Content

11.2 Anforderungen an eine DV-Unterstützung in:

Thomas Reichmann

Controlling mit Kennzahlen, page 486 - 492

Die systemgestützte Controlling-Konzeption mit Analyse- und Reportinginstrumenten

8. Edition 2011, ISBN print: 978-3-8006-3800-0, ISBN online: 978-3-8006-4375-2, https://doi.org/10.15358/9783800643752_486

Series: Controlling Competence

Bibliographic information
11.2 Anforderungen an eine DV-Unterstützung 477 zeption zu verzeichnen.18 Unter Expertensystemen bzw. wissensbasierten Systemen sind solche Systeme zu verstehen, bei denen versucht wird, das Problemlösungsverhalten eines menschlichen Experten abzubilden, charakterisiert durch einen entsprechenden Wissensvorrat und einen Arbeitsstil, der neben logischen Vorgehensweisen auch Faustregeln bzw. Kniffe (Heuristiken) beinhaltet.19 Dieses für eine erfolgreiche Pro blemlösung notwendige Fach- und Allgemeinwissen an Fakten und Heuristiken wird in der Wissensbasis niedergelegt. Durch stufenweisen Ausbau der Wissensbasis lernt das System eigenständig hinzu. Die Auswertung dieser Wissensbasis erfolgt mit Hilfe der Inferenzkomponente, die durch Verknüpfung schon bekannten Wissens neues Wissen generiert. Die Nachvollziehbarkeit der systemseitig vorgeschlagenen Problemlösung wird durch die Erklärungskomponente erreicht. Betrachtet man die Faktenbasis als Fortführung der Datenbank und die Auswertungsregeln als Erweiterung der Methodenbank, so lässt sich ein Expertensystem als den um die Wissensbasis ergänzten Abschluss der Kette Datenbank, Methodenbank und schließlich Expertensystem interpretieren. Interessante Einsatzfelder der Expertensystemtechnologie im Controlling umfassen bereits zu Beginn der 90er Jahre u. a. die Umsatzprognose,20 Budgetierung, die Kostenplanung und -kontrolle, die automatische und intelligente Kostenstellenabweichungsanalyse, die Preisermittlung bei diskontinuierlichen Umweltzuständen und das Fixkostenmanagement.21 Ein Ansatz, der in enger Wechselbeziehung zur Künstlichen Intelligenz steht und auch aus betriebswirtschaftlicher Sicht diskutiert wurde, war das Konzept der sog. Neuronalen Netze bzw. Neurocomputing, das z. B. auch im Bereich der Aktienkursprognose getestet wurde.22 Nach diesen Ausführungen über die Entwicklung bei der DV-Unterstützung des Rechnungswesens und Controllings werden ausgehend von Erfordernissen von Unternehmen nachfolgend grundlegende betriebswirtschaftliche und informationstechnische Anforderungen an eine DV-Unterstützung für das Unternehmens-Controlling erläutert. Darauf aufbauend werden des Weiteren einige DV-technische Umsetzungen beschrieben, welche einer Informationssystemlandschaft zur Datenhaltung, Datenverwaltung und -verarbeitung sowie der Datenaufbereitung bzw. -auswertung gelten. 11.2 Anforderungen an eine DV-Unterstützung Der technologische Fortschritt eröffnet bis heute neue Dimensionen der DV-Unterstützung, insbesondere vor dem Hintergrund der weiter ständig wachsenden Datenmengen in den Unternehmen. Eine DV-Unterstützung aus der betriebswirtschaftlichen Perspektive muss vor allem den fachlichen Anforderungen genügen und gleichzeitig technisch 18 Zu dieser Entwicklung vgl. u. a. Reichmann; Krüger: CIC, S. 59–65; Fiedler; Hamann; Riedel: KOSTEX, S. 26–33; Scheer; Jost; Kraemer: Expertensysteme, S. 564–594; Bertsch: Dienstleistungskostenrechnung und Mertens; Griese: Informationsverarbeitung, S. 191 f. 19 Ausführlich zum Aufbau und zur Ausgestaltung von Expertensystemen vgl. Mertens; Allgeyer: Künstliche Intelligenz, S. 686–709; Mertens; Allgeyer; Däs: Expertensysteme, S. 905–941; Scheer: Betriebswirtschaftslehre, S. 169–186 und Scheer; Jost; Kraemer: Expertensysteme, S. 566–569. 20 Vgl. Lachnit: Umsatzprognose, S. 251–272. 21 Vgl. für einen Überblick insbesondere Kraemer; Scheer: Controlling, S. 6–17. 