37
Anwendungsfelder von Predictive
Analytics im Controlling
Der Einsatz von Predictive Analytics wird schon
seit längerem im Zusammenhang mit marke-
ting- und vertriebsnahen Aspekten diskutiert.
Durch den Einsatz sollen Verbesserungen im
Cross-Selling, Kampagnen-Management oder
der Neukundengewinnung erzielt werden.
7
Die Anwendung von Predictive Analytics im
Controlling erfährt dagegen erst in jüngster
Zeit zunehmende Beachtung.
8
Verantwortlich
dafür sind unter anderem die steigende Perfor-
manz heutiger Tools und die zunehmende
Digitalisierung im Controlling. Dabei ist der
Einsatz statistischer Methoden im Controlling
nichts Neues.
9
Die Anwendungsfelder von Predictive Analytics
im Controlling sind weitläufig. Mehanna et al.
2016 greifen zum Beispiel die Anwendung im
Rahmen des Forecasting auf, was angesichts
der Bedeutung von Forecasts für Controller
naheliegend ist. Typische Forecast-Modelle
haben das Ziel, unterjährig die Entwicklung von
finanziellen Größen wie Umsatz, Kosten oder
EBIT auf das Jahresende zu prognostizieren. In
seiner einfachsten Form werden diese Größen
schlicht anhand des bisherigen Trends (z. B.
prozentual Zunahme von YTD-Werten) auf das
Jahresende fortgeschrieben. Da finanzielle
Größen von operativen, meist nicht-finanziellen
Größen ‚getrieben’ werden, versuchen fort-
geschrittene Forecast-Modelle diese soge-
nannten Werttreiber zu prognostizieren und
deren Auswirkung auf die finanziellen Größen
zu modellieren (vgl. Abbildung 1).
hängen liegt, nicht unbedingt auf der Progno-
se. So lassen sich mit BI-Analyse-Tools dazu
Aussagen treffen, warum Kunden in Online-
Shops sich für ein bestimmtes Produkt ent-
schieden haben. Beispielsweise weil sie gleich-
zeitig ein anderes Produkt gekauft haben. Des
Weiteren lassen sich Kunden in bestimmte
Cluster (z. B. Alter, Geschlecht) einteilen, so
dass deduktiv Zusammenhänge aus Daten
abgeleitet werden können.
Predictive analytics wählt dagegen keinen
deduktiven, sondern einen induktiven und
damit vorausschauenden Ansatz.
3
Durch den
Einsatz von statistischen Modellen, selbst-
lernenden Algorithmen oder neuronalen Net-
zen werden Aussagen zur künftigen Entwick-
lung möglich. Somit kann auf Basis vorhande-
ner Daten mit einer gewissen Wahrscheinlich-
keit prognostiziert werden, welche Kunden
sich für ein bestimmtes Produkt entscheiden.
In Folge dessen lassen sich Angebote oder
Werbung zielgerichtet nur für bestimmte Kun-
dengruppen schalten, zum Beispiel in Online-
Shops. Online-Plattformen wie Facebook oder
Google sind nur zwei Beispiele von Unterneh-
men, die extensiven Gebrauch von diesen
Techniken machen.
4
Wie bei allen Analysen bestimmt die Qualität
und Aufbereitung der Datenbasis die Güte und
Aussagefähigkeit der Predictive-Analytics-Me-
thoden.
5
Gerade die Aufbereitung und Interpre-
tation der Daten stellen dabei die wesentliche
Herausforderung dar und werden von Prakti-
kern als zentrale Voraussetzung für den Einsatz
von Predictive Analytics genannt.
6
Predictive Analytics für
Controller – einfache
Anwendungen mit MS Excel
von Christian Langmann
Wissenschaftler, Unternehmensberater und
Praktiker diskutieren derzeit den Nutzen und
die Anwendung von Predictive Analytics im
Controlling. Auch Studien zeigen das rege In-
teresse dafür in der Praxis.
1
Die Einführung
und die damit verbundenen Vorteile von Pre-
dictive Analytics werden dabei oftmals an-
hand leistungsfähiger Software-Tools mit
Business-Intelligence-Bezug diskutiert. Da
jedoch nur wenige Controller in deutschen
KMUs auf umfangreiche und kostspielige
Business-Intelligence-Systeme zurückgreifen
können, greift die aktuelle Diskussion zu
kurz.
2
In Zukunft könnten zwar Cloud-basierte
Systeme eine zugängliche Alternative darstel-
len, allerdings beschränken sich die Soft-
ware-Tools für Controller in KMUs nicht selten
heute immer noch auf Microsoft Excel.
Vor diesem Hintergrund
zeigt der vorliegende
Beitrag beispielhaft, welche statistischen
Methoden sich hinter Predictive Analytics
verbergen und wie Controller in KMUs die-
se mit Hilfe von MS Excel für sich nutzen
können
. Hierzu werden praxisnahe Methoden
aus Predictive Analytics vorgestellt und am
Beispiel von Anwendungsfällen erläutert.
Was ist Predictive Analytics?
Predictive Analytics beschreibt vereinfacht
statistische Methoden, die Beziehungen in
Daten identifizieren und darauf aufbauend
künftige Entwicklungen vorhersagen. Genau
hier liegt der Unterschied zu üblichen BI-
Technologien, deren Fokus vor allem auf der
Identifikation von bestehenden Zusammen-
CM Juli / August 2018
