Fachbuch, 2019
97 Seiten
1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung und Vorgehensweise
2 Vertrieb und Vertriebscontrolling
2.1 Vertrieb – Schnittstelle zum Kunden
2.1.1 Ziele und Aufgaben des Vertriebs
2.1.2 Entwicklungen und Herausforderungen im Vertrieb
2.1.3 Customer Relationship Management als zentraler Ansatz im Vertrieb
2.2 Vertriebscontrolling – Synthese aus Vertrieb und Controlling
2.2.1 Funktionale Perspektive
2.2.2 Instrumentelle Perspektive
2.2.3 Institutionelle Perspektive
2.2.4 DV-Unterstützung im Vertriebscontrolling
3 Big Data und Big Data Analytics im Unternehmenskontext
3.1 Big Data – Buzzword im Zusammenhang mit der Digitalisierung
3.1.1 Zentrale Merkmale von Big Data
3.1.2 Technologische Entwicklungen im Zusammenhang mit Big Data
3.1.2.1 Hadoop
3.1.2.2 NoSQL-Datenbanken
3.1.2.3 In-Memory-Datenbanken
3.1.3 Voraussetzungen für die Anwendung
3.2 Big Data Analytics – Neue Möglichkeiten der Datenverarbeitung
3.2.1 Fokus der Big Data Analytics-Verfahren
3.2.1.1 Predictive Analytics
3.2.1.2 Prescriptive Analytics
3.2.1.3 Visual Analytics
3.2.2 Abgrenzung von Big Data Analytics und Business Intelligence
3.2.3 Einsatzpotenziale von Big Data Analytics in der betrieblichen Praxis
4 Einsatz von Big Data Analytics im Vertriebscontrolling
4.1 Anwendungsmöglichkeiten von Big Data Analytics
4.1.1 Sales Forecast
4.1.2 Kundenabwanderungsanalyse
4.1.3 Kundenwertanalyse
4.1.4 Preiscontrolling
4.1.5 Vertriebsstandortanalyse
4.2 Auswirkungen von Big Data Analytics auf die Vertriebsprozesse
4.2.1 Effektiveres und effizienteres Vertriebscontrolling
4.2.2 Mehrwert für den Vertrieb durch eine verbesserte Informationsversorgung
4.2.3 Herausforderungen im Umgang mit Big Data Analytics im Vertrieb
5 Arbeit und Anforderungsprofil des Controllers im Wandel
5.1 Rollenverständnis des Vertriebscontrollers
5.1.1 Verhältnis von Vertriebscontroller und Data Scientist
5.1.2 Einsatz von Big Data Analytics als Enabler der Business Partner-Rolle
5.2 Neue Aufgaben und daraus resultierende Kompetenzanforderungen
5.2.1 Controller als antreibende Kraft für Veränderung im Vertrieb
5.2.2 Zusammenarbeit zwischen Controller und Vertriebsmanagement
5.2.2.1 Datenauswahl und Festlegung der Analyseziele
5.2.2.2 Gemeinsame Entwicklung eines empfängergerechten Reporting-Designs
5.2.2.3 Unterstützung bei Ergebnisinterpretation und Entscheidungsfindung
5.2.3 Notwendigkeit einer Erweiterung der Kompetenzen
6 Identifizierung zukünftiger Forschungsschwerpunkte
6.1 Instrumentelle Perspektive – Vertriebskontrolle und Reporting
6.1.1 Anwendung von Big Data Analytics im Bereich Vertriebskontrolle und -planung
6.1.2 Veränderungen und zukünftige Entwicklungen des Reportings
6.2 Erfolgswirkung von Big Data Analytics und die Rolle des Controllers
6.2.1 Ermittlung der in der Praxis tatsächlich realisierbaren Erfolgswirkung
6.2.2 Neue Entwicklungsstufe der Controller-Rolle in Verbindung mit Big Data Analytics
7 Schlussbetrachtung
Die vorliegende Arbeit zielt darauf ab, die Auswirkungen von Big Data Analytics auf den Vertrieb sowie das zugehörige Controlling zu untersuchen und dabei konkrete Forschungslücken zu identifizieren. Es soll geklärt werden, wie der Vertriebscontroller durch neue Analyseverfahren in seiner Rolle als Business Partner unterstützt werden kann, um eine fundiertere Entscheidungsbasis für kundenorientierte Vertriebsprozesse zu schaffen.
