Business-Analytics-Ansätze zur Unterstützung des Control ... / 4 Umsetzung in der Unternehmenspraxis und Erfolgsfaktoren

Erfolgsfaktoren für die Nutzung von Business Analytics im Controlling

Folgende Voraussetzungen werden für eine effektive und effiziente Nutzung von Business-Analytics-Ansätzen zur Risikoidentifikation durch das Controlling genannt:^[1]

• Eine erfolgreiche Risikoidentifikation hängt maßgeblich von der Fach- und Methodenkompetenz der Controller ab. Die Unterstützung durch Business-Analytics-Ansätze erfordern zusätzlich umfassende IT-Kompetenzen sowie Mathematik- und Statistikkenntnisse.^[2] Ob der Controller sich zum Data Scientist entwickelt, der sowohl das betriebswirtschaftliche Problem versteht als auch die zur Lösung notwendigen Daten strukturieren, beschaffen und so aufbereiten kann, dass die Analysealgorithmen eingesetzt werden können, kann bezweifelt werden.^[3] Allerdings muss der Controller zumindest sprechfähig gegenüber dem Data Scientist sein, um Business-Analytics-Ansätze überhaupt nutzen zu können.^[4]
• Zudem müssen auch das Management entsprechend geschult sowie die Prozesse der Unternehmenssteuerung angepasst werden, um die zusätzlich durch Einsatz von Business Analytics generierten Informationen auch in die Entscheidungsfindung einzubeziehen.
• Die Bewertung und Sicherstellung der Datenqualität ist ein weiterer wesentlicher Erfolgsfaktor für den Einsatz von Business Analytics im Controlling. Dabei wird zwischen der Designqualität als Maß für die Übereinstimmung zwischen nachgefragten und spezifizierten Daten sowie der Konformitätsqualität als Maß für die Übereinstimmung zwischen vorhandenen Daten und realweltlichen Daten unterschieden.^[5] Gerade die Integration von externen Daten z. B. in Früherkennungs- und Frühaufklärungssystemen erfordert eine umfassende Spezifikation und Qualitätssicherung der notwendigen Daten.
• Der Einsatz von Business-Analytics-Ansätzen erfordert die Implementierung einer geeigneten IT-technischen Lösung. Dabei kann grob zwischen traditionellen IT-zentrierten BI- und Analytics-Plattformen, die eher auf Reporting und explorative Datenanalyse ausgerichtet sind, und Advanced-Analytics- und Data-Science-Plattformen, die weitgehende und algorithmisch getriebene Analysen ermöglichen, unterschieden werden.^[6] Der Controller muss für seine spezifischen Fragestellungen die geeignete IT-Lösung auswählen.^[7]
• Bei fehlendem Know-how im Controlling und Management, unzureichend spezifizierten Analysemodellen, mangelhafter Datenqualität, der Implementierung ungeeigneter IT-Lösungen sowie einer fehlerhaften Integration in die Unternehmenssteuerung bergen Business-Analytics-Ansätze allerdings große Modellrisiken, die insbesondere bei Prescriptive-Analytics-Ansätzen enorme negative Auswirkungen auf das Unternehmen haben können. Daher muss die Entwicklung und Implementierung von Business-Analytics-Ansätzen selbst Gegenstand von Risikoüberwachungsmaßnahmen sein.

[1] Vgl. Tilch/Lenz/Scheffler/Andreas/Obersdorf/Yilmaz, 2015, sowie Vanini, "Instrumente für eine systematische Identifikation von Risiken".

[2] Vgl. Ideenwerkstatt im Internationalen Controller Verein (ICV), 2015, S. 105 sowie Willmes/Hess/Gschmack, 2015, S. 261.

[3] Vgl. Klier/Heinrich, 2016, S. 488 ff.

[4] Vgl. Chamoni/Gluchowski, 2017, S. 15 f.

[5] Vgl. Klier/Heinrich, 2016, S. 489 ff.

[6] Vgl. Seufert/Treitz, 2017, S. 11 f.

[7] Für eine Marktübersicht über Advanced Analytics-Plattformen vgl. Derwisch/Iffert/Fuchs/Fahrholz, 2016, S. 483 ff.