38
Beispiel die Anzahl der Neukunden, Kündigun-
gen oder Vertragsverlängerungen als Einfluss-
größen und damit als Werttreiber in Frage (vgl.
Abbildung 2). Im Bereich des E-Commerce sind
es dagegen eher die Anzahl von Unique Visits,
Conversion Rates oder die Verweildauer auf der
Website.
Als Exempel für die exemplarische Nutzung der
Regressionsanalyse in Excel soll ein mittelstän-
disch geprägter Großhändler für Elektrotechnik
dienen. Relevante Werttreiber (und damit Ein-
flussgrößen) des Umsatzes sind zum Beispiel
die Anzahl der Besuche bei potenziellen oder
bestehenden Kunden durch den Vertrieb, An-
zahl Besucher im e-Commerce-Shop des
Händlers oder telefonische Anfragen im Call-
Center. Ausgehend von April 2017 zeigt Abbil-
dung 3 die Werte des Umsatzes und der Wert-
treiber-Größen für die letzten 13 Monate.
Mittels einer Regressionsanalyse lässt sich nun
die Umsatzentwicklung auf das Jahresende (im
Sinne eines 3+9-Forecast) direkt in Excel pro-
werden heute vor allem klassische Data-Mi-
ning-Verfahren als Predictive-Analytics-Techni-
ken eingesetzt. Aus diesen Verfahren wird im
Folgenden die lineare Regression als das am
weitesten verbreitete Verfahren vorgestellt und
dessen Anwendung in MS Excel gezeigt.
Regressionsanalysen
für Controller
Die Regressionsanalyse
10
stellt eine der flexi-
belsten und am weitesten verbreitete Methode
der Predictive Analytics dar. Bei der Regressi-
onsanalyse sollen die Werte einer Kenngröße
(sogenannte abhängige Variable) prognostiziert
werden, die eine oder mehrere Einflussfaktoren
hat. Aus Sicht des Controllers sollen zum Bei-
spiel Umsatz, Absatz oder EBIT im Rahmen ei-
nes Forecasts prognostiziert werden. Die Ein-
flussfaktoren sind meist industriespezifisch und
lassen sich mit den oben angesprochenen
Werttreibern vergleichen. In der Telekommuni-
kations- bzw. Medienindustrie kommen zum
In der Praxis steht der Controller vor der Her-
ausforderung, zunächst relevante Werttreiber
zu identifizieren und deren Einflussstärke zu
bestimmen. In Endkunden-orientierten Bran-
chen (B2C) bieten sich Werttreiber wie Neu-
kundenzahlen, Kontaktfrequenzen, Website-
Besuche usw. an. Doch welche Treibergrößen
die höchste Prognosequalität haben und wie
stark sie welche finanzielle Größe beeinflussen,
versucht der Controller oftmals nur argumenta-
tiv oder mit Hilfe von einfachen Datenmodellen
herzuleiten, da ihm geeignete Methoden oder
leistungsfähige BI-Systeme fehlen. Und auch
wenn – wie im Konzernumfeld – leistungsfähi-
ge BI-Systeme vorhanden sind, ist das schnelle
Bereitstellen von Daten und das Aufsetzen von
Modellen aufgrund von Ressourcenknappheit
oder technischen Limitationen nicht immer ga-
rantiert. Nicht selten wird hierzu erst ein sepa-
rates Projekt aufgesetzt.
Predictive-Analytics-Methoden
zur Anwendung in MS Excel
Mit Hilfe von Predictive Analytics können die für
den Forecast verantwortlichen Treiber anstatt
durch argumentative Ursache-Wirkungsketten
durch datenbasierte, quantitativ-statistische Zu-
sammenhänge ermittelt werden. Wie das geht
und welche Methoden dafür geeignet sind, wird
im nachfolgenden Abschnitt vorgestellt. Dort
stehen zwei in der Praxis leicht anwendbare
Predictive-Analytics-Methoden im Mittelpunkt,
die der Controller in MS Excel umsetzen kann.
Predictive Analytics umfasst eine Vielzahl von
Methoden. Laut der aktuellen BARC-Studie
Abb. 1: Beispiel für Werttreiberbaum
Abb. 2: Exemplarische Werttreiber für den Umsatz
aus der Telekommunikations-/Medien-Branche
Abb. 3: Verfügbare Daten im Controlling zu Umsatz und Werttreiber-Größen
Predictive Analytics für Controller
