Predictive Analytics Zukunftsweisendes Werkzeug des ... · 5 41. Congress der ... Objective evaluation of project KPIs at every stage and phase ... for the CFO to get greater

Ideenwerkstatt

Prof. Dr. Dr. h.c. mult. Péter Horváth

Predictive Analytics –

Zukunftsweisendes Werkzeug des Controllers

41. Congress der Controller

München, April 2016

Co-Leiter der ICV-Ideenwerkstatt

Horváth & Partners

International Performance Research Institute

Agenda

2 41. Congress der Controller | Predictive Analytics – Zukunftsweisendes Werkzeug des Controllers

Welche Informationspotenziale liefern Predictive Analytics?

Welche Analytics-Werkzeuge sind für Controller relevant?

Welche Analytics-Kompetenzen braucht der Controller?

Wo steht die Analytics-Praxis heute?

Welche Erkenntnisse liefert die ICV-Ideenwerkstatt zum Thema Analytics?

Agenda







Wir sind auf dem Weg zum Controller 4.0

41. Congress der Controller | Predictive Analytics – Zukunftsweisendes Werkzeug des Controllers4

Business

Analyticsy = f(x)

Wertorientiertes

Rechnungswesen%

Kosten- und

Leistungsrechnungx | :

Buchhaltung + | -


These 1

Mit Predictive Analytics-Methoden kann der Controller

seine Rolle vom „Business Partner“ zum „Business

Catalyst“ weiterentwickeln.

Agenda







Business Analytics:Von Descriptive Analytics zu Prescriptive Analytics


Kategorie

Prescriptive

Analytics

Predictive

Analytics

Diagnostic

Analytics

Descriptive

Analytics

Was muss

getan werden?

Was wird

passieren?

Warum ist es

passiert?

Was ist

passiert?

Es werden Cross-Selling-Maßnahmen zur

Verkaufsförderung vorgeschlagen.

Auf Basis einer neuen Prognoserechnung mit

Wettersimulationen werden die Verkaufszahlen

für das kommende Jahr vorhergesagt.

Eine Analyse der Wetterentwicklung stellt

einen Zusammenhang zwischen

Wetter und Absatz her.

Die Vertriebsanalyse zeigt einen

Absatzeinbruch für bestimmte Produkte.

Fragestellung Controlling-Beispiel

Quelle: in Anlehnung an www.gartner.com/it-glossary/predictive-analytics

Was ist Predictive Analytics?


Predictive Analytics bezeichnet den Einsatz von

statistischen Methoden und Modellen, um

aus unterschiedlichen digitalen Datenquellen

nutzenstiftende Erkenntnisse abzuleiten (Data

Mining) und auf deren Basis zukünftige

Ereignisse zu prognostizieren.

Verschiedene Formen des Data Minings („Exploration“)


Merkmale (z.B. Alter, Studienabschluss)M

erk

mals

träger

(z.B

. K

unden

)

Assoziation

Clu

ste

r

Ausreißer

Klassifikation

a13 a1n

a33 a3n

am3 amnam1 am2

a21 a22

a31 a32

a11 a12

a23 a2n

Quelle: Aggarwal 2015

Welche gängigen Methoden sollten Controllern im Umgang mit Business Analytics bekannt sein? („Optimierung“) (1/2)


Quelle: Backhaus et al. 2016

Methode Anwendungsbeispiel

Regressionsanalyse Abhängigkeit der Absatzmenge eines Produktes von Preis, Werbeausgaben

und Einkommen.

Nichtlineare Regression Untersuchung des Wachstums von neuen Produkten, der Diffusion von

Innovationen oder der Ausbreitung von Epidemien.

Zeitreihenanalyse Analyse und Prognose der zeitlichen Entwicklung des Absatzvolumens

eines Produktes oder eines Marktes.

Varianzanalyse Wirkung alternativer Verpackungsgestaltungen auf die Absatzmenge

eines Produktes.

Diskriminanzanalyse Unterscheidung der Wähler verschiedener Parteien hinsichtlich soziodemografischer

und psychografischer Merkmale.

Logistische Regression Ermittlung des Herzinfarktrisikos von Patienten in Abhängigkeit ihres

Alters und ihres Cholesterin-Spiegels.

Kontingenzanalyse Zusammenhang zwischen Rauchen und Lungenerkrankungen.

Strukturgleichungs-

analyse

Abhängigkeit der Käufertreue von der subjektiven Produktqualität und

Servicequalität eines Anbieters.

Conjoint-Analyse Ableitung der Nutzenbeiträge alternativer Materialien, Formen und

Farben von Produkten zur Gesamtpräferenz.

Strukturen-prüfende Methoden

Welche gängigen Methoden sollten Controllern im Umgang mit Business Analytics bekannt sein? („Optimierung“) (2/2)


Quelle: Backhaus et al. 2016

Methode Anwendungsbeispiel

Faktorenanalyse Verdichtung einer Vielzahl von Eigenschaftsbeurteilungen auf zugrunde

liegende Beurteilungsdimensionen.

