Auswirkungen von Big Data auf das Controlling

Inhaltsverzeichnis

Inhaltsverzeichnis

Darstellungsverzeichnis

1 Einführung
1.1 Problembezug und Fragestellung
1.2 Zielsetzung und Vorgehensweise

2 Theoriehintergrund
2.1 Definition
2.1.1 BigData
2.1.2 Controlling und Controller
2.2 Studie
2.2.1 Assoziationen mit dem Begriff Big Data
2.2.2 Nutzungszwecke von Big Data

3 Einsatz von Big Data im Controlling
3.1 MöglicheAnwendungsfelder
3.2 Praktische Anwendungsbeispiele von Big Data
3.2.1 Macy's
3.2.2 mZinga
3.3 Gefahren und Risiken

4 Die Rolle des Controllers in der Zukunft
4.1 Auswirkungen auf die Kompetenzen des Controllers
4.2 Unterscheidung zum Data Scientiest

5 Fazit und Ausblick

Literaturverzeichnis IV

Darstellungsverzeichnis

Darst. 1: Dimensionen von Big Data

Darst. 2: Prognose zur jährlich generierten Datenmenge

Darst. 3: Verschiedene Controlling-Definitionen

Darst. 4: Assoziationen mit dem Begriff Big Data

Darst. 5: Nutzungszwecke von Big Data

Darst. 6: Herausforderungen von Big Data

Darst. 7: Nutzung von Big Data

Darst. 8: Herausforderungen der Digitalisierung im Controlling

Darst. 9: Kompetenzatlas

Darst. 10: Gegenwärtiges und zukünftiges Kompetenzprofil

1 Einführung

1.1 Problembezug und Fragestellung

Unter dem Motto „Prepare for your Future“ fand im Mai der diesjährige Kongress der Controller statt. Chancen und Potentiale, die mit der Digitalisierung einhergehen, sollen gewinnbringend für Unternehmen eingesetzt werden. Doch jeder Transformationsprozess ist auch immer mit gewissen Risiken und Herausforderungen verbunden. Um diese zu überwinden, sind auch grundlegende Veränderungen im Rollenverständnis sowie beim Kompetenzprofil des Controllers zwingend erforderlich.¹

Bereits heute ist es möglich, sich durch die Ressource „Daten“ von den Wettbewerbern zu differenzieren. Grundvoraussetzung dafür ist es, die immer steigenden Datenmengen effizient auszuwerten. Eine Herausforderung ist, dass der Großteil der Daten in unstrukturierter Form vorliegt und somit nach derzeitigen Analysetools nur sehr kostenintensiv zu verarbeiten und zu analysieren sind.²

Schon in den vergangenen Jahren hat sich das Rollenbild des Controllers maßgeblich verändert. Bis in die 1980er Jahre lag der Schwerpunkt eher in der Entwicklung und Anwendung von geeigneten Controllinginstrumenten. Bereits seit den 1990er Jahren fungieren Controller eher als Schnittstelle zum Management und sind somit unmittelbar am Unternehmenserfolg beteiligt.³

Big Data, das derzeit größte Digitalisierungsthema, beschäftigt sich mit den zentralen Themen Datenbeschaffung, Datenaufbereitung und Datenanalyse. Diese Tätigkeiten decken sich auch mit dem Aufgabenbereich des Controllers. Um wettbewerbsfähig zu bleiben, muss sich zukünftig jedes Unternehmen mit diesem Thema beschäftigen.

Big Data bietet bereits jetzt zahlreiche Analysemöglichkeiten und kann deshalb vor allem im strategischen Controlling maßgeblich zum Unternehmenserfolg beitragen. Kundenwünsche, Trends und sonstige Präferenzen werden frühzeitig erkannt und beeinflussen somit die strategische Stoßrichtung des Unternehmens.

Die vorliegende Arbeit beschäftigt sich deshalb mit den Fragestellungen: Welche Chancen und Risiken gehen mit der Nutzung von Big Data einher und welche Kompetenzen benötigt der Controller 4.0?

1.2 Zielsetzung und Vorgehensweise

Ziel dieser Arbeit ist es auch auf mögliche Anwendungsfelder von Big Data im Controlling einzugehen. Von essenzieller Bedeutung ist es, zu untersuchen, welchen Einfluss Big Data auf das Kompetenzprofil des Controllers 4.0 hat. Auch gilt es hierbei eine konkrete Unterscheidung zum neuen Berufsbild des Data Scientist zu treffen.

