Schlagwort-Archiv: Controlling

Alles rund um die Betriebswirtschaft.

Produktion optimieren durch besseren Kontrolle

Haben Sie schon einmal Kletterer bei der Arbeit gesehen? Sie haben alles unter Kontrolle. Doch warum ist das so?

Kontrolle haben bedeutet das richtiges Handeln mit seinen Möglichkeiten

Der Kletterer im Video hatte keinen Jetpack. Er hatte seine Hände und Füße, etwas mehr Muskeln als der Normal-Mensch und seine Augen und seinen Verstand. Genau so müssen Sie mit den Ihnen möglichen Mitteln erreichen, alles unter Kontrolle zu haben. Doch wie hat das der Kletterer gemacht?

Die Augen als wichtigstes Werkzeug

Hätte der Kletterer feste Bewegungen einstudiert, wie er seine Arme und Beine bewegt, wäre er gnadenlos abgestürzt. Ohne Betrachtung der Wand, ihrer Vorsprünge und Nieschen, wäre es dem Kletterer nicht gelungen, den Weg nach oben zu beschreiten.

Das korrekte Einschätzen einer Situation macht es erst möglich, die rictigen Entscheidungen zu treffen.

Augen in der Wirtschaft

Ein Haken bei der Sache ist, dass wir mit unserem Auge leider nur visuelle Dinge, wie Häuser, Bäume oder Zahlen auf dem Papier, sehen können. Folglich müssen wir sämtliche Vorgänge in der Firma, die wir verstehen wollen, in sichtbare Reize umwandeln.

In kleinen Unternehmen, insbesondere im Handwerks-Sektor, sind die Vorgänge noch sehr greifbar. Doch selbst da gibt es schon Dinge, die an unserem Auge vorbeigehen: Wieviel Zeit benötige ich für das Werkstück. Unser Empfinden von Zeit ist relativ. Interessante Tätigkeiten vergehen wie im Flug, während unbequeme Arbeiten uns vorkommen wie eine Ewigkeit. Deshalb ist schon bei dieser einfachen Wahrnehmung die Hinzunahme eines objektiven Messinstruments, einer Uhr, notwendig.

Je höher es in die Führungs- und Management-Etagen geht und je abstrakter die Tätigkeit des Unternehmens, desto schwieriger wird es, die Dinge noch begreifbar darzustellen. Umso wichtiger wird es, noch wahrzunehmen, was eigentlich passiert. Nicht nur das Offensichtliche wie dass ein Kunde abgesprungen ist, sondern auch Tendenzen und Statistiken über Abläufe.

Der Rohstoff des 21. Jahrhundert sind Daten

Um eine abstrakte Situation richtig einschätzen zu können, benötigen Sie zwei Grundvoraussetzungen:

  • Fakten aus der Realität als Daten vorbereitet
  • Methoden, um Daten zu Erkenntnissen weiterzuverarbeiten

Für die Erzeugung der Daten steht Ihnen bereit:

  • Messdaten von Instrumenten
  • Auf der Website gesammelte Daten (Nutzer-Analysen, Eingaben im Online-Konfigurator)
  • Aus Ihren Datenbanken
  • Aus Dokumenten konvertiert
  • CSV-Export der Kontoauszüge
  • Neue Datenbank angelegt

Bei der Weiterverarbeitung wenden Sie sich einfach an uns. Wir sind mit Softwareentwicklung vertraut und finden auch für Ihre Daten eine geeignete Weiterverarbeitung.

Feedback ermöglicht Optimierung

Durch das Auswerten der Daten erhalten Sie einen Überblick, wo noch Luft nach oben ist. Auch hilft die Datenanalyse beim Abschätzen des Wertes einer Analyse.

Unsere Datenanalysen stecken noch in der Steinzeit

Diese Aussage machte Volker Markl, Professor an der TU Berlin und Direktor des Berliner Big Data Centers (BBDC).

Was war in der Steinzeit los?

Während die Steinzeit tausende Jahre anhielt, war die Bronzezeit nur noch Jahrhunderte, das Industriezeitalter ein Jahrhundert, das Atomzeitalter ein paar Jahrzehnte und das Informationszeitalter nur einige Zehn+X Jahre alt.