Clusteranalyse Bildung von Persönlichkeitstypen auf Basis der psychografischen Merkmale

von Personen.

Neuronale Netze Untersuchung von Aktienkursen und möglichen Einflussfaktoren

zwecks Prognose von Kursentwicklungen.

Multidimensionale

Skalierung

Positionierung von konkurrierenden Produktmarken im Wahrnehmungsraum

der Konsumenten.

Korrespondenzanalyse Darstellung von Produktmarken und Produktmerkmalen in einem gemeinsamen

Raum.

Strukturen-entdeckende Methoden

Ausgewählte Business Analytics-Softwaretools


IBM SPSS Modeler

IBM

Pentaho Business

Analytics

Hitachi Data Systems

SAP Predictive

Analytics

SAP

KNIME Analytics

Platform

KNIME

RapidMiner

RapidMiner

Oracle Data

Mining (ODM)

Oracle

Azure HDInsight

Microsoft

SAS Enterprise Miner

SAS

Valsight

Valsight

Statistica

Dell

Predictive

Analytics Suite

Blue Yonder

…

Algorithmus

NeuroBayes

Einsatzgebiete

Automatisierte

Disposition

Dynamische

Preisgestaltung

Vorausschauende

Absatzplanung

Prognose von

Kundenverhalten im

Rahmen einer

Kundenanalyse

IT-Architektur von Predictive Analytics


Quelle: in Anlehnung an Baars 2016

Data Warehouse

Analysemodelle

(„Optimierung“)

CRM ERP SCM …

Analysewerkzeug für die Modellgenerierung („Exploration“)

Externe

Daten

Systeme und

Datenquellen

in den Geschäfts-

prozessen

Modell

Monitoring

Modell-

einsatz

Direkte

Anfragen

RFID


These 2

Für den Controller sind alle Analytics-Werkzeuge relevant –

sowohl zur Big Data-„Aufbereitung“ („Exploration“) als auch

zur Entwicklung von Vorhersagemodellen („Optimierung“).

Agenda







Der Business Analytics-Prozess und die Rolle des Controllers


Problem-

identifikationExploration Optimierung Monitoring

Co

ntr

olle

rD

ata

Scie

ntist

IT

Handlungsbedarf identifizieren

Fragestellung abgrenzen

Aufgabenstellung formulieren

Gesprächs- und Analysepartner „auf Augenhöhe“

Sparringspartner bei Modellentwicklung

Umsetzungs-barrieren, -kosten etc. klären

Planung, Budgetierung, Reporting ent-wickeln auf Basis der Ergebnisse

Umsetzung, Wirksamkeit und Nebeneffekte überwachen

Diskussions-partner bei Problem-identifikation

Data Acquisition

Data Mining

Data Analysis

Optimierungs-konzept entwickeln

Sparringspartner bei der Überwachung

Softwareangebot evaluieren

Software auswählen

Software implementieren

Beispiel:Predictive Analytics im Rahmen der Projekt-Performance


Content

Project Management and KPI prediction

– Better understanding and objective evaluation of current

state of all projects

– Structure analysis and carving out driving factors

– Project KPI prediction

– Optimal project design and parameters

– Improved resource allocation

Models embedded in specific H&P business solutions

Data potential analysis f (E,P,C)

Data extraction, cleansing and enrichment

Structure analysis and study of driving factors

Quantitative mathematical models for analysis and prediction

Model benchmarking

Demo example with full data set & MAPP-SHELL

Stand alone or embeddable on existing client IT stack

Purpose

Improve your project management by quantitative methods

Objective evaluation of project KPIs at every stage and phase

Prediction of project KPIs already at early stages, improved

accuracy over project running time

Optimize project design and parameters (specs, time, budget)

Improve resource allocation (man capacities, project running

times, budget allocation)

Improve project portfolio

Prevent burnout of your most valuable resources

Application

Predict

Budget

SpecsTime

Report

Real

Solution

Beispiel:Predictive Analytics im Rahmen der Kundenanalyse


Solution Content

Comprehensive daily product performance analysis

– Understand your product performance in various markets

– Detailed demand match analysis

– Product/portfolio optimization

– Competitive product and service positioning

Full solution implementation or service

Model embedded in specific H&P business solutions

Data potential analysis f (E,P,C,0)

Data cleansing and enrichment

Model benchmarking

Dynamic mathematical models (MAPI format)

Multi-market & multi-source capable

Single feature & function resolution

Easy to embed in any existing client IT stack

Purpose

Gain deep customer/client insight

Cover all your key markets (subject to data sources)

simultaneously

Optimize the design of your products and services at a single

feature and function (F&F) level

Match F&F cost to F&F demand

Detect trend influences

Analyze pre-market entry demand

Analyze your competition to the F&F level

Increase your client/product/service profitability

Couples into CRM systems and processes

Application


These 3

Der Controller muss in der Lage sein als „Bindeglied“

zwischen Management und den Data Scientists zu

fungieren. Er muss die Analysewerkzeuge soweit kennen,

dass er „auf Augenhöhe“ deren Nutzung mitgestalten kann.

