Digitale Transformation und Analytics
16
Prozesseinführung/-optimierung) sollen
Übereinstimmungsprüfungen durchgeführt
werden. Vielen Unternehmen ist beispiels-
weise nicht bewusst, wie viele Prozessva-
rianten es in ihrem Unternehmen gibt.
Diese können durch Analyse der quanti-
tativen Prozessmerkmale berechnet und
bewertet werden.
»
Stufe 3 – Predictive Analytics/ Root Cause
Analytics/ Simulation: Auf der Basis fort-
geschrittener Analyseverfahren sollen in
einer weiteren Stufe Zusammenhänge
abgeleitet, Prognoserechnungen erstellt
und Prozessvarianten simuliert werden.
Auf diese Weise sollen z.B. quantitative
Prozessmerkmale optimiert, Werttreiber
identifiziert, aber auch finanzielle Auswir-
kungen von Prozessveränderungen vorher-
gesagt werden. Ergänzt werden soll dies
durch Simulationen zur Auswahl geeig-
neter Maßnahmen.
»
Stufe 4 – Prescriptive Analytics: Die Viel-
zahl an Möglichkeiten gewünschte Unter-
nehmensziele zu erreichen, soll schließ-
lich durch automatisierte Empfehlungen
auf Basis von Algorithmen unterstützt
werden. Dabei geht es vor allem um
eine systematische Suche nach Verbesse-
rungspotentialen oder Verstößen gegen
Prozessregeln.
Fazit
Die Digitalisierung wird das Controlling in
Zukunft radikal verändern (vgl. Schäffer/
Weber 2016). Die massiven Veränderungen
im Umfeld digitaler Informationen bieten
für das Controlling erhebliche Potentiale
für die Gestaltung der eigenen zukünf-
tigen Rolle, aber auch gewaltige Heraus-
forderungen. Nur eine klare Positionierung
sowie der Aufbau entsprechender Metho-
denkompetenzen ermöglichen die Hebung
dieser Potentiale (vgl. Seufert/ Kruk 2016).
Allerdings steht das Controlling in starker
Konkurrenz. Externe Berater, aber auch die
Fachabteilungen selbst, haben BI/Big Data
als attraktives Betätigungsfeld erkannt. Hinzu
kommen neue Berufsfelder, wie zum Beispiel
der Data Scientist, die in das neue Tätigkeits-
feld BI/Big Data drängen (vgl. Wrobel/ Voss/
Köhler/ Beyer/ Auer 2014). Um die Potenti-
ale von BI/ Big Data aus Controllingsicht nut-
zen zu können, erscheinen daher erhebliche
Anstrengungen im Bereich der Weiterent-
wicklung der Methodenkompetenz im Kon-
text von BI/Big Data und Advanced Analytics
erforderlich (vgl. Seufert/ Oehler 2016).
Literaturverzeichnis
Hackathorn, R. (2002): Current Practices in Active Data Warehousing, 2002.
Herschel, G.; Linden, A.; Kart, L. (2015): Magic Quadrant for Advanced Analytics
Platforms, Gartner, 19.02.2015
Kohlhammer, J.; Proff, D.; Wiener, A. (2015): Der Markt für Visual Business Analy-
tics. In: Gluchowski, P.; Chamoni, P.: Analytische Informationssysteme. Business
Intelligence-Technologien und -Anwendungen, 5. Aufl., Springer, 2015, S. 303-323.
Linden, A.; Krensky, P.; Hare, J.; Idoine, C.; Sicular, S.; Vashisth, S. (2017): Magic
Quadrant for Data Science Platforms, 14 February 2017,
resource/gartner-data-science-platforms-magic-quadrant, Abruf am 23.02.2017.
Sallam, R.; Hostmann, B.; Schlegel, K.; Tapadinhas, J.; Parenteau, J.; Oestreich, T.
(2015): Magic Quadrant for Business Intelligence and Analytics Platforms, Gartner,
23.02.2015
Sallam, R.; Howson, C.; Idoine, C.; Oestreich, T.; Richardson, J.; Tapadinhas, J. (2017):
Magic Quadrant for Business Intelligence and Analytics Platforms, 16 February
2017,
Abruf am 23.02.2017.
Schäffer, U.; Weber, J. (2016): Die Digitalisierung wird das Controlling radikal ver-
ändern. In: Controlling & Management Review, 60. Jahrgang (2016), Heft 6, S.
8-17.
Seufert A.; Heinen, M.; Muth, A. (2014): Information Rules: Die neue Anatomie
der Entscheidung. In: Controlling & Management Review, 58. Jahrgang (2014),
Heft 7, S. 16-25.
Seufert A.; Oehler, K. (2016): Controlling und Big Data: Anforderungen an die
Methodenkompetenz. In: Controlling & Management Review, 60. Jahrgang (2016),
Heft 1, S. 74-82.
Seufert A. (2016): Die Digitalisierung als Herausforderung für Unternehmen: Sta-
tus Quo, Chance und Herausforderungen im Umfeld BI & Big Data. In: Fasel, D./
Meier, A.: (Hrsg.): Big Data – Grundlagen, Systeme und Nutzenpotenziale, Springer,
Wiesbaden 2016, S. 39-57.
Seufert, A./ Kruk, K. (2016): Digitale Transformation und Controlling: Heraus-
forderungen und Implikationen dargestellt am Beispiel der BASF. In: Gleich, R./
Grönke, K./ Kirchmann, M./ Leyk, J. (Hrsg.): Konzerncontrolling 2020 – Zukünftige
Herausforderungen der Konzernsteuerung meistern, Haufe 2016, S. 141-164.
Seufert, A. (2017): Der Einfluss aktueller IT-Trends auf das Berichtswesen, in:
Schäffer, U./Weber, J. (Hrsg.): Entwicklungen im Berichtswesen – Best Practice,
Herausforderungen und Zukunftsaussichten. In: Schriftenreihe Advanced Control-
ling Band 93, Weinheim, 2017 (in Vorbereitung).
Wrobel, S./ Voss, H./ Köhler, J./ Beyer, U./ Auer, S. (2014): Big Data, Big Oppor-
tunities. Anwendungssituation und Forschungsbedarf des Themas Big Data in
Deutschland. In: Informatik-Spektrum, DOI 10.1007/s00287-014-0806-4, S. 1-9.
ICV Fachkreis BI/Big Data und Controlling
Der Fachkreis BI/Big Data und Controlling wurde im April 2016 neu etabliert
und ist als Netzwerk aus Anwendern und Anbietern renommierter Unterneh-
men sowie Wissenschaftlern organisiert. Strategischer Partner ist das Institut
für Business Intelligence (IBI) der Steinbeis Hochschule Berlin. Mit seiner Arbeit
möchte der Fachkreis regelmäßig über Trends und neue Entwicklungen informieren sowie
Anstöße und Ideen für eine innovative Weiterentwicklung des Controllings geben.
