71
CGMA/Oracle befragte Unternehmen, welche
Wertetreiber die wichtigsten aus ihrer Sicht für
ein erfolgreiches Geschäftsmodell sind. Als 5
Top-Wertetreiber wurden genannt:
1. Kundenzufriedenheit mit 76%
2. Qualität der Geschäftsprozesse mit 64%
3. Kundenbeziehung mit 63%
4. Menschliche und fachliche Qualität der
Mitarbeiter mit 61%
5. Markenrenommee mit 58%
Interessant ist nun die Frage, mit welchen
Kennzahlen und Analysen sich die Finance-
Abteilung aktuell mehrheitlich beschäftigt. Die
Antworten lauteten wie folgt:
1. Datenqualität mit 67%
2. Rentabilität des investierten Kapitals mit 66%
3. Mitarbeiterproduktivität mit 65%
4. Mitarbeiterengagement und Bindung mit 65%
5. Kundenerfahrung und -zufriedenheit mit 60%
Das Ergebnis zeigt:
Die Finance-Abteilung
beschäftigt sich weiterhin mit den „klassi-
schen“ Kennzahlen, die auch immer rele-
vant bleiben werden, aber mit den genann-
ten Top Wertetreibern nichts zu tun haben.
Daher stellt sich die Frage, welche Rolle die
Finance-Abteilung bei der Identifizierung, Erhe-
bung, Messung und Bewertung von immateriel-
len Vermögensgegenständen als Wertetreiber
spielt. Immaterielle Vermögensgegenstände
heben sich insbesondere durch drei Eigen-
schaften hervor: Sie sind finanziell schwierig zu
fassen, schwierig zu messen und schwierig zu
bewerten.
Auch die verfügbaren Daten über die Wertetrei-
ber der immateriellen Vermögensgegenstände
werden im Umfang und an Komplexität durch
die im Rahmen der Digitalisierung generierten
neuen Formen finanzieller und nicht-finanzieller
Daten erheblich zunehmen. Damit steigen auch
die Ansprüche an die Fachexpertise von Finance-
Mitarbeitern.
Denn wenn ohne genaue Überlegung und kriti-
sche Betrachtung Daten erhoben und zu Infor-
mationen verarbeitet werden, ist die Gefahr
groß, dass sich daraus ein unternehmerisches
Risiko ergibt. Ein Überfluss an Daten, wenig
nutzbare Informationen oder sogar falsche Er-
den
und ein Resultat gründlichen Nachdenkens
und ausgewogenen Urteilens, sowie der Aus-
wahl von richtigen Analyse-Werkzeugen, sein.
Ebenso wichtig ist es, sich von der Zuverlässig-
keit und Seriosität der eigenen Prognosen zu
überzeugen. Das bedarf der Implementierung
von Kontrollprozessen.
Somit ändert sich nicht nur die Art der Informa-
tionsgewinnung als Basis für Entscheidungs-
vorlagen und Entscheidungen, sondern auch
der Inhalt. Die immateriellen Vermögensgegen-
stände als Wertetreiber spielen hier eine zent-
rale Rolle.
Macht der immateriellen
Vermögensgegenstände
Es ist nicht neu, dass beispielsweise moderne
Maschinen und Anlagen Wertetreiber sind.
Hierbei handelt es sich um materielle Vermö-
gensgegenstände. In Zukunft wird der Fokus
nicht mehr auf den materiellen Vermögensge-
genständen liegen, sondern auf den immateriel-
len. Die Kenntnis über die immateriellen Vermö-
gensgegenstände als Wertetreiber spielt in der
modernen Welt, in der Produkte oft nur schwer
unterscheidbar und Qualitäten vergleichbar
sind, eine ganz entscheidende Rolle für den Er-
folg oder Misserfolg eines Unternehmens.
Bei immateriellen Vermögensgegenständen
handelt es sich um nicht-physische Vermö-
gensgegenstände wie z. B. Kundenbeziehun-
gen, Marken, geistiges Eigentum in Form von
Lizenzen, selbsterstellter Software, Patenten,
Urheberrechten und Humankapital.
CGMA/Oracle
2
zeigen in einer Studie vom No-
vember 2015 sehr deutlich, dass die immateri-
ellen Vermögensgegenstände als Wertetreiber
in den letzten 40 Jahren stark an Bedeutung
gewonnen haben. Mit anderen Worten: Nicht
die Unternehmen mit materiellen Vermögens-
gegenständen schaffen einen signifikanten
Mehrwert, sondern die, die es verstehen, aus
ihren immateriellen Vermögensgegenständen
den höchstmöglichen Nutzen zu ziehen. Waren
dies in der Vergangenheit Unternehmen wie
Coca Cola, McDonalds und Starbucks, sind es
heute die Unternehmen Apple, Google, Amazon
und Facebook.
Daten kommen aus „Datenschleudern“ wie
z. B. mobilen Geräten, aber auch vom soge-
nannten IoT. Sensordaten von Maschinen und
Geräten – vom Automobil bis zur Zahnbürste ist
alles dabei – werden gesammelt, übertragen
und gespeichert. Daraus resultiert der Bedarf
nach Big Data & Advanced Analytics, der Un-
tersuchung und Aufbereitung der massenhaft
erzeugten und roh verfügbaren Daten. Da heu-
te noch nicht ganz klar ist, welche Auswertun-
gen in naher Zukunft sinnvoll sind, werden die
Daten zunächst gespeichert.
Wenn Unternehmen darüber nachdenken, ihr
Geschäftsmodell zu aktualisieren, ein neues
Produkt auf den Markt zu bringen oder ander-
weitig zu investieren, dann hängen die Ent-
scheidungen auch davon ab, was die Unterneh-
men von der Zukunft erwarten. Erwartungen
sind in diesem Zusammenhang nichts anderes
als Prognosen und Vorhersagen über künftige
Entwicklungen.
Aus diesem Grund
müssen sich Unterneh-
men mehr mit der Thematik Prognose
auseinandersetzen
, um für wichtige Ent-
scheidungen die richtigen Datenauswertun-
gen zielgerichtet nutzen zu können. Es ist ein
Trugschluss zu glauben, dass allein durch rie-
sige Datenmengen, angereichert mit einigen
Algorithmen, die Zukunft mehr oder weniger
automatisch vorhersehbar ist. Dennoch – der
Psychologe Paul Meehl beschrieb bereits
1954
1
in seinem Buch „Clinical Versus Statis-
tical Prediction“, dass statistische Algorith-
men in den allermeisten Fällen dem mensch-
lichen Urteil überlegen und zudem auch
schneller und billiger seien. Das ist aber nur
der Fall bei gleichem Ergebnis. Es ergibt also
durchaus Sinn, statistische Algorithmen zu
nutzen. Die aktuelle Herausforderung ist,
dass es für viele Fragen, die beispielsweise
für den Fortbestand des Unternehmens inter-
essant sind, noch keinen bewährten statisti-
schen Algorithmus gibt.
Das bedeutet: Wenn Unternehmen Prognosen
aufstellen, dann erfordert dies, die relevanten
Daten und Informationen zu finden, zu ent-
scheiden, wie wichtig sie wirklich sind und zu
bestimmen, welchen Einfluss sie auf die Prog-
nose haben.
Prognostizieren muss sich also
ganz klar von „zufällig raten“ unterschei-
CM Mai / Juni 2018
