Advertisement

Controlling & Management Review

, Volume 62, Issue 3, pp 34–39 | Cite as

Die Planungsqualität mit Statistik verbessern

  • Andreas Faatz
  • Hans-Ulrich Holst
Unternehmenssteuerung Prognosemodelle
  • 369 Downloads

Die Infineon AG stützt ihren Umsatz-Forecast bereits ganz wesentlich auf automatisierte ökonometrische Prognosemodelle. Doch können solche Modelle auch die Planungsqualität in mittelständischen Unternehmen verbessern? Eine Untersuchung der Hochschule Osnabrück zeigt auf, dass auch dort die Integration solcher Prognosemodelle lohnend sein kann.

Manager und Controller sind gemeinsam in der Verantwortung: Seit der Finanzkrise 2008/2009 müssen sie ihr Unternehmen gegenüber der unverändert hohen, teilweise noch weiter gestiegenen Volatilität resistenter machen. Aufgabe des Controllings ist es, Treiber der Volatilität zu identifizieren und in diesem Zusammenhang Ursache-Wirkungs-Ketten erklärbar zu machen. Unterstützt werden können sie dabei von flexibleren, schnelleren und aussagefähigeren Planungs- und Forecast-Systemen, die verschiedene Szenarien berücksichtigen. Idealerweise können dabei sogar Früh-Indikatoren für die wichtigsten Treiber der Volatilität von Geschäften identifiziert...

Literatur

  1. Aschenbrücker, A./ Horváth, P./ Michel, U. (2014): Controlling in volatilem Umfeld, in: Controller Magazin, 39 (1), S. 4–11.Google Scholar
  2. Ehren, M. (2016): Die Markit-Einkaufsmanagerindizes erklärt, https://tinyurl.com/markit-einkaufsmanagerindizes (letzter Abruf: 27.02.2018).Google Scholar
  3. Flaig, G. (2005): Time-series Properties of the German Production Index, in: Allgemeines Statistisches Archiv, 89 (4), S. 419–434.CrossRefGoogle Scholar
  4. GfK (o. J. ): Methode der Erhebung und Berechnung des GfK-Konsumklimas, http://commons.de/wp-content/uploads/GfK_Konsumklimaindex.pdf (letzter Abruf: 27.02.2018)
  5. Hofer, P./ Eisl, C./ Mayr, A. (2015): Forecasting in Austrian Companies: Do Small and Large Austrian Companies Differ in their Forecasting Processes?, in: Journal of Applied Accounting Research, 16 (3), S. 359–382.CrossRefGoogle Scholar
  6. Hyndman, R./ Athanasopoulos, G. (2013): Forecasting: Principles and Practice, www.otexts.org/fpp (letzter Abruf: 27.02.2018).Google Scholar
  7. ifo Institut (2017): Wie wird das ifo Geschäftsklima ermittelt?, www.ifo.de/de/w/45YCTv5Bp (letzter Abruf: 27.02.2018).
  8. Kahneman, D. (2011): Thinking, Fast and Slow, New York.Google Scholar
  9. Schäffer, U. (2017): „Predictive Analytics macht Planung und Steuerung flexibler“. Im Dialog mit Jörg Ehlken, in: Controlling & Management Review, 61 (4), S. 34–39. www.springerprofessional.de/link/12268762CrossRefGoogle Scholar
  10. Schäffer, U./ Weber, J. (2016): Die Digitalisierung wird das Controlling radikal verändern, in: Controlling & Management Review, 60 (6), S. 8–17. www.springerprofessional.de/link/11914878Google Scholar
  11. Wheeler, A./ Weitkamp, N./ Berlekamp, P./ Brauer, J./ Faatz, A./ Holst, H.-U. (2015): Case Study: Planning and Forecasting in a Volatile Setting, in: Hyndman, R. J./ Athanasopoulos, G. (Eds.): Forecasting: Principles and Practice, www.otexts.org/fpp/resources (letzter Abruf: 27.02.2018).Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Quantitative Methoden und WirtschaftsinformatikHochschule OsnabrückOsnabrückDeutschland
  2. 2.Financial Controlling, Rechnungswesen und ManagementHochschule OsnabrückOsnabrückDeutschland

Personalised recommendations