\u201eTalent gewinnt Spiele, aber Teamwork und Intelligenz gewinnen Meisterschaften.\u201c \u2013<\/em>Michael Jordan, NBA Hall of Fame<\/h2>\n<\/blockquote>\nWie bei allen Sportarten ist es auch beim Basketball enorm wichtig, einen ausgefeilten Plan zu haben, bevor das Spiel beginnt. Doch ab dem Moment, in dem der Ball ins Spiel gebracht wird, muss der Plan bewertet und angepasst werden. Dasselbe gilt f\u00fcr auch f\u00fcr die Wirtschaft. Bei der Ausarbeitung eines Plans sollte man immer mit einer Analyse der bisherigen Ergebnisse beginnen. Diese dienen dann als Grundlage f\u00fcr die Ausrichtung des Unternehmens und f\u00fcr die Messung des zuk\u00fcnftigen Erfolgs. Wie jeder wei\u00df, sind bisherige Ergebnisse nicht immer ein Indikator f\u00fcr die Zukunft.<\/p>\n
Mit maschinellem Lernen erf\u00e4hrt man erstaunlich viel \u00fcber Markttrends und die Treiber des Gesch\u00e4fts. Dazu z\u00e4hlen Faktoren wie Markttendenzen, Kundennachfrage, wirtschaftliche Faktoren, Wetter und Transportkosten. Viele Unternehmen ber\u00fccksichtigen diese unterschiedlichen Faktoren, f\u00fchren dann aber nur begrenzte oder zeitaufw\u00e4ndige Analysen durch. Durch diese Vorgehensweise wird die Flexibilit\u00e4t des Unternehmens eingeschr\u00e4nkt.<\/p>\n
Eine Studie, die 2018 vom Marktforschungsinstitut IDC durchgef\u00fchrt wurde, ergab, dass 88\u00a0% der befragten Unternehmen immer noch Excel-Tabellen als wichtigstes Planungswerkzeug verwenden. Die meisten dieser Firmen waren lediglich in der Lage, Pl\u00e4ne f\u00fcr das gesamte Gesch\u00e4ftsjahr zu erstellen. Neun Monate sp\u00e4ter begannen sie wieder von vorn.<\/p>\n
Auf dem Weg zu besseren Ergebnissen<\/h2>\n
Seit Jahren beobachten Mitarbeiter in Finanzabteilungen den Hype um Big-Data-Analysen. Zwar wird in diesem Bereich eine Steigerung von 36\u00a0Prozent verzeichnet, aber laut einer Untersuchung von Dresner Advisory Services sind es die Finanzabteilungen, die bei der Einf\u00fchrung von Big-Data-Analysen hinterherhinken. Als Hauptgrund f\u00fcr diese Zur\u00fcckhaltung wurde fehlende Benutzerfreundlichkeit genannt.<\/p>\n
Maschinelles Lernen kann anhand bisheriger Ergebnisse die wahrscheinlichsten Zahlen ermitteln und k\u00f6nnte so Vorhersagen treffen. Ein Beispiel hierf\u00fcr sind \u201eSmart Alerts\u201c bei Gewinnen oder Verlusten. Diese integrierte Funktion identifiziert Anomalien, die nicht mit den erwarteten Ergebnissen \u00fcbereinstimmen, und benachrichtigt den Finanzanalysten. Dieser hat die M\u00f6glichkeit, die Funktion gegebenenfalls zu \u00fcbersteuern und er kann verbal mit dem System interagieren. \u201eZeige mir die Abweichung …\u201c oder \u201eZeige mir die wichtigsten f\u00fcnf Faktoren, die dieses Ergebnis beeinflussen.\u201c In all diesen Szenarien unterst\u00fctzt das maschinelle Lernen den Analysten, aber es ersetzt ihn nicht. Es versetzt ihn aber in die Lage intelligente Entscheidungen zu treffen.<\/p>\n
![\"\"](\"https:\/\/news.sap.com\/germany\/files\/2019\/08\/Picture1.png\")
<\/a><\/p>\nWie funktioniert das und wie wird eine intelligente Planung daraus?<\/h2>\n
