Machine Learning in der Finanzprognose: 18 Schlüssel zum Erfolg

Zusammenfassung

Das rasante Aufkommen von Machine Learning (ML) in der Finanzprognose eröffnet Unternehmen vielversprechende Möglichkeiten. Der Artikel präsentiert eine Roadmap für die erfolgreiche Integration von ML in Finanzprognosen anhand von 18 praxisorientierten Erfolgsfaktoren. Durch diese Best Practices können Unternehmen die betriebswirtschaftlichen Herausforderungen bei der Implementierung überwinden und das immense Potenzial von ML-Prognosen ausschöpfen. Der Beitrag erschien erstmals im Controller Magazin 4/2024.

1 Einleitung

"Ich habe den Vorteil, dass ich wirklich jetzt in den letzten zwei Jahren 100 Leute getroffen habe aus den unterschiedlichsten Branchen und sehe das Gleiche: Wie kriege ich denn diese Zukunftsprojekte, wo jeder weiß, die bringen mir was hinten raus – wie kriege ich die denn umgesetzt im Tagesgeschäft mit eh schon begrenzten Ressourcen?"^[1]

Inmitten der dynamischen Unternehmenslandschaft hat die rasante Entwicklung und Integration von Machine Learning (ML) im Controlling eine Revolution in der Erstellung von Finanzprognosen ausgelöst. Obwohl das Potenzial von ML den meisten Führungskräften bereits bekannt ist, findet diese vorteilhafte Praxis noch keine flächendeckende Anwendung. Zuverlässige und umsetzbare Finanzprognosen sind jedoch unerlässlich für Unternehmen, um in der heutigen schnelllebigen und sich stetig verändernden Geschäftslandschaft fundierte Entscheidungen zu treffen und wettbewerbsfähig zu bleiben. Das Eingangszitat verdeutlicht die Herausforderungen, mit denen Unternehmen konfrontiert sind, wenn es um die Implementierung von Zukunftstechnologien wie ML in der Finanzfunktion geht. Begrenzte Ressourcen und Prioritäten im Tagesgeschäft scheinen zu den bestehenden Hürden zu gehören.

[1] Länder CFO, SAP, 2022.

2 Hintergrund: SAP Global Controlling will Prognoseprozesse und -ergebnisse verbessern

Wie also können diese Herausforderungen gemeistert...