Ziel dieser Arbeit ist es, die momentanen Entwicklungen bezüglich der Anwendung von Predictive Analytics im Controlling deutscher Unternehmen offenzulegen und die Frage zu klären, wie sich der vermehrte Einsatz von Predictive Analytics auf die Unternehmensplanung auswirkt. Dabei sollen insbesondere operative Planungsprozesse hinsichtlich der Anwendungsmöglichkeiten, prozessualen Ausgestaltung sowie Nutzenpotenziale und Herausforderungen in Bezug auf den Einsatz von Predictive Analytics untersucht werden. Das Zentrum der Untersuchung stellt die Auswertung von zehn teilstrukturierten Experteninterviews dar.
Im Rahmen des globalen Trends der Digitalisierung steht den Unternehmen eine immer größere Datenmenge und Datenvielfalt zur Verfügung. Durch die stetige Verbesserung von IT-Infrastruktur und Auswertungssoftware gewinnt die Datenanalyse zunehmend an Relevanz im Bereich der Unternehmensplanung und -steuerung. Während die Auswertung vergangenheitsbezogener Daten bereits seit längerer Zeit in Literatur und Praxis bekannt ist, rücken nun zunehmend Konzepte zur Prognose zukünftiger Entwicklungen auf Basis von Vergangenheitsdaten in das Zentrum der Diskussion. Diese unter dem Begriff Predictive Analytics bekannten Modelle ermöglichen es dem Management mithilfe von quantitativ-statistischen Methoden, nähere Einblicke in zukünftige Entwicklungen des Geschäftsmodells oder Marktumfeldes ihres Unternehmens zu erhalten.
Das Controlling, welches traditionell die Planungs- und Informationsversorgungsfunktion in einem Unternehmen einnimmt, wird durch die zunehmende Digitalisierung und Verbreitung von Predictive Analytics in den kommenden Jahren einen Wandel erleben. Besonders die häufig komplexen und kostenintensiven Planungsprozesse stehen in der Kritik, eine zu geringe Genauigkeit im Verhältnis zu dem geleisteten Aufwand aufzuweisen. Die in Abstimmungsrunden gewonnenen Plandaten basieren zumeist auf Expertenmeinungen und unterliegen daher oft systematischen Fehlern. Predictive Analytics stellen in diesem Zusammenhang eine Chance dar, Planungsprozesse in Zukunft automatisierter, schneller und objektiver zu gestalten sowie gleichzeitig die Qualität der prognostizierten Daten zu erhöhen.
Inhaltsverzeichnis
- 1 Einleitung
- 2 Konzeptionelle Grundlagen
- 2.1 Controlling und operative Planungsprozesse
- 2.1.1 Begriff und Konzeption
- 2.1.2 Operative Planung und Kontrolle
- 2.1.3 Forecast
- 2.1.4 Systematische Planungsfehler
- 2.2 Predictive Analytics
- 2.2.1 Big Data
- 2.2.2 Einordnung von Predictive Analytics in den Kontext der IT-basierten Entscheidungsunterstützung
- 2.2.3 Theoretische Anwendungsfelder
- 2.2.4 Analysemethoden
- 3 Stand der Forschung
- 4 Empirische Analyse zum Einsatz von Predictive Analytics im Controlling
- 4.1 Forschungsdesign
- 4.1.1 Grundlagen Qualitative Forschung
- 4.1.2 Datenerhebung
- 4.1.3 Datenanalyse
- 4.2 Ergebnisse
- 4.2.1 Aktueller Stand der Umsetzung in der Praxis
- 4.2.2 Konkrete Anwendungsgebiete
- 4.2.3 Prozessausgestaltung
- 4.2.3.1 Projektplanung
- 4.2.3.2 Datenauswahl und Datenaufbereitung
- 4.2.3.3 Modellgenerierung
- 4.2.3.4 Planungsprozess
- 4.2.3.5 Monitoring
- 4.2.4 Nutzenpotenziale
- 4.2.4.1 Automatisierung und Ressourceneffizienz
- 4.2.4.2 Prognosegenauigkeit und Objektivierung
- 4.2.5 Herausforderungen und Lösungsansätze
- 4.2.5.1 Datenbasis und IT-Systemlandschaft
- 4.2.5.2 Akzeptanz im Betrieb und Transparenz
- 4.2.5.3 Technisches Know-How der Mitarbeiter
- 4.2.5.4 Marktdynamik und disruptive Entwicklungen
- 4.2.6 Ausblick auf zukünftige Entwicklungen
- 4.3 Abschließende Würdigung
- 5 Schlussbetrachtung
- Controlling und operative Planungsprozesse
- Predictive Analytics und Big Data
- Anwendungsfelder von Predictive Analytics im Controlling
- Prozessausgestaltung und Herausforderungen
- Nutzenpotenziale und zukünftige Entwicklungen
- Kapitel 1: Die Einleitung gibt einen Überblick über die Relevanz des Themas Predictive Analytics im Controlling und führt in die Forschungsfrage und die methodische Vorgehensweise ein.
- Kapitel 2: Dieses Kapitel beleuchtet die konzeptionellen Grundlagen von Controlling, operativer Planung und Predictive Analytics. Es werden die Begriffe und Konzepte erläutert und die Einordnung von Predictive Analytics in den Kontext der IT-basierten Entscheidungsunterstützung dargestellt.
- Kapitel 3: Der Stand der Forschung zum Einsatz von Predictive Analytics im Controlling wird in diesem Kapitel dargestellt.
- Kapitel 4: Die empirische Analyse zum Einsatz von Predictive Analytics im Controlling wird in diesem Kapitel vorgestellt. Die Datenerhebung und -analyse werden erläutert und die Ergebnisse der Untersuchung dargestellt.
Zielsetzung und Themenschwerpunkte
Die vorliegende Masterarbeit befasst sich mit dem Einsatz von Predictive Analytics im Controlling. Sie zielt darauf ab, den aktuellen Stand der Forschung zu analysieren, die Einsatzmöglichkeiten von Predictive Analytics in der Praxis zu untersuchen und die Herausforderungen und Potenziale dieser Technologie zu beleuchten.
Zusammenfassung der Kapitel
Schlüsselwörter
Predictive Analytics, Controlling, operative Planung, Big Data, IT-basierte Entscheidungsunterstützung, Prozessausgestaltung, Nutzenpotenziale, Herausforderungen, zukünftige Entwicklungen.
- Arbeit zitieren
- Florian Dick (Autor:in), 2020, Predictive Analytics im Controlling deutscher Unternehmen. Auswirkungen auf Planungsprozesse, München, GRIN Verlag, https://www.grin.com/document/1064380