22 Vgl. z. B. Schöneburg; Nieß; Sautter: Netzwerke, S. XIII-XVI. 478 11. Kapitel: Das DV-gestützte Controlling so weit entwickelt sein, dass z. B. auch vor dem Hintergrund steigender Datenmengen kurze, benutzerfreundliche Abfragezeiten realisiert werden können. Somit sei grundsätzlich zwischen betriebswirtschaftlichen und informationstechnischen Anforderungen unterschieden. Mit der Notwendigkeit einer DV-Unterstützung des Unternehmens- Controllings erweitert sich gleichzeitig das Aufgabenspektrum des Controllers. Dies führt zu einem weiter zunehmend erhöhten Kommunikationsbedarf zwischen Controlling und Informationsmanagement. 11.2.1 Betriebswirtschaftliche Anforderungen an eine DV-Unterstützung Die Zielsetzung der Datenverarbeitung und der Informationsbeschaffung bzw. -erzeugung liegt in der möglichst effizienten Bereitstellung der vom Adressaten geforderten Information. Ausgangspunkt für die Formulierung des betriebswirtschaftlichen Anforderungsprofils ist der Informationsbedarf. Er charakterisiert die Menge an Informationen, die ein Entscheidungsträger in seiner subjektiven Einschätzung für die Entscheidungsfindung benötigt.23 Der Informationsbedarf wird anhand einer Informationsbedarfsanalyse festgestellt, bei der z. B. durch Interviews erhoben wird, was die einzelnen Adressaten an Informationen für die zu treffende Entscheidung anfordern. Die Ergebnisse der Analyse werden ausgewertet und nachfolgend die relevanten Datenquellen im Rahmen der betrieblichen Informationssysteme und unter Berücksichtigung externer Datenquellen ermittelt. Die Datenquellen sind auf die unterschiedlichen Ebenen des Unternehmens verteilt. Die Systematisierung ergibt einen sogenannten Informationspfad, der die horizontale und vertikale Verteilung der anzusprechenden Informationssysteme anzeigt.24 Zusätzlich ist es z. B. denkbar, einen „Informationsnebenpfad“ anzulegen, der die externen Datenquellen berücksichtigt. Für die Aufbereitung der Daten stehen grundsätzlich zwei Berichtsformen zur Verfügung. Das sind auf der einen Seite Standardberichte, deren Struktur und prinzipiellen Inhalte festgelegt und unternehmensintern standardisiert sind. Sie können vom Adressaten regelmäßig angefordert bzw. abgerufen werden. Diese Berichte werden deshalb in der Regel aus dem Datenbestand ständig aktualisiert. Auf der anderen Seite muss eine Berichtsform zur Verfügung gestellt werden, die es erlaubt, spezielle Informationsbedarfe zu erfüllen. In diesen sogenannten Spezialberichten müssen also solche Daten zu Informationen verarbeitet werden können, die nicht regelmäßig abgefordert werden und die nicht in einer standardisierten Form präsentiert werden können, dazu gehören z. B. auch Ad-hoc-Berichte, für die permanent aktuelle Daten vorgehalten werden müssen. Für die Erstellung von Spezialberichten müssen in der Regel auch die entsprechenden Informationspfade erneut festgelegt werden. Sind die Informationsbedarfe und die inhaltliche und zeitliche Form einer Präsentation festgelegt worden, können die Anforderungen an die DV-Unterstützung formuliert werden. Hierbei sind benutzerfreundliche Oberflächen und anwenderfreundliche Präsentationen auch komplexer inhaltlicher Zusammenhänge von einer besonderen Bedeutung. Eine grafische Unterstützung der Datenaufbereitung bedeutet dabei z. B., 23 Vgl. hierzu z. B. Hildebrand: Informationsmanagement, S. 21. 24 Vgl. Baumöl: Informationsmanagement, S. 11–14. 