Doch warum haben die vorherigen Entwicklungsschritte länger gedauert je älter sie waren? Waren wir Menschen zu dumm? Oder zu verschlossen für Neuerungen, sodass es tausende Jahre dauert bis sich das Rad durchsetzte?

Professor Markl machte eine Andeutung, die wohl der Schlüssel zur Frage ist: Liegt es vielleicht an den Werkzeugen?

Ein Werk ist nur so gut wie die Werkzege

Wir kennen es aus der Metall-Branche: Wenn die CNC-Maschine zu viel Spiel hat, wird das Werkstück schlecht. Erfindungen wie Vakuumtechnik wurden erst möglich, als es den Menschen möglich wurde, einigermaßen luftdichte Behältnisse zu fertigen. Moderne Computerchips kann man nur produzieren, wenn man ausgefeilte Mikroskoptechnik zur Verfügung hat.

Was den Steinzeit-Menschen also fehlte waren die Werkzeuge, um das herzustellen, was sie vorwärts gebracht hätte. Und an so einer Situation befinden wir uns momentan in der Datenverarbeitungstechnik. Firmen machen keine Erkenntnis-Fortschritte, da sie die vielen Daten, die sich angesammelt haben, nicht analysieren können.

Die Schere zwischen Anwender und Entwickler klafft immer weiter auseinander

Als in den 1990er Jahren jeder Computer-User auch Programmierer seines Computers war, war es selbstverständlich, für ein Problem ein Programm zu entwickeln, das dieses löst. Heute haben die Anwender andere Berufe als der IT-Fachmann. Jede Softwareentwicklung ist mit einem aufwendigen Wissenstransfer verbunden.

Ein Fach-Experte, der viele Daten sammelt, ist mitnichten in der Lage, diese auch zu analysieren. Selbst wenn er das mathematische Wissen zur Datenanalyse mitbringt, fehlt ihm noch der Ingeneurteil des Datenmanagements. Das Berufsbild des Big-Data-Analysten kommt dieser Anforderung schon näher. Er kennt die mathematischen Grundlagen und kann auch Großrechner programmieren. Jedoch fehlt ihm das Domänenwissen des Daten-Experten.

Big Data Tools noch in der Konzeptfindungsphase

Ansätze wie SQL oder Hadoop bilden nur einen Teil der Anforderungen ab. Während SQL-Datenbanken noch nicht zu stark Big-Data-fähig sind (No-SQL lässt grüßen), hat Hadoop ein Problem mit dem großen Overhead und ist viel zu sehr auf die Datentransport-Abläufe fokussiert. Generell kann man sagen, dass der heilige Gral zur statistischen Datenverarbeitung noch nicht gefunden ist.

Einen Ansatz bietet die TU Dresden mit dem ERIS-Projekt. Dieses Forschungsprojekt will mit desktiptiven Sprachen intuitiv Zugriff auf eine Big-Data-Berechnungs-Plattform geben.

Die Big-Data-Landschaft besteht momentan noch nicht aus Werkzeugen, sondern aus Einzellösungen

Die Ägypter waren eine hervorragende Hochkultur. Was sie architektonisch erreicht haben, war unbestritten phänomenal für die damalige Zeit. Doch das große Bauen war nur den Pharaonen vorbehalten. Es hat Zeit gebunden, tausende Bauern für den Bau von Pyramiden heranzuziehen. Heute kann jeder, der einigermaßen Geld hat, große Tempel bauen lassen. Werkzeuge wie Betonmischer machen es möglich.

Große Firmen können sich heute schon gute Big-Data-Analysen leisten. Doch der Würstchenbude von nebenan bleibt es noch verwehrt, zu berechnen, zu welcher Tageszeit die Öffnungszeiten am Umsatz-idealsten sind. Hier gibt es noch viel Arbeit an Software-Werkzeugen, aber auch Cloud-Plattformen, die Daten-Analysen noch extrem vereinfachen müssen.

