Business Application Research Center

Experten für Business Intelligence, Analytics, Big Data, CRM und ECM

BARC-Newsletter

Künstliche Intelligenz und Machine Learning im Controlling auf dem Vormarsch

Künstliche Intelligenz und Machine Learning im Controlling auf dem Vormarsch

RssRss

21.12.2020

Künstliche Intelligenz und Machine Learning im Controlling auf dem Vormarsch

Die Zukunft des Controllings

Autor: Alexander Rode, Data Scientist & Analyst Data & Analytics, BARC

Was habe ich als Controller*in mit Künstlicher Intelligenz, Machine Learning, Data Science und dem Fortschritt durch Digitalisierung zu tun? – Mehr als Sie denken!

Weltweit verspüren Unternehmen zunehmend einen Zugzwang, neue, auf Daten basierende Technologien zu integrieren, um konkurrenzfähig zu bleiben. Die Nutzung dieser Technologien impliziert weitreichende Veränderungen des unternehmensinternen Umgangs mit Daten, die auch die Rolle des Controllings betreffen.

Fürchten Sie sich nicht vor diesen Veränderungen, sondern nutzen Sie die Gunst der Stunde und machen Sie sich für die bevorstehende Transformation unentbehrlich. Innovationen im Bereich der Nutzung von Daten sind ohne die Unterstützung aus dem Fachbereich nur schwer umsetzbar. Nicht selten scheitern Projekte mangels einer gemeinsamen Kommunikationsgrundlage.

Wer, wenn nicht Sie als Controller*in, ist besser als Schnittstelle zwischen Fachbereich und Data Science geeignet? Ihre fachliche Expertise ist gefragter denn je, denn sie kennen sich sowohl mit der Geschäftspraxis als auch mit den Unternehmensdaten aus.

Fortschritte aktiv mitgestalten

Bereiten Sie sich rechtzeitig auf zukünftige Anforderungen vor und gestalten Sie die Zukunft Ihres Unternehmens aktiv mit! Ein erster Schritt in die richtige Richtung ist es, sich ein realistisches Bild zum Beruf eines Data Scientist zu machen.

Das gelingt meist besser, wenn man sich mit den grundlegenden Fragestellungen und Werkzeugen dieser Berufsgruppe auseinandersetzt und sich nicht dem medialen „Buzzword-Bingo“ rund um das Thema aussetzt. Letzteres mag aufregend sein, hat aber meist nur wenig mit dem Arbeitsalltag eines Data Scientist zu tun.

Wissen aufbauen – Nutzen einschätzen

Frischen Sie Ihr statistisches Grundlagenwissen aus Schul- und Universitätszeiten auf! Hierfür können Sie auf verschiedene Möglichkeiten zurückgreifen:

Print- und Onlinemedien zum Aufbau von Grundkenntnissen

Es gibt zahlreiche Print- und Onlinemedien, die die Basics durchaus unterhaltsam vermitteln und weitgehend auf mathematischen Fachjargon und komplizierte Formeln verzichten. Machen Sie sich mit der Funktionsweise grundlegender statistischer Verfahren vertraut. So können Sie mitreden, wenn es um Korrelationen, Regressionen, Klassifikationen und Clusterverfahren geht.

Haben Sie ein Grundverständnis aufgebaut, verstehen Sie schon bald die Grundprinzipien von Machine Learning, neuronalen Netzwerken und Künstlicher Intelligenz (KI). Sie werden merken, dass es sich hierbei um kein Hexenwerk oder schiere Zauberei handelt.

Online-Kurse für tiefere Einblicke in die Praxis

Um tiefer in die Praxis einzutauchen, hält das Internet eine Vielzahl kostenloser oder preisgünstiger Online-Kurse bereit. Diese bieten einen leichten Einstieg für das Coden mit Python oder R und für weitere Data Science-Anwendungen.

