Verschiedene Hände versuchen einen Basketball zu fassen.

Intelligente Planung: Effizienz von Geschäftsabläufen steigern mit komplexen Analysen

Komplexe Analysen und maschinelles Lernen ermöglichen Unternehmen eine intelligente Planung. Da fragt man sich: Warum ist dies wichtig und was hat das mit der Zufriedenheit der Kunden und der Mitarbeiter – oder kurz gesagt, mit dem Erfolg des Unternehmens zu tun? Alleine aus den Datenbergen werden noch keine klugen Entscheidungen getroffen. Es braucht eine intelligente Planung um Prozesse zu optimieren, komplexe Analysen zu  und spezifisch zu harmonisieren.

„Talent gewinnt Spiele, aber Teamwork und Intelligenz gewinnen Meisterschaften.“ –Michael Jordan, NBA Hall of Fame

Wie bei allen Sportarten ist es auch beim Basketball enorm wichtig, einen ausgefeilten Plan zu haben, bevor das Spiel beginnt. Doch ab dem Moment, in dem der Ball ins Spiel gebracht wird, muss der Plan bewertet und angepasst werden. Dasselbe gilt für auch für die Wirtschaft. Bei der Ausarbeitung eines Plans sollte man immer mit einer Analyse der bisherigen Ergebnisse beginnen. Diese dienen dann als Grundlage für die Ausrichtung des Unternehmens und für die Messung des zukünftigen Erfolgs. Wie jeder weiß, sind bisherige Ergebnisse nicht immer ein Indikator für die Zukunft.

Mit maschinellem Lernen erfährt man erstaunlich viel über Markttrends und die Treiber des Geschäfts. Dazu zählen Faktoren wie Markttendenzen, Kundennachfrage, wirtschaftliche Faktoren, Wetter und Transportkosten. Viele Unternehmen berücksichtigen diese unterschiedlichen Faktoren, führen dann aber nur begrenzte oder zeitaufwändige Analysen durch. Durch diese Vorgehensweise wird die Flexibilität des Unternehmens eingeschränkt.

Eine Studie, die 2018 vom Marktforschungsinstitut IDC durchgeführt wurde, ergab, dass 88 % der befragten Unternehmen immer noch Excel-Tabellen als wichtigstes Planungswerkzeug verwenden. Die meisten dieser Firmen waren lediglich in der Lage, Pläne für das gesamte Geschäftsjahr zu erstellen. Neun Monate später begannen sie wieder von vorn.

Auf dem Weg zu besseren Ergebnissen

Seit Jahren beobachten Mitarbeiter in Finanzabteilungen den Hype um Big-Data-Analysen. Zwar wird in diesem Bereich eine Steigerung von 36 Prozent verzeichnet, aber laut einer Untersuchung von Dresner Advisory Services sind es die Finanzabteilungen, die bei der Einführung von Big-Data-Analysen hinterherhinken. Als Hauptgrund für diese Zurückhaltung wurde fehlende Benutzerfreundlichkeit genannt.

Maschinelles Lernen kann anhand bisheriger Ergebnisse die wahrscheinlichsten Zahlen ermitteln und könnte so Vorhersagen treffen. Ein Beispiel hierfür sind „Smart Alerts“ bei Gewinnen oder Verlusten. Diese integrierte Funktion identifiziert Anomalien, die nicht mit den erwarteten Ergebnissen übereinstimmen, und benachrichtigt den Finanzanalysten. Dieser hat die Möglichkeit, die Funktion gegebenenfalls zu übersteuern und er kann verbal mit dem System interagieren. „Zeige mir die Abweichung …“ oder „Zeige mir die wichtigsten fünf Faktoren, die dieses Ergebnis beeinflussen.“ In all diesen Szenarien unterstützt das maschinelle Lernen den Analysten, aber es ersetzt ihn nicht. Es versetzt ihn aber in die Lage intelligente Entscheidungen zu treffen.

Wie funktioniert das und wie wird eine intelligente Planung daraus?

In modernen Cloud-Anwendungen sind intelligente Szenarien integriert, die die aktuellsten Erkenntnisse bereitstellen. Sie analysieren die tatsächlichen Daten, die von den Aufzeichnungssystemen verwendet werden. So haben die Anwender die Möglichkeit, im Kontext ihres Geschäftsprozesses oder Workflows, auf die Analyseergebnisse zu reagieren.

