Leistungen
Controlling & Analytics
Um ein Unternehmen gezielt zu steuern, müssen Entwicklungen verstanden werden. Ich berate Unternehmen, wenn im Controlling zusätzliche Expertise oder analytische Kompetenz gefragt ist. So werden aus Daten belastbare Entscheidungsgrundlagen.
Daten
Ein Fundament aus vielen Quellen
Warum Daten den Unterschied machen
Daten sind das Herzstück eines jeden Unternehmens. Als wertvolle Ressource sollten sie als ein eigenständiger Produktionsfaktor und nicht als ein Nebenprodukt digitaler Prozesse verstanden werden. Der wirtschaftliche Wert liegt hierbei in ihrer Nutzung zur Analyse der Geschäftsprozesse und der Ableitung marktbezogener Entscheidungen. Unternehmen, die ihre Entscheidungen konsequent auf Daten stützen, verbessern dadurch ihre Fähigkeit, auf Veränderungen bei Kundschaft und Markt zu reagieren und operative Prozesse besser steuerbar zu machen.
Wo die Herausforderungen liegen
Eine schlechte Datenqualität beeinträchtigt die Entscheidungsfindung, wodurch operative Kosten und organisatorische Abstimmungsprobleme entstehen können. Neben Genauigkeit sind Relevanz, Vollständigkeit, Aktualität, Verständlichkeit und Zugänglichkeit entscheidende Faktoren zur Bestimmung der Qualität der erhobenen Daten. Die Qualität von Informationen wird damit selbst zu einer relevanten Größe für Controlling und Unternehmenssteuerung. Häufig sind Daten über verschiedene organisatorische Einheiten und Informationssysteme verteilt und passen nicht immer auf Anhieb zusammen. Die Folge sind abweichende Zahlen für dieselbe Fragestellung, fehlende oder veraltete Werte und ein hoher manueller Aufwand beim Zusammenführen. Die manuelle Datenverarbeitung stellt hierbei eine zusätzliche Fehlerquelle dar, da Fehler in Tabellenkalkulationen oft lange unentdeckt bleiben.
Warum gute Daten bei den Prozessen beginnen
Nahezu alle Geschäftsprozesse erzeugen Daten, welche von nachgelagerten Prozessen weiterverwendet werden. Qualitätsprobleme treten somit nicht nur lokal auf, sondern können sich entlang der weiteren Wertschöpfungskette fortsetzen. Datenqualität und Geschäftsprozesse sind dementsprechend eng miteinander verbunden, so dass die Qualität der Daten bereits bei der Neugestaltung von Prozessen und im Zusammenhang mit ihrer späteren Verwendung berücksichtigt werden sollte. Eine solche Prozessgestaltung ermöglicht es, Fehlerquellen und Kontrollpunkte zu identifizieren und klare Zuständigkeiten zu definieren. Dies sorgt dafür, dass bei auftretenden Problemen nicht nur das Symptom, sondern die Ursache behoben und eine Wiederholung vermieden wird.
Mehr Daten bedeuten nicht bessere Entscheidungen
Mit der zunehmenden Digitalisierung ist die fortlaufende systematische Erfassung von Daten ein zentraler Bestandteil wirtschaftlicher Aktivitäten geworden. Auch im Controlling steigt die Informationsverfügbarkeit. Paradoxerweise kann es schwierig sein, die richtigen und relevanten Informationen zum benötigten Zeitpunkt zu finden, so dass mehr Informationen nicht automatisch zu besseren Entscheidungen führen. Der Nutzen von Information hängt damit wesentlich von ihrer Relevanz für eine konkrete Situation ab und macht eine Unterscheidung zwischen relevanter Information, zusätzlicher Information und redundanter Information unabdingbar. Entscheidend ist daher nicht die Menge der verfügbaren Informationen, sondern ihre strukturierte und bedarfsgerechte Bereitstellung.
Struktur
Aus Einzelteilen wird ein Ganzes
Ordnung innerhalb der Daten
Daten aus unterschiedlichen Quellen können sich in vielerlei Hinsicht unterscheiden. Ein durchdachtes Datenmodell ermöglicht es, Daten aus heterogenen Quellen zu integrieren und bildet so die Grundlage für eine einheitliche und effiziente Nutzung. Die Organisation und Integration der Daten in einer geeigneten Struktur ist damit ein zentraler Schritt bei der Umwandlung operativer Daten in entscheidungsrelevante Informationen. Bei der Modellierung wird zwischen Bewegungsdaten (Fakten) und Stammdaten (Dimensionen) unterschieden. Fakten beschreiben messbare Geschäftsvorgänge, während Dimensionen den dazugehörigen beschreibenden Kontext liefern. Stern- und Schneeflockenschemata verknüpfen zentrale Faktentabellen mit den umgebenden Dimensionen und schaffen so eine klare Struktur für die analytische Nutzung der Daten.
