Sandkasten

Aus Controlling-Wiki

Wettbewerbsstrategien sind ein Teil der Unternehmensstrategien, welche die Ziele und Herangehensweise einer strategischen Geschäftseinheit (SGE) definieren. Sie legt die zukünftige Ausrichtung der SGE fest. Die Ergebnisse und Informationen der Umweltanalyse und der Unternehmensanalyse geben Hinweise auf eine mögliche Entwicklungsrichtung des Unternehmens und liefern somit eine Entscheidungsgrundlage für die Strategieentwicklung (Lombriser & Abplanalp, 2018, S. 267). Im Zentrum der Wettbewerbsstrategien stehen diejenigen Merkmale (Erfolgspotenziale), die in wesentlichem Masse den langfristigen Erfolg bestimmen (Müller, 2007, S. 8). Für die Gestaltung der Wettbewerbsstrategien werden die drei Dimensionen Wettbewerbsvorteil, Wettbewerbsfeld und Innovationsverhalten unterschieden.

Dimensionen der Strategieentwicklung

Für die Entwicklung einer nachhaltigen Wettbewerbsstrategie werden die drei Dimensionen Wettbewerbsvorteile, Wettbewerbsfeld und Innovationsverhalten herbeigezogen.

Wettbewerbsvorteile

Mit der Dimension Wettbewerbsvorteile wird versucht, sich von den Konkurrenten abzuheben. Zu diesem Zweck unterscheidet Porter zwei Arten von Wettbewerbsvorteilen: Kostenführerschaft und Differenzierung (Müller, 2007, S. 11).

Wettbewerbsfeld

Mit der Dimension Wettbewerbsfeld entscheidet ein Unternehmen, ob es gewisse Produkte oder Dienstleistungen auf ein Segment oder auf mehrere Segmente bzw. branchenweit abstimmen soll. Das Unternehmen kann sich bei der Segmentierung auf bestimmte Kundengruppen und/ oder auf geografische Räume beziehen (Lombriser & Abplanalp, 2018, S. 275).

Innovationsverhalten

Unternehmen müssen sich in der letzten Dimension Innovationsverhalten entscheiden, ob sie als Innovationsführer (First Mover) oder als Nachahmer (Fast Follower) agieren wollen (Lombriser & Abplanalp, 2018, S. 280).

Innovationsstrategie: Ein Innovationsführer oder auch First Mover beschreibt ein Unternehmen, welches ein Produkt oder eine Dienstleistung, respektive eine Innovation als erstes auf den Markt bringt (Disselkamp, 2012, S. 66-67).

Imitationsstrategie: Die Imitationsstrategie oder auch Fast-Follower-Strategie zielt darauf ab, die Produkte oder Dienstleistungen des Innovationsführers zu kopieren. Durch die Nachahmung des First Mover können so die Kosten der Forschung und Entwicklungs-Abteilung gesenkt werden und aus den Erfahrungen des Innovationsführers lernen. Die nachfolgende Tabelle soll die Vor- und Nachteile der beiden Strategien Innovationsstrategie und Imitationsstrategie nennen (in Anlehnung an Lombriser & Abplanalp, 2018, S. 281; Disselkamp, 2012, S. 65- 67):