In modernen Cloud-Anwendungen sind intelligente Szenarien integriert, die die aktuellsten Erkenntnisse bereitstellen. Sie analysieren die tats\u00e4chlichen Daten, die von den Aufzeichnungssystemen verwendet werden. So haben die Anwender die M\u00f6glichkeit, im Kontext ihres Gesch\u00e4ftsprozesses oder Workflows, auf die Analyseergebnisse zu reagieren.<\/p>\n
Es ist m\u00f6glich, intelligente Apps zu entwickeln, um die integrierten Machine-Learning-Szenarien anzupassen und Erkenntnisse aus den harmonisierten Daten verschiedener Abteilungen zu gewinnen. Diese Ergebnisse k\u00f6nnen dann in den Planungsprozess einflie\u00dfen.<\/p>\n
Einige Beispiele aus der Praxis<\/h2>\n\n- Ein europ\u00e4ischer Hersteller von Fenstern und Oberlichtern bestimmt die Wahrscheinlichkeit von Ausf\u00e4llen bei seinen Produkten. Die Prognosen flie\u00dfen in den Planungsprozess ein, um sicherzustellen, dass die Kosten f\u00fcr Arbeitskr\u00e4fte und Material im Budgetrahmen liegen. Durch dieses Vorgehen hat das Unternehmen nicht nur Kosteneinsparungen erzielt. Auch die Kundenzufriedenheit ist seitdem gestiegen.<\/li>\n<\/ul>\n
\n- Ein f\u00fchrendes Einzelhandelsunternehmen nutzt maschinelles Lernen, um die Treiber des Gesch\u00e4fts zu verstehen. Die Produktionsdaten und die demographischen Daten der Filialen werden st\u00e4ndig \u00fcberwacht. Analysiert werden diese Faktoren vor, w\u00e4hrend und nach jedem Quartal. Mit der Anpassung der Pl\u00e4ne bis zum n\u00e4chsten Jahr zu warten, k\u00f6nnte das Unternehmen sich nicht leisten. Die Kauflust potenzieller Kunden innerhalb eines bestimmten Radius zu verstehen, ist ein wichtiger Teil des Plans. Je schneller die Planer die Auswirkungen auf die Gesch\u00e4ftstreiber ermitteln k\u00f6nnen, desto pr\u00e4ziser k\u00f6nnen sie den Plan anpassen. F\u00fcr sie ist die Planung kein einmaliges Ereignis, sondern ein kontinuierlicher Prozess.<\/li>\n<\/ul>\n
\n- Fluglinien und Transportunternehmen haben seit jeher mit unvorhergesehenen Ereignissen zu tun, die au\u00dferhalb ihrer Kontrolle liegen und sich auf ihre Pl\u00e4ne auswirken. Am deutlichsten wird dies beim Treibstoff. Die zuk\u00fcnftigen Preise f\u00fcr Kraftstoffe k\u00f6nnen sich erheblich auf die Profitabilit\u00e4t und s\u00e4mtliche Gesch\u00e4ftsaktivit\u00e4ten auswirken.<\/li>\n<\/ul>\n
\n- Die Ausfallwahrscheinlichkeit von Teilen vorhersagen zu k\u00f6nnen, k\u00f6nnte enorme Auswirkungen auf die Kosten haben \u2013 mal ganz abgesehen vom Umsatz. Wenn das Flugzeug, der Lastwagen oder das Schiff nicht verf\u00fcgbar ist, entstehen Umsatzverluste.<\/li>\n<\/ul>\n
\n- Noch schwieriger vorherzusagen ist das Wetter, aber es hat Auswirkungen auf all diese Branchen. Hersteller in der Bauzulieferindustrie haben die Genauigkeit ihrer Vorhersagen verbessert, indem sie Wetter- und Wohnungsbaudaten in ihre Prognosen aufgenommen haben. Nun kombinieren sie ihre Daten mit den Analyseergebnissen der regionalen Baum\u00e4rkte und bereits im ersten Jahr nach der Umstellung haben sie zehn Prozent mehr Umsatz erzielt.<\/li>\n<\/ul>\n
Mehrwert durch intelligente Planung<\/h2>\n