Eine Datenstruktur, die zum Unternehmen passt
Die Struktur eines Unternehmens bestimmt, wie Verantwortlichkeiten, Kommunikation und Informationsflüsse organisiert werden. Das Datenmodell muss die Unternehmensorganisation berücksichtigen und sich an den fachlichen Strukturen ausrichten, damit Daten konsistent über alle Bereiche hinweg genutzt werden können. Im Zuge dessen sollten sich die für das Unternehmen relevanten Analyseperspektiven und Hierarchien in den Dimensionen des Datenmodells wiederfinden. Dadurch lassen sich einzelne Geschäftsvorgänge entlang der Organisationsstruktur auswerten und zu übergeordneten Einheiten zusammenführen. Organisationsstrukturen und strategische Entscheidungen beeinflussen sich gegenseitig. Organisatorische Veränderungen können somit nicht losgelöst von bestehenden Steuerungs- und Berichtssystemen betrachtet werden.
Vom Ergebnis zu seinen Ursachen
Während die Verdichtung von Kennzahlen entlang der Organisationsstruktur zeigt, wo ein Ergebnis zustande kommt, führt die Zerlegung in seine zentralen Einflussfaktoren zu den ökonomischen Größen, die hinter dieser Entwicklung stehen. Werttreibermodelle machen diese Zusammenhänge sichtbar und ermöglichen es, Ergebnisse auf ihre wesentlichen Ursachen zurückzuführen. Eine Erweiterung finanzieller Kennzahlen um operative und nichtfinanzielle Einflussfaktoren macht Controlling zur Verbindung zwischen strategischen Zielen und operativer Steuerung. So werden Kennzahlen nicht isoliert betrachtet, sondern in einen Zusammenhang mit den zugrunde liegenden Steuerungsgrößen gesetzt. Dies erleichtert die Interpretation von Ergebnissen und die Ableitung von Maßnahmen.
Kennzahlen
Gemeinsam definiert, gemeinsam gesteuert
Eine gemeinsame Sprache
Damit Kennzahlen im ganzen Unternehmen gleich verstanden werden, braucht es eine gemeinsame Sprache. Ihre Grundlage bilden einheitliche Definitionen, die Datenobjekte eindeutig voneinander abgrenzen und ihre Bedeutung nachvollziehbar machen. Den organisatorischen Rahmen dafür bildet die Data Governance. Sie legt Grundsätze für den Umgang mit Daten fest und regelt unter anderem deren Qualität, Beschreibung und Zugriff. Eine zentrale Rolle spielen dabei Metadaten, die Daten organisationsweit eindeutig beschreiben und ihre Bedeutung dokumentieren. Die gemeinsame Definition und Verwendung von Begriffen wird so zu einer organisatorischen statt einer rein technischen Aufgabe. Klare Bezeichnungen fördern konsistente Berichte, reduzieren redundante Daten und stärken das Vertrauen in Analysen.
Kennzahlen gemeinsam entwickeln
Kennzahlensysteme sollten auf dem Erfahrungsschatz der Mitarbeitenden aufbauen. Das Einbeziehen von Mitarbeitenden bei der Gestaltung von Steuerungssystemen ermöglicht die Integration von lokalem Wissen und praktischen Erfahrungen. Eine substanzielle Beteiligung anstelle einer reinen Vermittlung geht mit höherer Leistungssteigerung, Zufriedenheit und wahrgenommener Nützlichkeit einher. Die Zusammenarbeit von Mitarbeitenden und Führungskräften erhöht die Qualität und Akzeptanz sowie die Bereitschaft, eigenständige Verbesserungsinitiativen einzubringen. Ein wirksames Kennzahlensystem muss klären, welche Ziele verfolgt werden, welche Maßnahmen zur Zielerreichung führen und wie Leistung gemessen und bewertet wird.