Umlageverfahren mit Datenbanken (Preiskalkulation vom Profi)

Jeder mit ein paar betriebswirtschaftlichen Grundkenntnissen kennt Umlageverfahren. Ein einfaches Verfahren ist zum Beispiel die Berechnung des Deckungsbeitrags.
finanzsim

Grundlagen

Eine Umlage geht davon aus, dass ein gewisser Betrag auf mehrere Einheiten umgelegt wird. So wird eine Pizzeria ihre Fixkosten für Miete, Strom etc. auf die Pizzen umlegen.

Die Pizzeria kann nun die Fixkosten gleichmäßig umlegen, was allerdings dafür sorgt, dass kleine Pizzen unverhältnismäßig teuer sind. Der Anteil der Fixkosten je Pizza bei n Pizzen beträgt also 1 / n. Sie kann aber auch auf jede Pizza unterschiedlich umgelegt werden, beispielsweise nach dem Durchmesser der Pizza. Der Umlageschlüssel wäre dann: Ø_i / Σj (Ø_j), also der Durchmesser geteilt durch die Durchmesser aller Pizzen summiert.

Verallgemeinert sei w(i) eine Gewichtsfunktion, auch Umlageschlüssel für eine Einheit i genannt, dann ist die Umlage je Individuum gleich w(i) / Σj (w(j)).

Weise gewählte Umlageschlüssel

Es gibt mehrere Ansätze, Umlageschlüssel zu wählen. Dabei sollten folgende Faktoren berücksichtigt werden:

  • Preisakzeptanz-Kriterien: Werden mit diesem Umlageschlüssel die Preise einiger Waren so teuer, dass Kunden diese nicht mehr kaufen würden? (Beispiel: Für eine Plastiktüte im Supermarkt zahlt der Kunde 10 ct. Würde man die Fixkosten proportional auf die Tüte umlegen, würde ein evtl. nicht akzeptabler Preis entstehen)
  • Psychologische Kriterien: Gestalten Sie Preise so, dass Sie mehr Umsatz machen. Bei Restaurants schauen die Gäste, wieviel ihnen das Hauptgericht kostet. Bei den Getränken schaut man hingegen nicht auf den Preis. Deshalb legen Restaurants fast alle Fixkosten auf die Getränke um.
  • Konkurrenzsituation: Legen Sie Kosten so um, dass alle Ihre Angebote konkurrenzfähig bleiben.

Weitere Kunststücke mit Umlageverfahren

Folgende Beispiele sollen Ihnen weitere Inspiration geben, mit Umlageverfahren zu experimentieren:

  • Sie nutzen eine Vorrats-Lagerhaltung (Kanban) – die Großeinkäufe legen Sie stückweise um mit dem Materialverbrauch je Teil als Umlageschlüssel
  • Ein Zahlungsausfall wird auf profitablere Aufträge umgelegt, während knapp kalulierte Angebote ihren Preis behalten
  • Der Verschleiß eines vermieteten Baukrans wird auf die Anzahl der Hebelbewegungen (die Sie mit einem Sensor messen) umgelegt
  • Die Marketing-Kosten je Werbe-Kanal werden auf die Kunden, die durch diesen Werbekanal akquiriert werden, umgelegt

Die zwei Zutaten, damit Sie mehr Gewinn mit Umlageverfahren machen

Zutat 1: Den richtigen Umlageschlüssel wählen. Der Umlageschlüssel hat direkte Auswirkungen darauf, wie gut Ihre Preise ankommen werden. Entscheiden Sie zuerst, welche Zielstellung Sie bei den Endpreisen haben. Wollen Sie einen bestimmten Preis für Produkt A nicht überbieten? Wollen Sie, dass die Umlage fair ist, d.h. der Kunde mit jedem gekauften Produkt gleich viel Gewinn für Sie einfährt? Wollen Sie Verluste durch unausgewogenes Kaufverhalten der Käufer vermeiden? (Siehe dazu Artikel über erfolgreiche Kalkulation) – anhand der Zielstellung entsteht der Umlageschlüssel.

Zutat 2: Die Datenbasis für die Umlagefaktoren. Denn woher nehmen, wenn nicht stehlen. Die Eingabe-Daten für Ihren genial designten Umlageschlüssel müssen irgendwo herkommen. Manchmal helfen Sensoren, die fehlenden Daten zu sammeln, manchmal müssen Sie die ein- oder andere Datenquelle anschließen, z.B. das ERP, das CRM usw.

