Die Planung soll darüber hinaus verkürzt werden. Daher war es das Ziel, möglichst viele Planungsdaten automatisch bereitzustellen. Statistisch generierte Prognosen erfordern ein hohes Maß an Erfahrungen und spezifischen Kenntnissen. Sie gehören noch nicht zum Handwerkszeug eines Controllers. Zum einen geht es darum, die Modelle aufzubauen. Gleichzeitig müssen die auf dieser Basis ermittelten Planwerte validiert werden. Dies gelingt am besten in crossfunktionaler Zusammenarbeit zwischen Fachabteilung, Data Scientist und dem Controlling. Dabei wurden verschiedene Prognosemethoden wie Zeitreihen- und Regressionsanalysen mit Python und Excel pilotiert.
Grundlage waren interne Daten und ausgewählte Geschäftstreiber. Ein Vorteil ist, dass diese Informationen bereits im Unternehmen vorliegen. Um schnell und professionell zu lernen, wurde ein externer Partner mit hoher Methodenkompetenz eingebunden. Für die finale Validierung wurden die Ergebnisse mit dem für das jeweilige Produkt besten Fit verwendet. Bspw. lieferten bei Produkten mit stärkeren saisonalen Schwankungen andere Algorithmen bessere Ergebnisse als bei Produkten mit sehr konstantem Verlauf. Bei jedem datengetriebenen Modell bestimmen Qualität und Verfügbarkeit des Dateninputs, inwieweit sinnvolle Ergebnisse entstehen. Bspw. sind saisonale Verläufe zu berücksichtigen (s. Abb. 5). Die schwarze Linie in Abb. 5 zeigt die Ist-Entwicklung, die grüne Linie den statistisch vorhergesagten Verlauf. Fazit: Je stabiler das Geschäft, desto leichter der Einstieg in die Prognosemodelle.
Abb. 5: Beispiele für die Berücksichtigung von saisonalen Schwankungen
Die Validierung erfolgt durch den Vergleich der statistischen Prognose und der tatsächlichen Ist-Werte (s. Abb. 6). Ein Großteil der prognostizierten Umsätze (Mittelwerte) weicht weniger als 5 % von den Ist-Werten ab. Prozentuale Abweichungen der Umsatzprognosen außerhalb der von DATEV festgelegten Range (+ 30 % bis – 30 %) wurden nicht dargestellt. Dabei handelt es sich i. d. R. um neuere Geschäftsfelder, wie z. B. die E-Bilanz, für die bisher zu wenige Daten vorliegen. Das volatilere Projektgeschäft bedarf weiterhin der analytischen Planung.
Abb. 6: Validierung der statistisch ermittelten Prognosewerte
Das ist nur ein Ausschnitt aus dem Produkt Controlling Office. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen
Anmelden und Beitrag in meinem Produkt lesen