3 Methodenentwicklung und Methodenerprobung
Für die Beantwortung der Forschungsfragen wurden drei Expert/inn/eninterviews durchgeführt und Informationen bei Vorträgen der CIB Controlling Innovation Berlin Konferenz 2019 erhoben. Dabei wurden Meinungen und Erfahrungen von Experten/innen aus der Praxis und Wissenschaft gesammelt und in der Zusammenschau mit entsprechender Literatur ausgewertet. Konkret wurden Inhalte von Vorträgen vom Herrn Prof. Dr. Heimo Losbichler über die „Auswirkungen von Digitalisierung auf das Controlling“ und Herrn Prof Dr. Karsten Öhler über „Predictive Forecasting“ für diese Arbeit entnommen. Bei den Expert/inn/eninterviews wurden der Tax Technology Manager von Deloitte Österreich – Nicolas Viveros, der Finance Controller von Mayr-Melnhof Karton – Adolf Berthold und die Wissenschaftlerin der Beuth Hochschule für Technik Berlin – Prof. Dr. Nicole Jekel befragt. Alle Expert/inn/eninterviews wurden in elektronischer Form durchgeführt.
Aus den vorherigen Kapiteln ist bereits bekannt, dass Planung auf Daten basieren muss und dass der Einsatz von Predictive Analytics bei der Planung von großer Bedeutung ist. Es stellt sich die Frage, wie der aktuelle Stand von Predictive Analytics in der Planung, insbesondere im Forecast als einem Teilprozess der Planung, zu bewerten ist? Wie weit haben sich Predictive Analytics im Forecast etabliert?
Eine einfache Prognose kann zwar mit einer Excel-Funktion erstellt werden, dennoch lässt sich heute eine Vorhersage viel bequemer mit Predictive Analytics erstellen. Möglicherweise verbreiten sich aus diesem Grund Predictive Analytics heute wie ein Lauffeuer, obwohl es nicht neu ist. Bereits verschiedene Abteilungen wie Marketing, Vertrieb, Logistik und Produktion setzten Predictive Analytics-Methoden ein, aber auch Controller/inn/en sind an der Anwendung von Predictive Analytics interessiert. Möglicherweise fällt es den/der Controller/inn/en noch schwer, aus Prozessen wie Planung und Informationsversorgung innovative Potenziale hinsichtlich Predictive Analytics zu entdecken.[109]
Forecasts, die mit Predictive Analytics erstellt werden, liefern bereits heute in mehreren Clustern wesentliche Resultate über die kurzfristige zukünftige Entwicklung. Aus diesem Grund sind diese Forecasts oft prägnanter als die menschlichen Expert/inn/enstellungnahmen, setzen die Generierung- und Reaktionszeiten herab und ermöglichen damit hochfrequente Entscheidungen. Beispiele hierfür sind die zeitlich prägnante Vorhersage von notwendigen Wartungsmaßnahmen an Maschinen und Anlagen in der Produktion oder die Optimierung des Warenbestands im Einzelhandel aufgrund der automatisierten Planung.[110]
Mit Sicherheit kann gesagt werden, dass Predicti
