Gastbeitrag: Über prädikative Unternehmensplanung berichtet Christian Kleih
Foto: Cubeware
Der Autor Christian Kleih ist Head of Marketing bei Cubeware
Dass Daten wertvoll sind, steht außer Frage. Aber wie können Unternehmen den Datenschatz am besten heben? Ob Business Intelligence (BI), Predictive Analytics, Business Analytics, Machine Learning (ML) oder Data Mining: Ständig kommen neue Technologien mit unterschiedlichen Bezeichnungen auf den Markt. Hier den Überblick zu behalten, ist nicht einfach.
Eine Maschine wird gewartet, noch bevor sie Gefahr läuft, auszufallen; Vorhersagemodelle helfen, abwanderungswillige Kunden wieder einzufangen; und die intelligente Fabrik organisiert sich weitgehend ohne menschliches Zutun – Die Auswertung von Daten eröffnet faszinierende Möglichkeiten. Hoch im Kurs stehen vor allem prädiktive Technologien wie Hochrechnungen, statistische Modelle und Machine-Learning-Prozesse (ML). Sie ermöglichen es, frühzeitig Abweichungen zwischen Ist- und Soll zu erkennen und auf einer validen Basis entsprechende Maßnahmen zu ergreifen. Das erhöht die Planungssicherheit und damit letztlich die Wertschöpfung im gesamten Unternehmen.
Predictive-Lösungen referenzieren auf folgende Aspekte:
* Verfahren zur Mustererkennung, um Einflussgrößen, Abhängigkeiten und Ursache-Wirkungs-Beziehungen in Vergangenheitsdaten zu identifizieren;
* das Anreichern von Datensätzen mit externen Faktoren, um Erkenntnisse der eigenen Sichtweise zu plausibilisieren.
* Kontinuierliche Simulationen, um Entscheidungen in Relation zu bekannten Mustern aus der Vergangenheit zu optimieren.
Bei allen Verfahren geht es darum, vom Status Quo ausgehend die wahrscheinlichsten Zukunftsszenarien zu ermitteln und basierend darauf Entscheidungen zu treffen.
Ein wichtiges Einsatzgebiet prädiktiver Technologien ist die strategische und operative Unternehmensplanung. Hier gilt es, verschiedene Teilpläne zu konsolidieren, viele Abteilungen auf einen gemeinsamen Nenner zu bringen, individuelle Interessen zu berücksichtigen und verschiedene Planungshorizonte – strategisch, taktisch, operativ – zu integrieren.
Der Planungsprozess ist für Unternehmen daher eine außergewöhnliche Belastung. Häufig verschlingt er enorme Ressourcen und verursacht Missstände: Aktuelle Entwicklungen werden zu wenig berücksichtigt, da die Budgetierung früh im Jahr beginnt. Einheitliche Definitionen von Kennzahlen fehlen. Oder die Wertschöpfungskette wird aufgrund hierarchischer Strukturen vernachlässigt. Hinzu kommen externe Faktoren wie volatile Märkte, neue Vertriebswege und Lizenzmodelle, neue Trends. Die Fähigkeit, Produkte, Services oder ganze Geschäftsmodelle flexibel an die aktuellen Marktbedingungen anzupassen, entwickelt sich zum entscheidenden Wettbewerbsfaktor. Und da auch operative Unternehmensbereiche wie Produktion, Vertrieb und Marketing eine exakte Planung erfordern, entstehen viele Teilpläne, die später in einem Gesamtplan konsolidiert werden müssen. Die Unternehmensplanung sollte daher flexibel und agil gestaltet sein.
Auch während des Produktivbetriebs simulieren und berechnen prädiktive Lösungen bestimmte Entwicklungsszenarien. Durch das kontinuierliche Monitoring des IST-Zustands und der Plausibilisierung von SOLL-Annahmen ermöglichen sie unterjährige automatische Anpassungen an die Plandaten. Ursache-Wirkungs-Beziehungen unterstützen bei der Analyse von Abweichungen sowie bei gegensteuernden Maßnahmen.
Der eigentliche Planungsprozess – Planfindung, Soll-Ist-Abgleich, Abweichungsanalyse, Gegensteuerung – bleibt dabei jedoch unberührt. Dieser wird durch Predictive-Planning-Methoden nicht ersetzt, sondern ergänzt. Denn wer Aussagen über die Zukunft treffen will, braucht zunächst klare Angaben über die Vergangenheit und Gegenwart. Ohne beschreibende und diagnostische BI gibt es keine prädiktiven Abläufe.
Bevor Unternehmen eine prädikative Lösung einführen, sollten sie auch ihre Hausaufgaben in Sachen Daten-Management und -Modellierung sowie Data Governance machen. Denn um wirklich von den neuen Technologien profitieren zu können, müssen die Konsistenz und die Qualität der Daten über die gesamte Prozesskette gesichert sein. Entscheidend beim Einsatz von Predictive Analytics ist zudem die passende Lösungsarchitektur. In Best-Practice-Projekten hat sich eine modular aufgebaute BI- und Performance-Management-Plattform bewährt, die alle wichtigen Informationsprozesse abdeckt und für einen Best-of-Breed-Ansatz offen ist.