Es ist möglich, intelligente Apps zu entwickeln, um die integrierten Machine-Learning-Szenarien anzupassen und Erkenntnisse aus den harmonisierten Daten verschiedener Abteilungen zu gewinnen. Diese Ergebnisse können dann in den Planungsprozess einfließen.

Einige Beispiele aus der Praxis

  • Ein europäischer Hersteller von Fenstern und Oberlichtern bestimmt die Wahrscheinlichkeit von Ausfällen bei seinen Produkten. Die Prognosen fließen in den Planungsprozess ein, um sicherzustellen, dass die Kosten für Arbeitskräfte und Material im Budgetrahmen liegen. Durch dieses Vorgehen hat das Unternehmen nicht nur Kosteneinsparungen erzielt. Auch die Kundenzufriedenheit ist seitdem gestiegen.
  • Ein führendes Einzelhandelsunternehmen nutzt maschinelles Lernen, um die Treiber des Geschäfts zu verstehen. Die Produktionsdaten und die demographischen Daten der Filialen werden ständig überwacht. Analysiert werden diese Faktoren vor, während und nach jedem Quartal. Mit der Anpassung der Pläne bis zum nächsten Jahr zu warten, könnte das Unternehmen sich nicht leisten. Die Kauflust potenzieller Kunden innerhalb eines bestimmten Radius zu verstehen, ist ein wichtiger Teil des Plans. Je schneller die Planer die Auswirkungen auf die Geschäftstreiber ermitteln können, desto präziser können sie den Plan anpassen. Für sie ist die Planung kein einmaliges Ereignis, sondern ein kontinuierlicher Prozess.
  • Fluglinien und Transportunternehmen haben seit jeher mit unvorhergesehenen Ereignissen zu tun, die außerhalb ihrer Kontrolle liegen und sich auf ihre Pläne auswirken. Am deutlichsten wird dies beim Treibstoff. Die zukünftigen Preise für Kraftstoffe können sich erheblich auf die Profitabilität und sämtliche Geschäftsaktivitäten auswirken.
  • Die Ausfallwahrscheinlichkeit von Teilen vorhersagen zu können, könnte enorme Auswirkungen auf die Kosten haben – mal ganz abgesehen vom Umsatz. Wenn das Flugzeug, der Lastwagen oder das Schiff nicht verfügbar ist, entstehen Umsatzverluste.
  • Noch schwieriger vorherzusagen ist das Wetter, aber es hat Auswirkungen auf all diese Branchen. Hersteller in der Bauzulieferindustrie haben die Genauigkeit ihrer Vorhersagen verbessert, indem sie Wetter- und Wohnungsbaudaten in ihre Prognosen aufgenommen haben. Nun kombinieren sie ihre Daten mit den Analyseergebnissen der regionalen Baumärkte und bereits im ersten Jahr nach der Umstellung haben sie zehn Prozent mehr Umsatz erzielt.

Mehrwert durch intelligente Planung

Die Konzepte für maschinelles Lernen und komplexe Analysen sind nicht neu. Mit Technologie ist es möglich, jeden Mitarbeiter im Unternehmen zu bestärken. Maschinelles Lernen, intelligente robotergesteuerte Prozessautomatisierung und Chatbots werden signifikante Effizienzvorteile bringen. Der wahre Wert wird sich letztendlich in der höheren Produktivität der Mitarbeiter und besseren Geschäftsergebnissen darstellen.

Datenanalyse-Tools und maschinelles Lernen schaffen die Voraussetzungen für eine intelligente Planung. Aufgaben, an denen ein Team von Wissenschaftlern früher monatelang gearbeitet hat, können heute von Geschäftsanwendern in einem Bruchteil der Zeit durchgeführt werden. Die Vorteile liegen auf der Hand: zufriedene Kunden, zufriedenere Mitarbeiter und höhere Gewinne.

Dieser Artikel wurde ursprünglich auf  FP&A Trends veröffentlicht und wurde mit Genehmigung abgedruckt.

Wussten Sie, dass SAP Ihnen kostenlos einen Bericht mit personalisierten Geschäftsszenarioempfehlungen zur Verfügung stellt? Wie Sie einen solchen Bericht anfordern können, erfahren Sie in unserem  Webinar am 26. September.