Skip to main content
main-content

11.10.2021 | IT-Controlling | Im Fokus | Onlineartikel

Big Data und Predictive Analytics systematisch messen

Autor:
Sylvia Meier
3 Min. Lesedauer

Die Digitalisierung soll Unternehmen auch monetäre Vorteile bringen. Doch wo lohnt sich der Einsatz von Big Data und Predictive Analytics finanziell? Mit der richtigen Erfolgsmessung geling eine wirtschaftliche Beurteilung solcher Projekte.

Die Digitalisierung soll in Unternehmen Prozesse effizienter, schneller und vor allem kostengünstiger machen. Big Data und Predictive Anaytics gelten dabei als besonders vielversprechende Instrumente der Zukunft. Doch wie lässt sich der finanzielle Erfolg moderner Technologien messen und was bringen sie unter dem Strich? 

Empfehlung der Redaktion

01.08.2021 | Information & Technologie | Ausgabe 5-6/2021

Stand und Steuerung der Digitalisierung

Viele Unternehmen haben mit der Digitalisierung einhergehende Veränderungen in ihre Strategie integriert. Diese Analyse zeigt, welche Bereiche sich in der Transformation befinden - und dass nur das Controlling, als Steuerungsinstrument des Top-Managements, die nötige Transparenz erzeugen kann, um zu einer konsistenten und holistischen Steuerung der Digitalisierungsbemühungen zu gelangen.

Unternehmen messen den Erfolg häufig nicht 

Mit diesen Fragen setzt sich Andreas Wittköpper in seinem Beitrag "Erfolg von Big Data und Predictive Analytics messen" in der Zeitschrift "Controlling & Management Review" (Ausgabe 5-6 | 2021) auseinander. "Auffällig ist, dass eher diejenigen Unternehmen, bei denen die Nutzung der Technologien noch nicht etabliert war, häufig auf eine systematische Erfolgsmessung verzichteten", stellt der wissenschaftlicher Mitarbeiter am Lehrstuhl für Controlling an der Johannes Gutenberg-Universität Mainz fest. Dabei lässt sich ohne Erfolgsmessung nicht ermitteln, was der Einsatz einer neuen Technologie aus finanzieller Sicht tatsächlich bewirkt. 

Um zu beurteilen, wie sich ein Digitalisierungsprojekt wirtschaftlich messen lässt, hat Wittköpper die Ergebnisse eine Umfrage ausgewertet. Für seine Analyse wurden zwischen Juli 2020 und Januar 2021 Experteninterviews geführt. Die Auswahl der Experten erfolgte anhand ihrer Kompetenzen und Erfahrungen in den Bereichen Big Data und Predictive Analytics in Bezug auf Planungs- und Steuerungszwecke.

Erfolgsmessung in sechs Schritten 

Für eine Erfolgsmessung konkretisiert der Autor folgende Schritte:

  1. Bewertungskriterien definieren (KPI's oder Metriken)
  2. Kostentreiber ermitteln (Projektkosten und -erträge)
  3. Einsparungspotenziale identifizieren
  4. Erforderliche Prognosegenauigkeit ermitteln
  5. Prototyp entwickeln
  6. Vertrauen und Akzeptanz schaffen

Wittköpper empfiehlt für eine klare und objektive Beurteilung des Projekts, dass zu Beginn nachvollziehbare und quantifizierbare Bewertungskriterien im Austausch mit dem Management definiert werden sollten. Zudem müssen Kostentreiber ermittelt sowie personelle und zeitliche Einsparungspotenziale identifiziert werden. 

In Bezug auf die Prognosegenauigkeit gelte: Je besser die Prognose, desto besser ist die Entscheidungsgrundlage. Der Experte empfiehlt hier verschiedene Ansätze, wie die Accuracy-to-Cost-Ratio, Counterfactual-Techniken sowie nachgelagerte Zieltests. Ist der Big-Data- und Predictive-Analytics-Prototyp entwickelt, wird dieser getestet und optimiert. "Voraussetzung hierfür ist, dass für den angestrebten Vergleich ausreichend historische Testdaten vorliegen."

Tool scheitern an mangelnder Akzeptanz

Ein weiterer wesentlicher Erfolgsfaktor bei der Implementierung neuer Technologien liegt bei den Mitarbeitern: Diese müssen frühzeitig in Digitalisierungsprojekte eingebunden werden, damit diese nicht mangels Vertrauen und Akzeptanz ausgebremst werden.

"Beispielsweise fand in einem Teilprojekt eines Interview-Partners ein Predictive Analytics Tool, das den Absatz bestimmter Produkte bei spezifischen Kundenprofilen prognostiziert hat, wenig Anklang bei der Person, die dieses Tool letztlich nutzen sollte", erläutert Wittköpper einen Fall aus der Praxis. Um für die nötige Akzeptanz zu sorgen, sollte die Kommunikation mit dem Fachbereich nicht vernachlässigt werden, rät der Experte.

Aufbau einer Schnittstelle im Controlling  

Wittköppers Arbeit zeigt, dass Unternehmen von Beginn an den finanziellen Erfolg von modernen Technologien wie Big Data und Predictive Analytics messen können. Bei einem Beispiel eines Pharmaunternehmens aus der Expertenbefragung lag beispielsweise die durchschnittliche Plan-Ist-Abweichung der Budgets für klinische Studien bei rund 15 Prozent. Durch den Einsatz neuer Technologien konnte diese Abweichung der Budgets auf etwa zwei Prozent reduziert werden. Die Messung unterstrich damit die Notwendigkeit der neuen Technologien.   

Aufgrund der mitunter hohen Investitionssummen ist es zudem ratsam, von Beginn an das Controlling in solche Projekte einzubinden. "Der Aufbau einer Schnittstellen-Rolle, beispielsweise in Form eines Controllers mit Data-Science-Kenntnissen oder eines Data Scientists mit ausgeprägtem betriebswirtschaftlichen Hintergrund, könnte sich hierfür als nützlich erweisen", so der Autor. Dies gelte nicht zuletzt auch bei der Beratung des Managements hinsichtlich der Durchführung von Data-Science-Projekten im Controlling selbst.

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

Premium Partner

    Bildnachweise