Zunächst werden dazu im zweiten Kapitel die theoretischen Grundlagen erläutert. Es folgt eine konkrete Begriffsdefinition von Big Data und Controlling. Um den Begriff Big Data zu definieren, ist es notwendig auf die sogenannten sechs Dimensionen einzugehen. Um hingegen den Begriff Controlling näher einzugrenzen, sind die einzelnen Aufgabenbereiche eines Controllers zu durchleuchten. Nach der Begriffsdefinition folgt die Analyse von zwei externen Studien.

In Kapitel drei wird näher auf die Risiken und Gefahren von Big Data eingegangen. Zunächst wird erörtert weshalb Big Data bisher in nur wenigen Unternehmen Anwendung findet. Anschließend werden die konkreten Herausforderungen für das Controlling und den Controller dargestellt. Nach der Risikoanalyse folgt die Potentialanalyse, wobei auf mögliche Anwendungsfelder des Controllers in der Zukunft eingegangen wird.

Das vierte Kapitel vergleicht, in Anlehnung an den Kompetenzatlas von Heyse Erpenbeck, das gegenwärtige und zukünftiges Kompetenzprofil des Controllers. Im Anschluss daran folgt eine explizite Unterscheidung zum Data Scientiest.

Das Fazit und einen kritischen Blick in die Zukunft liefert Kapitel fünf.

Es wird in der vorliegenden Arbeit eine reine Literaturanalyse mit qualitativer Zuordnung der Quellen angewendet. Zur Literaturrecherche werden hauptsächlich das lokale Bibliothekssystem der Städte Merseburg und Halle sowie der Gemeinsame Verbundkatalog (GVK) herangezogen.

2 Theoriehintergrund

2.1 Definition

2.1.1 BigData

Wissen entsteht durch die Gewinnung, Verarbeitung, Verknüpfung und Sammlung von Daten.⁴ In einerzunehmend digitalisierten Gesellschaft, gewinnen Daten immer mehr an Bedeutung, um diese gewinnbringend für die Unternehmen einsetzen zu können, ist es zwingend erforderlich, diese Daten auch effizient auswerten zu können.

Der Begriff Big Data taucht schon seit mehreren Jahren immer wieder im Zusammenhang mit Digitalisierung auf und lässt sich auf verschiedenste Weisen interpretierten. Es gibt derzeit keine einheitliche Definition, um aber einen groben Überblick zu schaffen, werden im Folgenden zwei treffende Definitionen zitiert.

„Big Data bezeichnet den Einsatz großer Datenmengen aus vielfältigen Quellen mit einer hohen Verarbeitungsgeschwindigkeit zur Erzeugung wirtschaftlichen Nutzens“.⁵

„Big Data beschreibt vereinfacht große Menge an Daten, die schnell generiert werden, sich schnell ändern und eine Vielfalt bzw. unterschiedliche Formate aufweisen können (z. B. Texte, Sensorik-Daten, Fotos).“⁶

Um den Begriff näher bestimmen zu können, bietet es sich an, den Begriff in seine elementaren Merkmale zu unterteilen. So sieht die Ideenwerkstatt des Internationalen Controllers Vereins, kurz ICV, derzeit sechs Kernelemente als gegeben an (Vgl. Dars. 1).⁷

Abbildung in dieser Leseprobe nicht enthalten

Darst. 1: Dimensionen von Big Data (Quelle: eigene Darstellung)

Volume, die erste Dimension, bezeichnet die Anzahl an Datensätzen, hier ist auch in Zukunft von einer kontinuierlichen Steigerung auszugehen. Bis zum Jahr 2025 werden 175 Zettabyte an generierten digitalen Datenmengen weltweit prognostiziert, derzeit sind es nur 33 Zettabyte (Vgl. Dars. 2). Das heißt, dass sich das Datenvolumen in den nächsten sechs Jahren mehr als verfünffachen wird.

Abbildung in dieser Leseprobe nicht enthalten

Darst. 2: Prognose zur jährlich generierten Datenmenge (Quelle: entnommen aus Reinsel/Gantz Rydning 2018, S. 6)

Variety befasst sich mit der Vielfalt und Komplexität der Daten.⁸ Im Vergleich zu Business Intelligence geht es hierbei neben der Speicherung und Verarbeitung von strukturierten Daten vor allem um die semi-strukturierten und unstrukturierten Daten.

