Experten gehen davon aus, dass sich die weltweiten Daten alle zwei Jahre mehr als verdoppeln und im Jahr 2020 das digitale Universum etwa gleich viele digitale Bits erreicht hat, wie es Sterne im Universum gibt. Dadurch wird es in der Unternehmensplanung zunehmend schwieriger, relevante Einflussfaktoren für die Prognose von Planpositionen in einem digitalen und volatilen Umfeld zu erkennen und diese in die Planung und somit in die Entscheidungsfindung miteinzubeziehen.
Die Digitalisierung führt zu einer noch stärkeren unternehmensübergreifenden Vernetzung. Dabei werden verschiedene Informationen über die Unternehmensgrenzen hinweg geteilt. Diese Entwicklung macht aber nicht innerhalb des B2B-Bereichs halt, sondern bezieht auch Kunden und andere externe Partner mit ein. Ein bekanntes Zitat des ehemaligen CEO des Business-Netzwerks Xing bringt es auf den Punkt: “Daten sind das Öl des 21. Jahrhunderts“. Diese These wird auch durch die Tatsache bestätigt, dass das Google Mutterunternehmen Alphabet seinen Gewinn im 2. Quartal um fast 20% gegenüber dem Vorjahr steigern konnte.
Die rapiden Veränderungen der Wirkungsweise von Einflussfaktoren erschweren die Verwendung der massiven Informationsflut zur Prognose. Folglich scheint eine valide Prognose des Unternehmenserfolgs (z.B. Absatzmenge und Absatzpreise) unter Zuhilfenahme dessen Treiber (z.B. Bruttoinlandsprodukt, Konsumklima, Rohstoffpreise) nahezu unmöglich. Ein Blindflug und Fahren auf Sicht kann jedoch genau bei diesen Umständen nicht die Lösung sein. Unternehmen müssen gerade jetzt mehr Wert auf die (auch zum Teil kurzfristige) Prognose legen.
Da eine Rückkehr zu den Zeiten stabiler Wirkungsweisen und weniger Daten nicht absehbar ist, liegt die Verantwortung, flexiblere und belastbare Lösungen zu finden, insbesondere im Controlling. Anlässlich der aktuellen Diskussionen ist es das Ziel dieser Arbeit, eine Predictive Analytics-Technologie zu hinterfragen und die Auswirkungen auf die Qualität der zahlungsorientierten Finanzplanung aufzuzeigen. Die gewonnenen Erkenntnisse geben Aufschluss darüber, inwieweit eine Implementierung einer Predictive Analytics-Lösung nach heutigem Stand im Finanzcontrolling sinnvoll ist.
Inhaltsverzeichnis
- EINFÜHRUNG
- Problemstellung der Arbeit
- Vorgehensweise der Untersuchung
- GRUNDLAGEN DES FINANZMANAGEMENTS
- Grundaufgaben des Finanzmanagements
- Finanzwirtschaftliche Ziele
- GRUNDLAGEN DES FINANZCONTROLLINGS
- Definition von Controlling und Finanzcontrolling
- Ziele und Aufgaben des Finanzcontrollings
- Unterteilung Finanzcontrolling
- Strategisches Finanzcontrolling
- Operatives Finanzcontrolling
- Dispositives Finanzcontrolling
- Organisation des Finanzcontrollings
- GESTALTUNG VON FINANZCONTROLLING-SYSTEMEN
- Finanzplanung
- Definition und Aufgaben der Finanzplanung
- Grundsätze der Finanzplanung
- Phasen der Finanzplanung
- Fristigkeiten der Finanzplanung
- Kurzfristiger Finanzplan
- Struktur des kurzfristigen Finanzplanes
- Rollierende Finanzplanung
- Finanzkontrolle
- ZAHLUNGSORIENTIERTE FINANZPLANUNG MIT HILFE VON PREDICTIVE ANALYTICS
- Finanzprognose als Problembereich
- Predictive Analytics: Ein Verfahren zur Finanzprognose
- Verfahren zur Finanzprognose
- Begriffsbestimmung von Predictive Analytics
- Einordnung Predictive Analytics
- Voraussetzungen für die Nutzung einer Predictive Analytics Lösung
- Status quo
- Predictive Analytics: Verzahnung von Finanzcontrolling und Predictive Analytics
- Das Ziel von Predictive Analytics im Finanzcontrolling
- Der Prozess einer Predictive Analytics Lösung
- Anwendungsbereiche von Predictive Analytics im Finanzcontrolling
- Kundenspezifisches Finanzcontrolling
- Text Mining im Finanzcontrolling
- Big Data im Finanzcontrolling
- Vom Controller zum Data Scientist?
- Predictive Analytics Governance
- Nutzen einer Predictive Analytics Lösung
- Problembereiche bei der Anwendung einer Predictive Analytics Lösung
- FAZIT
Zielsetzung und Themenschwerpunkte
Die vorliegende Bachelorarbeit befasst sich mit der Thematik der zahlungsorientierten Finanzplanung innerhalb des Finanzcontrollings und untersucht die Möglichkeiten des Einsatzes von Predictive Analytics in diesem Bereich. Im Fokus steht dabei die Frage, wie Predictive Analytics die Genauigkeit und Effizienz von Finanzprognosen steigern kann und welche Herausforderungen und Chancen sich für Unternehmen durch den Einsatz dieser Technologie ergeben.
- Definition und Aufgaben des Finanzcontrollings
- Bedeutung der Finanzplanung im Finanzcontrolling
- Herausforderungen der traditionellen Finanzplanung
- Predictive Analytics als Werkzeug für die Finanzprognose
- Integration von Predictive Analytics in das Finanzcontrolling
Zusammenfassung der Kapitel
- Kapitel 1: Die Arbeit führt in die Thematik ein, erläutert die Problemstellung und skizziert die Vorgehensweise der Untersuchung.
- Kapitel 2: Dieses Kapitel befasst sich mit den Grundlagen des Finanzmanagements und definiert die Grundaufgaben und Ziele der Finanzwirtschaft.
- Kapitel 3: In diesem Kapitel werden die Grundlagen des Finanzcontrollings dargestellt, einschließlich der Definition, Ziele, Aufgaben und Unterteilung des Finanzcontrollings.
- Kapitel 4: Dieses Kapitel behandelt die Gestaltung von Finanzcontrolling-Systemen, mit Schwerpunkt auf der Finanzplanung und Finanzkontrolle.
- Kapitel 5: Dieses Kapitel analysiert die Einsatzmöglichkeiten von Predictive Analytics im Finanzcontrolling, insbesondere in Bezug auf die zahlungsorientierte Finanzplanung. Es werden die Vorteile, Herausforderungen und Anwendungsbereiche von Predictive Analytics im Finanzcontrolling untersucht.
Schlüsselwörter
Finanzcontrolling, Predictive Analytics, Finanzplanung, Finanzprognose, Datenanalyse, Big Data, Data Science, Machine Learning, Finanzmanagement, Unternehmensführung, Effizienzsteigerung, Risikoanalyse, Entscheidungsunterstützung.
- Arbeit zitieren
- Stefan Amrhein (Autor:in), 2016, Zahlungsorientierte Finanzplanung mit Hilfe von Predictive Analytics, München, GRIN Verlag, https://www.grin.com/document/351057
