Controller Magazin Special 6/2021

Controller Magazin _ Special 43 Das intelligente Unternehmen und die Unternehmensleistung Einer McKinsey-Umfrage von 850 CEOs und anderen C-Level Führungskräften weltweit operierender Unternehmen zufolge, sehen 45% der Befragten Big Data und Advanced Analytics als eine der Top 3 strategischen Prioritäten an. Ebenso hat ca. ein Drittel von ihnen bereits signifikante Investments in diesem Bereich zugesichert 10 . Gerade des- halb ist es wichtig, differenziert zu analysie- ren, ob dadurch ein strategischer Wettbe- werbsvorteil aufgebaut werden kann. Forschung zu Beginn der 2000er Jahre hat die These vom „productivity paradox“ auf- gestellt, wonach eine schwache Korrelation zwischen IT Investments und der allgemei- nen Unternehmensproduktivität festge- stellt wurde 11 . Jedoch wurde in Folgestudi- en darauf hingewiesen, dass dies mit der Schwäche von Unternehmen zusammen- hängt, IT Investments in effektive und nachhaltige Fähigkeiten zu transformieren, die in die Unternehmensprozesse ein- bzw. auf unternehmensspezifische Ressourcen zurückgreifen 12 . Um einen nachhaltigen Wettbewerbsvorteil aufzubauen, müssen Planungssysteme des- halb in den formellen und informellen Ent- scheidungsfindungs- und strategischen Pla- nungsprozess integriert sein. Nur wenige Organisationen sind in der Lage, solche Kompetenzen langfristig aufzubauen, da diese tief in die Organisation eingebunden sind und wegen Pfadabhängigkeiten und der sozialen Komplexität nicht einfach ein- gekauft werden können 13 . Sofern eine Umsetzung gelingt, belegen Studien, dass es sowohl eine indirekte, aber auch direkte Korrelation zwischen den Fä- higkeiten eines intelligenten Unternehmens und einem nachhaltigen Wettbewerbsvor- teil gibt, die in einer verbesserten finanziel- len Leistung resultiert 14 . Organisationen sind dann in der Lage, höhere Umsätze und geringere Kosten als andere Unternehmen ihrer Branche zu erzielen – selbst nach Ad- justierung von vergangenem finanziellem Erfolg 15 . Zahlen belegen, dass dadurch Um- sätze um durchschnittlich 8% erhöht und Kosten, die mit der Kundenakquise zusam- menhängen, um circa 47% verringert 16 wurden. Generalisiert betrachtet ermöglichen daten- getriebene Entscheidungen eine 5-6%ige Erhöhung bei Produktivität und Output 17 . Der kreierte Wert von Analyselösungen zu- sammen mit hoher Datenqualität führt zu langfristigen Performanceverbesserungen und bedeutet, dass diese Fähigkeit nicht austauschbar ist. Unternehmenslösungen, die in der kompletten Organisation und in deren informelle und formelle Prozesse ein- gebunden sind, erzielen einen nachhaltigen Wettbewerbsvorteil und verbessern die Un- ternehmensleistung in jeglicher Hinsicht. Schlussbetrachtung Obwohl Künstliche Intelligenz, fortgeschrit- tene Analyseverfahren und andere intelli- gente Technologien wie zum Beispiel Ma­ chine Learning Einzug in die Unternehmen gefunden haben, sind die gewinnbringends- ten und größten Möglichkeiten noch uner- schlossen. Diese Entwicklungen sind bei wei- tem größer als rudimentäre Chatbots und bescheidene Machine Learning Algorithmen. Deshalb ist es wichtiger als je zuvor, die Im- plementierung von Business Intelligence & Analytics in allen Geschäftseinheiten als eine einmalige Möglichkeit zu betrachten, um schnellere und bessere Entscheidungen auf allen organisatorischen Ebenen zu tref- fen, finanzielle und operative Kennzahlen zu verbessern und dadurch einen langfristigen Wettbewerbsvorteil aufzubauen. Dies