Controlling meets Data Science

Daten im Unternehmen erfassen, Kennzahlen berechnen, Vorhersagen treffen und all das schließlich in einem managementkonformen Bericht zusammenstellen, ist für Mitarbeitende im Controlling Teil der täglichen Arbeit. Die zugrunde liegenden Mechanismen haben sich jedoch in den letzten Jahren enorm weiterentwickelt und mathematische Methoden aus dem Bereich Data Science halten immer selbstverständlicher Einzug in den Werkzeugkasten des klassischen Controllings. Die Übergänge zwischen beiden Bereichen sind fließend. Was die Frage aufwirft, wann Data-Science-Methoden notwendig werden und wie sie einen Mehrwert für die tägliche Arbeit im Controlling bringen können.

Dabei gibt es zwei Dimensionen, deren Verständnis unerlässlich für die erfolgreiche Arbeit mit Daten ist. Die erste Dimension beschreibt die heutige Verfügbarkeit von Daten. Daten werden aktuell in feinster zeitlicher Granularität und in nahezu allen Unternehmensprozessen erhoben und nicht wie noch vor einigen Jahren auf Monats- oder Quartalsebene. In vielen Unternehmen werden diese Daten in zentralen Datenbanken zusammengeführt (bspw. in einem Data Warehouse, kurz DWH oder Data Lake), in Beziehung gesetzt und für die Steuerung des Unternehmens in Dashboards analysiert.

Die zweite Dimension zielt auf die steigende Multimodalität der Daten ab. Das bedeutet in diesem Zusammenhang, dass neben den rein monetären Kennzahlen zudem eine Vielzahl an unterschiedlichen Datenarten zur Verfügung stehen. Diese können beispielsweise von strukturierter Natur sein (z.B. Umsatzzahlen des letzten Tages) oder aber auch unstrukturiert vorliegen können (z.B. zeitliche, fein aufgelöste Sensordaten oder Produktfotos, die während der Fertigung erfasst werden).

Diese beiden Dimensionen, also die schiere Menge an Daten und die steigende Komplexität, fordern auch im Controlling eine neue Herangehensweise. Hier kann der Data-Science-Bereich die Chance bieten, zusätzlichen Mehrwert bei der Verarbeitung der Daten zu erzeugen. Der Methodenfundus reicht von reinen statistischen Auswertungen über geeignete visuelle Darstellungen bis hin zu Verfahren des maschinellen Lernens (z.B. um Kundengruppen zu selektieren oder den Bestellbedarf der nächsten Woche vorherzusagen).

Der Vorteil des Controllers ist es, dass Zahlen und allgemein Daten bereits seit Jahren zum Arbeitsalltag gehören. Neu sind die Methoden und Werkzeuge, mit denen diese Massendaten analysiert und in Erkenntnisse umgewandelt werden können. Dabei spielt das vorhandene, tiefgreifende Domänenwissen über Sachverhalte und Prozesse im Unternehmen eine erhebliche Rolle. Denn hinter jeder Zahl im Datenbestand steckt eine Geschichte, ein Sensor, der sie gemessen hat oder eine Person, die sie erhoben hat. Die Kombination aus diesem Expertenwissen mit dem Methodenspektrum des Data Scientists ergibt ein unschätzbar großes Potenzial für die tägliche Arbeit im Controlling.

Weiterbildungstipp

Certified Business Data Scientist | Wettbewerbsvorteile mit Big Data, Advanced Analytics und Machine Learning | Info und Anmeldung

Certified Data Manager | Werden Sie Spezialist für das Datenmanagement | Info und Anmeldung