11.2 Anforderungen an eine DV-Unterstützung 479 dass Zahlenreihen und deren Ergebnisse etwa durch ein Diagramm „zum Leben erweckt“ werden und so von dem Adressaten einfacher und damit gleichzeitig schneller interpretiert werden können. Auf derselben Prioritätsstufe ist die Forderung nach einer einheitlichen Datenbasis für die Auswertungen einzuordnen, weil in der Regel die Daten aus unterschiedlichen, zumeist heterogenen Datenquellen kommen und ein „Zusammensuchen“ der erforderlichen Daten einen zu hohen Aufwand verursachen würde. Zugleich spielt der Zeitfaktor eine erhebliche Rolle, weil nur mit einem entsprechend strukturierten Datenbestand auch Zugriffszeiten realisiert werden können, die der Forderung nach einer schnellen und flexiblen Informationsbereitstellung Rechnung tragen.25 Darüber hinaus muss es möglich sein, entsprechend den Informationsbedarfen, den Datenbestand aus unterschiedlichen Sichtweisen zu analysieren. Das bedeutet z. B., dass der Marketingleiter eine Auswertung bekommt, die den Umsatz aller Produkte in allen Absatzregionen abbildet. Im Gegensatz dazu möchte der Produktmanager vielleicht nur den Absatz für sein Produkt in allen Regionen sehen. Aus diesem Beispiel wird bereits ersichtlich, dass die herkömmliche ein- oder zweidimensionale Sicht auf einen Datenbestand diesen Anforderungen nicht mehr genügen kann, sondern dass ein Werkzeug für eine multidimensionale Analyse des Datenbestandes zur Verfügung gestellt werden muss. Das ist allerdings nur möglich, wenn es in dem Auswertungssystem möglich ist, verschiedene Dimensionen zu definieren. Für uns vorstellbar sind zumeist lediglich drei Dimensionen (vgl. Abb. 224), es ist aber durchaus denkbar, dass ein Informationsobjekt wesentlich mehr Dimensionen umfasst. So kann ein Kundenauftrag z. B. die Dimensionen Kunde, Auftragsobjekt (z. B. Produkt- oder Dienstleistungsbezeichnung), Auftragsinhalt (z. B. Produktkauf oder -herstellung), Termin, interne Bezugsquellen, externe Bezugsquellen, offene Forderungen etc. enthalten. Der sogenannte Datenwürfel ermöglicht die Abbildung von zumindest drei Dimensionen eines Datenbestandes, wobei für die unterschiedlichen Abfragen von Informationen, 25 Zu den Anforderungen vgl. auch Hornung; Reichmann; Baumöl: Informationsversorgungsstrategien, S. 38–45. Vgl. weiter Kusterer: Investitionsmanagement, S. 185 ff. 26 Mit Modifikationen entnommen aus Engels: Multidimensionalität, S. 10–16. gAbsatzre ionen g pAbrechnun s erioden Produkte Abb. 224: Entwurf eines Datenwürfels für die multidimensionale Sicht auf einen Datenbestand26 480 11. Kapitel: Das DV-gestützte Controlling die ein Adressat haben kann, Schnitte durch den Würfel gelegt werden und somit eine imaginäre Drehung des Würfels erzeugt wird, die die gewünschte Information liefert.27 Ein solches Datenkonzept muss darüber hinaus die Verdichtung von Daten über mehrere Ebenen ermöglichen und den umgekehrten Weg für das „Aufbrechen“ der Verdichtungen, also einen sogenannten „drill-down“,28 unterstützen. Weitere Anforderungen umfassen z. B. Zeitreihenanalysen sowie die Möglichkeit, Grenzwerte einzugeben, bei deren Über- oder Unterschreitung der Benutzer des Systems informiert wird. Das kann z. B. durch eine sogenannte Ampelfunktion erfolgen, die eine Unter- bzw. Überschreitung mit einer roten Markierung, eine Annäherung an den kritischen Wert mit einer gelben und einen unkritischen Wert mit einer grünen Markierung anzeigt.29 Im Hinblick auf erforderliche Planungen und Prognosen müssen Simulationen auf den Datenbestand bzw. den relevanten Teil des Datenbestandes ermöglicht werden. In der folgenden Abbildung sind die Anforderungen noch einmal stichpunktartig zusammengefasst. Basierend auf den betriebswirtschaftlichen Anforderungen können nachfolgend Anforderungen an die Informationstechnologie definiert werden. 27 Vgl. dazu z. B. Hoffmann; Kusterer: Handels-Controlling, S. 46–53 oder auch Kusterer; Knapp: Führungsinformationssysteme, S. 219–243. 28 Vgl. hier z. B. Fritz; Kusterer: Führungsinformationssystem, S. 151–166. 