Ziel dieser Arbeit soll sein, einen allgemeinen Überblick darüber zu bekommen, wozu eine moderne Predictive Analytics Lösung fähig ist und außerdem die Frage zu klären, ob der Einsatz einer solchen Anwendung speziell im Finanzcontrolling zur Erstellung einer detailgenauen Finanzplanung geeignet ist. Dazu werden im Voraus einige dem Business Analytics Bereich zuzuordnende Begriffe näher erläutert, die für das weitere Verständnis wichtig sind.
Im darauffolgenden Schritt soll allgemein auf das Thema Predictive Analytics eingegangen werden. Der Fokus liegt hier auch auf den neuen Herausforderungen und Gefahren, die den zuständigen Controller erwarten können. Des Weiteren soll auch die ethische Perspektive in Betracht gezogen werden, um festzustellen, ob die Erstellung einer themenbezogenen Governance im Unternehmen ratsam ist. Für einen guten Überblick über die Fähigkeiten einer Business Analytics Anwendung eignet sich am besten ein praktisches Beispiel. So soll mit der Software RapidMiner Studio ein Text Mining in dem sozialen Medium Twitter durchgeführt und die Ergebnisse anschließend grafisch dargestellt und interpretiert werden.
Der zentrale Aspekt dieser Ausarbeitung ist die Frage, ob der Einsatz einer Predictive Analytics Lösung im Finanzcontrolling sinnvoll ist. Für den Einsatz von Predictive Analytics im Finanzcontrolling kommt am ehesten ein kurzfristiger Finanzplan in Frage. Hier sollen potenzielle Vorteile durch den Einsatz entsprechender Software aufgedeckt werden.
Dazu wird im ersten Schritt näher auf den Finanzplan an sich eingegangen, um im Anschluss darzustellen, wie eine Finanzprognose mithilfe der Predictive Analytics funktionieren kann. Am Ende soll ein umfassender Prozess skizziert werden, wie Predictive Analytics im Unternehmen installiert und eingesetzt werden muss, damit ein Mehrwert für das Unternehmen aus der Nutzung entsteht. Im Fazit sollen die Erkenntnisse aus allen Bereichen zusammengefasst und kritisch beurteilt werden, um eine Gesamtbeurteilung der Predictive Analytics vornehmen zu können. Neben einer persönlichen Einschätzung der Methode durch den Verfasser wird im Fazit ebenfalls darauf eingegangen, inwiefern die in der Einleitung definierten Ziele der Arbeit erreicht werden konnten.
Inhaltsverzeichnis
I. Aufgabenstellung
1. Begriffsdefinitionen
1.1 Business Intelligence
1.2 Big Data
1.3 Predictive Analytics
1.4 Text Mining
1.5 Data Warehouse
2. Predictive Analytics - Was ist zu beachten?
2.1 Big Data - Bisherige Verteilung in der deutschen Wirtschaft
2.2 Herausforderungen an den Controller
2.2.1 Definition von Controlling
2.2.2 Das Finanzcontrolling
2.2.3 Die Veränderung des Anforderungsprofils des Controllers
2.3 Ein Blick auf die ethische und moralische Perspektive
3. Anwendungsbeispiel - Textmining in sozialen Medien mithilfe von RapidMiner
3.1 Aufgabenstellung
3.2 Was ist eine Sentimentanalyse?
3.3 Die Software RapidMiner Studio
3.4 Der RapidMiner Prozess
3.5 Die Sentimentanalyse
3.5.1 Die Ergebnisse
3.5.2 Interpretation und Vergleich der Ergebnisse
3.6 Zwischenfazit
4. Predictive Analytics im Finanzcontrolling - Erstellung eines Finanzplanes
4.1 Was ist ein Finanzplan?
4.2 Ausprägungen der Finanzplanung
4.3 Finanzprognose im Finanzcontrolling
4.3.1 Herausforderungen einer Finanzprognose
4.3.2 Mögliche Herangehensweisen an die Finanzprognose
4.4 Was soll mit dem Einsatz von Predictive Analytics erreicht werden?
4.5 Implementierung eines Predictive Analytics Prozesses im Unternehmen
4.6 Kritische Würdigung von Predictive Analytics
5. Fazit
Zielsetzung und Themen
Diese Arbeit untersucht den Einsatz von Predictive Analytics im Finanzcontrolling zur Erstellung präziser Finanzplanungen. Dabei wird analysiert, wie moderne analytische Ansätze genutzt werden können, um aus unternehmensinternen und externen Daten verlässliche Prognosen für zukünftige Entwicklungen zu generieren.
- Grundlagen von Business Intelligence und Predictive Analytics
- Anforderungen an den modernen Controller und den "Data Scientist"
- Praktische Anwendung von Text Mining zur Stimmungsanalyse
- Prozessmodell zur Implementierung von Predictive Analytics im Finanzwesen
- Kritische Erfolgsfaktoren und ethische Aspekte der Datenanalyse
Auszug aus dem Buch
1.3 Predictive Analytics
Predictive Analytics ist ein Ansatz aus der Business Analytics, der sich mit der Vorhersage der wahrscheinlichen Zukunft auf Grundlage der zur Verfügung stehenden Daten befasst. Es ist Teil der Advanced Analytics, ein erweiterter Nachfolger der Business Intelligence, mit einem besonderen Fokus auf die Vorhersage von Ereignissen bzw. Entwicklungen.
