Zuverlässigere und effizientere Planung mit Predictive-Analytics-Lösungen statt Excel

Alternativen zur Planung mit Excel gesucht

Der Planungsprozess der TeamBank war bisher vor allem von gewachsenen Strukturen und veralteten Techniken geprägt. Inhalte, Rechenlogik und Prozesse wurden vor der Neugestaltung ausschließlich in Excel vorgehalten bzw. organisiert. Die Datenquellen bestanden aus verschiedenen Systemen mit manuellen Schnittstellen und das Know-how war nur bei einzelnen Mitarbeitern vorhanden. Ebenso fehlte es an einem einheitlichen, technisch unterstützen End-2-End-Prozess und die Informationsbereitstellung wurde bisweilen über zu viele Medien, wie z.B. E-Mail, PowerPoint und Telefon, zusammengetragen. Dr. Matthias Wiersich, Produkt- und Marktcontroller der TeamBank AG, erläuterte, wie das Unternehmen diese Schwierigkeiten behoben hat.

IBM Cognos TM1 und IBM SPSS Modeler als neue Werkzeuge

Aufgrund der vielen Probleme innerhalb der Controllingabteilung hat das Unternehmen eine grundlegende Neugestaltung des Controllings beschlossen. Einer der wichtigsten Maßnahmen war die Einführung der Controllingwerkzeuge IBM Cognos TM1 und IBM SPSS Modeler. Die beiden Tools befähigen die Controllingabteilung, Analyse, Reporting, Planung und Simulation mittels statistischer Modellierungen zu erstellen. Verschiedene Liefersysteme, wie z.B. eine In-Memory Datenbank, konnten zudem das Problem der manuellen Schnittstellen beheben. Die Liefersysteme versorgen den Analyse & Reporting- sowie den Simulations-Prozess mit aufbereiteten Daten.

Im Fokus der Neuausrichtung stand das Teilprojekt „Zinsergebnis und Bestand“. Alle dafür notwendigen Planungsprozesse wurden in einer Planungslandkarte zusammengefasst (s. Abbildung). Um den Aufbau des Neu-Kreditbestands bestimmen zu können, wurden Marketingkampagnen mit Anfragemengen erhoben. Daraufhin erfolgte die Mehrkanalplanung unter Berücksichtigung der sog. Conversion rates. Auf Grundlage dieser Daten kann der Neu-Kreditbestand errechnet werden. Durch Tilgungen und Kündigungen wird dieser Bestand wieder abgebaut.

Neben dem Neu-Kreditbestand sollte auch der Abbau des Alt-Kreditbestand berücksichtigt werden. Als Basis für die Planung und Simulation dienten entsprechende Kundenvertragsdaten über Tilgungsvolumina und -zeiträume.

Automatisierung führt zu verbesserter Prozessqualität

Die Planung und Simulation des Teilprojektes „Zinsergebnis und Bestand“ wird durch drei Predictive Analytics Modelle unterstützt.

1. In der Jahresendprognose werden monatsbasierte Prognosen der Bestandsentwicklung bis zum Jahresende für jeden der zahlreichen Vertriebswege erstellt.
2. Bei der Bestandsabbauprognose werden mit Hilfe der Predictive-Analytics-Technologie monatsbasierte Prognosen des (Alt-)Bestandsabbaus über fünf Jahre hinweg ermittelt, ohne die Neu-Kreditmittel aller Vertriebswege mit einzubeziehen.
3. Das dritte und letzte Modell beschäftigt sich mit der Neugeschäftsabbauprognose. Der Abbau neuer Kreditmittel wird auf Grundlage der monatsbasierten Planung und Simulation, ebenfalls für einen Zeitraum von fünf Jahren, pro Vertriebsweg erstellt.

Durch diese Automatisierung konnte laut Herrn Wiersich der Prognoseprozess deutlich verbessert werden. Besonders die Einführung des SPSS Modeler hat sich für das Unternehmen bewährt. Mit Hilfe dieser Software können im gesamten Finanzbereich Self-Service Prognosen erstellt werden. Außerdem bietet das Tool eine intuitive Oberfläche für den Planer, eine einfache Verwaltung und Anpassung der Prognosen, eine automatische Modellwahl und erfordert nur wenig Programmieraufwand.

Erlernen neuer Skills ist unverzichtbar

Für den Umgang mit Predictive Analytics und den neuen Werkzeugen bedarf es allerdings gewisser Skills, die die Controllingmitarbeiter erlernen bzw. mitbringen müssen. Diese Anforderungen sind:

1. Kenntnisse in Statistik und der statistischen Modellierung (z.B. Zeitreihenanalyse, Data Mining)
2. Kenntnisse in multidimensionalen Datenbanken
3. Erfahrung in relationalen Datenbanksystemen
4. Softwarekenntnisse in IBM Cognos TM1 und IBM SPSS Modeler
5. Programmierkenntnisse in TM1, SQL, Python, SAS etc.
6. Kommunikationsfähigkeit

Der Aufbau der neuen IT-Kenntnisse entwickelt den Controller ein Stück weit in Richtung des Data Scientists, wenngleich dieser noch mehr Fähigkeiten im Umgang mit Statistik mitbringt.

Herausforderungen auf dem Weg in die erfolgreiche Zukunft

Die Neuausrichtig des Controllings ist weder eine leichte noch eine kurzfristige Aufgabe für die TeamBank, so Matthias Wiersich. Die Einführung von Predictive Analytics war ein erster Schritt, doch es gibt noch eine Reihe an weiteren Herausforderungen, die es für die Optimierung zu bewältigen gilt. Diese sind bspw.

• das Aufbrechen bestehender und langjährig gelebter Prozesse,
• die Förderung der Motivation und der Entwicklungsbereitschaft der Mitarbeiter,
• die Integration neuer IT-Systeme inkl. IT-Admins im Controlling,
• Zugangsberechtigungen zu Datenlieferungssystemen,
• die Klärung der Verantwortlichkeiten von Predictive Analytics sowie
• der Know-how-Aufbau im Controllingteam.