Kommen wir zum zweiten Teil der Frage: Wie können diese Daten so verarbeitet werden, dass sie in die Finanz-KPI-Prognose miteinbezogen werden können? Sicherlich nicht dadurch, dass diese Daten von Mitarbeitern aus dem Controlling auf relevante Informationen hin durchforstet werden. Menschliche Intelligenz ist nicht in der Lage, diese Art von Massendaten zu verarbeiten. Dies ist ausschließlich mit maschineller, also künstlicher Intelligenz (AI) möglich. Diese Anwendungen, welche zum Beispiel aus Massentextdaten relevante Informationen herauslesen können, haben mittlerweile einen Reifegrad erreicht, der einen Einsatz, zum Beispiel für die Prognose von Finanz-KPIs, ermöglicht. Dieser Ansatz stellt sich dann wie in Abb. 3 ersichtlich dar.
Abb. 3: Digitaler Forecast auf Basis von Artificial Intelligence
Der Anteil an Erfahrung und Einschätzungen wird auf das wirklich Relevante reduziert und der messbare Bereich aus strukturierten Daten wird mithilfe von künstlicher Intelligenz auf den Bereich der unstrukturierten Massendaten erweitert.
Mit diesem AI-basierten Ansatz ist es, im idealen Fall in Echtzeit, möglich, die Bedingungen, unter denen sich der zu prognostizierende Geschäftsbereich entwickelt, abzubilden und in die Prognose einzubeziehen.
Das hier vorgestellte Beispiel der Finanz-KPI-Prognose eines Geschäftsbereichs lässt sich konzeptionell für einige andere Anwendungsfälle im CFO-Bereich verallgemeinern. Zum Beispiel im Risk Management bei der Identifizierung von Frühwarnsignalen für potenzielle Ratingänderungen von Vertragspartnern.
Das ist nur ein Ausschnitt aus dem Produkt Haufe Finance Office Premium. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen
Anmelden und Beitrag in meinem Produkt lesen