Herr der Daten: Der Controller als Data Scientist

holzfiguren mit cfo und teammitgliedern

Moderne Business-Intelligence-Systeme verschaffen Unternehmen diverse Vorteile. Und zwar durch die Extrahierung von Informationen aus umfangreichen Datenmengen. Prozesse lassen sich automatisieren. So können sie schneller und fehlerfreier gestaltet werden. Gleichzeitig erhöht sich nachhaltig die Leistungsfähigkeit und Nachvollziehbarkeit bei vielen wichtigen Aufgaben des Controllings: Beispielsweise können Forecasts genauer und kurzfristiger aufgebaut werden. Oder Simulationen und Szenarien sind langfristig mit einem höheren Detailgrad planbar. Auf diese Weise ermöglicht der Controller dem Management eine stärker zukunftsorientierte und proaktive Unternehmenssteuerung.

Wandel des klassischen Controller-Bildes

In der Vergangenheit beschrieb das Rollenbild des klassischen Controllers einen Experten für die Zahlen eines Unternehmens. Die zunehmende Komplexität von Unternehmensstrukturen führte dann zu einem Wandel dieses Rollenbilds. Der Controller wurde zu einem Business Partner. Die Digitalisierung und die wachsende Bedeutung der gezielten Nutzung von Unternehmensdaten fordert nun, dass sich der Controller auch zu einem Data Scientist entwickelt. Denn: Zukünftig wird auch die Fähigkeit, Informationen aus großen Datenmengen zu extrahieren und - noch wichtiger - zu verstehen, einen Wettbewerbsvorteil für Unternehmen darstellen.

Vom Experten zum Business Partner zum Data Scientist

Aufgabe und Kenntnisse des Controllers als Data Scientist

Der Controller würde in der Rolle des Data Scientist die großen Datenmengen eines Unternehmens so aufbereiten, dass das Management die Informationen effektiv nutzen kann. Dabei umfasst das neue Spektrum an Aufgaben keine Tätigkeiten der Programmierung. Vielmehr erörtert der Controller gemeinsam mit IT-Experten mögliche Lösungen. Und diese prüft er hinsichtlich ihrer Machbarkeit und Effizienz.

Konkret besitzt ein Data Scientist in folgenden Bereichen Kenntnisse:

  • Statistik
  • Planung
  • Nutzung von Datenbanken
  • Mustererkennung zwischen Datensätzen

Hinzu kommen notwendige Kenntnisse über gängige Programmiersprachen sowie Methoden der Speicherung, Skalierung und Implementierung von Big-Data-Technologien.

Denn nur so kann eine effiziente Zusammenarbeit mit IT-Experten gewährleistet werden. Diese Notwendigkeit von erweitertem Fachwissen wird noch zu häufig von Lehrplänen der Universitäten vernachlässigt.
Der Controller sollte zusammen mit dem Management einen Prozess definieren, der Neuerungen strukturiert.

Wie Unternehmen von einem Controller als Data Scientist profitieren

Dieses Fachwissen ist die erste Voraussetzung dafür, das Unternehmen die Informationen aus ihren Daten nutzen können. Ebenso kann der Controller einschätzen, ob im Unternehmen die notwendigen technischen Voraussetzungen gegeben sind. Prinzipiell sollte der Controller zusammen mit dem Management einen Prozess definieren, der die Neuerungen strukturiert. Dabei ist es sinnvoll, in ersten Pilotprojekten das Kosten-Nutzen-Verhältnis einer Neuerung abzuschätzen.

Denn: Nach wie vor sind Big-Data-Projekte noch mit tendenziell hohen Projektkosten verbunden. 

Die Zukunft des Controllers als Data Scientist

Mit dem Einfluss von Data Science wird sich die Arbeit des Controllers dahingehend verändern, dass ein bisher retrospektives Berichtswesen um statistische Prognosen ergänzt wird. Bis dato basierten operative, aber auch strategische Entscheidungen noch auf Kennzahlen. Zu nennen sind hier beispielsweise der EBIT (earnings before interest and taxes) und der Cashflow.

Systeme zur Datenanalyse bieten die Möglichkeit, Kennzahlen zu generieren, die nicht nur eine höhere Aktualität aufweisen. Vielmehr können sie auch situationsspezifischere Aussagen treffen. Diese Kennzahlen werden dabei nicht alle rein finanzieller Natur sein.

Ein Beispiel hierfür wäre die Kennzahl Engagement-Geschwindigkeit. Sie wird von Betreibern sozialer Netzwerke genutzt, um die Geschwindigkeit zu messen, mit der Besucher einer Webseite mit dortigen Inhalten interagieren. Finanzielle Kennzahlen werden dabei nicht an Bedeutung verlieren. Die Tendenz geht hin zu einer gemeinsamen Nutzung von finanziellen und nicht finanziellen Zahlen.

Sicher ist, dass Kennzahlen zukünftig spezifischer auf Problemstellungen zugeschnitten werden.

Sie haben Interesse an dem Thema? Dann empfehlen wir Ihnen unser aktuelles Whitepaper zum Thema: Predictive Analytics: Smarte Technologie meets Zukunft.

Whitepaper lesen

Das könnte Sie auch interessieren