Die Menge an Daten nimmt weltweit ständig zu. Für das Controlling in Unternehmen ergeben sich dadurch neue Herausforderungen. Einer der wichtigsten Big-Data-Trends ist Predictive Analytics. Diese Technologie ermöglicht Unternehmen, neue Innovationen und Geschäftsmodelle aus bestehenden Kenntnissen über Kundenerwartungen und deren Wünsche abzuleiten.
Welche Auswirkungen haben Predictive Analytics auf Controlling-Prozesse in Unternehmen? Wie können Predictive Analytics die Aufgaben, Kompetenzen und Anforderungen an ControllerInnen definieren? Und wie wird sich das Rollenbild von ControllerInnen in Zukunft verändern?
Die Autorin Oxana Bobryk beleuchtet die Auswirkungen von Big Data auf das Controlling in Unternehmen. Anhand von Experteninterviews erläutert sie, wie sich die Aufgaben, Kompetenzen und Anforderungen von ControllerInnen zukünftig ändern. Dabei geht Bobryk auf die gegenwärtige Situation in Unternehmen ein und gibt außerdem Handlungsempfehlungen, mit denen Firmen ihr Controlling optimieren können.
Aus dem Inhalt:
- Datenmenge;
- digitale Transformation;
- Steuerung;
- Projektcontrolling;
- Datenmanagement;
- Kostenrechnung;
- Prognose
Inhaltsverzeichnis
1 Einleitung
1.1 Ausgangssituation und Problemstellung
1.2 Zielsetzung und Forschungsfragen
1.3 Vorgehensweise
2 Begriffe und konzeptionelle Grundlagen
2.1 Ursprung des Controllings
2.1.1 Aufgaben des Controllings
2.1.2 Anforderungen an einen/e Controller/in
2.1.3 Rolle eines/einer Controllers/in im Unternehmen
2.1.4 Kompetenzen eines/einer Controllers/in anhand des Controller Kompetenzmodells
2.1.5 Controlling-Prozesse anhand des Controlling-Prozessmodells 2.0
2.1.6 Informationsversorgung und Unterschied zwischen Daten und Informationen
2.2 Konzepte der digitalen Transformation
2.2.1 Grundlagen zur Digitalisierung
2.2.2 Grundlagen zu Big Data
2.2.3 Grundlagen zu Advanced Analytics
2.2.4 Business Analytics
2.2.5 Business Analytics vs. Business Intelligence
2.3 Predictive Analytics
2.3.1 Definition und Ursprung
2.3.2 Für das Controlling relevante Predictive-Analytics-Methoden
2.3.3 Vorteile und Nachteile von Predictive Analytics
2.3.4 Anwendungsvoraussetzungen und der Predictive-Analytics-Prozess
2.3.5 Potenziale und Herausforderungen
3 Methodenentwicklung und Methodenerprobung
3.1 Der aktuelle Stand von Predictive Analytics im Forecast
3.2 Potenzielle Auswirkungen von Predictive Analytics auf Controlling-Prozesse, insbesondere auf Planung und Forecast
3.3 Auswirkungen von Predictive Analytics auf Controllingaufgaben
3.4 Kompetenzveränderung des/der Controllers/in durch Einsatz von Predictive Analytics
3.5 Zukünftige Anforderungen an Controller/inn/en im Rahmen von Predictive Analytics
3.6 Auswirkungen auf die Rolle des/der Controllers/in durch den Einsatz von Predictive Analytics
4 Conclusio
Zielsetzung & Themen
Diese Arbeit untersucht, wie Predictive Analytics das Controlling in Unternehmen verändert, indem sie die Auswirkungen dieser Technologie auf Controlling-Prozesse, sowie auf die Aufgaben, Kompetenzen und das Rollenbild von Controllern analysiert.
- Grundlagen des Controllings und der digitalen Transformation
- Methoden und Potenziale von Predictive Analytics
- Einfluss von Predictive Analytics auf Planung und Forecast
- Veränderung des Kompetenzprofils und Rollenbildes von Controllern
- Empirische Erkenntnisse aus Experteninterviews und Fachkonferenzen
Auszug aus dem Buch
2.3.2 Für das Controlling relevante Predictive-Analytics-Methoden
Ohne Daten können Endscheidungsträger/innen nur anhand der theoretischen Argumente vorhersagen und entscheiden. Manchen theoretischen Argumenten sind formal und andere basieren sich auf „Gefühlen“ oder „Intuition“. Und Predictive Analytics ermöglichen den Entscheidungsträger/innen aus den unstrukturierten internen und externen Daten begründete Informationen über, beispielsweise, zukünftigen Umsatz zu gewinnen und somit auch für eine gute Strategie für Unternehmen zu formulieren. Weiters ermöglicht der Einsatz von Predictive Analytics ermöglicht Unternehmen nicht nur Prognosen über künftige Zahlen bzw. Entwicklungen, sondern auch die Prognosen in den vorhandenen ERP- und Business Intelligence Systemen zu übernehmen. Somit ist es für Controller/inn/en relevant zu wissen, welche Predictive-Analytics-Analyse genau, sie gewinnerbringend verwenden kann.
