Technologien

Aus Controlling-Wiki

Die Finanzfunktion eines Unternehmens besteht aus verschiedenen Aktivitäten wie Rechnungswesen, Controlling, Risikomanagement und/oder Finanzierung. Das Controlling stützt sich dabei auf Daten aus dem Rechnungswesen, die aus den ERP-Systemen oder anderen Quellen stammen (Weichel & Herrmann, 2016), um die Aufgaben der Kostenrechnung, der operativen und strategischen Entscheidungsvorbereitung als auch der Management-Unterstützung zu erfüllen (Warren, Moffitt & Byrnes, 2015). Bereits heute sind Steuerungs- und Unterstützungsaufgaben ohne die Nutzung von IT-Systemen kaum vorstellbar. Dennoch ist der Zeitaufwand für die Erstellung von Budgets und Forecasts, wie auch für die Datenaufbereitung und Konsolidierung, sehr hoch (Horváth & Michel, 2015). Zur Reduzierung der manuellen Abstimmungs- und Analysearbeiten nutzen Controller vermehrt digitale Hilfsmittel, um die Effizienz in der Ausführung der Aufgaben zu steigern (Internationaler Controller Verein, 2015). Das Thema Business Analytics und der Einsatz entsprechender Werkzeuge nehmen dabei einen wichtigen Platz bei Unternehmen ein (Chen, Chiang & Storey, 2012). Die Digitalisierung an sich wird durch die folgenden technologischen Entwicklungen vorangetrieben (Abolhassan, 2016):

Im Rahmen einer Studie von Seufert bestätigten Fachpersonen mit grosser Business Intelligence-Erfahrung die hohen analytischen Potenziale für die Unternehmenssteuerung bzw. das Controlling (Seufert, 2016). Im Zusammenhang mit den Analyse- und Auswertungsmöglichkeiten, die obenstehende Technologien schaffen, werden künftig insbesondere Controlling-Aktivitäten wie z. B. die Informationsversorgung oder das Berichtswesen stärker automatisiert (Gray & Alles, 2015).

Darüber hinaus ist absehbar, dass Forecasting-Prozesse durch proaktive-prognostizierende Ansätze (Predictive Forecasting) aus granularen Daten automatisierte Prognosen generieren (Mehanna, Müller & Tunco, 2015). Die Anwendung von stochastischen Modellen, maschinellem Lernen und Data Mining-Ansätzen führt dabei zu einer höheren Prognosegenauigkeit (Mehanna, Tatzel & Vogel, 2016). Das eigentliche Controlling wird erst dann einbezogen, wenn festgelegte Grenzen überschritten oder Ergebnisse validiert und interpretiert werden müssen (Horváth & Michel, 2015).

Quellen

Literaturverzeichnis

  • Abolhassan, F. (2016). Digitalisierung als Ziel – Cloud als Motor. In: Abolhassan, F. (Hrsg.). Was treibt die Digitalisierung? Wiesbaden: Springer Fachmedien.
  • Chen, H., Chiang, R. H. L. & Storey, V. C. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36 (4), S. 1165-1188.
  • Gray, G. L. & Alles, M. (2015). Data Fracking Strategy: Why Management Accountants Need It. Management Accounting Quarterly, 16 (3), S. 22-33.
  • Horváth, P. & Michel, U. (Hrsg.). (2015). Controlling im digitalen Zeitalter. Herausforderungen und Best-Practice-Lösungen. Stuttgart: Schäffer-Poeschel.
  • Internationaler Controller Verein (Hrsg.). (2015). Industrie 4.0. Controlling im Zeitalter der intelligenten Vernetzung. Dream Car der Ideenwerkstatt im ICV 2015.
  • Mehanna, W., Müller, F. & Tunco, C. (2015). Predictive Forecasting und die Digitalisierung der Unternehmenssteuerung. IM+io Fachzeitschrift für Innovation, Organisation und Management (4), S. 28-32.
  • Mehanna, W., Tatzel, J. & Vogel, P. (2016). Business Analytics im Controlling – Fünf Anwendungsfelder. Controlling - Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28 (8-9), S. 502-508.
  • Seufert, A. (2016). Die Digitalisierung als Herausforderung für Unternehmen: Status Quo, Chancen und Herausforderungen im Umfeld BI & Big Data. In D. Fasel & A. Meier (Hrsg.). Big Data. Grundlagen, Systeme und Nutzungspotenziale (S. 39-57). Wiesbaden: Springer Vieweg.
  • Warren, D. J., Moffitt, K. C. & Byrnes, P. (2015). How Big Data Will Change Accounting. Accounting Horizons, 29 (2), S. 397-407.
  • Weichel, P. & Herrmann, J. (2016). Wie Controller von Big Data profitieren können. Controlling & Management Review, Sonderheft (1), S. 8-14.

Weiterführende Literatur