Strukturierte Daten liegen in der ersten Normalform vor und folgen somit einer systematischen Abfolge. Ein klassisches Beispiel hierfür wären Datenbanken, hier werden die Daten in eine Tabellenform gebracht, erhalten somit eine klare Struktur und können leichter auswertet werden.⁹

Unstrukturierte Daten sind beispielsweise Textdateien, Videos oder Präsentationen. Die Daten sind leicht zu erstellen, da sie keinen festen Datentypen haben. Allerdings ist es, aufgrund ihrer fehlenden Struktur, derzeit nur sehr schwierig sie gewinnbringend zu verarbeiten.¹⁰

Semistrukturierte Daten liegen vor, wenn es zwar eine gewisse Struktur der Daten gibt, diese allerdings auch von dieser Form abweichen können. Ein passender Vertreter dafür ist E-Mail. So sind die Daten des Empfängers bzw. Absenders klar strukturiert, der Text der E-Mail liegt jedoch in unstrukturierter Form dar.¹¹

Velocity bezeichnet die Geschwindigkeit der Daten. In einerzunehmend digitalisierten Umwelt beeinflusst die Geschwindigkeit des Datenaustauschs, der Datenergänzung sowie der Datenerneuerung den Unternehmenserfolg. Um sich Wettbewerbsvorteile zu sichern, ist es von essenzieller Bedeutung, dass auch die Datenauswertung in Echtzeit erfolgt.¹²

Veracity bezieht sich auf die Vertrauenswürdigkeit der Daten. Nur mit qualitativ hochwertigen Ausgangsdaten ist das Ergebnis für die weitere Betrachtung und Auswertung interessant.¹³

Das fünfte Kernelement, Data Analytics, beschäftigt sich mit Methoden zur automatisierten Erkennung und Interpretation von Daten.¹⁴

Im sechsten Kernelement geht es um den Wert, welchen Daten für die Unternehmen liefern. Welchen Wert Daten für die Unternehmen haben können, lässt sich damit beziffern, dass Daten immer wieder als das neue Öl der Digitalisierung bezeichnet werden.¹⁵

Abschließend lässt sich feststellen, dass Big Data die Fähigkeit beschreibt, einen wirtschaftlichen Nutzen (Value) aus der schnellen, automatisierten Verarbeitung (Velocity und Data Analytics) von großen Datenmengen (Volume), mit hoher Vertrauenswürdigkeit (Veracity) und mit unterschiedlichsten Strukturen (Variety) zu ziehen.

2.1.2 Controlling und Controller

Wer den Begriff „Controlling“ hört denkt sicherlich zunächst an „Kontrolle“. Auch wenn Kontrolle ein wichtiges Kernelement des Controllings bildet, ist dies als Assoziation und Begriffsdefinition zu trivial. Der Begriff leitet sich vom englischen Wort ,,to control“ ab und bedeutet so viel wie steuern und lenken. Controlling geht somit weit über den reinen Überwachungshorizont hinaus und liefert wichtige Informationen für das unternehmerische Handeln.

Für den Begriff Controlling gibt es nach derzeitigen Auffassungen keine allgemeingültige Definition. Um einen ersten Überblick über den Begriff sowie den Aufgabenbereich des Controllings zu geben, werden in Darstellung 3 einige Definitionen bekannter Autoren herangezogen.

Abbildung in dieser Leseprobe nicht enthalten

Darst. 3: Verschiedene Controlling-Definitionen (Quelle: eigene Darstellung)

Einigkeit besteht demnach darin, dass es sich beim Controlling um eine Managementunterstützung handelt und der Controller die Unternehmensführung bei ihren Führungsaufgaben hinsichtlich Planung, Steuerung und Kontrolle unterstützt.

Der Begriff bzw. deren Tätigkeitsbereich lässt sich bis in das 15. Jahrhundert zurückverfolgen. So gab es bereits zu dieser Zeit „Countroller“ am englischen Königshof. Erstmals wurde der Begriff „Controlling“ im 19. Jahrhundert für die Leitung der staatlichen Bankenaufsicht in den USA verwendet.¹⁶ Im Jahre 1931 gelang es mit der Gründung des „Controller’s Institute of America“, heute „Financial Executives Institute“ ein fast einheitliches Repertoire über die Aufgaben eines Controllers zusammenzufassen. Hierzu gehören die Planung,

Berichtserstattung und Interpretation, Bewertung und Beratung, Vermögenssicherung sowie volkswirtschaftliche Untersuchungen.¹⁷

Die Planung erfolgt mittels Kostenanalyse, Absatzplänen, Gewinnplänen sowie Gemeinkostenbudgets. Die Berichtserstattung und Interpretation wird oftmals mit dem Begriff Reporting gleichgesetzt, grundsätzlich geht es hierbei um Soll-Ist-Vergleiche. Als Business Partner ist der Part der gesamtunternehmerischen Zielerreichung unerlässlich. Hierbei wird darüber hinaus die Wirksamkeit der Organisationsstruktur sowie Prozessabläufe überprüft. Ziel ist es Transparenz zu schaffen, die „richtigen“ Schlüsse aus den Informationen zu erkennen und diese für die kommenden unternehmerischen Entscheidungen zu nutzen. In der Vermögenssicherung geht es um den Erhalt des Unternehmens, welcher durch regelmäßige, innerbetriebliche Kontrollen gewährleistet wird. Umweltanalysen und damit verbundene Einflussgrößen auf das Wirtschaften des Unternehmens müssen ebenso regelmäßig durchgeführt werden. Nur so ist es frühzeitig möglich auf Chancen und Risiken des Marktes zu reagieren.

