Bessere Prognosen durch bessere Datenanalyse

Rückblick | Fach-Erfa Controlling | 09.07.2024 | online

Der alte Spruch von Mark Twain verfängt immer: Prognosen sind schwierig, vor allem wenn sie die Zukunft betreffen. Doch wo früher entweder die Daten oder die Auswertungstools gefehlt haben, gibt es heute ein Data Warehouse und KI-Tools - zumindest in der Theorie. Legt künftig ein Algorithmus den Budgetplan fest? Bestimmt der Controller von morgen lediglich noch über Programm, Parameter und Prioritäten? Es hört sich fast zu einfach an, um wahr zu sein.  

Und in der Tat: Die Voraussetzungen für ein KI-gestütztes Forecasting sind anspruchsvoll. Ohne ausreichende Datenqualität und Standardisierung, lässt sich kein neuronales Netzwerk zu Höchstleistungen trainieren. Denis Allgeier, Controller bei Schwarzwaldmilch zeigte, wie ein neuronales Netzwerk programmiert und für den Forecast von Schokis genutzt werden kann. Durch Input von historischen Verkaufszahlen, sowie dazugehörige Informationen zu Temperatur, Sonnenstunden oder Wochentag, lässt sich eine Absatzfunktion für die zukünftigen Verkaufszahlen von Milchdrinks errechnen. Ein Verständnis über die Kausalzusammenhänge bleibt trotzdem wichtig. Denn der sogenannte “Hidden Layer” - das Herzstück des neuronalen Netzwerks - führt statistische Operationen durch, die vom Anwender gesteuert und durchdrungen werden müssen. 

Benjamin Bocksberger von der npo Forecasting AG aus der Schweiz ergänzte den Blickwinkel durch den Fokus auf externe Daten zur Verbesserung der Prognosegüte. Makroökonomische Daten, Stimmungsindikatoren und Branchendaten werden seit jeher zur Validierung eigener Annahmen verwendet. Durch die Berücksichtigung von Trends und Muster aus der Vergangenheit können Unternehmen besser einschätzen, in welche Richtung sich ihr Markt entwickeln könnte und wie sie ihre Planung anpassen sollten.