vorheriger Artikel
Oft bleibt das Thema Planung bei der Definition einer Datenstrategie außen vor. Die Planung wird als „zu speziell“ empfunden, da sie stark fachbereichsgetrieben ist, bestehende Konzepte nur bedingt auf die Planung angewandt werden können und verwendete BI-Werkzeuge oft für die Planung ungeeignet sind. Dadurch bleibt das Potenzial ungenutzt. Dieser Blog zeigt, wie Du das, auch im Nachgang, beheben kannst.
Bestehende Investitionen in moderne Datenarchitekturen und Data-Governance-Strukturen nutzen
Fast jedes Unternehmen hat Initiativen zur Digitalisierung und zur Transformation ins Leben gerufen. Typischerweise erkennen diese Initiativen sehr bald, dass bestehende Prozesse, Systeme und Organisationen den ambitionierten Zielen Grenzen setzen. Eine Datenstrategie dient dazu, diese Grenzen zu überwinden.
Im Rahmen von Datenstrategien werden operative sowie dispositive Systeme und Prozesse analysiert, um Defizite aufzuzeigen und ein Zielbild zu entwerfen, das bestehende und künftige Anforderungen besser erfüllt.
Um jenes Zielbild umzusetzen, werden typischerweise eine oder mehrere Initiativen gestartet:
- Einführung zusätzlicher Systeme zur Bewältigung des aktuellen und künftigen Wachstums
- Überarbeitung der bestehenden BI und Data-Warehouse-Systeme, um den aktuellen Bedarf und die rechtlichen bzw. regulatorischen Anforderungen zu erfüllen
- Auf und Ausbau analytischer Plattformen, um operativ-analytische Use Cases umzusetzen und mit Hilfe statistischer Verfahren neue Zusammenhänge und zusätzliches Optimierungspotenzial aufzudecken
- Einführung einer DataGovernance-Organisation
- Einführung von DataQuality-Management-Initiativen
Über diese Investitionen werden Fähigkeiten im Unternehmen aufgebaut, die für das Controlling von großem Interesse sind.
Wie profitiert das Controlling beim Thema Planung, Budgetierung und Forecasting
Das Controlling kann mittelbar und unmittelbar von diesen Veränderungen profitieren:
- Über die DataGovernance-Organisation lassen sich Datenqualitätsanforderungen des Controllings bereichsübergreifend adressieren.
- Die Qualität von Datenfeldern, die zur Ableitung steuerungsrelevanter Merkmale genutzt werden, kann aktiv über das DataQuality-Management verbessert werden.
- Zugriffe über ein Data Warehouse ermöglichen den Zugang zu harmonisierten, qualitätsgesicherten Daten und sind oft die bessere Variante als isolierte Datenextrakte.
- Spezifisches Knowhow, das immer häufiger in Analytics-Abteilungen aufgebaut wird, kann dem Controlling für Forecasts zugänglich gemacht werden.
- Für das Controlling angepasste statistische Prognosemodelle liefern wertvolle Daten für Teilpläne und ermöglichen eine gute Automatisierung bei Planungen mit kurzem Planungshorizont.
- Eine Datenhistorie in einer tiefen Granularität bietet neue Möglichkeiten in der Planung.
- Hierauf können über Parameter gesteuerte Simulationen aufgebaut oder Planwerte anhand der vorhandenen Granularität allokiert werden.
Es eröffnen sich Möglichkeiten, den Reifegrad der Planung sukzessive zu erweitern, neue datengetriebene Planungsansätze einzuführen und organisatorische Effizienzgewinne in der Planung zu realisieren.
Ein standardisiertes Vorgehensmodell hilft bei der Realisierung
Aber was ist zu tun, wenn „das Kind bereits in den Brunnen gefallen ist“ und die Planung außen vor gelassen wurde? Hier kann ein standardisiertes Vorgehensmodell Abhilfe schaffen.
- In der Bestandsaufnahme werden die Anforderungen der Stakeholder aufgenommen und konsolidiert. Sinnvollerweise findet parallel ein System Assessment statt, das etwaige bestehende Planungslösungen und potenzielle Quellsysteme sichtet und bewertet.
- Im Schritt Planungsprozess wird der künftige Zielprozess beschrieben. Wobei hier zwischen einem langfristigen Zielprozess und der konkreten nächsten anvisierten Ausbaustufe zu unterscheiden ist. In dem Schritt sollte möglichst genau der Kennzahlenfluss innerhalb der Planung beschrieben werden.
- Um die künftige Architektur festzulegen, muss die Integration der Planungsplattform in die Gesamtarchitektur definiert werden. Ziel ist es, Transparenz und ein gemeinsames Verständnis von Kerndatenflüssen zu schaffen.
- Erst im vierten Schritt wird das Thema Softwareauswahl relevant. Aufgrund der vorangegangenen Schritte zeichnen sich jetzt Kernanforderungen an eine künftige Softwarelösung klar ab. In diesem Schritt sollte unbedingt beurteilt werden, ob eventuell bereits im Unternehmen etablierte Softwareprodukte verwendet werden können.
- Eine Roadmap hilft dabei, die schrittweise Optimierung der Planung zu visualisieren und grob zu planen. Der abgestimmte Entwurf einer Roadmap hilft, andere Fachbereiche und das Management abzuholen.
In welcher Intensität diese fünf Schritte durchgeführt werden, hängt stark von den jeweiligen Gegebenheiten im Unternehmen ab und sollte vorab abgeklärt werden.
Wenn Du Dich durch diesen Blogbeitrag angesprochen fühlst, dann melde Dich gerne bei uns! In einem ersten Gespräch lässt sich in der Regel sehr gut einordnen, wo die Schwerpunkte zu legen sind und mit welchen Aufwänden zu rechnen ist. Wir freuen uns auf Dich!