Innovationsstrategie (First Mover) Imitationsstrategie (Fast Follower)
Vorteil:
  • Kein direkter Konkurrenzdruck
  • Stärkung des Images (Etablierung)
  • Erfahrungskurve
  • Technologische Führerschaft
  • Besetzen von knappen Ressourcen
  • Netzwerkeffekte
style="width: 55em" | BI eignet sich dazu, Standardberichte für einen breiten Empfängerkreis (Lower- bis Top-Management) automatisiert und dadurch effizient aufzubereiten. Informationen kann man dabei tabellarisch oder grafisch darstellen.
Management-Informations-Systeme (MIS) Ähnlich wie beim Reporting handelt es sich bei MIS um die standardisierte Darstellung von Informationen. MIS beschränken sich jedoch hauptsächlich auf den Empfängerkreis des höheren Managements. Dashboards und Scorecards stellen dabei wichtige Kennzahlen in übersichtlicher Form dar. MIS dienen dem Top-Management als strategisches Steuerungsinstrument.
OLAP-Analysen OLAP-Analysen ermöglichen aufgrund des mehrdimensionalen Datenwürfel-Modells im Data Warehouse interaktive und flexible ad-hoc-Auswertungen. Controllerinnen und Controller können durch die Selektion verschiedener Attribute in Echtzeit grosse Datenbestände analysieren und sehr spezifische Fragestellungen beantworten. Beispielsweise können Controllerinnen und Controller in einer BI-gestützten Ergebnisrechnung mittels OLAP sofort erhöhten Ist-/Plan-Abweichungen nachgehen, um die Treiber der Abweichung zu identifizieren (Seufert & Oehler, 2010, S. 445).
Statistik, Prognose und Data Mining Während sich die ersten drei Einsatzmöglichkeiten eher auf den deskriptive/diagnostische Teil von Business Intelligence beschränken, kommen bei Statistik/Prognose/Data Mining explorative Analysen zum Einsatz. Ungerichtete Analysen mittels statistischer Verfahren und komplexen Algorithmen verfolgen das Ziel, Muster und Trends in grossen Datenbeständen ausfindig zu machen. Diese Werkzeuge ermöglichen es den Controllerinnen und Controllern nicht nur retrospektive Analysen über die Vergangenheit, sondern auch prospektive Prognosen (vgl. Predictive Forecasting) über die Zukunft zu machen.
Planung und Budgetierung Unternehmen können ihre Planung und Budgetierung direkt in der BI-Applikation vornehmen. Einige BI-Applikationen bieten auch Prozessunterstützung mittels Workflow-Komponenten an, welche den Budgetierungs-Prozess vereinfachen sollen. Zudem lassen sich Teilpläne einfacher zu integrierten Planvorschlägen zusammenfassen.


BI lässt sich somit als Filter in der Informationsflut, als Frühwarnsystem, als Speichermedium von Wissen oder als Prozess definieren (Schön, 2018, S. 406). Hauptsächlich beinhaltet BI jedoch das Arbeiten mit unternehmensinternen und -externen Daten. Diese Daten werden mit Hilfe von Management-Methoden und Werkzeugen aufbereitet, harmonisiert, ausgewertet und visualisiert. Schlussendlich dienen die Daten dazu, wichtige Entscheidungen im Unternehmen zu treffen (Ereth & Kemper, 2016, S. 458).

Abb. 1: Enge und weite Definition von Business Intelligence (Schön, 2018, S. 411)

Schnittstelle zwischen Betriebswirtschaft und IT

Wie in Abbildung 1 zu sehen ist, operiert BI an der Schnittstelle zwischen Betriebswirtschaft und IT. BI ist somit eine Disziplin der Wirtschaftsinformatik. In der IT sind die technologischen Bestandteile von BI anzusiedeln, allen voran die Technologie des Data Warehouse. Die betriebswirtschaftliche Sicht beschäftigt sich hingegen vor allem mit der Nutzung der gewonnenen Informationen zur Entscheidungsunterstützung für das Management (Schön, 2018, S. 411).

Die enge BI-Definition beinhaltet ausschliesslich die Datenauswertung und -nutzung innerhalb der IT-Sicht. Die weite BI-Definition hingegen vereint die Data-Warehouse-Ebenen sowie die Big-Data-Technologie der IT-Sicht mit den Management-Unterstützungs-Instrumenten der betriebswirtschaftlichen Sicht (Schön, 2018, S. 411).

Gründe für Business Intelligence

Die zunehmende Digitalisierung bringt in Verbindung mit dem Internet und besseren Mess- und Sensortechniken exponentiell steigende Datenvolumen (Big Data) mit sich (Müller & Lenz, 2013, S. 1–2). Um diese immensen und zunehmend heterogenen Datenbestände sinnvoll nutzen zu können, reichen simple Tabellenkalkulations-Programme und ERP-Systeme längst nicht mehr aus. Die Datenanalyse ist mit diesen Werkzeugen zu zeit- und kostenaufwändig (Schön, 2018, S. 1).

Auch die Anforderungen des Managements an die ihnen zur Verfügung gestellten Informationen steigen stetig. Informationen müssen immer umfassender, schneller, gezielter, integrierter und ortsungebunden abrufbar sein (Müller & Lenz, 2013, S. 2). BI-Anwendungen bieten Möglichkeiten die riesigen Datenbestände auszuwerten und entscheidungsunterstützende Informationen in der geforderten Qualität bereitzustellen. Sie ermöglichen dem Management dadurch umfassende Einblicke in die Unternehmung (Bundi, 2012, S. 433).

