Controller Magazin _ Special 17 PREDICTIVE ANALYTICS Predictive Analytics im Praxistest Simon Rossi ist Produktionscontroller bei der Mila Bergmilch Südtirol. Er untersucht Daten der Fertigung und wertet diese anhand wissenschaf tlicher Methoden für die Unternehmenssteuerung aus. Predictive Analytics ist seit Langem fester Bestandteil in Fachartikeln und Diskussionen rund um ein modernes Controlling. Dennoch stellen wir in den Seminaren und Beratungsprojekten der CA controller akademie immer wieder fest, dass viele Organisationen noch am Anfang dieser Entwicklung stehen. Dabei schwingt vor allem viel Unsicherheit mit, wie man sich dem Thema am besten nähert und was mögliche und sinnvolle Anwendungsgebiete (sogenannte Use Cases) im eigenen Unternehmen sein könnten. Predictive Analytics Community Aus diesem Grund haben wir im vergangenen Jahr eine CA Predictive Analytics Community ins Leben gerufen, die in der Zwischenzeit mehr als 220 Teilnehmende aus unterschiedlichsten Branchen und Unternehmensgrößen umfasst. Wir bieten eine kostenfreie Plattform, auf der die Community-Mitglieder von Best Practices, Erfahrungen und dem Wissen aller lernen können und miteinander ins Gespräch kommen. Einige der Mitglieder haben bereits umfangreiche Erfahrungen mit der Einführung und Nutzung von Predictive Analytics gesammelt, während andere noch am Anfang stehen und zunächst an der Vorgehensweise und tiefergehendem Wissen interessiert sind. Im vergangenen Jahr haben bereits 4 Online-Events stattgefunden, in denen die CA controller akademie ebenso wie die Community-Mitglieder spannende Vorträge gehalten und wertvolle Diskussionen miteinander geführt haben. In diesem Jahr sind 3 weitere Online-Termine und eine Präsenzveranstaltung in Hamburg geplant. Praxisbeispiel aus der Lebensmittel- industrie Eines der praktischen Anwendungsbeispiele aus der Community stellt an dieser Stelle Simon Rossi vor, bei dem es um die Einführung von Predictive Analytics im Produktions-Controlling der Mila Bergmilch Südtirol geht. Mit dem Aufbau eines Vorhersagemodells für die Nachfrage nach Joghurt ist es ihm gelungen, die Produktionsplanung hinsichtlich der notwendigen Rohstof fe als auch der benötigten Fertigungskapazitäten zu optimieren und somit Engpässe zu vermeiden. Der automatisierte Forecast auf Basis eines ARIMA-Modells liefert in diesem Fall eine Forecast-Qualität mit einer Abweichung von nur +/- 2%.
RkJQdWJsaXNoZXIy Mjc4MQ==