Martina Koederitz, Vorsitzende der Geschäftsführung, IBM Deutschland GmbH, Ehingen, berichtet über zukünftige Entwicklungen im Bereich “Advanced oder Smart Analytics”. So wird es z.B. Stromzähler in Zukunft im 10 Minuten-Takt Verbrauchsdaten ablesen und analysieren, um den Kunden “Echtzeit-Daten” über seinen Energieverbrauch zu geben.
Insgesamt wird es mehr “big and fast Datas” geben, d.h. eine große Anzahl strukturierter und unstrukturierter Daten. Dabei ist die zentrale Fragestellung: Welche Daten sind die wichtigen und welche die unwichtigen? Daten sind nicht per se entscheidungsrelevant. Dabei ist die Echtzeit zum Standard geworden. Selbst die Echtzeit ist häufig schon zu spät, um Katastrophen zu verhindern.
Moderne Datenanalyse wird zunehmend vorausschauend, z.B. in der Polizeiarbeit zur Prognose der Sicherheitssituation.
Wie kann durch Daten ein Beitrag zur Wertschöpfung des Unternehmens geleistet werden? Dazu hat das Controlling zunehmend in dieser Perspektive über seinen “Tellerrand” zu schauen, und das ist beim dem “Schlankheitswahn” in den Unternehmen keine leichte Aufgabe.
Das Controlling sollte sich zunehmend von deterministischer Budgetbetrachtung zu stochastischer Methodik entwickeln.
Nur 52 Prozent von 1.200 befragten CFOs fühlen sich genügend gut gerüstet, zur Geschäftswertsteigerung beizutragen.
Es gibt 2 Effizienztreiber für die Controller-Funktion:
– Orientierung an Standards
– Analytische Kompetenz
Wer diese Fähigkeiten beherrscht ist ein Value-Integrator.
Ein großes Arbeitsgebiet wird sich auch im Bereich “Social Media Analytics” ergeben, um Innovation, Flexibilisierung, Individualisierung der Kundenbeziehung, Reduzierung der Kosten und ein besseres Risikomanagement im Unternehmen zu fördern.
Um aus dem “Grundrauschen” von Daten relevante Informationen herauszufiltern kommen “Advanced oder Smart Analytics” zum Einsatz. Um Advanced Analytics sinnvoll zu nutzen, braucht es:
– neue Methoden (neue intelligente Algorithmen)
– Investitionen in Know-How (Akquisition, Berater, …)
– modernste Rechensystemen um Advanced Analytics zuverlässig laufen zu lassen.
Das Cloud-Computing bringt die nötige Flexibilität mit, nach der wir suchen. Der Anwender kann die benötige Leistung so lange in Anspruch nehmen, wie er sie braucht.
In weiterem Zusammenhang erläutert sie den Einsatz der Watson-Technologie, als Beispiel für künstliche Intelligenz, im Gesundheitswesen, in der Automobilindustrie, in der Nahrungsmittelindustrie und im Bankenbereich. Nähe Informationen zur Watson-Technologie finden Sie z.B. unter http://de.wikipedia.org/wiki/Watson_(K%C3%BCnstliche_Intelligenz)
Watson ist auch für Szenarien, Budgetierung und Forecasting möglich, um komplexe Fragen zu beantworten. Die künstliche Intelligenz wird die Entscheidung nicht abnehmen, soll aber ein gutes Bauchgefühl beim Entscheider unterstützen. Man kann z.B. Abweichungen früher erkennen, d.h. bevor sie entstehen, und rechtzeitig gegensteuern.
Selbst Mobil-Devices können als Datenlieferant und Datenempfänger genutzt werden, z.B. zur Prognose von Besucherströmen.
