Die Arbeit befasst sich mit dem Einsatz von Predictive Analytics innerhalb der Unternehmensfunktion „Controlling“. Konkret setzt diese sich mit der Analyse des Einsatzpotentials von Predictive Analytics anhand operativer, controllingseitiger Planungsprozesse auseinander. Dazu erfolgt im ersten Schritt die Vorstellung von Predictive Analytics, welche Aspekte rund um Big Data, Machine Learning und Data Mining abdeckt. Im zweiten Schritt wird die Planung konkretisiert, indem Grundlagen der Planung, Problemfelder der Planung sowie drei verschiedene, operative Planungsprozesse präsentiert werden. Im letzten Schritt werden die Themengebiete kombiniert, indem Berührungspunkte von Predictive Analytics auf Grundlage der Problemfelder der Planung sowie der Gemeinsamkeiten der Planungsprozesse analysiert werden und zu sowohl Nutzungspotentialen als auch Herausforderungen führen.
Es kam zum Vorschein, dass die Anwendung von Predictive Analytics durchaus einsetzbar ist und großes Verbesserungspotential für betroffenen Problemfelder der Planung verspricht. Allerdings stehen dem Einsatz Herausforderungen gegenüber, welche gegenüber dem Nutzen abgewogen werden müssen. Mittelfristig wird eine intensive Diskussion über die Integration von Predictive Analytics empfohlen.
Inhaltsverzeichnis
- Problemstellung
- Predictive Analytics
- Einführung in Predictive Analytics
- Einflussgröße: Big Data
- Data Mining
- Machine Learning
- Predictive Analytics im Planungsprozess
- Planung als Bestandteil des Controllings
- Operative Planungsprozesse des Controllings
- Berührungspunkte im Planungsprozess
- Praxisorientierte Implementierungsansätze von Predictive Analytics
- Nutzungspotentiale und Herausforderungen von Predictive Analytics
- Fazit
Zielsetzung und Themenschwerpunkte
Die vorliegende Arbeit analysiert das Einsatzpotenzial von Predictive Analytics im Rahmen von operativen Planungsprozessen im Controlling. Ziel ist es, die Möglichkeiten und Herausforderungen aufzuzeigen, die sich durch die Integration von Predictive Analytics in bestehende Controlling-Prozesse ergeben.
- Einführung in Predictive Analytics und dessen Einsatzmöglichkeiten
- Analyse des Einflusses von Big Data auf Predictive Analytics
- Bedeutung und Rolle des Controllings im Planungsprozess
- Erläuterung von Berührungspunkten zwischen Predictive Analytics und dem Planungsprozess
- Bewertung von Nutzungspotenzialen und Herausforderungen von Predictive Analytics im Controlling
Zusammenfassung der Kapitel
- Problemstellung: Dieses Kapitel stellt den technologischen Wandel und die Bedeutung von Predictive Analytics als Schlüsseltechnologie in Unternehmen dar.
- Predictive Analytics: Dieses Kapitel bietet eine umfassende Einführung in Predictive Analytics. Es beleuchtet die Bedeutung von Big Data, Data Mining und Machine Learning für den Einsatz von Predictive Analytics.
- Predictive Analytics im Planungsprozess: Dieses Kapitel fokussiert auf die Integration von Predictive Analytics in den Planungsprozess des Controllings. Es erläutert die Rolle des Controllings in der Planung, beschreibt operative Planungsprozesse und analysiert die Berührungspunkte von Predictive Analytics im Planungsprozess. Es geht auch auf praxisorientierte Implementierungsansätze sowie Nutzungspotenziale und Herausforderungen von Predictive Analytics im Controlling ein.
Schlüsselwörter
Predictive Analytics, Controlling, Operative Planung, Big Data, Data Mining, Machine Learning, Nutzungspotenziale, Herausforderungen, Implementierung, Technologie, Digitalisierung
Häufig gestellte Fragen
Was ist Predictive Analytics im Controlling?
Predictive Analytics nutzt Daten, statistische Algorithmen und Machine Learning, um die Wahrscheinlichkeit künftiger Ergebnisse auf Basis historischer Daten vorherzusagen.
Wie beeinflusst Big Data das Controlling?
Big Data liefert die notwendige Datenbasis (Volumen, Vielfalt, Geschwindigkeit), um präzisere Modelle für die operative Planung und Prognose zu erstellen.
In welchen Planungsprozessen kann Predictive Analytics eingesetzt werden?
Besonders in operativen Planungsprozessen des Controllings, wie Absatz- oder Kostenplanung, bietet die Technologie große Verbesserungspotenziale.
Was sind die größten Herausforderungen bei der Implementierung?
Herausforderungen liegen in der Datenqualität, den notwendigen technischen Kompetenzen (Data Science) und der Integration in bestehende IT-Systeme.
Was ist der Unterschied zwischen Data Mining und Machine Learning?
Data Mining konzentriert sich auf das Entdecken von Mustern in großen Datensätzen, während Machine Learning Algorithmen nutzt, die aus Daten lernen und eigenständig Vorhersagen treffen.
- Citation du texte
- Malte Dammeyer (Auteur), 2020, Predictive Analytics im Controlling, Munich, GRIN Verlag, https://www.grin.com/document/1244782
