Teil A: Ganzheitliches VP-Management / 4.4.5.2 Analyse und Visualisierung

Nach erfolgter Definition, Sammlung und Aufbereitung können die Daten im nächsten Schritt analysiert und visualisiert werden. Die Visualisierung der Daten ist dabei einer der Haupttrends im Bereich Business Intelligence.^[27] Die Ergebnisse von Analysen werden bisher oft stark aggregiert und statisch mit Screenshots in Berichten oder Präsentation verwendet. Durch die Nutzung von Visualisierungslösungen (z. B. MS Power Bi, Tableau, MicroStrategy, Qlikview, SAP Analytics Cloud) kann nicht nur der Zeitaufwand für die Visualisierung der Ergebnisse per se reduziert werden. Stattdessen kann eine dynamische Visualisierung (z. B. Hineinzoomen vom Aggregat in Einzeldaten) nicht nur der Abbildung und Präsentation von Analyse-Ergebnissen dienen, sondern dies kann selbst eine Analyseform darstellen. So sind die Anwender durch die grafische Darstellung von meist mehrere Seiten langen Tabellen in Diagrammen besser in der Lage, Erkenntnisse zu gewinnen und Ausreißer zu erkennen.

Grundlegend unterscheidet man folgende drei Arten von D&A-Ansätzen:^[28]

1. Die grundlegende und am häufigsten angewandte Methode der Datenanalyse wird als Descriptive Analytics bezeichnet. Das Ziel dieses Ansatzes ist die Beschreibung, Zusammenfassung und Auswertung von historischen Daten. Ein einfaches Beispiel ist die Auswertung von Umsatzanteilen für bestimmte Geschäftsbereiche und/oder Regionen des abgeschlossenen Wirtschaftsjahres, wie man sie z. B. für die Erstellung des Master Files gem. § 90 Abs. 3 Satz 3 AO benötigt.
2. Unter Predictive Analytics versteht man die Nutzung von Data-&-Analytics-Verfahren für Prognosezwecke. Diese Analysen basieren auf historischen Daten. Zum Teil kommen auch statistische Simulationsverfahren und/oder Machine Learning zum Einsatz, um historische Trends und/oder Muster zur Antizipation und zu Vorhersagezwecken zu identifizieren und so den zukunftsgerichteten Entscheidungsprozess unterstützen zu können. Das Ableiten von Handlungsempfehlungen aus diesen Analysen verbleibt beim Nutzer. Will man beispielsweise einen Ex-ante-VP-Setzungs-Prozess mit unterjährigem Margenmonitoring implementieren, so sollte man zwingend ein Forecasting für die segmentierten GuVs (inkl. Einzel-Endkundenpreis und Stückzahlen) aufsetzen^[29]. Würde man unterjährig auf Basis der Year-to-Date-EBIT-Margen entscheiden, die zukünftigen VP nicht zu verändern oder herauf- bzw. herabzusetzen, wäre dies ein Glücksspiel und oft ein Fehler^[30].
3. Prescriptive Analytics geht noch einen Schritt weiter. Bei diesem Verfahren werden die Leistungsfähigkeit von Datenmanagement, Visualisierungstools und zum Teil künstliche Intelligenz genutzt, um konkrete Handlungsempfehlungen ableiten zu können. Im Wesentlichen werden mehrere Zukunftsszenarien prognostiziert und eine Reihe möglicher Ergebnisse anhand der damit verbundenen Entscheidungen bewertet, indem die Auswirkungen aller möglichen Vorgehensweisen und relevante Einflüsse miteinbezogen werden. Im Ergebnis wird dem Benutzer die bestmögliche Vorgehensweise präsentiert, was die Entscheidungsfindung erheblich erleichtert bzw. diese sogar vollständig dem Nutzer abnimmt. Derartige Ansätze sehen wir bereits in VP-Setzungs- und Margenmonitoring-Tools^[31], die durchaus in der Praxis funktionieren. In Bezug auf Machine-Learning-Ansätze sei jedoch darauf hingewiesen, dass derart abgeleitete Empfehlungen unbedingt Schritt für Schritt vom verwendeten Algorithmus ›erklärt‹ werden müssen, sodass der Mensch diese nachvollziehen kann (›explainable AI‹). Erfolgt dies nicht, wird der Mensch der Empfehlung nicht vertrauen und nicht folgen (›Digital Trust‹, ›Trust in AI‹)^[32].

[27] BARC, BI Trend Monitor 2019 S. 13.

[28] Vgl. u. a. Schindler, Totzek. ›Anwendungsmöglichkeiten von Data & Analytics im Verrechnungspreiskontext – Einführung und Erfahrungen aus der Praxis‹ in IWB 20/2019.

[29] Z. B. Transfer Pricing Management Tool, Kapitel 4.4.7.

[30] Vgl. Kapitel 4.4.7.

[31] Z. B. Transfer Pricing Management Tool, Kapitel 4.4.7.

[32] Vgl. Hanken, interviewt durch Lehmann, ›Vorbildcharakter – Bei der digitalen Transformation in der Steuerberatung gehört PwC zu den unumstrittenen Marktführern. Vielleicht auch deshalb, weil die Big-Four-Gesellschaft darauf achtet, jeden Mitarbeiter in Sachen Digitalisierung zu schulen‹, JUVE, 01/02/2020 S. 33.