Die Konzepte f\u00fcr maschinelles Lernen und komplexe Analysen sind nicht neu. Mit Technologie ist es m\u00f6glich, jeden Mitarbeiter im Unternehmen zu best\u00e4rken. Maschinelles Lernen, intelligente robotergesteuerte Prozessautomatisierung und Chatbots werden signifikante Effizienzvorteile bringen. Der wahre Wert wird sich letztendlich in der h\u00f6heren Produktivit\u00e4t der Mitarbeiter und besseren Gesch\u00e4ftsergebnissen darstellen.<\/p>\n
Datenanalyse-Tools und maschinelles Lernen schaffen die Voraussetzungen f\u00fcr eine intelligente Planung. Aufgaben, an denen ein Team von Wissenschaftlern fr\u00fcher monatelang gearbeitet hat, k\u00f6nnen heute von Gesch\u00e4ftsanwendern in einem Bruchteil der Zeit durchgef\u00fchrt werden. Die Vorteile liegen auf der Hand: zufriedene Kunden, zufriedenere Mitarbeiter und h\u00f6here Gewinne.<\/p>\n
Dieser Artikel wurde urspr\u00fcnglich auf <\/em>\u00a0<\/em>FP&A Trends<\/em><\/a>\u00a0ver\u00f6ffentlicht und wurde mit Genehmigung abgedruckt.<\/em><\/p>\n
<\/a><\/p>\nWie funktioniert das und wie wird eine intelligente Planung daraus?<\/h2>\n
In modernen Cloud-Anwendungen sind intelligente Szenarien integriert, die die aktuellsten Erkenntnisse bereitstellen. Sie analysieren die tats\u00e4chlichen Daten, die von den Aufzeichnungssystemen verwendet werden. So haben die Anwender die M\u00f6glichkeit, im Kontext ihres Gesch\u00e4ftsprozesses oder Workflows, auf die Analyseergebnisse zu reagieren.<\/p>\n
Es ist m\u00f6glich, intelligente Apps zu entwickeln, um die integrierten Machine-Learning-Szenarien anzupassen und Erkenntnisse aus den harmonisierten Daten verschiedener Abteilungen zu gewinnen. Diese Ergebnisse k\u00f6nnen dann in den Planungsprozess einflie\u00dfen.<\/p>\n
Einige Beispiele aus der Praxis<\/h2>\n\n- Ein europ\u00e4ischer Hersteller von Fenstern und Oberlichtern bestimmt die Wahrscheinlichkeit von Ausf\u00e4llen bei seinen Produkten. Die Prognosen flie\u00dfen in den Planungsprozess ein, um sicherzustellen, dass die Kosten f\u00fcr Arbeitskr\u00e4fte und Material im Budgetrahmen liegen. Durch dieses Vorgehen hat das Unternehmen nicht nur Kosteneinsparungen erzielt. Auch die Kundenzufriedenheit ist seitdem gestiegen.<\/li>\n<\/ul>\n
\n- Ein f\u00fchrendes Einzelhandelsunternehmen nutzt maschinelles Lernen, um die Treiber des Gesch\u00e4fts zu verstehen. Die Produktionsdaten und die demographischen Daten der Filialen werden st\u00e4ndig \u00fcberwacht. Analysiert werden diese Faktoren vor, w\u00e4hrend und nach jedem Quartal. Mit der Anpassung der Pl\u00e4ne bis zum n\u00e4chsten Jahr zu warten, k\u00f6nnte das Unternehmen sich nicht leisten. Die Kauflust potenzieller Kunden innerhalb eines bestimmten Radius zu verstehen, ist ein wichtiger Teil des Plans. Je schneller die Planer die Auswirkungen auf die Gesch\u00e4ftstreiber ermitteln k\u00f6nnen, desto pr\u00e4ziser k\u00f6nnen sie den Plan anpassen. F\u00fcr sie ist die Planung kein einmaliges Ereignis, sondern ein kontinuierlicher Prozess.<\/li>\n<\/ul>\n