Ursprünglich wurden BI-Systeme entwickelt, um Informationen für das Top-Management aufzubereiten. Heute liegt der Einsatzbereich von BI-Anwendungen jedoch in der gesamten Breite der Unternehmensführung (z.B. Controlling, Marketing, Logistik oder Produktion) (Ereth & Kemper, 2016, S. 458). Entscheidungstragende aller Unternehmensfunktionen sind bei ihren immer komplexer werdenden Führungsaufgaben zunehmend auf die hohe Qualität und flexible Analyse von Unternehmensdaten mittels BI angewiesen (Bundi, 2012, S. 432).

Business Intelligence im Controlling

Auch wenn BI in der gesamten Breite der Unternehmensführung und in sehr vielen Unternehmensfunktionen Verwendung findet, scheint das Haupteinsatzgebiet von BI-Anwendungen in vielen Unternehmen das Controlling zu sein (Bundi, 2012, S. 432–433). Aufgrund dieser Praxisrelevanz des Themas BI im Controlling müssen sich Controllerinnen und Controller zwangsläufig mit den Möglichkeiten des BI-gestützten Controllings auseinandersetzen. BI-gestütztes Controlling lässt sich dabei als zielbezogene Entscheidungsunterstützung des Managements mittels leistungsfähiger Informationstechnologien definieren (Schön, 2018, S. 410).

Einsatzmöglichkeiten

BI bietet im Controlling hauptsächlich folgende Einsatzmöglichkeiten (Bundi, 2012, S. 429):

Einsatzmöglichkeit von BI Beschreibung
Reporting BI eignet sich dazu, Standardberichte für einen breiten Empfängerkreis (Lower- bis Top-Management) automatisiert und dadurch effizient aufzubereiten. Informationen kann man dabei tabellarisch oder grafisch darstellen.
Management-Informations-Systeme (MIS) Ähnlich wie beim Reporting handelt es sich bei MIS um die standardisierte Darstellung von Informationen. MIS beschränken sich jedoch hauptsächlich auf den Empfängerkreis des höheren Managements. Dashboards und Scorecards stellen dabei wichtige Kennzahlen in übersichtlicher Form dar. MIS dienen dem Top-Management als strategisches Steuerungsinstrument.
OLAP-Analysen OLAP-Analysen ermöglichen aufgrund des mehrdimensionalen Datenwürfel-Modells im Data Warehouse interaktive und flexible ad-hoc-Auswertungen. Controllerinnen und Controller können durch die Selektion verschiedener Attribute in Echtzeit grosse Datenbestände analysieren und sehr spezifische Fragestellungen beantworten. Beispielsweise können Controllerinnen und Controller in einer BI-gestützten Ergebnisrechnung mittels OLAP sofort erhöhten Ist-/Plan-Abweichungen nachgehen, um die Treiber der Abweichung zu identifizieren (Seufert & Oehler, 2010, S. 445).
Statistik, Prognose und Data Mining Während sich die ersten drei Einsatzmöglichkeiten eher auf den deskriptive/diagnostische Teil von Business Intelligence beschränken, kommen bei Statistik/Prognose/Data Mining explorative Analysen zum Einsatz. Ungerichtete Analysen mittels statistischer Verfahren und komplexen Algorithmen verfolgen das Ziel, Muster und Trends in grossen Datenbeständen ausfindig zu machen. Diese Werkzeuge ermöglichen es den Controllerinnen und Controllern nicht nur retrospektive Analysen über die Vergangenheit, sondern auch prospektive Prognosen (vgl. Predictive Forecasting) über die Zukunft zu machen.
Planung und Budgetierung Unternehmen können ihre Planung und Budgetierung direkt in der BI-Applikation vornehmen. Einige BI-Applikationen bieten auch Prozessunterstützung mittels Workflow-Komponenten an, welche den Budgetierungs-Prozess vereinfachen sollen. Zudem lassen sich Teilpläne einfacher zu integrierten Planvorschlägen zusammenfassen.