Agenda







Ergebnisse empirischer Studien (1/3):Unternehmen, die Business Analytics einsetzten, sind erfolgreicher.


2%

8%

9%

44%

35%

1%

3%

4%

44%

48%

Rückgang von über 10%

Keine Veränderung

Rückgang von 1 bis 10%

Erhöhung von 1 bis 10%

Erhöhung von über 10%

Wie hat sich das EBITDA Ihres Unternehmens in den letzten 3 Jahren verändert?

„Analytics is the foundation

for the CFO to get greater

transparency and insight,

and to steer the business.“

Helen Arnold, CIO, SAP

Quelle: Ernst & Young (2015)

Unternehmen mit hoher Analytics-Priorität

Andere Unternehmen

Ergebnisse empirischer Studien (2/3):Transport/Logistik, Automobilindustrie und Versicherungsbranche sind Vorreiter.


Erk

en

ntn

isse

au

s d

en

An

aly

sen

we

rden

in k

on

kre

ten

Nu

tze

n u

mg

ew

an

delt

Relevante Entscheidungen basieren zunehmend

auf Erkenntnissen aus der Analyse von Daten

Transport

und Logistik

Automobil-

industrie

VersicherungenChemie und

PharmaBanken

Handel

Tele-

kommunikation

Gesundheits-

wirtschaft Maschinen- und

Anlagenbau

IT und

Elektronik

Medien

Energie

unterdurchschnittlich überdurchschnittlich

unte

rdurc

hschnittlic

hüberd

urc

hschnittlic

h

Quelle: KPMG (2015)

Ergebnisse empirischer Studien (3/3):Komplexe Analytics-Methoden noch nicht weit verbreitet.

25%

32%

39%

40%

41%

44%

48%

54%

49%

38%

49%

47%

46%

44%

46%

43%

26%

30%

12%

13%

13%

12%

6%

3%

Neuronale Netze

K-Means

Assoziationsregeln

Logistische Regression

Hierarchisches Clustern

Andere Regressionsanalysen

Entscheidungsbäume

Lineare Regression


Was sind die am weitesten verbreiteten Techniken für Advanced und Predictive Analytics in Ihrem

Unternehmen? Welche werden getestet?

Quelle: BARC (2016)

Im Einsatz Im Test Nicht erforderlich

. . .


These 4

Der Controller muss die Nutzung von Predictive Analytics

in den Controlling-Prozess integrieren und so seine Rolle

als „single source of truth“ sichern.

Agenda







Themenschwerpunkte der Ideenwerkstatt


2010 - 2011: Green Controlling

2011 - 2012: Behavioral Controlling

Themen-

schwerpunkte

2012 - 2013: Volatilität

2013 - 2014: Big Data

2014 - 2015: Industrie 4.0

2015 - 2016: Business Analytics

Jahresthema 2015/2016 „Business Analytics“:Fragestellungen im Fokus der Ideenwerkstatt


Business

Analytics aus

Controlling-

Sicht

Welche Methoden und

Algorithmen sind für das

Controlling relevant?

Methoden & Algorithmen

Welchen Wertbeitrag liefert der

Einsatz von Business Analytics

für das Controlling?

Wertbeitrag

Welche Implementierungs-

schritte sind bei der Einführung

von Business Analytics

notwendig?

ImplementierungKompetenzen

Wie müssen sich

Controllerinnen und Controller

in Bezug auf die Anwendung von

Business Analytics weiterentwickeln?

Wichtigste Messages des Dream Car-Berichts zum Themenschwerpunkt „Business Analytics“


Überblick über die relevanten Analyse-Tools

Integration von Business Analytics in den Controllingprozess

(mit Best Practice-Beispielen)

Weiterentwicklung des Controller-Kompetenzmodells

Der Dream Car-Bericht „Business Analytics | Weg zur datengetriebenen

Unternehmenssteuerung“ wird zeitnah veröffentlicht und steht dann zum

kostenfreien Download auf der Homepage der Ideenwerkstatt zur Verfügung:

www.icv-controlling.com/de/arbeitskreise/ideenwerkstatt.html


These 5

Da wir erst am Anfang der Business Analytics-Nutzung im

Controlling stehen, ist es notwendig, dass die Ideen-

werkstatt weiter „Dream Cars“, Gestaltungsvorschläge und

Roadmaps entwickelt und in die Controller-Community

kommuniziert.


Vielen Dank für Ihre Aufmerksamkeit

Documents

Predictive Analytics Zukunftsweisendes Werkzeug des ... · 5 41. Congress der ... Objective evaluation of project KPIs at every stage and phase ... for the CFO to get greater