29 Ein Beispiel für die Umsetzung dieser Funktion ist das Risikomanagementsystem MERCUR der ehemaligen Metallgesellschaft Handel & Beteiligungen AG, das bei einer Überschreitung von kritischen Kontraktlimits die entsprechenden Kontrakte mit einem roten Feld kennzeichnet, was beim Controlling eine sofortige Reportpflicht an den Vorstand auslöst. Kontrakte, deren Limitausschöpfung bei 80 % liegt, werden dagegen mit einem gelben Feld und solche, die diese Grenzwerte nicht erreichen, mit einem grünen Feld markiert. Betriebswirtschaftliche Anforderungen an eine DV-Unterstützung Verfügbarkeit eines integrierten Datenbestandes auf Basis der heterogenen Datenquellen Unterstützung verschiedener, multidimensionaler Sichten auf den Datenbestand Verfügbarkeit von aktuellen Daten zu jedem beliebigen Zeitpunkt individuelle Gestaltung von Berichten, aber auch Vorgabe von Standardberichten B i ll d V di h D f b li bi V di h fg g aten au e e gen er c tungsstu en Ermöglichung von Zeitreihenanalysen Eingabe von Grenzwerten Ermöglichung eines Drill-Downs online am Bildschirm Warnfunktion bei Über- oder Unterschreitung eines Grenzwertes schnelle und flexible Simulationen auf Basis der Standardberichte ausgereifte Präsentationsmöglichkeiten b t f dli h G t lt d F kti litätg Abb. 225: Beispiele für betriebswirtschaftliche Anforderungen an eine DV-Unterstützung 11.2 Anforderungen an eine DV-Unterstützung 481 11.2.2 Grundlegende informationstechnische Anforderung an eine DV-Unterstützung Als eine grundlegende Anforderung des Controlling an die Informationstechnologie darf allgemein die Sammlung, Aufbereitung, Verdichtung und Auswertung von unternehmensinternen und -externen Datenbeständen bezeichnet werden. Die Konzeption zur DV-gestützten Umsetzung dieser Aufgabenstellung ist in der Informationstechnologie unter der Überschrift Data Warehouse30 grundsätzlich umfasst. Ein erster Schritt für den Aufbau eines Data Warehouse ist dabei der Entwurf des konzeptionellen Schemas. In der folgenden Abbildung ist ein beispielhafter Entwurf für ein konzeptionelles Warehouse- Schema dargestellt. Dabei wird bereits die Übernahme von Daten aus unterschiedlichen, heterogenen Quellsystemen berücksichtigt. Bei der Überführung und der Aufbereitung der Daten im Rahmen des Data Warehouse lassen sich grundsätzlich drei unterschiedliche Datenstrukturen unterscheiden. Erstens die Ladedatenstrukturen, die durch die Transformation der Daten aus den Quellsystemen erzeugt werden, zweitens die Basisdatenstrukturen, die im Hinblick auf den bestehenden Informationsbedarf selektiert und entsprechend strukturiert werden und schließlich drittens die Auswertungsdatenstrukturen, die aufbauend auf den Basisdatenstrukturen, z. B. durch Verdichtungen zu bestimmten Kennzahlen, unmittelbar auf den Informationsbedarf angepasst werden und damit den geplanten Abfragen bereits am nächsten sind. 30 Vgl. dazu z. B. Scheer: Data Warehouse, S. 74–75; Mucksch; Holthuis; Reiser: Data Warehouse- Konzept, S. 421–433. Holthuis: Data Warehouse-Systeme. Chen: Entity-Relationship Model, S. 9–36. Stucky; Krieger: Datenbanksysteme, S. 837–856. Scheer: Informationssysteme, sowie derselbe: Wirtschaftsinformatik, S. 10–17. 31 Vgl. Eicker; Jung; Nietsch; Winter: Produktionscontrolling, S. 454. Quellsysteme Lade- Datenstrukturen Basis- Datenstrukturen Auswertungs- Datenstrukturen Auswertungs- Systeme Abb. 226: Entwurf des konzeptionellen Data Warehouse-Schemas31 482 11. Kapitel: Das DV-gestützte Controlling Eines der grundlegenden Probleme, die es bei dem Entwurf und Aufbau des Data Warehouse zu lösen gilt, ist der Datenfluss innerhalb des Systems sowie zwischen dem System und der Umgebung. Hier lassen sich fünf verschiedene Ausprägungen differenzieren:32 Inflow: Der Inflow ist die Übernahme von Daten in das Data Warehouse. Dazu muss zunächst auf der Grundlage des Informationsbedarfes entschieden werden, auf welchen Daten das Warehouse basieren soll. Upflow: Der Upflow bedeutet die Auswahl der relevanten Daten und ihre Verdichtung, die Strukturierung der Daten entsprechend der Vorgaben durch den Informationsbedarf, z. B. in bestimmten Berichtsstrukturen sowie deren