Chancen

Abgeleitet aus den genannten Einsatzmöglichkeiten von BI im Controlling ergeben sich in erster Linie folgende Chancen:

  • Automatisierte und schnellere Datenaufbereitung: Das Aufbereiten von Reports und Planungsaktivitäten sind mit Hilfe von Tabellenkalkulationsprogrammen wie Excel oder für den operativen Betrieb optimierten ERP-Systemen oft zeit- und kostenaufwändig (Schön & Liebe, 2014, S. 244). Die Automatisierung dieser teilweise redundanten Aufbereitungs-Tätigkeiten durch BI-Systeme entlastet die Controlling-Mitarbeitenden und ermöglicht eine schnellere Informationsversorgung der Entscheidungstragenden (Schön, 2018, S. 338–339).
  • Erhöhte Analysefähigkeit: Durch die freigewordenen Kapazitäten können sich die Controllerinnen und Controller statt auf die Aufbereitung vermehrt auf die Analyse der gewonnenen Daten konzentrieren. Durch Funktionen wie OLAP-Abfragen, Filter- und Sortiertechnik oder Analysepfade können Controllerinnen und Controller schneller zu relevanten Detailinformationen gelangen und die Ursachen der beobachteten Entwicklungen erkennen (Schön, 2018, S. 339). Ziel dieser erhöhten Analysefähigkeit und Ursachenanalyse sind die Gewinnung von Erkenntnissen, die bessere operative und strategische Entscheidungen ermöglichen (Bundi, 2012, S. 428).
  • Flexiblere Anpassungen: Mit modernen BI-Systemen kann das Controlling schneller und flexibler auf veränderte Anforderungen reagieren (Seufert & Oehler, 2010, S. 443). Controllerinnen und Controller können zeitnah Anpassungen an bestehenden Reports vornehmen. Integrierte Planungs- und Reportingsysteme können somit einen erheblichen Wettbewerbsvorteil darstellen, weil sie in einem sich ständig verändernden Wettbewerbsumfeld schnellere Entscheidungen ermöglichen (Schön & Liebe, 2014, S. 244).
  • Grössere und hochwertigere Datenbestände: Das rasant steigende Datenvolumen bietet eine enorme Chance für grössere Erkenntnisgewinne im Controlling (Bundi, 2012, S. 435). Mittels BI-Systemen lässt sich das riesige Datenvolumen erschliessen und nutzen. Durch die Integration von Daten aus verschiedensten Quellsystemen entsteht im Data Warehouse eine übergreifende Datenbasis von Steuerungsinformationen (Schön, 2018, S. 338–339).

Herausforderungen

Die Transformation vom klassischen Controlling in BI-gestütztes Controlling bringt neben vielversprechenden Chancen auch einige Herausforderungen mit sich:

