Predictive Planning hilft, in die Zukunft zu schauen. Dennoch setzen bislang nur wenige Unternehmen darauf. Peter Küssner, Geschäftsführer bei Cubeware, erläutert im Gespräch die Vorteile dieser Methode.
Springer Professional: Welche Möglichkeiten eröffnen sich durch prädiktive Technologien wie Hochrechnungen, statistische Modelle und Machine Learning für die Unternehmensplanung?
Peter Küssner: Prädiktive Methoden erlauben es Unternehmen, frühzeitig Abweichungen zwischen dem Ist- und dem anvisierten Sollzustand zu erkennen und validere Entscheidungen über Korrekturmaßnahmen zu treffen. Daraus ergibt sich eine höhere Planungssicherheit, ein geringeres Entscheidungsrisiko und letztendlich eine höhere Wertschöpfung. Der bekannte Planungskreislauf – Planfindung, Soll-Ist-Abgleich, Abweichungsanalyse, Gegensteuerung – bleibt davon unberührt. Predictive-Planning-Methoden sind als Add-on zu diesen Prozessschritten zu sehen. Mehrwerte resultieren aus der kontinuierlichen und schnellen Simulation einer Vielzahl möglicher Entwicklungsszenarien, die auf der aktuellen Datenrealität eines Unternehmens und den daraus generierten, passenden Entscheidungsvorlagen fußen.
Unter dem Schlagwort Prescriptive Planning gehen manche sogar so weit zu sagen, dass aus den Entscheidungsvorlagen bereits die eine, tatsächlich zu treffende Entscheidung abgeleitet werden kann. Das bedeutet letztendlich, das der menschliche Entscheider nur die Entscheidung sieht, die mit der höchsten Wahrscheinlichkeit den gewünschten Korrektureffekt erzielt – und nicht mehr die anderen möglichen Entscheidungen mit geringeren Wahrscheinlichkeitswerten.
Wie ist der Stand in den Unternehmen? Werden die Möglichkeiten für Business Analytics bereits genutzt?
Hinter dem Begriff Business Analytics verbirgt sich eine Vielzahl sehr unterschiedlicher Definitionen, Technologien und Methoden. Aber es gibt das Grundverständnis, dass die Fachanwender durch Business Analytics unmittelbar in ihren tagtäglichen Entscheidungen optimal unterstützt werden sollen. Durch die stark verbesserte User Experience nutzen zwar inzwischen immer mehr Fachabteilungen Analytics-Lösungen, aber von einem flächendeckenden Einsatz in Unternehmen in Relation zur Mitarbeiterzahl kann nach wie vor keine Rede sein. Eine Langzeitstudie legt sogar den Schluss nahe, dass die Verwendung dieser Tools seit Jahren bei ungefähr 13 Prozent der Belegschaft eines Unternehmens stagniert.
Woran liegt das?
Ein relativierender Faktor ist unserer Meinung, dass wir es mit einer evolutionären und keiner revolutionären Entwicklung zu tun haben. Denn bevor Aussagen über die Zukunft getroffen werden können, brauchen Unternehmen Klarheit über die Vergangenheit und die Gegenwart. Ohne diagnostische und beschreibende Business-Intelligence-Lösungen kann es auch kein Predictive Analytics beziehungsweise Planning geben. Beides gehört untrennbar zusammen. Der Status quo ist: Bei vielen, aber bei weitem noch nicht allen, Unternehmen sind die Grundlagen heute vorhanden.
Welche Kompetenzen müssen für den Einsatz und die Nutzung dieser Methodik in Unternehmen noch aufgebaut werden?
Diese Frage zielt auf das Business-IT-Alignment. Unternehmen brauchen das Experten- und Prozesswissen zum eigenen Geschäftsmodell und den damit verbundenen Geschäftsfällen. Aber auch das technologische Wissen um die Datenrealität, also wo relevante Daten auflaufen und wo Systemübergaben stattfinden und wie. Das ist die diagnostische und beschreibende Seite der Medaille. Um weiterzugehen, brauchen sie darüber hinaus die Vorstellungskraft rund um die Frage: Sind das Geschäftsmodell und die aktuellen Geschäftsfälle auch mittelfristig tragbar und wenn nein, was müsste getan werden? Erst, wenn die Fragestellung klar ist, macht es Sinn, sich um die Frage der technologischen Umsetzung zu kümmern.
Wie könnte dieser Know-how-Aufbau aussehen?
Business Intelligence und Analytics sind eine geschäftskritische Kompetenz und ich empfehle daher, so viel Know-how wie möglich intern aufzubauen und so wenig Kompetenzen wie möglich diesbezüglich nach außen wegzugeben, um sich langfristig nicht von Dritten abhängig zu machen. Externe Berater sind für die Initialisierung gut und um punktuelle Ressourcenengpässe hinsichtlich Quantität und Qualität abzufedern, nicht aber, um den dauerhaften Betrieb zu gewährleisten. Insofern ist ein gutes Schulungs- und Beratungsangebot mit Blick auf die Befähigung der eigenen Mitarbeiter ein weiteres wichtiges Entscheidungskriterium bei der Auswahl eines Anbieters.
Welchen Beitrag können Predictive Planning und Forecasting für das Risiko- beziehungsweise Krisenmanagement in Unternehmen leisten?
Einen gewaltigen. Wenn ein risikoadjustierter Forecast in den Planungsprozess einbezogen wird, erhöht sich die Prognosequalität aller angeschlossener Simulationen. So können bereits im Planungsprozess Korrektur- und Abwehrmaßnahmen für den Fall des Eintretens eines Risikos eingeplant werden. Durch die intensive Beschäftigung mit den Risiken und deren Auswirkungen erhalten Unternehmen zudem ein besseres Verständnis von Wirkungszusammenhängen in ihren Geschäftsfällen. Das hilft dabei, Bedrohungslagen noch schneller zu erkennen. Wichtig ist, dass Lösungen den gesamten Risikomanagement-Prozess abdecken – von der Identifikation und Bewertung von Risikoschwerpunkten über die Priorisierung bis hin zur Simulation und Analyse der Auswirkungen.
Krisenmanagement heißt heute nicht mehr, kritische Situationen zu vermeiden, sondern schnell in Notlagen zu reagieren. Stoßen in der VUCA-Welt die Möglichkeiten von Predictive Planning und Forecasting an ihre Grenzen?
Nein, das ist nicht die Grenze, sondern genau dort geht Predicitve Analytics überhaupt erst los. Durch die planerische Vorwegnahme und Beschäftigung mit Risiken reduzieren Unternehmen auf jeden Fall die Zeit zur Entscheidung und Einleitung von Gegenmaßnahmen im Falle des Risikoeintritts. Einfach gesagt: Man ist vorbereitet auf das, was auf einen zukommt.