Predictive Analytics im Controlling. Grundlagen, Nutzenpotenziale und praktische Umsetzung

Inhaltsverzeichnis

• Einleitung
• Ausgangssituation und Problemstellung
• Zielsetzung
• Aufbau und Methodik
• Theoretische Grundlagen
• Controlling
• Grundlagen Controlling
• Einführung in die Hauptprozesse des Controllings
• Digitalisierung im Controlling
• Predictive Analytics
• Grundlagen von Predictive Analytics
• Zusammenhang Big Data und Predictive Analytics
• Einordnung, Abgrenzung und Entwicklung von Predictive Analytics
• Grundlagen angewendeter Methoden und Algorithmen
• Nutzenpotenziale von Predictive Analytics bei den Hauptprozessen im Controlling
• Planung, Budgetierung und Forecast
• Projekt- und Investitionscontrolling
• Kosten-, Leistungs- und Ergebnisrechnung
• Management Reporting und Business Partnering
• Risikocontrolling
• Datenmanagement
• Weiterentwicklung von Organisation, Prozessen, Instrumenten und Systemen
• Zwischenergebnis: Nutzenpotenziale von PA in den Hauptprozessen im Controlling
• Einsatz von Predictive Analytics in der Praxis
• Aktueller Implementierungsgrad in der Unternehmenspraxis
• Herausforderungen und Risiken bei der Umsetzung und Anwendung von Predictive Analytics
• Handlungsempfehlungen für die Implementierung von Predictive Analytics
• Praxistest von Predictive Analytics
• Excel Data Mining Add-In
• RapidMiner
• Zwischenergebnis Praxistest
• Fazit
• Zusammenfassung und Erläuterung der Ergebnisse
• Kritische Würdigung
• Ausblick

Zielsetzung und Themenschwerpunkte

Diese Arbeit befasst sich mit den Nutzenpotenzialen von Predictive Analytics (PA) im Controlling und analysiert den Einsatz dieses Instruments zur Bewältigung der Herausforderungen, die sich aus der zunehmenden Volatilität, Unsicherheit, Komplexität und Ambiguität (VUCA) der heutigen Unternehmensumgebung ergeben. Ein weiterer Fokus liegt auf der Erhellung des aktuellen Forschungsstandes von PA im Controlling, um ungenutzte Potenziale aufzudecken. Die Arbeit beleuchtet die Auswirkungen, Herausforderungen und Risiken der Implementierung von PA im Controlling und bewertet diese anhand von selbst durchgeführten Praxistests.

• Nutzenpotenziale von PA in verschiedenen Controlling-Prozessen
• Aktueller Forschungsstand von PA im Controlling
• Herausforderungen und Risiken bei der Implementierung von PA im Controlling
• Bewertung der Anwendbarkeit von PA anhand von Praxistests
• Entwicklungsperspektive von PA im Controlling

Zusammenfassung der Kapitel

• Einleitung: Die Einleitung führt in die Thematik von Predictive Analytics (PA) im Controlling ein und erläutert die Ausgangssituation, die Problemstellung und die Zielsetzung der Arbeit.
• Theoretische Grundlagen: In diesem Kapitel werden die Grundlagen des Controllings, die Hauptprozesse des Controllings und die Grundlagen von PA sowie der Zusammenhang von PA mit Big Data erläutert.
• Nutzenpotenziale von PA in den Hauptprozessen im Controlling: Dieses Kapitel analysiert die Nutzenpotenziale von PA in den Hauptprozessen des Controllings, wie Planung, Budgetierung und Forecast, Projekt- und Investitionscontrolling, Kosten-, Leistungs- und Ergebnisrechnung, Management Reporting und Business Partnering, Risikocontrolling, Datenmanagement und die Weiterentwicklung von Organisation, Prozessen, Instrumenten und Systemen.
• Einsatz von PA in der Praxis: Dieses Kapitel untersucht den aktuellen Implementierungsgrad von PA in der Unternehmenspraxis, beleuchtet Herausforderungen und Risiken bei der Umsetzung und Anwendung von PA und gibt Handlungsempfehlungen für die Implementierung.
• Praxistest von PA: Zwei PA-Softwarelösungen (Excel Data Mining Add-In und RapidMiner) werden in der Praxis getestet, um die Anwendbarkeit von PA für ausgewählte Hauptprozesse im Controlling zu erforschen.

Schlüsselwörter

Die Schlüsselwörter der Arbeit sind: Controlling, Predictive Analytics (PA), Big Data, Business Analytics (BA), Digitalisierung, Unternehmenssteuerung, Planung, Budgetierung, Forecast, Projekt- und Investitionscontrolling, Kosten-, Leistungs- und Ergebnisrechnung (KLE), Management Reporting, Business Partnering, Risikocontrolling, Datenmanagement, IT-Infrastruktur, Praxistest, Softwaretools, Excel Data Mining Add-In, RapidMiner.