Machine Learning in der Finanzprognose: 18 Schlüssel zum ... / 3 Das Best-Practice Model im Überblick

Das Best-Practice-Model umfasst 18 praxisorientierte Erfolgsfaktoren, die nachfolgend kurz vorgestellt werden (s. Abb. 1). Die Faktoren "Human-in-the-Loop-Entscheidungsfindung" und "Aufbau eines A-Teams statt eines Elfenbeinturms" werden ausführlicher beschrieben.

Abb. 1: Best-Practice Modell

Ziel und Umfang

Vor der Einführung von ML in der Finanzprognose ist es von grundlegender Bedeutung, das konkrete Ziel des ML-Tools zu verstehen und die Grenzen seines Anwendungsbereichs festzulegen. Die Dimension "Ziel und Umfang" bildet daher das Fundament für die darauffolgenden Dimensionen und sollte stets der Ausgangspunkt aller Implementationsbemühungen sein.

1. Definieren einer klaren Vision und Zielsetzung für die Machine Learning Initiative

   Die Festlegung einer klaren Vision und konkreter Ziele ist grundlegend für den Erfolg von ML-Projekten. Allzu oft werden Tools eingeführt, ohne dass eine klare Vorstellung davon besteht, wie das Endprodukt aussehen soll und die Automatisierungs-Tools verstauben am Ende. Daher ist eine klare Definition spezifischer und messbarer Ziele erforderlich, die mit der Unternehmensstrategie in Einklang stehen und sowohl kurzfristige als auch langfristige Perspektiven berücksichtigen. Darüber hinaus wird eine klar definierte und leicht zu vermittelnde Vision benötigt, die auf den Endnutzer des Tools ausgerichtet ist und den Nutzen des ML-Tools für die Beteiligten in ihrer täglichen Arbeit verständlich darstellt.

2. Erkennen unterschiedlicher Stakeholder-Anforderungen

   Um die Vision der ML-Bemühungen auf den Endnutzer auszurichten, ist es entscheidend, die unterschiedlichen Anforderungen aller Stakeholder an das Projekt zu berücksichtigen. Nur ein tiefes Verständnis der unterschiedlichen Perspektiven und Bedürfnisse ermöglicht eine umfassende und zielgerichtete M...