Unternehmen verfügen heute über eine rasant wachsende Menge an Daten. Wer ist aber eigentlich dafür zuständig, aus den ständig steigenden Datenmengen (im Fachjargon "Big Data") sinnvolle Informationen und Entscheidungsgrundlagen zu generieren? Das Controlling steht hier vor einer großen Herausforderung – und gleichzeitig vor einer veritablen Chance, völlig neue Wertbeiträge zu liefern: Nur wer die Informationen richtig auszuwerten versteht, kann Assets und Prozesse nach ihrer Bedeutung für den Unternehmenserfolg optimal gestalten.

Der Wertbeitrag des Controllings ist seit Jahren Diskussionsthema in der Fachliteratur und auf Kongressen. Weitgehend Einigkeit besteht darin, dass ein traditionelles, rückwärtsgewandtes Berichtswesen nicht ausreichend ist. Erforderlich sind das Aufspüren von Wirkungszusammenhängen sowie eine in die Zukunft gerichtete Analyse "Predictive Analysis“. Und dies aufgrund der zunehmenden „Realtime“ Anforderung direkt auf Ebene der Prozesse. Schließlich wird das Geld in den Prozessen verdient, oder eben auch verloren.

Direkt auf den Prozessdaten

Es geht also nicht mehr nur um klassische Reporting-Fragen wie „Welcher Kunde generiert den meisten Umsatz?“ oder „Wie viele offene Bestellanforderungen sind aus der vergangenen Woche übrig?“. Sondern es werden direkt Prozessdaten erhoben und analysiert. „An welchen Stellen geht Zeit in den Bestellprozessen verloren?“ - „Wie wirkt sich die Lagerbestandshöhe auf die Liefergenauigkeit aus?“ - „Korrespondiert der Umsatz mit der Liefergenauigkeit?“

Aufgrund der so gewonnenen Informationen ist es möglich, unmittelbare Optimierungsmaßnahmen in den Geschäftsprozessen zu identifizieren. Und damit sind die Entscheider in der Lage, die Unternehmen aktiv zu steuern.

Automatisches Entdecken von Zusammenhängen/ Ableiten von Prognosen

Ein zukunftsgerichtetes Controlling sollte direkt auf Basis der unverdichteten Prozessrohdaten Analysen in Echtzeit vornehmen. Jenseits der Excel-Welt und den vier Grundrechenarten ist es durch neue Verfahren so möglich Beziehungen/ Abhängigkeiten in den Daten zu erkennen, die bislang unsichtbar waren und nach denen deshalb auch niemand gefragt hat.

Beispielsweise kann sich im Zusammenhang mit der wichtigsten Kennzahl im Forderungs-Management, den "Days Sales Outstanding" (DSO), herausstellen, dass Kunden, die mit hoher Liefertreue bedient werden, geneigter sind, ihre Zahlungsziele einzuhalten. Mit Hilfe einer Predictive Analysis lässt sich dann berechnen, wie hoch die Liefertreue sein müsste, um einen signifikanten Einfluss auf den DSO-Wert zu haben.

Daten sind oft zu hoch verdichtet

Derartige kausale Zusammenhänge sind überhaupt nur aus der Analyse der einzelnen Vorgänge und damit auf der Basis großer Datenmengen zu bestimmen. Zum Beispiel auch die Frage, nach wie vielen Reklamationen ein Kunde typischerweise sein Bestellverhalten ändert oder ganz abspringt.

Werden heute Analysen dieser Art vorgenommen, begnügt man sich in der Regel mit hochverdichteten Daten („Wir müssen unternehmensweit die Kapitalbindung reduzieren“). Oder man beschränkt sich auf exemplarische Daten-Samples für eine einzelne Produktgruppe beziehungsweise einen Zielmarkt.

Closed Loop - Optimierung der Prozesse

Das Arbeiten mit Prozessrohdaten hat eine weitere positive Folge: Es führt zu einer Wiedervereinigung der Informationswelten von Fachabteilungen und Controlling. Aus den Erkenntnissen der Analyse lassen sich grundsätzliche Ursache-Wirkung-Beziehungen ableiten.

In der Praxis bedeutet das: Es lassen sich direkt aus den Belegen des produktiven Anwendungssystems ohne Umwege über ein konventionelles BI-System präzise Informationen zur Leistungsfähigkeit der Prozesse gewinnen. Die verschiedenen Ausprägungen eines solchen Kernprozesses sind damit hinsichtlich ihrer Bedeutung und Qualität für das Unternehmen bewertbar.

Damit entsteht ein Closed-Loop-Ansatz zwischen materialbezogenen und finanzbezogenen Prozessen einschließlich der Informationsintegration entlang von Prozessketten. Der Idealvorstellung einer nachhaltig wertorientierten Unternehmensführung kommt das bereits recht nahe.