Controller Magazin 9/10-2020

61 Controller Magazin | Ausgabe 5 PRAXIS derum positiv auf die laufenden Mobilfunk- umsätze auswirkt. Bei dem MM handelt es sich somit um eine höchst steuerungsrele- vante Kennzahl. Im Controlling und im Fach- bereich stellt sich in diesemZusammenhang regelmäßig die Frage, welcher MM erforder- lich ist, um den Unternehmensgewinn zu optimieren und wie sich die Veränderungen verschiedener Einflussfaktoren auf den MM auswirken. Der MM umfasst Aufwand und Ertrag, der imZusammenhang mit der Gewinnung oder Bindung von Kunden im Mobilfunkgeschäft entsteht. Demgemäß wird der MM in Auf- wand und Ertrag für die Gewinnung von Neukunden (Subscriber Acquisition Costs (SAC)) und für die Bindung von Kunden (Subscriber Retention Costs (SRC)) unter- gliedert. Da es sich bei demMM um eine vo- latile und damit schwer prognostizierbare Größe handelt, werden zur Budgetsteue- rung zusätzlich zu den innerhalb des Tele- komKonzerns etablierten Planungs- und Fo- recastzyklen monatlich Hochrechnungen zum Monatsende erstellt. Diese kurzfristi- gen, automatisierten Prognosen bilden die Grundlage für Plan-Prognose-Vergleiche. Aufgrund der großen Zahl der Einflussfakto- ren, die sich teilweise gegenseitig überla- gern, wiesen Bottom-Up-Prognosen in der Vergangenheit häufig hohe Abweichungen zu den Ist-Werten auf. Gleichzeitig war die Erstellung der Prognosen personell und zeit- lich sehr aufwändig. Vor diesem Hintergrund zielt das Predictive Analytics Modell MM darauf ab, die SAC und SRC besser steuern zu können, indem der re- gelmäßige Bedarf an Prognosen schnell ge- deckt wird. Gleichzeitig bietet das Modell eine Simulationsumgebung für Controller und Fachseite, mit der Auswirkungen eines veränderten Kundenverhaltens, Aktivitäten von Wettbewerbern oder selbst initiierter Maßnahmen ressourcenschonend ermittelt werden können. Die Vision: Ein treiberbasiertes Tool zur Prognose und Simulation Derzeit setzt sich das Predictive Analytics Modell MMaus drei Komponenten zusam- men , die in Abb. 2 schematisch dargestellt sind. Als erste Komponente und Basisstruktur des Modells fungiert ein Treiberbaum, in dem die Spitzenkennzahl MM in seine ein- zelnen finanziellen Bestandteile zerlegt ist. Die Bestandteile sind mathematisch mitei­ nander verknüpft. Erste Anhaltspunkte zur Struktur fanden sich im externen Rech- nungswesen. Da es sich bei einem Großteil der Bestandteile um mengenabhängige Größen handelt, werden diese im treiberba- sierten Modell jeweils in Mengen- und Durchschnittskostensatzkomponenten un- terteilt und somit die Anzahl der Neukun- den bei dem SAC und die Anzahl der Ver- tragsverlängerungen bei dem SRC als nicht-finanzielle Größen einbezogen. Die fi- nanziellen Bestandteile, aufgeteilt in Men- gen- und Durchschnittskostensätze, bilden das Grundgerüst des Prognose- und Simu- lationsmodells. Als zweiteModellkomponente werden un- ternehmensinterne und -externe Treiber in Form von definierten Kennzahlen in das Mo- dell integriert. Hierbei gilt es, Treiber zu un- terscheiden, die sich über eine direktmathe- matische Beziehung an die Durchschnitts- kostensatzkomponenten bzw. an die rele- vanten Mengengrößen anbinden lassen und solche, bei denen keine direkt-mathemati- sche Beziehung, wie etwa zwischen der Höhe der gewährten Endgerätesubvention und den gewonnenen Kunden, unterstellt werden kann. Die durchweg rechnerische Verknüpfung innerhalb des Modells ist aber die Voraussetzung für die Simulationsfähig- keit, sodass die nicht direktmathematischen Beziehungen quantifiziert werden müssen. Einen Lösungsansatz zur Quantifizierung sachlogischer Beziehungen bieten Verfahren der Advanced Analytics. Als Verfahren zur rechnerischen Anbindung von Treibern wer- den unter anderem die multiple lineare Re- gression und der Random-Forest-Algorith- Abb. 2: Komponenten des Predictive Analytics Modells "Marktinvest-Mobilfunk"