Dokumentation, die Klarheit schafft
Die Prinzipien des Lean Managements lassen sich auch auf Controlling- und Finanzprozesse anwenden. Lean Accounting überträgt Gedanken zu Standardisierung, Vereinfachung und kontinuierlicher Verbesserung auf diese Unternehmensbereiche. Im Mittelpunkt steht die effiziente Bereitstellung von Informationen und die Reduzierung nicht wertschöpfender Tätigkeiten. Voraussetzung hierfür ist ein klar definierter Standard. Nur wenn Prozesse eindeutig beschrieben sind, lassen sich Abweichungen erkennen und Veränderungen nachvollziehen. In Bezug auf Kennzahlen bedeutet dies, dass ihre Bedeutung, Berechnung und Datengrundlage eindeutig dokumentiert sein sollten.
Ein Kennzahlensteckbrief schafft hierfür einen einheitlichen Referenzpunkt. Er hält fest, was eine Kennzahl aussagt, wie sie berechnet wird, auf welchen Daten sie basiert und wer für sie verantwortlich ist. Eine Vorlage für einen solchen Kennzahlensteckbrief steht zur direkten Bearbeitung zur Verfügung.
Kennzahlensteckbrief als PDF
Business Analytics
Verstehen, was die Zahlen bewegt
Zusammenhänge erkennen
Im Kern richtet sich Business Analytics auf konkrete geschäftliche Fragestellungen und messbare Unternehmensziele aus. Data Analytics bildet dabei die methodische Grundlage. Daten werden mithilfe statistischer und quantitativer Verfahren sowie erklärender und prognostischer Modelle analysiert, um Entscheidungen und Handlungen zu unterstützen. Unterschieden werden muss hierbei zwischen Korrelation und Kausalität. Daten können zwar einen Zusammenhang aufzeigen, enthalten aber nicht automatisch die Information darüber, welche kausale Struktur dahintersteht. Belastbare Erkenntnisse entstehen erst, wenn ein statistischer Befund mit fachlichem Verständnis für die Wirkungszusammenhänge im Unternehmen verbunden wird.
Die Methode folgt der Frage
Datenanalytisches Arbeiten sollte von grundlegenden Prinzipien und der jeweiligen geschäftlichen Fragestellung ausgehen. In Abhängigkeit davon, ob Zusammenhänge verstanden oder zukünftige Werte vorhergesagt werden sollen, unterscheiden sich Modellierungsstrategien, Datenanforderungen und die Bewertung der Ergebnisse. Da eine universell überlegene statistische Methode nicht existiert, bestimmt das Analyseziel das Vorgehen. Häufig genutzte Verfahren sind:
- Statistische Analysen
- Zeitreihenprognosen und Szenarien
- Data Mining
- Machine Learning
Eine saubere Grundlage macht Analysen einfacher
Analysen sind nur so gut wie die Grundlage, auf der sie beruhen. Vollständige und über die Zeit vergleichbare Daten machen Trends und saisonale Schwankungen erkennbar. Eine Datenstruktur, die die Organisation abbildet, ermöglicht eine Betrachtung auf unterschiedlichen Ebenen und die konsistente Verdichtung zum Gesamtergebnis. Einheitlich definierte Kennzahlen und verknüpfte Werttreiber erlauben es, geschäftliche Entwicklungen anhand einer überschaubaren Zahl von Steuerungsgrößen zu betrachten. Unvollständige, fehlerhafte oder ungeeignete Daten beeinträchtigen dagegen die Zuverlässigkeit von Modellen und der daraus abgeleiteten Entscheidungen. Entscheidend ist deshalb oft nicht die Komplexität eines Verfahrens, sondern die Qualität der Daten. Welche Modellkomplexität sinnvoll ist, hängt vom zugrunde liegenden Prozess und der verfügbaren Datenmenge ab. Einfache Verfahren erleichtern zudem das Verständnis, die kritische Prüfung und das Erkennen von Fehlern.
Methodisch sind die Begriffe Business Analytics und Business Intelligence voneinander zu trennen. Business Analytics nutzt Methoden der Datenanalyse, um vergangene Entwicklungen zu verstehen oder zukünftige Entwicklungen vorherzusagen. Business Intelligence orientiert sich im Vergleich dazu stärker an der Gegenwart. Kernidee ist die systematische Aufbereitung und Verbreitung von Informationen mit dem Ziel, den Zugriff auf Unternehmensdaten erheblich zu vereinfachen.