\n- Fluglinien und Transportunternehmen haben seit jeher mit unvorhergesehenen Ereignissen zu tun, die au\u00dferhalb ihrer Kontrolle liegen und sich auf ihre Pl\u00e4ne auswirken. Am deutlichsten wird dies beim Treibstoff. Die zuk\u00fcnftigen Preise f\u00fcr Kraftstoffe k\u00f6nnen sich erheblich auf die Profitabilit\u00e4t und s\u00e4mtliche Gesch\u00e4ftsaktivit\u00e4ten auswirken.<\/li>\n<\/ul>\n
\n- Die Ausfallwahrscheinlichkeit von Teilen vorhersagen zu k\u00f6nnen, k\u00f6nnte enorme Auswirkungen auf die Kosten haben \u2013 mal ganz abgesehen vom Umsatz. Wenn das Flugzeug, der Lastwagen oder das Schiff nicht verf\u00fcgbar ist, entstehen Umsatzverluste.<\/li>\n<\/ul>\n
\n- Noch schwieriger vorherzusagen ist das Wetter, aber es hat Auswirkungen auf all diese Branchen. Hersteller in der Bauzulieferindustrie haben die Genauigkeit ihrer Vorhersagen verbessert, indem sie Wetter- und Wohnungsbaudaten in ihre Prognosen aufgenommen haben. Nun kombinieren sie ihre Daten mit den Analyseergebnissen der regionalen Baum\u00e4rkte und bereits im ersten Jahr nach der Umstellung haben sie zehn Prozent mehr Umsatz erzielt.<\/li>\n<\/ul>\n
Mehrwert durch intelligente Planung<\/h2>\n
Die Konzepte f\u00fcr maschinelles Lernen und komplexe Analysen sind nicht neu. Mit Technologie ist es m\u00f6glich, jeden Mitarbeiter im Unternehmen zu best\u00e4rken. Maschinelles Lernen, intelligente robotergesteuerte Prozessautomatisierung und Chatbots werden signifikante Effizienzvorteile bringen. Der wahre Wert wird sich letztendlich in der h\u00f6heren Produktivit\u00e4t der Mitarbeiter und besseren Gesch\u00e4ftsergebnissen darstellen.<\/p>\n
Datenanalyse-Tools und maschinelles Lernen schaffen die Voraussetzungen f\u00fcr eine intelligente Planung. Aufgaben, an denen ein Team von Wissenschaftlern fr\u00fcher monatelang gearbeitet hat, k\u00f6nnen heute von Gesch\u00e4ftsanwendern in einem Bruchteil der Zeit durchgef\u00fchrt werden. Die Vorteile liegen auf der Hand: zufriedene Kunden, zufriedenere Mitarbeiter und h\u00f6here Gewinne.<\/p>\n
Dieser Artikel wurde urspr\u00fcnglich auf <\/em>\u00a0<\/em>FP&A Trends<\/em><\/a>\u00a0ver\u00f6ffentlicht und wurde mit Genehmigung abgedruckt.<\/em><\/p>\n
- \n
- Ein f\u00fchrendes Einzelhandelsunternehmen nutzt maschinelles Lernen, um die Treiber des Gesch\u00e4fts zu verstehen. Die Produktionsdaten und die demographischen Daten der Filialen werden st\u00e4ndig \u00fcberwacht. Analysiert werden diese Faktoren vor, w\u00e4hrend und nach jedem Quartal. Mit der Anpassung der Pl\u00e4ne bis zum n\u00e4chsten Jahr zu warten, k\u00f6nnte das Unternehmen sich nicht leisten. Die Kauflust potenzieller Kunden innerhalb eines bestimmten Radius zu verstehen, ist ein wichtiger Teil des Plans. Je schneller die Planer die Auswirkungen auf die Gesch\u00e4ftstreiber ermitteln k\u00f6nnen, desto pr\u00e4ziser k\u00f6nnen sie den Plan anpassen. F\u00fcr sie ist die Planung kein einmaliges Ereignis, sondern ein kontinuierlicher Prozess.<\/li>\n<\/ul>\n
- \n
- Fluglinien und Transportunternehmen haben seit jeher mit unvorhergesehenen Ereignissen zu tun, die au\u00dferhalb ihrer Kontrolle liegen und sich auf ihre Pl\u00e4ne auswirken. Am deutlichsten wird dies beim Treibstoff. Die zuk\u00fcnftigen Preise f\u00fcr Kraftstoffe k\u00f6nnen sich erheblich auf die Profitabilit\u00e4t und s\u00e4mtliche Gesch\u00e4ftsaktivit\u00e4ten auswirken.<\/li>\n<\/ul>\n
