14
geeigneter Mitarbeiter sollte bereits bei der
Entscheidung zum Einsatz von Big Data Ana-
lytics Tools berücksichtigt werden.
Learnings im Umgang mit
Big Data Tools
Bei der Einführung des Big Data Analytics Tools
wurden zusätzlich zu den bereits beschriebe-
nen monetären Erkenntnissen auch wesent-
liche Erfahrungen bezüglich der Arbeitsweise
mit Big Data Tools gewonnen. Einige Aspekte
werden kurz beleuchtet:
·
die Verwendung von unstrukturierten Daten
bietet im Gegensatz zum klassischen Busi-
ness-Warehouse-Ansatz die Chance, über
vom Tool erkannte statistische Korrelatio-
nen bisher unbekannte Erkenntnisse zu ge-
winnen
·
Analysen von Geschäftsvorfällen werden
heute üblicherweise erst mit erheblicher
Zeitverzögerung im Rahmen von Monats-
endanalysen durchgeführt. Wertgewinn für
die Unternehmen findet damit zeitverzögert
statt oder kann teilweise nicht mehr voll ab-
geschöpft werden. Big Data Analytics Tools
nehmen die Analysearbeit ab und liefern
Analyseergebnisse quasi in „Nullzeit“ nach
Verfügbarkeit der Geschäftsvorfälle im IT-
System (vgl. Abbildung 5)
·
bei prozessorientiert arbeitenden Big Data
Tools ist es in stark arbeitsteilig organisierten
Unternehmen notwendig, crossfunktionale
tives Controlling-Instrument wird sich das Be-
rufsbild des Controllers nochmals erweitern
(vgl. Abbildung 4). In Competence Centern
konzentrierte Datenanalysten/-scientists mit
Controlling Background werden den Einsatz
von Big Data Tools operativ steuern.
Die organisatorischen Voraussetzungen in den
Unternehmen müssen geschaffen und entspre-
chende Kompetenz über Ausbildung/Schulung
eigener Mitarbeiter oder Beschaffung am Markt
sichergestellt werden. Durch entsprechenden
Kompetenzzuwachs müssen Controlling-Mitar-
beiter in die Lage versetzt werden, crossfunkti-
onale Teams zielgerichtet leiten zu können (vgl.
Abbildung 4). Die Identifizierung und Schulung
daraus ergebende Risiko war vor dem Einsatz
der PMM wertmäßig nicht bekannt und im Fo-
kus, da bisher nur säumige Kunden im „Brenn-
punkt“ des Forderungsmanagements standen.
Vertraglich könnten frühere Zahlungen über
kürzere Zahlungsziele abgesichert und damit
das Risiko einer ansteigenden DSO reduziert
werden. Es besteht jedoch die Gefahr, dass die
Kunden kürzere Zahlungsziele als Druckmittel
in weiteren Preisverhandlungen nutzen und da-
mit die Unternehmensrendite direkt negativ be-
einflusst würde.
Controlling on the Move
Mit der kontinuierlichen Weiterentwicklung der
Controlling-Instrumente entlang von Digital
Transformation Roadmaps stellen wir Control-
ler in der Bosch-Gruppe dauerhaft sicher,
künftigen Anforderungen an die Bereitstellung
von qualitativ hochwertigen, steuerungsrele-
vanten Informationen genügen zu können.
Über die Verfügbarkeit von tagesaktuellen Da-
ten in hoher Granularität aus Big Data Ana-
lytics Tools werden wir in die Lage versetzt, ef-
fizient Potentiale aufzudecken und über Alert-
Funktionen bei Abweichungen zeitnah unter
Einbindung aller beteiligten Fachabteilungen
gegensteuern zu können. Neben den klassi-
schen Aufgabengebieten wie Berichtswesen
und dem Fachexperten Controlling hat sich in
den letzten Jahren zusätzlich der Ansatz des
Business Partners durchgesetzt. Mit der Etab-
lierung von Big Data Analytics Tools als opera-
Abb. 4: Veränderte Herausforderungen im Controlling (Quelle: Bosch)
Abb. 5: Latenzmodell (Quelle: Bosch)
Predictive Analytics