Dennoch gehen beide fließend ineinander über und stehen in einem wechselseitigen Verhältnis. Einerseits können Erkenntnisse aus analytischen Untersuchungen zur Einführung neuer Berichtsstrukturen führen. Andererseits lassen sich mit einem klaren Blick auf die aktuelle Geschäftssituation Herausforderungen frühzeitig erkennen, weiterführende Analysen schneller durchführen und zielgerichtete Maßnahmen zeitnah ableiten.
Noch Fragen?
Antworten auf häufige Fragen zu Daten, Kennzahlen und Analysen.
Die Reise zwischen Daten und Erkenntnis
Die Reise zwischen Daten und Erkenntnis
Mehrwert entsteht, wenn Daten den Weg bis zur Entscheidung finden. Dafür müssen sie zu verständlichen Informationen verdichtet, in den Kontext des Geschäfts gesetzt und dort bereitgestellt werden, wo Entscheidungen fallen. Im Alltag wird das schnell spürbar. Abweichungen fallen früher auf, Abstimmungsschleifen entfallen, und Besprechungen drehen sich um Maßnahmen statt um die Herkunft der Zahlen.
Relevant ist eine Kennzahl, wenn sie eine Entscheidung beeinflusst. Verändert sich ihr Wert, sollte klar sein, wer darauf reagiert und wie. Kennzahlen, mit denen niemand etwas steuert, erzeugen Aufwand ohne Nutzen, so präzise sie auch berechnet sein mögen.
Welche Werttreiber entscheidend sind, hängt vom Geschäftsmodell ab. Ausgangspunkt ist immer eine Zielgröße wie das EBIT oder die Rendite auf das eingesetzte Kapital. Typische Werttreiber sind Umsatzwachstum, Preise und Margen, die Kostenstruktur sowie die Kapitalbindung in Vorräten und Forderungen. Ein Dienstleistungsunternehmen wird dabei über andere operative Treiber gesteuert als ein Produktionsunternehmen, etwa über Auslastung und Stundensätze statt über Materialeinsatz und Durchlaufzeiten.
Reporting macht Daten sichtbar und zeigt, was passiert ist. Analytics geht einen Schritt weiter, indem es die Ursachen vergangener Entwicklungen aufdeckt und fundierte Prognosen für die Zukunft ermöglicht. Während Reporting den Blick zurück liefert, schafft Analytics die Grundlage, um vorausschauend zu handeln.
Ad-hoc-Analysen beantworten einmalige, konkrete Fragestellungen schnell und ohne den Umweg über das feste Berichtswesen. Sie gehen gezielt auf ein spezifisches Thema ein und liefern genau dann Klarheit, wenn eine Entscheidung kurzfristig belastbare Zahlen erfordert. Wann sie sinnvoll sind und wann sie zum Warnsignal werden, beschreibe ich im Fachbeitrag zu Ad-hoc-Analysen.
Aus Kennzahlen werden Handlungsempfehlungen, sobald sich die Wirkungsweise hinter den Zahlen eindeutig benennen lässt. Erst wenn klar ist, welcher Hebel eine Kennzahl bewegt, entstehen daraus konkrete Anknüpfungspunkte an die internen Handlungsabläufe. Eine Kennzahl ist damit nie Selbstzweck, sondern der Ausgangspunkt für eine konkrete Maßnahme.
Die wichtigste Voraussetzung ist Offenheit für Veränderung. Wer bereit ist, auch altbewährte Vorgehensweisen zu hinterfragen, schafft die Grundlage dafür, dass aus Daten und Analysen tatsächlich Verbesserungen entstehen. Die technischen Voraussetzungen lassen sich schaffen, die Bereitschaft dazu muss vorhanden sein.
Sobald Daten strukturiert sichtbar gemacht werden, treten Lücken und Inkonsistenzen zutage und lassen sich gezielt beheben. Damit die Qualität dauerhaft stimmt, kommen automatische Plausibilitätsprüfungen hinzu, etwa der regelmäßige Abgleich mit der Finanzbuchhaltung, sowie eine laufende Pflege der Stammdaten durch die jeweils verantwortlichen Bereiche.
Ein deutliches Warnzeichen ist, wenn Sie regelmäßig damit beschäftigt sind, Ergebnisse im Nachhinein zu erklären, statt sie vorausschauend zu steuern. Wenn zudem ständig vermeintlich Unvorhersehbares geschieht und jede Auswertung mehr Fragen aufwirft als beantwortet, fehlt die nötige Transparenz. Dann entstehen Entscheidungen eher aus dem Bauch heraus als auf Basis verlässlicher Daten.