Als Fazit bleibt festzuhalten: „Der Controller ist ein Navigator, ein Lotse in schwieriger See, der Ziele im Auge behält und auch einen Blick für die Untiefen in zunehmend volatilen Märkten hat.“¹⁸

2.2 Studie

2.2.1 Assoziationen mit dem Begriff Big Data

Die Studie über die Assoziationen mit dem Begriff Big Data wurde von der Mieschke Hoffmann und Partner GmbH, kurz MHP durchgeführt. Insgesamt nahmen an 464 Personen an dem Online-Fragebogen teil. Mehrfachnennungen waren möglich.

Zu den Ergebnissen dieser Studie zählen, dass der Begriff Big Data zu mindestens einem Drittel mit den Schlagworten Unstrukturierte Daten, Datenvolumen und Business Intelligence assoziiert wird. Neue Geschäftsmodelle, Echtzeitauswertungen oder auch Produktinnovationen zählen zu den Potentialen und werden stärker mit dem Begriff in Verbindung gebracht als die negativen Folgen, wie beispielsweise Gläserner Kunde, Datenschutzproblematik und Überwachung.

Abbildung in dieser Leseprobe nicht enthalten

Darst. 4: Assoziationen mit dem Begriff Big Data (Quelle: entnommen aus MHP 2015, S. 28)

2.2.2 Nutzungszwecke von Big Data

Die Studie über mögliche Anwendungsszenarien wurde ebenfalls von der Mieschke Hoffmann und Partner GmbH, kurz MHP durchgeführt. An der Studie nahmen 389 Personen teil, Mehrfachnennungen waren möglich.

Von besonderer Relevanz für diese Arbeit und damit auch in Darstellung 5 charakterisiert ist die Erkenntnis, dass knapp die Hälfte der Teilnehmer die größten Einsatzmöglichkeiten von Big Data im strategischen Controlling sehen. Durch neue Trendanalysieren erhoffen sich Unternehmen ein besseres Kundenverständnis und genauere Langzeitprognosen. Im Einklang dazu steht die Produkt- und Serviceverbesserung. Produkte und Services orientieren sich grundsätzlich am Kunden, kann dessen Verhalten in Zukunft genauer prognostiziert werden, steigen auch die Absatzmöglichkeiten. Potential, um das Risiko von Entscheidungen zu minimieren oder um die eigenen Prozesse zu bessern, sehen interessanterweise nicht einmal zwanzig Prozent. Da sich oftmals die eigenen Prozesse an den Kunden orientieren und Absatzrisiko durch ein besseren Kundenverständnis minimiert werden kann, zeigt dass sich viele Unternehmen sich noch nicht vollständig oder zu wenig am Kunden orientieren. Hier gilt es den Servicegedanken in Zukunft weiter zu festigen.

Abbildung in dieser Leseprobe nicht enthalten

Darst. 5: Nutzungszwecke von Big Data (Quelle: entnommen aus MPH 2015, S. 32)

[...]

---

¹ Vgl. Internationaler Controller Verein (ICV)2019.

² Vgl. Schuh/ Stich 2014, S. 91.

³ Vgl. Weißenberger/Wolf/ Neumann-Giesen u.a. 2012, S. 330.

⁴ Vgl. SIGS DATACOM GmbH 2018, S. 5.

⁵ Becker/ Ulrich/ Botzkowski 2016, S. 22.

⁶ Langmann 2019, S. 5.

⁷ Vgl. auch Internationaler Controller Verein (ICV) 2014, S. 4.

⁸ Vgl. Schön 2018, S. 419.

⁹ Vgl. Hippner, Rentzmann 2006, S. 287.

¹⁰ Vgl. Nouri 2004, S.14ff.

¹¹ Vgl. Schön 2018, S. 419.

¹² Vgl. Schön 2018, S. 420.

¹³ Vgl. Urbanski/Weber 2012, S. 21.

¹⁴ Vgl. Urbanski/ Weber 2012, S. 21.

¹⁵ Vgl. Klein/ Tran-Gia/ Hartmann, 2013, S. 219.

¹⁶ Vgl. Schäffer/Weber 2016, S. 3.

¹⁷ Vgl. Schäffer/Weber 2016, S. 5.

¹⁸ Otto 2017, S. 1.