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.