Zuordnung zu Adressaten. Downflow: Durch den Downflow wird die Aktualität der Daten in dem Data Warehouse sichergestellt. Darüber hinaus wird so der Umfang der Datenbasis begrenzt, weil veraltete Daten in Archive ausgelagert werden, ohne dass sie vollständig einem Zugriff entzogen werden. Outflow: Der Outflow bezeichnet das zur Verfügungstellen der Ergebnisse für den Benutzer. Der Outflow wird in erster Linie durch die auf das Data Warehouse aufgesetzten Auswertungswerkzeuge bestimmt. Metaflow: Informationen über die in dem Warehouse enthaltenen Daten, also z. B. ihre Struktur, Herkunft, die eingehenden Basisdaten etc., werden durch den Metaflow koordiniert. Um eine multidimensionale Sicht auf einen Datenbestand zu ermöglichen, wurde Anfang der 90er Jahre mit einem OLAP (On-line Analytical Processing) eine multidimensionale Konzeption für die Strukturierung von Datenbanken entwickelt33. Die grundlegenden Anforderungen an ein OLAP-System sind dabei u. a. kurze Antwortzeiten sowie vom Benutzer individuell gestaltbare Analysemöglichkeiten. Der multidimensional strukturierte Datenbestand erlaubt dabei, dass z. B. „Auswertungsscheiben“ aus dem mehrdimensionalen Datenbestand „herausgeschnitten“ werden können, was mit dem Begriff „slicing“ beschrieben wird. Darüber hinaus müssen Teilwürfel isoliert werden können, das sogenannte „dicing“, und die Dimensionen müssen beliebig gewechselt werden können, was bedeutet, dass der imaginäre Datenwürfel gedreht wird: „rotating“. Des weiteren müssen „drill-downs“ und „roll-ups“ ermöglicht werden, wobei „drill-down“ bedeutet, dass die Basisdaten eines aggregierten Datums ermittelt werden und „roll-up“, dass eine Aggregation von Basisdaten erfolgt. Die Auswertung eines multidimensionalen Datenbestandes kann weitergehend durch ein Data Mining- System erfolgen, das in dem Bestand nach Auffälligkeiten sucht und daraus bestimmte Muster generiert.34 In Abb. 227 seien die Bausteine eines Data Warehouses mit einem integrierten OLAP-System sowie der Datenfluss beispielhaft dargestellt. 32 Vgl. Hackathorn: Datawarehousing, S. 38–42. Hoffmann; Kusterer: Handels-Controlling. 33 Hoffmann; Kusterer: Handels-Controlling, S. 232 ff. 34 Vgl. hierzu z. B. Mertens; Bissantz; Hagedorn: Data Mining, S. 179–201. 11.3 DV-Unterstützung von Rechnungswesen und Controlling 483 11.3 DV-Unterstützung von Rechnungswesen und Controlling 11.3.1 Das integrierte ERP-System der SAP AG Die SAP AG in Walldorf zählt zu den global führenden Anbietern integrierter betriebswirtschaftlicher Softwaresysteme. Die jüngste Systemwelt des Enterprise Resource Plannings bildet die SAP Business Suite35 mit der zentralen Komponente SAP ERP. Letzteres System verbindet u. a. über die Integrations- und Anwendungsplattform SAP NetWeaver die Lösungen SAP ERP Financials, SAP ERP Human Capital Management, SAP ERP Operations und SAP ERP Corporate Services. Weitergehend bietet die SAP Business Suite die Komponenten SAP Customer Relationship Management, SAP Product Lifecycle Management, SAP Supply Chain Management, SAP Relationship Management. SAP ERP ist aus der in der Praxis aktuell weiter sehr verbreiteten36 Vorgängerversion SAP/R3 hervorgegangen und beinhaltet entsprechend deren wesentlichen Strukturen und Module. Es handelt sich um eine branchenübergreifende Standardsoftware zur Planung, Steuerung und Kontrolle der operativen Vorgänge und Geschäftsprozesse in Unternehmen. Die unterschiedlichen Bereiche und Funktionen eines Unternehmens finden ihre Abbildung in den einzelnen Programmodulen u. a. zu 35 Vgl. http://www.sap.com/solutions/business-suite/index.epx 36 Vgl. o.V.: SAP ERP, URL: http://www.computerwoche.de/software/erp/1901462. Outflow verdichtete Daten DownflowInflow Archiv Data Warehouse pU flow M t fl Metadaten Externe und interne Datenquellen e a ow Abb. 227: Beispielhafter Aufbau eines OLAP-Systems

