Das Ziel dieser Arbeit ist es, das Nutzungspotential von Predictive Analytics im in der Kritik stehenden Forecasting zu beleuchten sowie die Rolle des Controllings bei der Digitalisierung des Forecastings aufzuzeigen. Die Arbeit schließt mit einem Fazit ab.
Die Digitalisierung und die damit einhergehenden Daten beeinflussen Unternehmen heutzutage maßgeblich und zwingen sie zu teilweise weitreichenden Veränderungen, insbesondere wenn zu spät auf neue Marktgegebenheiten reagiert wird oder schlichtweg ein falsches Bild von der Zukunft gezeichnet wird. Dieser Aufgabe kommt in Unternehmen das Controlling nach, indem Forecasts, zu Deutsch Vorhersagen oder Prognosen, erstellt und der Unternehmensführung als Entscheidungsunterstützung zur Verfügung gestellt werden. Die Erstellung von Forecasts wird aber trotz seiner Wichtigkeit im dynamischen Geschäftsumfeld als sehr zeit- und ressourcenaufwendig kritisiert.
In Bezug auf die Digitalisierung fällt in Unternehmen neben dem Hype-Begriff "Big Data" immer häufiger der Begriff "Predictive Analytics", welcher auf die Erstellung von quantitativ-datengetriebenen Prognosen abzielt.
Inhaltsverzeichnis
1 Einleitung
2 Predictive Analytics
3 Das klassische Forecasting
3.1 Einführung in das Controlling
3.2 Planung und Forecast
3.3 Kritik am Forecasting
4 Predictive Forecasting
4.1 Anforderungen für Predictive Forecasting
4.2 Die Vorteile von Predictive Forecasting
5 Die Rolle des Controllings im Predictive Forecasting
6 Fazit
Zielsetzung & Themen
Das Hauptziel dieser Arbeit besteht darin, das Nutzungspotenzial von Predictive Analytics innerhalb des Forecasting-Prozesses kritisch zu beleuchten und die veränderte Rolle des Controllings im Zuge der Digitalisierung dieser Verfahren aufzuzeigen.
- Grundlagen und Definitionen von Big Data und Predictive Analytics
- Analyse des klassischen Forecastings sowie dessen Kritikpunkte
- Integration von datengetriebenen Methoden in den Prognoseprozess
- Anforderungen an Daten, IT-Architektur und Personal für Predictive Forecasting
- Transformation des Aufgabenprofils vom klassischen Controller zum digitalen Controller
Auszug aus dem Buch
Predictive Forecasting
“Information is the oil of the 21st century, and analytics is the combustion engine.” – Peter Sondergaard
Dieses Zitat von Peter Sondergaard, einem ehemaligen leitenden Angestellten der IT-Beratungsfirma Gartner Inc., beschreibt die Bedeutung von Datenanalysen im 21. Jahrhundert, indem er die Analytics-Methoden mit einem Verbrennungsmotor gleichsetzt, der die Wirtschaft mit Hilfe von Daten antreibt. Nachdem im zweiten Kapitel festgestellt werden konnte, dass Predictive Analytics in verschiedenen Anwendungsfeldern eingesetzt werden kann, wird nachfolgend Predictive Analytics in den als zeit- und ressourcenaufwendig kritisierten Forecasting-Prozess integriert. Hierbei wird auf das Nutzungspotential für Unternehmen eingegangen.
Wie im klassischen Forecasting geht es auch bei den Predictive Analytics-Methoden darum, einen Blick in die Zukunft zu werfen, diese in Zahlen auszudrücken und der Unternehmensführung zur Verfügung zu stellen, sodass sich die Geschäftsführung darauf vorbereiten kann und somit bereits unterjährig Handlungsmaßnahmen abgeleitet werden können. Somit ergänzen sich beide Ansätze sehr gut. Diese Erkenntnis deckt sich mit der Aussage von Mehanna, der von einer „Symbiose“ spricht und daraus den „Predictive Forecasting“-Begriff geformt hat. Die Anwendung von Predictive Analytics im Forecasting ist jedoch nicht neu, hat aber aufgrund der gestiegenen Datenverfügbarkeit neue Möglichkeiten für Unternehmen geschaffen.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung beleuchtet die zunehmende Bedeutung von Daten und Prognosen in der Wirtschaft und führt in die Thematik der Digitalisierung des Forecastings durch Predictive Analytics ein.
2 Predictive Analytics: Dieses Kapitel definiert Big Data sowie Predictive Analytics und erläutert, wie durch den Einsatz analytischer Methoden ein wirtschaftlicher Mehrwert generiert wird.
3 Das klassische Forecasting: Es werden die Aufgaben des Controllings im Kontext der Unternehmensplanung sowie die Grenzen klassischer, vergangenheitsorientierter Prognosemodelle aufgezeigt.
4 Predictive Forecasting: Dieser Abschnitt beschreibt die Integration moderner, datengetriebener Methoden in den Prognoseprozess sowie die damit verbundenen Anforderungen und Vorteile.
5 Die Rolle des Controllings im Predictive Forecasting: Das Kapitel untersucht die veränderte Rolle des Controllers, der durch Automatisierung verstärkt analytische Aufgaben übernimmt, und diskutiert notwendige Kompetenzanpassungen.
6 Fazit: Das Fazit fasst die Ergebnisse zusammen und bestätigt, dass Predictive Analytics die Effizienz und Effektivität des Controllings stärkt und den Übergang zum „Value Integrator“ unterstützt.
Schlüsselwörter
Predictive Analytics, Forecasting, Controlling, Digitalisierung, Big Data, Unternehmenssteuerung, Prognosequalität, Business Analytics, Wertschöpfungskette, Data Scientist, Automatisierung, Effizienzsteigerung, Werttreiber, Predictive Forecasting, Finanzplanung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Transformation des betriebswirtschaftlichen Forecastings durch den Einsatz moderner Predictive-Analytics-Methoden.
Was sind die zentralen Themenfelder?
Zentrale Themen sind die Digitalisierung der Unternehmenssteuerung, die statistische Modellierung von Prognosen und die sich wandelnden Anforderungen an das Controlling.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Untersuchung des Nutzungspotenzials von Predictive Analytics bei der Erstellung von Prognosen sowie die Klärung, wie sich die Rolle des Controllers dabei verändert.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer fundierten Literaturanalyse bestehender Fachpublikationen sowie auf der Auswertung von Praxisberichten.
Was wird im Hauptteil behandelt?
Der Hauptteil erörtert zunächst die theoretischen Grundlagen von Big Data, analysiert die Schwachstellen des klassischen Forecastings und leitet daraus die Vorteile des Predictive Forecastings ab.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird maßgeblich durch Begriffe wie Predictive Analytics, Forecasting, Controlling, Digitalisierung und Unternehmenssteuerung geprägt.
Wie verändert sich das Kompetenzprofil eines Controllers?
Durch die Digitalisierung wandelt sich das Profil hin zum „digitalen Controller“, der über Fachwissen in den Bereichen Data Science, IT-Management und Business verfügen muss.
Verliert das Controlling durch die Automatisierung an Bedeutung?
Nein, das Controlling festigt seine Rolle als Unterstützer der Unternehmensführung, indem es durch präzisere Daten und eine proaktive Ausrichtung zum Wertzuwachs im Unternehmen beiträgt.
- Quote paper
- Christian Wolf (Author), 2018, Predictive Analytics. Nutzungspotential im Forecasting und die Rolle des Controllings, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/477223
