Welche Rolle spielen diese Potenziale nun beim Aufbau von Planungs- und Forecast-Systemen? Welche zusätzlichen Potenziale können hier durch die genannten Technologien erschlossen werden? Diese Fragen sollen nachfolgend beantwortet werden.
4.1 Kostenreduktion
Maschinelles Lernen ermöglicht in vielen Umfeldern bereits heute, den Forecast-Prozess halbautomatisch durchzuführen. Dabei kann maschinelles Lernen zur eigenständigen Extrapolation relevanter Werte für den Forecast-Zeitraum genutzt werden, aber auch erkennen, wo Konfidenzintervalle zu groß bzw. Konfidenzen zu gering sind und menschliche Anwender aktiv den Forecast-Prozess begleiten müssen. Ziel wird dabei für die meisten Unternehmen nicht sein, menschliche Beteiligte durch Maschinen zu ersetzen, sondern vielmehr die Effizienz durch hinreichend gute Vorschlagswerte signifikant zu steigern. Dies wird sich in einer Reduktion entsprechender Prozesskosten niederschlagen.
Abb. 2: Forecast mit Predictive-Verfahren als Basis für Anpassungen
Parallel ergibt sich durch cloudbasierte Technologien und den damit ermöglichten Wegfall unternehmenseigener Rechenzentren sowie den damit verbundenen Skaleneffekten dauerhaftes Potenzial, IT-Kosten für die Unterstützung des Planungsprozesses nachhaltig zu reduzieren.
Zudem reduzieren cloudbasierte Architekturen tendenziell Projektkosten. Durch die einhergehende Komplexitätsreduktion auf Seite der Kundensysteme ist außerdem davon auszugehen, dass die Kosten für zukünftige Anpassung und Weiterentwicklung bestehender Systeme gleichfalls reduziert werden können.
4.2 Simulation
Mit der trotz steigendem Volumen der verarbeiteten Daten immens gestiegenen Verarbeitungsgeschwindigkeit heutiger IT-Systeme, ergibt sich die Möglichkeit, integrierte Planungen simulativ durchzurechnen. Ausgangspunkt können einerseits die Prüfung möglicher Maßnahmen sein, andererseits die Abbildung veränderter Grundannahmen, bspw. über definierte Szenarien.
Letztlich zeigt sich dadurch auch, wie sensibel Unternehmen in ihrem Modell auf gewisse Änderungen reagieren. Simulationsmöglichkeiten können umso besser genutzt werden, je eher die systemisch abgebildeten Modelle wesentliche Einflussgrößen enthalten und Details abstrahieren.
4.3 Zeitnahe Informationsversorgung
Durch die Möglichkeit, insbesondere Forecast-Prozesse bedarfsgetrieben mit hohem Automatisierungsgrad und reduziertem Ressourceneinsatz durchführen zu können, verbessern sich die Kosten-/Nutzen-Relation und die Informationsversorgung der Entscheidungsträger.
Gerade bei schnelllebigen und unbeständigen Umfeldern sind die klassischen, oftmals quartalsweise angesetzten Konzern-Forecasts zur Informationsversorgung tendenziell ungeeignet. Aufgrund ihrer Komplexität und des verbundenen Ressourceneinsatzes kann eine kürzere Taktung oder gar eine kurzfristige, bedarfsgerechte Initiierung nicht erreicht werden.
Der Einsatz auf maschinellem Lernen basierender Predictive-Forecast-Verfahren bei gleichzeitiger Reduktion des Detaillierungsgrades bzw. der Komplexität ermöglicht hier eine zeitgemäße Informationsversorgung bei hoher Informationstransparenz durch die Integration in BI-Systeme.
Insgesamt sind die Ansprüche der Controller an die Datenverfügbarkeit in den letzten Jahren erheblich angestiegen.[1]
4.4 Erweiterung des Nutzerkreises
Durch die zeitgemäße Darstellung planerischer Inhalte auf allen Endgeräten mit stark reduzierten Antwortzeiten bei gleichzeitiger Reduktion der Anwendungskomplexität entsteht die Möglichkeit, zahlreiche Beteiligte in den Planungsprozess einzubeziehen, die bislang dazu noch keinen Beitrag leisten konnten oder wollten. Beispielhaft seien Außendienstmitarbeiter genannt, die häufig von Forecast- und Planungsaufgaben "verschont" werden, obwohl sie über hervorragende Einblicke in die Entwicklung des Absatzmarkts verfügen. Entscheidender Vorteil ist die erhebliche Steigerung insbesondere der Koordinationswirkung der Planung.
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