M. Seiter, beschreibt drei unterschiedliche Methoden von Predictive Analytics, die für das Controlling relevant sind. Das sind die Regressionsanalyse, die Klassifikationsanalyse und die Zeitreihenanalyse. Die Regressionsanalyse dient der Generierung von prognostizierenden Modellen mittels welchen der numerische Wert eines Attributs vorhersehbar werden kann.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die zunehmende Relevanz von Big Data für Unternehmen ein und definiert die Forschungsfragen bezüglich der Auswirkungen von Predictive Analytics auf das Controlling.
2 Begriffe und konzeptionelle Grundlagen: Dieses Kapitel erläutert die theoretischen Basisbegriffe des Controllings, die digitale Transformation, sowie Konzepte wie Big Data und Predictive Analytics im betriebswirtschaftlichen Kontext.
3 Methodenentwicklung und Methodenerprobung: Dieser Teil untersucht den aktuellen Stand von Predictive Analytics im Forecast sowie die daraus resultierenden Veränderungen für Controlling-Prozesse, Aufgaben und Rollenbilder basierend auf empirischen Daten.
4 Conclusio: Das abschließende Kapitel fasst die zentralen Ergebnisse der Arbeit zusammen und identifiziert weiteren Forschungsbedarf hinsichtlich der Weiterentwicklung von Predictive Analytics im Controlling.
Schlüsselwörter
Controlling, Big Data, Predictive Analytics, Forecasting, Digitale Transformation, Planung, Datenanalyse, Controller, Kompetenzprofil, Business Partner, Unternehmenssteuerung, Prognose, Business Intelligence, Datenmanagement, Algorithmen
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Transformation des Controllings durch den Einsatz von Predictive Analytics im Kontext von Big Data.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Felder sind die theoretischen Grundlagen des modernen Controllings, die methodische Implementierung von Predictive Analytics und die daraus resultierende Anpassung der Controller-Rollen.
Welches primäre Ziel verfolgt die Forschungsarbeit?
Das Ziel ist es, die Auswirkungen von Predictive Analytics auf Controlling-Prozesse zu identifizieren und zu definieren, welche neuen Kompetenzen und Anforderungen an Controller in Zukunft gestellt werden.
Welche wissenschaftliche Methode wird in dieser Arbeit verwendet?
Die Arbeit stützt sich auf eine Literaturanalyse sowie eine empirische Untersuchung, die durch Expert/inn/eninterviews und die Auswertung von Fachvorträgen einer Controlling-Konferenz gewonnen wurden.
Welche Inhalte werden im Hauptteil der Arbeit behandelt?
Der Hauptteil behandelt die theoretischen Konzepte von Controlling und Digitalisierung, detaillierte Methoden von Predictive Analytics, den aktuellen Stand der Anwendung in der Praxis sowie die Veränderung des Berufsbildes des Controllers.
Welche Schlüsselwörter charakterisieren diese Arbeit?
Wichtige Begriffe sind Controlling, Predictive Analytics, Big Data, Planung, Forecast, Datenanalyse, Controller-Kompetenzen und digitale Transformation.
Wie verändert Predictive Analytics konkret die Arbeit von Controllern?
Sie ermöglicht effizientere, datenbasierte Prognosen, reduziert den Zeitaufwand für manuelle Datenaufbereitung und verlagert den Fokus stärker auf die Interpretation von Daten sowie die Ableitung von Handlungsempfehlungen.
Welche Herausforderungen sind mit der Implementierung verbunden?
Zu den Herausforderungen zählen hoher Ressourcenaufwand für Software und Hardware, die notwendige IT-Affinität, die Qualitätssicherung der Daten sowie die Notwendigkeit einer engen Kooperation zwischen Fachabteilungen und IT.
- Quote paper
- Oxana Bobryk (Author), 2021, Wie Big Data das Controlling in Unternehmen verändert. Chancen und Risiken von Predictive Analytics, Munich, GRIN Verlag, https://www.grin.com/document/540726