Sie müssen keine komplette Umschulung zum Data Scientist durchlaufen. Ein grobes Verständnis für das Instrumentarium und die Möglichkeiten reicht bereits aus. So bauen Sie Berührungsängste ab und können den Mehrwehrt von Data Science besser einschätzen. 

Förderung durch den Arbeitgeber

Einen solchen Wissensaufbau neben beruflichen und privaten Verpflichtungen zu bewältigen, stellt zweifellos eine Herausforderung dar. Hier muss der Arbeitgeber für die Notwendigkeit von Fortbildungsmaßnahmen sensibilisiert werden. Fordern Sie Ihre Förderung aktiv ein. Warten Sie nicht, bis Sie die Thematik überrumpelt und Sie es plötzlich mit Data Scientists als Arbeitskollegen zu tun bekommen.

Ist dies bereits der Fall, dann begegnen Sie ihnen nicht mit Argwohn, sondern mit Interesse. Sie können viel voneinander lernen und profitieren. Bietet Ihr Arbeitgeber von sich aus Fortbildungsangebote an, sollten Sie diese nutzen. So geraten Sie bei neuen Entwicklungen im Unternehmen nicht aufs Abstellgleis.

Wie KI und Machine Learning im Controlling eingesetzt werden können

Sobald Sie das Potential von Data Science erkannt haben, können Sie Innovationen aktiv mitgestalten und als Dreh- und Angelpunkt für neue Projekte fungieren. Machine Learning und Deep Learning im Controlling erleichtern den Arbeitsalltag und entlasten von lästigen repetitiven Aufgaben.

Zeitraubende Tätigkeiten, die festen Abläufen und Regeln folgen und eine hohe Aufmerksamkeit abverlangen, können oftmals relativ leicht automatisiert werden. Machine Learning und KI haben sich in der Finanzabteilung und dem Rechnungswesen sowie bei der Erstellung von Reports und Dashboards schon vielfach bewährt.

Dabei müssen Sie als Controller*in keinen Bedeutungsverlust Ihres Arbeitsplatzes befürchten. Als Expert*in besitzen Sie ein exklusives Verständnis für die den Zahlen zugrundeliegenden Geschäftsprozesse. In Kombination mit Ihrem erworbenen Grundverständnis für Data Science machen Sie sich unentbehrlich für Ihr Unternehmen. Nur Sie können Lösungen liefern, wo Algorithmen versagen.

In der Zwischenzeit können Sie sich auf Ihre Kernaufgabe als Controller*in konzentrieren und wichtige Impulse für die Planung und Steuerung der Unternehmensprozesse liefern. So verorten Sie den Part der Kontrolle wieder stärker im Controlling.

In diesen dynamischen Zeiten ist es umso wichtiger, den Wandel im eigenen Unternehmen voranzutreiben. Daher liegt der Fokus unserer Online-Konferenz Digital Finance & Controlling in diesem Jahr auf der erfolgreichen Digitalisierung des Finnazbereichs. 

Lernen Sie die DNA eines digitalen Finanzbereichs kennen und finden Sie heraus, welche Software Sie bei Ihren Prozessen unterstützen kann. Vom 20.-21. April 2021 kommt die #DFConline live zurück.

Zur kostenfreien Registrierung

Neugierig? Das war die #DFConline 2020: 

Algorithmen sind Menschen zwar bei der systematischen Verarbeitung von großen Datenmengen überlegen, sie können jedoch nur auf Grundlage fester Regeln und eindeutiger Datenlage sinnvolle Ergebnisse produzieren. Sie sind gut darin, Muster von Zusammenhängen zu erkennen und daraus Regeln abzuleiten, versagen jedoch bei unvorhergesehenen Ereignissen, die keiner Struktur folgen.

Die richtige Einordnung solcher Ereignisse und die entsprechende Reaktion kann bisher nur von tatsächlicher Intelligenz bewältigt werden. Hier kommen Sie als „human in the loop“ ins Spiel. Nur Sie haben ein Gespür dafür, wenn Algorithmen falsch liegen.

