Advanced Analytics für den CFO

Gastbeitrag von Clemens Frank, Geschäftsführer der verovis GmbH

Die Nutzung von Advanced Analytics hat in den vergangenen Jahren beeindruckende Fortschritte gemacht. Unter­nehmen haben insbesondere in den Disziplinen Customer Analytics und Production Analytics davon profi­tiert. Gerade die gesell­schaftliche Debatte über die Digitali­sierung hat dazu geführt, dass nun auch der Finanzbereich seine Prozesse nach Möglichkeiten zur Nutzung von Advanced Analytics durchleuchtet.

Der Finanzbereich hat es mit viel Arbeit geschafft, Daten­strukturen zu bündeln und für ein strukturiertes, auf Vergangenheitswerten basiertes Berichtswesen zur Verfügung zu stellen. In diesem Zuge sind die Daten­banken gewachsen und haben sich teilweise zu großen Data Warehouses entwickelt. Damit wurden Grundmau­ern geschaffen, um manuelle Arbeits­schrit­te in der Erstellung von Berichten zu automatisieren. Aller­dings ist in fast allen Fällen das Thema Advanced Ana­lytics bisher nicht be­trachtet worden.

Unter Advanced Analytics verstehen wir die Nutzung von komplexen statistischen Algorith­men und Machine-Learning-Verfahren, um aus bestehenden Daten Ursache-Wirkungs-Beziehungen zu erkennen und Maßnahmen abzuleiten. Auf den unternehmerischen Kontext angewandt bedeutet dies die Nutzung von un­ternehmensinternen und -externen Daten, um mögliche Geschäfts­chan­cen oder -risiken abzuleiten.

Im Finanzbereich haben sich folgende fünf Entwicklungsfelder hervorgetan: Aufstellen von Forecasts (bei­spielswei­se für Umsatz und Cash); Sicherstellung der Datenqualität in der Buchhaltung und Datenmeldung beziehungsweise Fraud Detection; Optimierung in der Bewertung (beispielsweise Steuern und Bestände); Klassifikation von Infor­mationen (beispielsweise Warengrup­pen im Einkaufsvolumen); Anreicherung von Robotic Process Automation (beispielsweise Stammdatenanreiche­rung im Rechnungseingang).

 

Unternehmen müssten laut Clemens Frank vielmehr in Advanced Analytics investieren.

 

Viele Unternehmen haben in ihren ERP-Systemen Daten gesammelt, die lediglich aggregiert für Steuerungs­kennzahlen genutzt werden. Diese Da­ten bieten, aus Sicht von Advanced Analytics, wesentlich mehr Potenzial. Erfahrungen aus der Entwicklung des Cash Forecasts auf Basis von Daten aus der Debitorenbuchhaltung und dem Ver­trieb unter Nutzung von Advanced-Analytics-Algorithmen haben eine 90-prozentige Genauigkeit des Tages­fore­casts in der Cash-in-Position ergeben. Neben der Einsparung des manuellen Aufwands eröffnet dies zusätzlich Möglichkeiten in der Optimierung des Cash-Managements.

Um den Entscheidern im Finanzbereich das Potenzial von Advanced Analytics vor Augen zu führen, kann eine prototypische Umsetzung sehr gute Überzeugungsarbeit leisten. Im Vergleich zum Auf­bau des strukturierten Berichtswesens auf Basis von komplexen Datenbanken bzw. Data Ware­houses ermöglichen Advanced-Ana­lytics-Methoden sehr schnell Erfolge. So können unterneh­mens­in­terne Rohdaten aus den vor­handenen ERP-Systemen sehr einfach genutzt und zur Entwicklun­g von ersten Erkenntnissen inner­halb weniger Wochen in ein Modell überführt werden.

www.verovis.de