Quelltext der Seite Data Analytics

Exponentiell wachsende Datenmengen, zahlreiche neue Datenquellen sowie unterschiedliche Datenformate, oft unter dem Begriff [[Big Data]] zusammengefasst, stellen Unternehmen vor Herausforderungen, bieten aber auch neue Möglichkeiten. Im Controlling müssen die relevanten Daten aufbereitet, ausgewertet und im Anschluss zu Führungsinformationen verdichtet werden. Digitale [[Technologien]] und Anwendungen unterstützen das Controlling darin, die Daten greifbar und daraus die geschäftsrelevanten Zusammenhänge sichtbar zu machen.

Die Aufbereitung der Daten kann aber ohne die Anwendung neuer Technologien beachtliche Personalressourcen binden und zu einer Überlastung des Controllings führen. Damit wächst die Gefahr, dass wertvolle Informationen nicht in die Auswertungen einfliessen oder zu wenig Zeit für deren Interpretation bleibt. Im Kontext der Digitalisierung kommt dem Datenmanagement – d. h. den Datenformen, der Datenverfügbarkeit sowie der Data Governance – deshalb eine immer grössere Bedeutung zu.

Viele Controlling-Organisationen nutzen derzeit nur interne und strukturierte Datenformen für ihre Reports und Analysen. Besonders durch den Einbezug von externen oder unstrukturierten Daten sowie deren Verknüpfung mit bestehenden Datensätzen können neuartige Einsichten generiert werden. So lassen sich bspw. in bestimmten Branchen Planung und [[Predictive Forecasting|Forecasting]] durch den Einbezug von Wetterdaten präzisieren und Kapazitäten darauf abstimmen.

Die Datenverfügbarkeit umfasst alle Dienste von Speichersystemen, die sicherstellen, dass die Daten für die Anwender zur geforderten Zeit verfügbar sind. Erreicht wird dies durch die redundante Speicherung von Daten. Mit der Data Governance werden alle Massnahmen umschrieben, welche die Verwendbarkeit, die Integrität sowie die Sicherheit der Daten garantieren sollen (Otto & Legner, 2016). Ein digital agierendes Controlling ist hierbei auf eine Infrastruktur angewiesen, die es ermöglicht, grosse Datenmengen in kurzer Zeit zu verarbeiten. Zudem soll das Controlling auf vollständige Datensätze zurückgreifen und auf definierte Zugriffsregelungen zählen können.

== Quellen ==

=== Literaturverzeichnis ===

* Otto, B. & Legner, C. (2016). Datenqualitätsmanagement für den Industriebetrieb. Best Practices und Implikationen der Digitalisierung. Controlling: Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28 (10), S. 550-557.

=== Weiterführende Literatur ===

* Bhimani, A. & Willcocks, L. (2014). Digitisation, 'Big Data' and the Transformation of Accounting Information. Accounting and Business Research, 44 (4), S. 469-490.
* Fanning, K. & Grant, R. (2013). Big Data: Implications for Financial Managers. Journal of Corporate Accounting & Finance, 24 (5), S. 23-30.
* Gentsch, P. & Kulpa, A. (2016). Mit externen Big Data neue Möglichkeiten erschließen. Controlling & Management Review, Sonderheft (1), S. 32-38.

[[Kategorie:Data Analytics]]