4.1.1 Sales Forecast
Mit der regelmäßigen Erstellung des Sales Forecasts liefert das Vertriebscontrolling eine wichtige Basis für die zielgerichtete Steuerung des Vertriebs. Dieser dient dabei als Planungsgrundlage, Steuerungsinstrument und Frühwarnindikator. Bei der Erstellung einer Prognose lassen sich prinzipiell qualitative und quantitative Verfahren unterscheiden. Während die qualitativen Verfahren eher für längerfristige Prognosen angewandt werden, haben quantitative Verfahren ihre Stärken insbesondere in der Vorhersage von Umsätzen, die in der näheren Zukunft liegen. Um sowohl kurz- als auch langfristige Entwicklungen zu berücksichtigen, bietet sich eine Kombination der beiden Verfahren an. Obwohl dem Sales Forecast in der Praxis eine relativ hohe Bedeutung beigemessen wird, lassen sich häufig zwei Problematiken beobachten. Zum einen bindet die Erstellung des Forecasts nicht nur viele Ressourcen im Vertriebsbereich, sondern der erforderliche Zeitraum zur Erstellung beträgt mitunter auch mehrere Wochen. Diese Tatsache bedeutet jedoch im Umkehrschluss nicht, dass dadurch gewährleistet ist, dass das prognostizierte Ergebnis mit dem tatsächlichen Ergebnis übereinstimmt. Vielmehr ist die Prognosegenauigkeit in der unternehmerischen Praxis nicht selten eher gering ausgeprägt. Eine Möglichkeit die Schwächen des traditionellen Forecasts zu reduzieren, ist der Einsatz von komplexen Modellen in Verbindung mit Predictive Analytics (siehe Abbildung 5). Dabei bedienen sich die Prognosemodelle insbesondere bei fortschrittlichen Statistikverfahren in Form von multivariaten Zeitreihen und Regressionsmodellen. Bei deren Berechnung ist neu, dass die verarbeiteten Daten auch einen deutlichen Anteil an unstrukturierten und externen Daten enthalten. Solche Daten können zum einen Wirtschaftsdaten, in Form von Konjunktur-, Wachstums- und Arbeitslosendaten sein. Zum anderen finden über Textanalysen auch Kundendaten aus dem Social Media-Bereich Verwendung für die Erstellung des Sales Forecasts. Es ist beispielweise möglich, über eine Sentimentanalyse Informationen zu Kundenpräferenzen zu gewinnen, diese zu analysieren und in der Erstellung des Forecasts mit einfließen zu lassen.
1 Einleitung: Diese Einleitung führt in die Komplexität des modernen Vertriebs ein und begründet die Relevanz von Big Data Analytics für ein zukunftsorientiertes Vertriebscontrolling.
2 Vertrieb und Vertriebscontrolling: Es werden die Grundlagen, Aufgaben und Herausforderungen des Vertriebs sowie die Rolle des Vertriebscontrollings und dessen DV-Unterstützung erläutert.
3 Big Data und Big Data Analytics im Unternehmenskontext: Dieses Kapitel definiert die Merkmale von Big Data, stellt Basistechnologien vor und grenzt Big Data Analytics von klassischer Business Intelligence ab.
4 Einsatz von Big Data Analytics im Vertriebscontrolling: Hier werden konkrete Anwendungsfelder wie Sales Forecast und Kundenwertanalyse detailliert behandelt und deren Auswirkungen auf Prozesse aufgezeigt.
5 Arbeit und Anforderungsprofil des Controllers im Wandel: Das Kapitel beleuchtet die veränderte Rolle des Controllers, insbesondere als Business Partner, und die daraus resultierenden neuen Kompetenzanforderungen.
6 Identifizierung zukünftiger Forschungsschwerpunkte: Es werden offene Forschungslücken im Bereich der Vertriebskontrolle, des Reportings und der Erfolgswirkung neuer Analysemethoden identifiziert.
7 Schlussbetrachtung: Die Arbeit schließt mit einer Zusammenfassung der wesentlichen Erkenntnisse und einem Ausblick auf zukünftige Entwicklungen im Bereich Big Data und Controlling.
Big Data, Big Data Analytics, Vertriebscontrolling, Vertrieb, Predictive Analytics, Business Partner, Kundenwertanalyse, Sales Forecast, Kundenbeziehungsmanagement, Datenqualität, Digitalisierung, Reporting, Kundensegmentierung, Methodenkompetenz, Entscheidungsunterstützung
Die Arbeit analysiert das Potenzial und die Auswirkungen von Big Data Analytics auf den Vertriebsbereich und die damit verbundenen Aufgaben sowie die Rolle des Vertriebscontrollings.
Die zentralen Themen sind der Einsatz von Big Data im Unternehmenskontext, die Anwendung moderner Analyseinstrumente im Vertrieb, die notwendige technologische Basis und die Veränderung des Anforderungsprofils an Controller.
Das Ziel ist aufzuzeigen, welche Auswirkungen Big Data Analytics auf Vertrieb und Vertriebscontrolling hat, wie sich die Arbeit der Controller wandelt und wo zukünftige Forschungsbedarfe liegen.
Die Arbeit basiert primär auf einer Literaturanalyse, um den aktuellen Wissensstand sowie Forschungslücken im Zusammenhang von Big Data Analytics und Vertriebscontrolling zu identifizieren.
Der Hauptteil befasst sich mit konkreten Anwendungsfeldern wie Sales Forecasts und Kundenwertanalysen, den technologischen Anforderungen sowie der Rolle des Controllers als Business Partner in einer zunehmend digitalisierten Arbeitswelt.
Die wichtigsten Begriffe sind Big Data Analytics, Vertriebscontrolling, Business Partner-Rolle, Predictive Analytics und Kundenmanagement.
Der Vertriebscontroller entwickelt sich zunehmend vom reinen „Zahlenlieferanten“ zum beratenden „Business Partner“, der das Management durch fundierte, zukunftsgerichtete Analysen bei Entscheidungen unterstützt.
Zu den größten Hürden gehören die Sicherstellung der Datenqualität (Veracity), die notwendige Erweiterung der methodischen IT- und Statistikkenntnisse der Mitarbeiter sowie die Akzeptanz neuer, automatisierter Analyseverfahren.
Das Reporting wird durch Big Data Analytics granularer, aktueller und zukunftsorientierter, wobei ein spezieller Fokus auf die Vermeidung von „Information Overload“ beim Empfänger gelegt werden muss.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!