  • Steigende Datenmenge und Erwartungen bei sinkender Analysezeit: Die vorhandene Datenmenge sowie das Informationsbedürfnis der Reportempfangenden steigen stetig. Gleichzeitig fordern Reportempfangende immer aktuellere Informationen, was die Zeit verkürzt, die den Controllerinnen und Controllern zur Analyse der Daten zur Verfügung steht (Bundi, 2012, S. 434). Es muss ein Kompromiss zwischen Aktualität und Aussagekraft der Informationen gefunden werden.
  • Steigende Komplexität: Ein steigender Funktionsumfang und steigende Datenmengen bringen immer komplexere BI-Systeme und Datenstrukturen im Data Warehouse mit sich (Bundi, 2012, S. 434). Eine durchdachte Konzeption der Datenstruktur sowie die detaillierte Übersetzung der fachlichen Anforderungen in technologische Anforderungen sind deshalb sehr wichtig (Schön & Liebe, 2014, S. 251).
  • Dynamischer Markt von BI-Lösungen: Die BI-Technologie entwickelt sich rasch weiter. Aus diesem Grund ist der Markt von BI-Lösungen dynamisch und unübersichtlich. Es ist schwierig sich ein transparentes Bild über die im Controlling relevanten Funktionsumfänge der einzelnen BI-Lösungen zu machen. Produktübersichten und -vergleiche sind schnell veraltet und es ist schwierig eine BI-Lösung zu evaluieren (Bundi, 2012, S. 434).
  • Gewonnene Erkenntnisse wirkungsvoll nutzen: Durch BI können Controllerinnen und Controller mehr und bessere Erkenntnisse aus den vorhandenen Daten gewinnen. Diese Erkenntnisse mittels passender Massnahmen wirkungsvoll in Wertschöpfungssteigerungen umzusetzen, stellt jedoch oft eine grosse Herausforderung dar (Bundi, 2012, S. 434).
  • Verändertes Controller-Anforderungsprofil: Durch BI wandeln sich die Aufgaben der Controllerinnen und Controller hin zu einer übergeordneten Rolle, bei der sie die richtigen Fragen stellen müssen und das Geschäft proaktiv mitgestalten sollen (vgl. Rollenbild Business Partner). Sie müssen agilere und flexiblere Konzepte erarbeiten. Ausserdem werden durch BI mathematische und statistische Programmier- und IT-Kenntnisse für Controllerinnen und Controller immer wichtiger (vgl. Rollenbild Digitaler Controller) (Ereth & Kemper, 2016, S. 460).
  • Datenschutz: Der Wunsch auch von extern auf Daten und Analysen zugreifen zu können, wird durch Mobile BI aufgegriffen. Auch Cloud Computing wird im Zusammenhang mit BI-gestütztem Controlling diskutiert. Eine Herausforderung, welche die Nutzung dieser neuen technischen Möglichkeiten mit sich bringt, ist die Frage, wie dabei der Datenschutz sichergestellt werden kann. Da es sich in der Regel um sensible Firmendaten handelt, wiegt diese Herausforderung schwer (Paul, 2014, S. 69).
  • Schwierig messbarer Wertbeitrag von BI: Der Nutzen von BI im Controlling lässt sich nur schwer quantifizieren. Der subjektive Nutzen von BI ist unbestritten, trotzdem muss sich jedes Unternehmen die Frage stellen, wie viel ein BI-System kosten darf, damit es den gestifteten Nutzen rechtfertigt. Dabei kann es sinnvoll sein im Rahmen der Überlegungen von «Return on Business Intelligence (ROB)» jede BI-System-Komponente auf ihren Wertbeitrag hin zu beurteilen (Bundi, 2012, S. 436–441).

Tipps zur Implementierung eines BI-Systems

Bei der Implementierung eines BI-Systems ist es essenziell, dass das notwendige Knowhow und genügend Personalkapazitäten vorhanden sind (Schön & Liebe, 2014, S. 244, 251). Es empfiehlt sich, vor der Umsetzung die Mitarbeitenden entsprechend zu schulen. Das Knowhow muss bei Personen, welche das System entwickeln sowie auch bei Mitarbeitenden, welche das System nutzen, vorhanden sein. BI-Systeme müssen von den Mitarbeitenden akzeptiert werden. Die Mitarbeitenden müssen erkennen, dass durch den Einsatz von Business Intelligence ihre Arbeit verbessert und dadurch die Entscheidungsfindung optimiert wird (Gluchowski, Dittmar & Gabriel, 2008, S. 355–356).

Checkliste für Einführung BI-System

Bei der Implementierung eines BI-Systems besteht die Gefahr, dass der Umfang zu gross wird. Folgende Punkte sollen sicherstellen, dass das BI-System rational gestaltet wird (Schön & Liebe, 2014, S. 248–249).

W-Frage Erklärung
Warum Motivation definieren, warum beispielsweise ein Bericht erstellt werden soll.
Wer Definieren, wer die Adressaten der Informationen sind.
Wozu Bezugsobjekte festlegen, auf welche sich die generierten Kennzahlen beziehen sollen.
Wann Festlegen, wann und wie oft die Informationen bereitgestellt werden, um die Aktualität der Informationen sicherzustellen.
Wie Definieren, wie die Informationen aufbereitet und visualisiert werden sollen.
Wo Vereinbaren, wo die Informationen zur Verfügung gestellt werden sollen.
Was Festlegen, was für die Steuerung des Unternehmens relevante Informationen sind.

Lern- und Praxismaterialien

Fallstudien

Quellen

Literaturverzeichnis

Weiterführende Literatur

  • Egle, U. & Keimer, I. (2017). Digitaler Wandel im Controlling. Schriften aus dem Institut für Finanzdienstleistungen Zug IFZ, Band 37. Zug: IFZ – Hochschule Luzern.

Autoren

Alain Birrer, Marlena Bösch, Jasmin Erzer, Céline Geissbühler