Case Study: Financial Forecasting mit Forecast Plus
Die Situation / Die Herausforderung. Das Unternehmen suchte einen erfolgversprechenden Einstieg in die Transformation der Vorhersagen von Finanzkennzahlen. In einem ersten Schritt sollte die Zuverlässigkeit von Umsatzprognosen für verschiedene Geschäftsbereiche und Hierarchieebenen gesteigert werden. Die bestehenden manuellen Prognosen und statistischen Modellverfahren variierten in der Methodik der Prognosen je nach Geschäftsfeld. Beides bedingte neben Prognoseunschärfen auch einen hohen Zeitaufwand.
Die Integration von externen Einflussfaktoren und Indikatoren als zusätzliche Datenebene war ebenfalls nicht zufriedenstellend gelöst. Die Herausforderung lautete daher, das bisher nichtausgeschöpfte Potenzial durch eine KI-basierte, standardisierte und automatisierte Forecast Lösung nutzbar zu machen und künftig eine exzellente datengetriebene Entscheidungsfindung auf der Basis von Predictive Analytics zu ermöglichen.
Unsere Vorgehensweise: Von der Analyse zur Automatisierung
Die Basis unserer Herangehensweise bildet ein Fünf-Phasen-Modell: Phase 1 startete bei unserem Kunden mit einem Pilotprojekt zur Vorhersage selektierter Geschäftsbereiche und Regionen. Als Basis für weitere Schritte wurden dabei so umfassend wie möglich relevante interne und externe Einflussfaktoren gesammelt. Diese wurden intensiv analysiert und – einschließlich der eigens aufbereiteten historischen Daten – für erste Prognosen verwendet.
Die anschließende Qualitätsbewertung belegte, dass die Richtung stimmt: Die Genauigkeit der Umsatzprognosen konnte für die meisten KPIs im Vergleich zu den vorherigen manuellen Prognosen erheblich gesteigert werden.
Das Ziel von Phase 2 war die Identifizierung automatisierter Treiber und Modelle. Dazu wurde der Pilot bereits um zusätzliche Geschäftsbereiche sowie zusätzliche Regionen erweitert. Als nächster Schritt identifizierte unser Team Cluster wertvoller interner und externer Einflussfaktoren und integrierte diese in die genutzten Modelle. Parallel wurde die Datenbasis um zusätzliche externe Datenquellen erweitert und weitere mögliche Einflussfaktoren mit relevanten Stakeholdern besprochen.
Im Fokus von Phase 3 stand die Optimierung der Prognosegenauigkeit. Dazu wurden, basierend auf den bisherigen Erkenntnissen, hochgradig maßgeschneiderte Modelle entwickelt. Zusätzlich kamen die Methoden auf allen wesentlichen Ebenen zum Einsatz, um bereits für die gesamte Geschäftshierarchie detaillierte Berichte über Ergebnisse, Erkenntnisse und Prognosen darstellen zu können.
Das Finale: Geschäftsintegration und Upskilling
Die Finalisierung des Projektes erfolgte in den Phasen 4 und 5. Die zentrale Aufgabe war dabei zunächst die Geschäftsintegration der entwickelten Modelle und Prognosemethoden zu automatisierten Umsatzprognosen sämtlicher Märkte, Regionen, Produkte und Geschäftsebenen. Die Transformation des Financial Forecastings brachte auch neue Anforderungsprofile von Führungskräften und Belegschaft mit sich. Wir führten zum Abschluss deshalb gemeinsam mit dem Kunden Workshops zum Upskilling der Mitarbeiter durch, um sicherzustellen, dass die bereitgestellte Lösung umgehend und werthaltig im Alltag genutzt werden kann und die generelle Erklärbarkeit der Forecasts im Vergleich zu manuellen Berichten sichergestellt ist.
Der Mehrwert war zum Abschluss des Projektes eindeutig:
Maßgeschneiderte Modelle führten zu einer verbesserten Genauigkeit der Umsatzprognose. Es wurde ein einfach skalierbarer Ansatz für Prognosen im Vergleich zu manuellen Forecasts zur Verfügung gestellt und die Weiterbildung und Unterstützung – von Data Scientists bis zu den Mitarbeiter:innen der Finanzfunktion – wurde auf den Weg gebracht.
„Um unsere Umsatz-Forecasts zu verbessern, brauchten wir ein klares Verständnis der externen Faktoren, die unseren Markt antreiben. Durch Forecast Plus haben wir alles, was wir brauchen: Ein hochgradig versiertes und 100 % zuverlässiges Team, das unsere komplexen Anforderungen in eine verbesserte und KI-gestützte Prognosequalität umsetzt. Wir sind mehr als zufrieden mit dem Ergebnis - und unsere Reise wird weitergehen!”
Follow us
Contact us