Es handelt sich bei der Predictive Analysis um eine kausale Prognoseform, die in den verfügbaren Daten nach wiederkehrenden Mustern sucht und dann mithilfe der Software versucht, die weitere Entwicklung zu prognostizieren. Eine frühere Form der Predictive Analytics ist das sogenannte Text Mining, für das es bereits seit den 1990er Jahren diverse Software-Lösungen auf dem Markt gibt.
Eine Besonderheit bei der Predictive Analytics ist die Berücksichtigung etwaiger Ursache-Wirkungsbeziehungen, um die zukünftige Entwicklung genauer prognostizieren zu können.
Ziel des Einsatzes einer Predictive Analytics Lösung im Unternehmen ist die Erstellung von Zukunftsprognosen mit einer höheren Genauigkeit als traditionell erstellte Prognosen. Das Management kann dann mithilfe der wahrscheinlich zutreffenden Vorhersage progressive Maßnahmen einleiten um die Entwicklung positiv zu beeinflussen.
Als Hilfe zur korrekten Einordnung der Predictive Analytics im Berichtswesen eines Unternehmens ist das „Analytics-Reifegradmodell“ von Gartner sehr hilfreich.
Zusammenfassung der Kapitel
1. Begriffsdefinitionen: Einführung in die zentralen Fachbegriffe wie Business Intelligence, Big Data, Predictive Analytics, Text Mining und Data Warehouse als theoretische Grundlage.
2. Predictive Analytics - Was ist zu beachten?: Beleuchtung des Status quo von Big Data in deutschen Unternehmen, der veränderten Rolle des Controllers und der ethischen Herausforderungen.
3. Anwendungsbeispiel - Textmining in sozialen Medien mithilfe von RapidMiner: Durchführung einer Sentimentanalyse zu Twitter-Daten als praktisches Beispiel für Data Mining in der Praxis.
4. Predictive Analytics im Finanzcontrolling - Erstellung eines Finanzplanes: Kernkapitel zur strategischen und operativen Finanzplanung sowie Implementierungsprozess von Predictive Analytics zur Liquiditätssicherung.
5. Fazit: Zusammenfassende Bewertung der Ergebnisse und Ausblick auf die Notwendigkeit, sich als Unternehmen intensiv mit datengetriebenen Prognosemethoden auseinanderzusetzen.
Schlüsselwörter
Predictive Analytics, Finanzcontrolling, Big Data, Business Intelligence, Text Mining, Finanzplanung, Sentimentanalyse, RapidMiner, Datenqualität, Data Scientist, Prognose, Unternehmenssteuerung, Digitalisierung, Finanzprognose, Controlling
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht den Mehrwert und die praktische Anwendung von Predictive Analytics innerhalb des Finanzcontrollings.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf der datengestützten Finanzplanung, der Veränderung des Berufsbildes des Controllers und der technischen Umsetzung mittels Software wie RapidMiner.
Was ist das primäre Ziel der Untersuchung?
Es soll geklärt werden, ob und wie der Einsatz von Predictive Analytics die Qualität von Finanzprognosen verbessern und das Finanzcontrolling effizienter gestalten kann.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt neben einer Literaturanalyse ein praktisches Anwendungsbeispiel, in dem Twitter-Daten mittels Text Mining (Sentimentanalyse) ausgewertet werden.
Was wird im Hauptteil behandelt?
Neben den theoretischen Grundlagen werden der Implementierungsprozess, Herausforderungen an das Controlling und ein konkretes Fallbeispiel zur Prognosequalität erörtert.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Predictive Analytics, Finanzcontrolling, Big Data, Finanzplanung und Data Mining.
Welche Rolle spielt der "Data Scientist" im Finanzcontrolling?
Der Data Scientist ist eine Weiterentwicklung des Controllers, der über fortgeschrittene statistische und technische Fähigkeiten verfügt, um komplexe Datenmengen für das Management interpretierbar zu machen.
Warum ist die Datenqualität bei Predictive Analytics entscheidend?
Minderwertige Daten führen laut der Arbeit zu Fehlinterpretationen und damit potenziell zu falschen Managemententscheidungen, weshalb die Datenaufbereitung (Data Cleaning) essenziell ist.
Welche Erkenntnis liefert das Text-Mining-Beispiel in Bezug auf "Dieselgate"?
Das Beispiel zeigt, dass automatisierte Analysen eine erste Einschätzung ermöglichen, jedoch durch qualitative manuelle Prüfungen ergänzt werden müssen, um ein akkurates Bild der Stimmungslage zu erhalten.
- Arbeit zitieren
- Anonym (Autor:in), 2017, Predictive Analytics im Finanzcontrolling. Ist der Einsatz von Predictive Analytics sinnvoll bei der Erstellung eines Finanzplans?, München, GRIN Verlag, https://www.grin.com/document/915236
