Im heutigen dynamischen Geschäftsumfeld ist ein präzises Forecasting von zentraler Bedeutung, um fundierte Geschäftsentscheidungen zu treffen, Ressourcen effizient zu nutzen und Risiken zu minimieren. Es stellt ein essenzielles Instrument dar, das Unternehmen dabei unterstützt, ihre Unternehmensperformance zu steigern. Allerdings ist es für viele Unternehmen eine Herausforderung, ihren Forecasting-Prozess zu optimieren, da die besten Ansatzpunkte oft unklar sind. Innovative Lösungen eröffnen neue Möglichkeiten, um das Forecasting zu verbessern und präzisere Ergebnisse zu erzielen.
Die Herausforderung der Forecast-Optimierung
Um den Forecasting-Prozess zu verbessern, müssen kritische Fragen beantwortet werden, wie z. B.: Wie gut ist unser aktueller Forecast? Welche besseren Methoden und Werkzeuge können wir nutzen? Wie können wir hochwertigere Forecasts mit weniger Ressourcenaufwand erstellen? Eine der zentralen Fragen ist, welche Forecasts bringen überhaupt einen hohen Geschäftsnutzen. Es fehlen jedoch oftmals objektive Maßstäbe, um die Forecasting-Qualität einerseits und zum anderen, um den Mehrwert, den sogenannten „Value Added“ oder Geschäftswert „Business Value“ des Forecasts zu quantifizieren.
Innovationen im Forecasting
Erfreulicherweise haben in den letzten Jahren mehrere Innovationen neue Möglichkeiten im Forecasting eröffnet. Eine davon ist die Forecast-Value-Added-Methodik, die eine statistisch belastbare Quantifizierung der Forecasting-Qualität ermöglicht. Sie hilft dabei zu bestimmen, welche Aktivitäten im Forecasting Prozess den meisten Mehrwert bieten und welche davon optimiert werden können. Studien zeigen auch, dass Machine Learning mittlerweile klassische Forecasting-Methoden übertrifft. Viele Organisationen setzen Machine Learning im Forecasting erfolgreich ein. Weitere Entwicklungen im Bereich der künstlichen Intelligenz (kausale KI, kausale Inferenz und GenAI) ermöglichen, nicht nur statistische Zusammenhänge (Korrelation) im Forecasting Modell abzubilden, sondern auch tatsächliche Ursache-Wirkungs-Ketten, was die Genauigkeit und Erklärbarkeit von Forecasts nochmals steigert. Eine besondere Bedeutung gewinnt hier GenAI durch ihre Large Language Models, da sie es ermöglicht Kausalität explizit zu analysieren (zB mit PC-SubQ Methodik). Darüber hinaus helfen weitere Innovationen im Bereich der Automatisierung und der Cloud bei der effizienten Skalierung des Forecasting-Prozesses.
Die Forecast-Value-Added-Plattform von KPMG
Die Forecast-Value-Added-Plattform von KPMG basiert auf der Cloud-Technologie. Diese Plattform ermöglicht ein schnelles Screening aller Forecasts eines Unternehmens und integriert sich nahtlos in die Forecasting-Prozesse und -Systeme des Unternehmens. Sie bietet eine detaillierte Aufschlüsselung der Forecast-Optimierungshebel und -diagnostik und macht quantifizierbar, welche Aktivitäten den größten Mehrwert generieren. Die Plattform liefert konkrete Handlungsempfehlungen zur schrittweisen Optimierung des Prozesses und kann bei Bedarf sofort operativ eingesetzt werden, um die Forecasting Performance zu steigern.
Von Forecast-Genauigkeit zur Geschäftsperformance
Basierend auf den Ergebnissen des Forecast Value Added können wir den Einfluss des Forecasts auf die Geschäftsperformance modellieren. Jeder Forecast führt zu Entscheidungen, die wiederum Auswirkungen auf Kosten, Umsätze und andere Kennzahlen haben. Zwei Beispiele hierfür sind die Effekte des Demand Forecasts oder Liquidität Forecasts auf die Kosten, der durch Simulationen und kausale Modelle quantifizierbar wird. Jedes Prozent an Genauigkeit führt zu prozentualen Änderungen von Kosten und anderen KPIs.
Forecasting bleibt ein wesentliches Steuerungsinstrument für Unternehmen, um bessere Geschäftsentscheidungen zu treffen, Ressourcen effizient einzusetzen und Risiken zu minimieren. Investitionen in die Optimierung des Forecasting-Prozesses lohnen sich, da selbst kleine Verbesserungen erhebliche Auswirkungen auf die Unternehmensperformance haben können. Durch innovative Lösungen wie die Forecast-Value-Added-Plattform von KPMG sowie den Einsatz von Machine Learning, GenAI, Automatisierung und Cloud-Technologien ergeben sich neue Möglichkeiten, den Forecasting-Prozess effizienter und präziser zu gestalten. Unternehmen sollten diese Chancen nutzen, um ihre Forecasting-Praktiken zu optimieren und ihre Performance zu steigern.