Chapter Preview

References

Zusammenfassung

Das Standardwerk für Wissenschaft und Controllingpraxis.

Transparenz und nachhaltiges Handeln werden immer mehr als Erfolgsfaktoren anerkannt. Übertragen auf die Aufgaben des Controllings wird Transparenz mit den Instrumenten des Rechnungswesens und den Analyseinstrumenten des Controllings geschaffen. Nachhaltigkeit bedeutet, belastbare Informationen für die strategische Ausrichtung des Unternehmens zur Verfügung zu stellen. Dieses Standardwerk weist nunmehr bereits in der 8. Auflage den Weg zu einer systemgestützten Controlling-Konzeption und gibt – State of the Art – konkrete Empfehlungen für den Aufbau einer unternehmensbezogenen Controlling-Applikation mit Kennzahlen und Analyseinstrumenten. Es liefert sowohl wertvolle, praxiserprobte Anregungen als auch fundiertes, theoriegestütztes Wissen bei der Implementierung des Controllings im Unternehmen:

- Kennzahlen und Kennzahlensysteme, systemgestützte Controlling-Konzeption

- Kosten- und Erfolgs-Controlling, Konjunktur und Fixkostenmanagement

- Finanz- und Investitions-Controlling, Rating-Check

- Beschaffungs-, Produktions- und Logistik-Controlling

- Marketing-Controlling, DV-gestütztes Controlling

- Strategisches Controlling und internationales Standort-Controlling

- Risikomanagement und Risiko-Controlling, BCR-Card

- Corporate Governance und Controlling, wertorientiertes Konzern-Controlling

Der Autor

Prof. Dr. Thomas Reichmann ist Direktor in einem internationalen Beratungsunternehmen. Er hat in seiner langjährigen Beratungspraxis internationale Unternehmen in den Bereichen Performance-, Prozess- und Kostenmanagement beraten, darunter eine Vielzahl börsennotierter Unternehmen.