führt nicht nur zu einer agileren Organisation, die schneller agieren und auf sich ändernde Marktgegebenheiten reagieren kann, son- dern wird auch über Erfolg und Misserfolg von Unternehmungen entscheiden. Aus die- sem Grund werden die organisatorischen Fähigkeiten, die ein intelligentes Unterneh- men besitzt, auch als der Erfolgsfaktor für Innovationen, Wettbewerb, und Produktivi- tät betrachtet 18 . f 1. Quinn, J. B. (2005). The Intelligent Enterprise A New Paradigm. Academy of Management Perspectives, 19(4), pp. 109-121. 2. Tian, F., & Xu, S. X. (2015). HowDo Enterprise Resource Planning Systems Af fect FirmRisk? Post-Implementa- tion Impact. MIS Quarterly, 39(1), p.43. 3 Tian, F., & Xu, S. X. (2015). HowDo Enterprise Resource Planning Systems Af fect FirmRisk? Post-Implementati- on Impact. MIS Quarterly, 39(1), p.45. 4. Harvard Business Review (2019). The Rise of Intelligent Automation. Retrieved from https://hbr.org/resources/ pdfs/comm/oracle/OraclePulseSurvey.pdf 5. Xu, L., Zeng, L., Shi, Z., He, Q., &Wang, M. (2007). Research on Business Intelligence in enterprise computing environment. 2007 IEEE International Conference on Systems, Man and Cybernetics, p.3270. 6. Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J. F., Dubey, R., & Childe, S. J. (2017). Big Data Analytics and FirmPerformance: Ef fects of Dynamic Capabilities. Journal of Business Research, 70, p.6.; Ransbotham, S., Kiron, D., & Prentice, P. K. (2015). Minding the Analytics Gap. MIT SloanManagement Review, 56(3), p.1. 7. Wixom, B. H., Yen, B., & Relich, M. (2013). Maximizing Value fromBusiness Analytics. MIS Quarterly Executive, 12(2), p.113. 8. Tanriverdi, H., & Ruef li, T. W. (2004). The Role of Information Technology in Risk/Return Relations of Firms. Journal of the Association for Information Systems, 5(11-12), p.433. 9. Tian, F., & Xu, S. X. (2015). HowDo Enterprise Resource Planning Systems Af fect FirmRisk? Post-Implementa- tion Impact. MIS Quarterly, 39(1), pp.40-44. 10. Gottlieb, J., &Willmott, P. (2014). The Digital Tipping Point: McKinsey Global Survey results. McKinsey, 1-8. 11. B rynjolfsson, E., &Hitt, L. M. (1998). Beyond the Productivity Paradox. Communications of the ACM, 41(8), 49-55. 12. Bharadwaj, A. S. (2000). A Resource-Based Perspective on Information Technology Capability and FirmPerformance: An Empirical Investigation. MIS Quarterly, 24(1), p.186. 13. Teece, D. J. (2014). The Foundations of Enterprise Performance: Dynamic and Ordinary Capabilities in an (Economic) Theory of Firms. Academy of Management Perspectives, 28(4), p.330. 14. A kter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to Improve FirmPerformance Using Big Data Analytics Capability and Business Strategy Alignment? International Journal of Production Economics, p.9. 15. Santhanam, R., &Hartono, E. (2003). Issues in Linking Information Technology Capability to FirmPerforman- ce. MIS Quarterly, 27(1), p.131. 16. Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J. F., Dubey, R., & Childe, S. J. (2017). Big Data Analytics and FirmPerformance: Ef fects of Dynamic Capabilities. Journal of Business Research, 70, p.6. 17. Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011). Strength in Numbers: HowDoes Data-Driven Decision-Making Af fect FirmPerformance? Available at SSRN 1819486. p.1. 18. Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Byers, A. H. (2011). Big Data: The Next Frontier for Innovation, Competition and Productivity, McKinsey Global Institute, p.1.