Mit Ihrem Wissen über die Grenzen der Technologie bewahren Sie Ihr Unternehmen vor folgenschweren Entscheidungen, die als Konsequenz blinden Vertrauens gegenüber Algorithmen getroffen werden. Auch hier ist Kontrolle durch fähige Controller gefragt.

Wie funktioniert Machine Learning?

Gewinnen Sie eine realistische Vorstellung von Machine Learning und dessen Möglichkeiten! Machen Sie sich frei von überzogenen Erwartungen und düsteren Zukunftsszenarien aus dem Science-Fiction-Bereich! 

Machine Learning ist aktuell wohl der prominenteste Aspekt des Teilbereichs der Informatik, der sich der Imitation menschlichen Verhaltens widmet: Künstliche Intelligenz.

Der anfängliche Versuch, das gesteckte Ziel mit der Programmierung von komplexen Regelwerken zu erreichen, stieß sehr bald auf seine Grenzen, da soziale Verhaltensweisen nur bedingt durch statische Regeln abgebildet werden können. Machine Learning beschreitet einen innovativen Weg zur Lösung dieser Problematik.

Mit Hilfe spezieller Algorithmen leitet dieser Ansatz automatisiert Regeln aus Daten ab, für die bereits Ergebnisse vorliegen. Mit diesen Regeln können wiederum potenzielle Ergebnisse für Daten prognostiziert werden, für welche diese noch nicht vorliegen (Predictive Analytics).

Machine Learning kann folglich als automatisierte Programmierung von Softwarelösungen zur Datenverarbeitung begriffen werden:


Darstellung der Funktionsweise von Machine Learning

Was versteht man unter Deep Learning?

Deep Learning funktioniert nach dem gleichen Prinzip wie Machine Learning mit dem Unterschied, dass Daten mit sogenannten künstlichen neuronalen Netzwerken verarbeitet werden. Diese neuronalen Netzwerke extrahieren und komprimieren Daten in eine Form, die Computern den Zugriff auf darin enthaltene Informationen erleichtern und diesen beschleunigen.

Der Einsatz von neuronalen Netzwerken hat sich bei der Verarbeitung von audiovisuellen Daten bewährt (Sprach-, Bild-, Dokument- und Videoerkennung) beschränkt sich aber nicht auf diese Datenformen.

Die Idee für den Einsatz künstlicher neuronaler Netzwerke zur Informationsverarbeitung wurde bereits Ende der 1940er Jahre formuliert, aber erst seit relativ kurzer Zeit erlauben der technologische Fortschritt und die gesunkenen Preise für leistungsstarke Computerprozessoren eine kosteneffiziente Nutzung dieser Technologie.

Neuronale Netzwerke bestehen aus Schichten von einfachen Funktionseinheiten, so genannten Perzeptronen, die Signale empfangen und bei Überschreiten von Schwellenwerten Signale aussenden.

Damit der Einsatz eines neuronalen Netzwerks mit dem medienwirksamen Begriff Deep Learning bezeichnet werden kann, muss zwischen einer Eingangsschicht (Input Layer) und einer Ausgangsschicht (Output Layer) noch mindestens eine weitere Schicht (Hidden Layer) vorliegen.

Maßnahmen zur Umsetzung in Ihrem Unternehmen

Hat dieser Text bei Ihnen einen Nerv getroffen? Sie können sich gerne an uns wenden, wenn Sie Interesse an einem maßgeschneiderten Kursangebot haben. Zurzeit bieten wir zwei Inhouse-Workshops zum Thema Data Science an. Diese sind speziell auf die Bedürfnisse von Controllern / Business Analysten abgestimmt.

Es handelt sich hierbei um einen eintägigen und einen zweitägigen Workshop. Letzterer beinhaltet zusätzlich die Einführung in das Open Source-Analysetool KNIME. So können Sie die Inhalte des Kurses vor Ort praktisch umsetzen. Bei Interesse und weiteren Fragen zu unserem Angebot kontaktieren Sie uns unter info@barc.de