Big Data

Unter Big Data werden riesige Datenmengen verstanden, die eine Vielfalt an Formaten aufweisen können (z. B. Texte, Sensorik-Daten, Fotos), sowie die nötigen Technologien zur Verarbeitung und Auswertung derselben (Schön, 2018, S. 413). Im Controlling bestehen weitreichende Einsatzmöglichkeiten für Big Data. So existieren Beispiele zu Absatz-Forecasts, in die Big Data integriert wurde, um aussagekräftigere und aktuellere Forecasts zu erhalten. Aber auch Markttrends lassen sich durch Big Data verfolgen und dann in die strategische Planung des Unternehmens aufnehmen (Langmann, 2019, S. 5-6).

Begriffsdefinition Big Data

Wie die Digitalisierung unterliegt auch der Bereich Big Data einem stetigen Wandel, in welchem sich Begriffsumschreibungen laufend ändern. Deshalb gibt es keine abschliessende Definition für die Bezeichnung Big Data. Der Namensbestandteil «Big» weist darauf hin, dass das involvierte Datenvolumen eine gewisse Grösse umfasst. Eine eindeutige Definition, ab welchem Volumen konventionelle Datenmengen den Sprung zu Big Data erreichen, gibt es allerdings nicht (Tröbs & Mengen, 2018, S. 3).

Gemäss Horvárth und Partners basiert Big Data auf vier wesentlichen Eigenschaften, seiner Nutzung und seines Nutzens. Mit der Überprüfung der vier Eigenschaften lassen sich Big Data-Ansätze von anderen Lösungen abgrenzen. Etablierte Lösungen sind beispielsweise Business-Intelligence-Lösungen, Data-Warehouse-Anwendungen oder Data Mining. Mit solchen Anwendungsmöglichkeiten war es bereits in der Vergangenheit möglich, grosse Datenmengen zu bearbeiten. Wie jedoch aus Abbildung 1 entnommen werden kann, ist «Volumen» nur eine der vier Eigenschaft (Grönke, Kirchmann & Leyk, 2014, S. 66). Die anderen Eigenschaften von Big Data sind die Datenmenge, die Geschwindigkeit sowie die Vertrauenswürdigkeit.

Abb. 1: Definition von Big Data nach Horváth und Partners (Quelle: (Grönke et al., 2014, S. 66)

Abschliessend wird der Definitionsversuch zu Big Data vom Internationalen Controller Verein betrachtet, welcher wie folgt lautet (2014): «Big Data beschreibt die Analyse und die Echtzeitverarbeitung großer, unstrukturierter und kontinuierlich fließender Datenmengen aus einer Vielfalt unterschiedlicher Datenquellen zur Schaffung glaubwürdiger Informationen als Basis von nutzenschaffenden Entscheidungen" (S. 5).

Ziele

Es gibt mehrere Ziele, welche ein Unternehmen mithilfe von Big Data verfolgen kann (Davenport, 2014, S. 58-67):

1. Kosteneinsparung durch Big Data-Technologien
Aufgrund von Big Data-Technologien sind schnellere Datenverarbeitungen sowie Speicherplatz preiswert zu erhalten. Für Unternehmungen können sich interessante Kosteneinsparungspotenziale ergeben (Davenport, 2014, S. 58-61).

2. Zeiteinsparung durch Big Data-Technologien
Ein weiteres Ziel ist es, gewisse Prozesse schneller durchzuführen. Komplizierte und analytisch umfangreiche Kalkulationen können mithilfe von Hochleistungsrechnern innerhalb kürzerer Zeit verarbeitet werden (Davenport, 2014, S. 61-62).

3. Angebotsentwicklung und Optimierung von Produkten und Dienstleistungen
Die Entwicklung neuer Produkte und Dienstleitungen wird als das ambitionierteste Ziel beschrieben (Davenport, 2014, S. 62-64).

4. Unterstützung interner Unternehmensentscheidungen
Interne Unternehmensentscheidungen werden nicht mehr nur basierend auf strukturierten Datenquellen, sondern auch mithilfe weniger strukturierter Daten wie beispielsweise Gesprächsdaten in Textform oder Klicks auf Websites getroffen. Durch die Verwendung der grossen Datenmengen soll die Analyse verbessert werden (Davenport, 2014, S. 64-67).

Relevante Methoden

Nachfolgend werden einige Methoden vorgestellt, welche zur Verarbeitung von Big Data verwendet werden:

Methode	Beschreibung
Predictive Analytics	Vergangenheitsbezogene Unternehmensdaten werden mit statistisch-mathematischen Verfahren ausgewertet, allenfalls ergänzt durch externe Daten, um eine möglichst genaue Vorhersage zukünftiger Entwicklungen zu ermöglichen (Buschbacher, 2016, S. 42-43).
Text Mining	«Text Mining wird als analytische Erschließung von Text verstanden und ist ein Anwendungsbeispiel von Big Data […]» (Gschmack, Hess & Willmes, 2015, S. 259).

Anwendungsbereiche im Controlling

“Der wesentliche Nutzen von Big Data liegt in der Auswertung (Analytics) der bisher nicht verfügbar gemachten Daten bzw. der bisher nicht erfolgten Kombination der Datenquellen" (Grönke et al., 2014, S. 67). Im Kontext der Unternehmenssteuerung bedeutet das (S. 67):

• Was ist passiert? – deutlich schnelleres und damit häufigeres Berichtswesen.
  

• Warum ist es passiert? – Erkenntnisse über Zusammenhängen der Daten sowie Gründe und Ursachen für Abweichungen.
  

• Was wird passieren? – Prognosen von zukünftigen Ereignissen (Predictive Analytics).
  

• Was sollen wir tun? – Ableitung von Handlungsvorschlägen (Prescriptive Analytics).

Das Management kann demzufolge von neuen Erkenntnissen aus den analysierten Daten profitieren. Gemäss oben erwähnter Studie gehen 85% der befragten Unternehmen davon aus, dass sich die Durchlaufzeit bzw. die Prozessdauer der Steuerungsprozesse deutlich verkürzen werden. Besonders betroffen werden die Bereiche Planung und Reporting sein (S. 67).

Quellen

Literaturverzeichnis

• Buschbacher, F. (2016). Wertschöpfung mit Big Data Analytics. Controlling & Management Review, 60 (1), S. 40-45.
• Davenport, T. H. (2014). Big Data @ Work: Chancen erkennen, Risiken verstehen. München: Vahlen.
• Langmann, C. (2019). Digitalisierung im Controlling. Wiesbaden: Springer Gabler.
• Schön, D. (2018). Planung und Reporting im BI-gestützten Controlling. Grundlagen, Business Intelligence, Mobile BI und Big-Data-Analytics (3. Aufl.). Wiesbaden: Springer Gabler.
• Weichel, P. & Herrmann, J. (2016). Wie Controller von Big Data profitieren können. Controlling & Management Review, 60 (1), S. 8-14.
• Willems, C., Hess, T. & Gschmack, S. (2015). Die Bedeutung von Big Data im Controlling. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 27 (4-5), S. 256-262.

Weiterführende Literatur

• Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389-430). Berlin, Heidelberg: Springer.
• Kieninger, M. (2017). Digitalisierung der Unternehmenssteuerung: Prozessautomatisierung, Business Analytics, Big Data, SAP S/4HANA, Anwendungsbeispiele. Stuttgart: Schäffer-Poeschel Verlag.

Autoren

Boze Vukadin, Jessica Walser, Pascal Zahler