- \n
- Die Ausfallwahrscheinlichkeit von Teilen vorhersagen zu k\u00f6nnen, k\u00f6nnte enorme Auswirkungen auf die Kosten haben \u2013 mal ganz abgesehen vom Umsatz. Wenn das Flugzeug, der Lastwagen oder das Schiff nicht verf\u00fcgbar ist, entstehen Umsatzverluste.<\/li>\n<\/ul>\n
- \n
- Noch schwieriger vorherzusagen ist das Wetter, aber es hat Auswirkungen auf all diese Branchen. Hersteller in der Bauzulieferindustrie haben die Genauigkeit ihrer Vorhersagen verbessert, indem sie Wetter- und Wohnungsbaudaten in ihre Prognosen aufgenommen haben. Nun kombinieren sie ihre Daten mit den Analyseergebnissen der regionalen Baum\u00e4rkte und bereits im ersten Jahr nach der Umstellung haben sie zehn Prozent mehr Umsatz erzielt.<\/li>\n<\/ul>\n
Mehrwert durch intelligente Planung<\/h2>\n
Die Konzepte f\u00fcr maschinelles Lernen und komplexe Analysen sind nicht neu. Mit Technologie ist es m\u00f6glich, jeden Mitarbeiter im Unternehmen zu best\u00e4rken. Maschinelles Lernen, intelligente robotergesteuerte Prozessautomatisierung und Chatbots werden signifikante Effizienzvorteile bringen. Der wahre Wert wird sich letztendlich in der h\u00f6heren Produktivit\u00e4t der Mitarbeiter und besseren Gesch\u00e4ftsergebnissen darstellen.<\/p>\n
Datenanalyse-Tools und maschinelles Lernen schaffen die Voraussetzungen f\u00fcr eine intelligente Planung. Aufgaben, an denen ein Team von Wissenschaftlern fr\u00fcher monatelang gearbeitet hat, k\u00f6nnen heute von Gesch\u00e4ftsanwendern in einem Bruchteil der Zeit durchgef\u00fchrt werden. Die Vorteile liegen auf der Hand: zufriedene Kunden, zufriedenere Mitarbeiter und h\u00f6here Gewinne.<\/p>\n
Dieser Artikel wurde urspr\u00fcnglich auf <\/em>\u00a0<\/em>FP&A Trends<\/em><\/a>\u00a0ver\u00f6ffentlicht und wurde mit Genehmigung abgedruckt.<\/em><\/p>\n
- Noch schwieriger vorherzusagen ist das Wetter, aber es hat Auswirkungen auf all diese Branchen. Hersteller in der Bauzulieferindustrie haben die Genauigkeit ihrer Vorhersagen verbessert, indem sie Wetter- und Wohnungsbaudaten in ihre Prognosen aufgenommen haben. Nun kombinieren sie ihre Daten mit den Analyseergebnissen der regionalen Baum\u00e4rkte und bereits im ersten Jahr nach der Umstellung haben sie zehn Prozent mehr Umsatz erzielt.<\/li>\n<\/ul>\n
- Die Ausfallwahrscheinlichkeit von Teilen vorhersagen zu k\u00f6nnen, k\u00f6nnte enorme Auswirkungen auf die Kosten haben \u2013 mal ganz abgesehen vom Umsatz. Wenn das Flugzeug, der Lastwagen oder das Schiff nicht verf\u00fcgbar ist, entstehen Umsatzverluste.<\/li>\n<\/ul>\n
- Fluglinien und Transportunternehmen haben seit jeher mit unvorhergesehenen Ereignissen zu tun, die au\u00dferhalb ihrer Kontrolle liegen und sich auf ihre Pl\u00e4ne auswirken. Am deutlichsten wird dies beim Treibstoff. Die zuk\u00fcnftigen Preise f\u00fcr Kraftstoffe k\u00f6nnen sich erheblich auf die Profitabilit\u00e4t und s\u00e4mtliche Gesch\u00e4ftsaktivit\u00e4ten auswirken.<\/li>\n<\/ul>\n