der DATEV eG auf, wie ein Denken und Entscheiden in Bandbreiten funktionieren kann. „Manager brauchen kein gelbes Vielleicht.“ – Nicolas Bissantz kennt sich mit den Chancen und Hürden der Datenvisualisierung aus und bezieht im Interview noch weitere klare Standpunkte. Wie notwendig Standardisierung nicht nur im Berichtswesen ist und weshalb dadurch auch komplexe Analysen besser verstanden werden können, davon wird Jürgen Faisst sicher auch Sie in seinem Beitrag überzeugen. Ein herzliches Dankeschön sagen wir allen Autorinnen und Autoren, die zu diesem Sonderheft beigetragen haben. Ihnen, liebe Leserinnen und Leser, wünschen wir eine anregende Lektüre mit interessanten Impulsen für Ihre tägliche Arbeit. Nehmen Sie zu Fragen und Anregungen gerne direkt Kontakt mit uns auf: karsten.oehler@wolterskluwer.com; m.schulze@ems.de. Prof. Dr. Karsten Oehler und Prof. Dr. Mike Schulze
Der Beitrag stellt die wesentlichen Erfahrungen der Daimler AG dar, die während der digitalen Transformation im Bereich Daten und Analytics gesammelt wurden. Wie viele andere Unternehmen auch, hat sich die Daimler AG den Herausforderungen der digitalen Transformation gestellt und sieht darin großes Potenzial für das bestehende und die Erschließung neuer Geschäfte. Anhand von Beispielen wird dargestellt, was hierbei zu beachten ist und was über den reinen Datenfokus hinaus berücksichtigt werden muss, um erfolgreich zu sein.
Neben dem klassischen Data Warehouse gewinnen neue Speicherkonzepte wie der Data Lake in Unternehmen zunehmend an Bedeutung. Die somit steigende Komplexität der unternehmensinternen Datenlandschaft führt zur Senkung der Übersichtlichkeit und Transparenz der gespeicherten Datenbestände. Für den Datennutzer resultieren daraus zeitintensive Suchprozesse. Ein Tool, das den Nutzer bei dieser Aufgabe unterstützt, ist der Data Catalog, der im Folgenden vorgestellt wird.
Bedingt durch die vierte industrielle Revolution unterliegt auch das Finanzwesen einem disruptiven Wandel. In diesem Artikel soll der Handlungsbedarf von Führungskräften zum Thema Data Science anhand der Problematiken im Zuge des damit verbundenen Managements aufgezeigt werden.
Seit mehr als 20 Jahren investieren Unternehmen in IT-Systeme, die ein effizientes Controlling im Unternehmen gewährleisten sollen. In die sogenannten Business-Intelligence-Systeme sind bereits viele hundert Millionen Euro gesteckt worden. Keineswegs unnötig, aber dennoch nicht mit wirklich befriedigendem Erfolg. Die Nutzung von künstlicher Intelligenz und mathematischen Algorithmen verspricht eine bessere Ausbeute und eine Arbeitsweise für das Controlling, in der Kreativität und der Beitrag zum geschäftlichen Erfolg im Vordergrund stehen.
Advanced Analytics und Machine Learning werden in einigen betrieblichen Funktionsbereichen (bspw. in der Produktion und im Marketing) schon seit einigen Jahren häufig genutzt. Auch im Finanzbereich kann die Anwendung dieser Verfahren große Vorteile bieten. Der Beitrag thematisiert erste aktuelle Anwendungsbeispiele, wie den Cash Forecast oder das Konzernreporting, welche in der Umsetzung sehr gute Ergebnisse erzielen.
Künstliche Intelligenz (KI) als technologischer Faktor verändert Financial Analytics. Um von dieser Entwicklung nicht „überrollt“ zu werden, sollten Finanzverantwortliche die Initiative bei der Ausgestaltung von KI-Systemen ergreifen, damit sie die Potenziale nutzen können. Dieser Beitrag geht auf das dafür notwendige Basiswissen ein und erläutert die Hintergründe.
Der Finanzbereich kann durch den Einsatz neuer BusinessAnalytics-Werkzeuge Mehrwerte für das Management generieren, die im Ergebnis die Entscheidungs- und Steuerungsfähigkeit von Unternehmen verbessern. Der Beitrag beleuchtet die Hintergründe der aktuell vorherrschenden Unzufriedenheit von Managern und skizziert Ansatzpunkte, wie „moderne“ Steuerung ausgestaltet werden kann.
Um Unsicherheiten, Chancen und Risiken in die Entscheidungsfindung zu integrieren, bedarf es eines radikalen Umdenkens – weg von punktgenauen Ergebnissen, hin zu einem Denken und Entscheiden in Bandbreiten. Wie dies gelingt, zeigt ein Musterbeispiel zur Monte-Carlo-Simulation.
Zukunftsprognosen sind so alt wie die Menschheit und haben auch heute nichts von ihrer Faszination verloren. Wenn beispielsweise in der Antike die Römer, Griechen, Chinesen oder Ägypter eine Vorhersage über potenzielle Ereignisse oder Szenarien von morgen suchten, berieten sie sich nicht mit ihrem Risikomanager, sondern wandten sich an ihre Orakel. Die modernen Orakel unserer digitalen und vernetzten Zeit heißen Artificial Intelligence (AI), Big Data, Datenanalysen und Predictive Analytics. Helfen uns diese Werkzeuge, in einem Heuhaufen aus unstrukturierten Daten relevante Stecknadeln – etwa potenzielle Chancen und Risiken – zu finden?
Berichte über den erfolgreichen Einsatz von Künstlicher Intelligenz (KI) in unterschiedlichen Unternehmensbereichen gibt es zahlreiche. Solche Anwendungsfälle können dabei helfen, das Einsatzpotenzial abzuschätzen und Anregungen für unternehmensindividuelle Lösungen zu finden. In diesem Beitrag sollen einige wichtige Anknüpfungspunkte für das Controlling identifiziert werden.
Treiberbasierten Simulationsmodellen geht der Ruf voraus, dass mit ihrer Hilfe die Planung und Steuerung von Unternehmen deutlich flexibler werden kann. Hohe Erwartungen und die Hoffnung auf Quick-Wins bei der Einführung setzen die noch neue Methodik jedoch stark unter Druck. Ziel des Beitrags ist es, Methodik, Möglichkeiten und Grenzen des Einsatzes treiberbasierter Modelle sowie die häufigsten Stolperfallen aus Erfahrungen bei der Umsetzung aufzuzeigen.
Ein Interview mit Dr. Nicolas Bissantz zu Moden und Methoden in der Business Intelligence
Advanced-Analytics-Methoden und ‑Werkzeuge zur besseren Vorhersage zukünftiger Entwicklungen werden zum festen Bestandteil des Controllings. Jetzt wäre der richtige Zeitpunkt, das Verstehen dieser Vorhersagen durch einheitliche Gestaltungsregeln zu unterstützen. Für Berichte, Präsentationen und Dashboards gibt es solche Gestaltungsregeln bereits in Form der SUCCESS-Formel der International Business Communication Standards (IBCS). Der Beitrag geht der Fragestellung nach, inwieweit die Anwendung der SUCCESS-Formel auch bei Advanced Analytics Nutzen stiften kann.