Bedingt durch sich ständig wandelnde Marktrahmenbedingungen stehen die Controlling Abteilungen in Unternehmen vor der großen Herausforderungen, valide Vorhersagen über mögliche Veränderungen und Entwicklungen zu treffen, um so Maßnahmen entsprechend zu optimieren bzw. anzupassen. Eine mögliche Technik stellt in diesem Zusammenhang Predictive Analytics dar. Predictive Analytics kann wie folgt definiert werden: „Predictive analytics is the process of extracting information from large data sets in order to make predictions and estimates about future outcomes.“ (Larose/Larose: 4)
Im Rahmen dieses Beitrages wollen wir Anwendungsfelder und Potentiale für zwei Bereiche des Controllings aufzeigen, das Marketingcontrolling sowie das Risiko- und Betrugscontrolling.
Für das Controlling von strategischen und operativen Marketingaktivitäten bietet Predictive Analytics umfangreiche Einsatzmöglichkeiten. So können Erkenntnisse etwa im Bereich der Werbung, bei Produkteinführungen, dem Preismanagement sowie bei Entscheidungen bezüglich von Absatzkanälen eingesetzt werden. Mit Hilfe von Predictive Analytics können beispielsweise zukunftsorientierte Informationen hinsichtlich des Absatzes (Absatzprognosen) oder auch zum zukünftigen Konsumentenverhalten gewonnen werden. Gerade für das strategische Marketingcontrolling, bei dem tendenziell langfristigere Entscheidungen im Mittelpunkt stehen, spielen entsprechende Vorhersagen eine herausragende Bedeutung. Aber auch für das operative Marketingcontrolling können auf Basis von Predictive Analytics wichtige Erkenntnisse gewonnen werden, die wiederum genutzt werden können, die Effizienz einzelner Marketing-Instrumente zu kontrollieren und zu optimieren.
Die Komplexität einer internationalen Geschäftstätigkeit zeigt sich auch in den diversen Möglichkeiten, Vermögen zu missbrauchen, Finanzdaten zu fälschen, korrupte Beziehungen einzugehen, prozessuale Abläufe zu behindern oder IT-Strukturen zu manipulieren. Während die in Unternehmen bereits praktizierte Betrugsdatenanalyse sich mehr auf die Identifikation vergangener Vorfälle fokussiert, helfen die Methoden der Predictive Analytics (Regressionsmodelle, Entscheidungsbäume, neuronale Netze etc.) dabei, die risikoorientierten Frühwarnsysteme zu verfeinern und verstärkt auf die Zukunft auszurichten. Da große Datenmengen in den Controlling-Abteilungen bereits existieren, fehlt es nur noch an den Auswertungen, um nicht mehr den u.U. bestandsgefährdenden Entwicklungen ausgesetzt zu sein.
Predictive Analytics Methoden spielen für das Controlling eine herausragende Rolle. Im Rahmen des vorliegenden Beitrages haben wir für das Controlling Potentiale und verschiedene Anwendungsfelder skizziert.
Prof. Dr. Christopher Zerres ist Autor des Studienbriefes 3255 Marketingcontrolling
Prof. Dr. Dirk Drechsler ist Autor mehrere Studienbriefe:
1410 Corporate Governance und Unternehmensethik
1420 Risikomanagement
1430 Compliance-Management-Systeme
Quellenverzeichnis
Baesens, Bart et al. (2015): Fraud Analytics. Using Descriptive, Predictive, And Social Network Techniques. A Guide To Data Science For Fraud Detection, Wiley.
Hair, J. F. (2007): Knowledge creation in marketing: the role of predictive analytics, in: European Business Review, Vol. 19, No. 4, 303-315.
Larose, D. T., Larose, C. D. (2015): Data Mining and Predictive Analytics, Wiley.
Spann, Delena D. (2014): Fraud Prognostications. Predictive analytics can help determine future anti-fraud plans, in: Fraud Magazine, Vol. 29, No. 5, 18-24.