Wir von Launix sind darauf spezialisiert, in diesem Fall weiterzuhelfen. Wir können Datenquellen anschließen oder sogar komplett neue Datenbanken aufbauen, die später als Grundlage für besseres Controlling dienen. Das Zauberwort heißt ETL. Kontaktieren Sie uns einfach, um mögliche Datenanbindungen zu besprechen.

Warum korrekte Kalkulation so wichtig ist

Wie händeln Sie Ihre Kalkulation im Unternehmen? Eher lax? Oder rechnen Sie jedes Strich und Komma ab?

Firmen, die nicht kalkulieren wollen, verlieren Aufträge

Einmal wollte ich eine Ware kaufen, aber zusätzlich eine Individualisierungs-Dienstleistung in Anspruch nehmen. Mein Kaufwunsch wurde abgelehnt mit der Begründung „das würde für Sie zu viel kosten“.

Warum kümmerte die Verkäuferin das? Warum hat sie mir nicht einfach verkauft? Ich wollte doch kaufen! Warum hat sie nicht einfach im Kopf gerechnet, wieviel Aufwand das für sie bedeuten würde und schlägt mir diesen Preis vor? Meist bin ich dann so dreist und frage nach: „kennen Sie denn einen Dienstleister, der das anbieten würde, was Sie nicht können?“.

Kalkulation – einfach oder detailliert?

Vereinfachungen sind gut und nützlich. Sie helfen, Dinge beherrschbar zu halten. Doch in einer Kalkulation muss man bei Vereinfachungen vorsichtig sein. Es gibt Firmen, die sehr einfach kalkulieren können: Dienstleister. Sie rechnen einfach die aufgewendeten Stunden zu einem einmal festgelegten Stundensatz ab.

Eine Stufe schwerer ist der Einsatz von Material. Hier muss man neben den reinen Materialkosten und Mengenrabatten auch den Aufwand für die Beschaffung des Materials einbeziehen. Denn selbst das Absetzen einer Bestellung benötigt Zeit, die Sie so nicht wahrnehmen.

Noch komplizierter wird die Geschichte, wenn Sie Maschinen einsetzen. Denn Abschreibungskosten zu kalkulieren kann sehr fehlerbehaftet sein, denn meist weichen die angenommene Abschreibungsdauer und die Maschinenlaufzeit und eventuelle zusätzliche Wartungskosten voneinander ab.

Firmen, die falsch kalkulieren, verlieren Geld

Stellen Sie sich folgendes Szenario vor: Zwei Maschinenbau-Firmen sind auf dem Markt. Eine kalkuliert Verpackung und Versand im Preis mit und ist 2% teurer in der Produktion. Die andere hat einen eigenen Kalkulationsposten für Verpackung und Versand.

Nun kommt ein Kunde und lässt sich von beiden ein Angebot machen über ein Produkt, das er nicht verpackt und versandt haben will, da es ein Prototyp ist und er es selbst abholt. Die erste Firma würde den Auftrag verlieren, da sie zu viel kalkuliert.

Noch härter wird es, wenn ein zweiter Kunde kommt, der eine sehr komplexe Form fertigen lässt, dessen Verpackung unverhältnismäßig aufwendig ist, sowie der Versand durch die Sperrigkeit auch teurer wird. Die erste Firma würde den Zuschlag bekommen, da sie Verpackung und Versand pauschal berechnet, wird aber anhand dieses Faktes Verlust machen.

Individuelle Kalkulations-Software vermeidet übergroße Excel-Tabellen

Machen Sie Ihre Kalkulation in Excel, werden Sie ab einem gewissen Detailgrad bemerken, dass die Tabelle immer größer wird und immer mehr Null-Felder und Null-Spalten hat. Sich auf alle Eventualitäten vorzubereiten, macht Tabellen schnell unübersichtlich.

Abhilfe schafft hier eine eigens für Sie entwickelte Software von Launix. In übersichtlichem Layout können Sie bei uns Kalkulationsposten in einer Art Liste verwalten. Mit einer Klon-Funktion haben Sie in Sekundenschnelle ähnliche Projekte kalkuliert und angepasst. Mit einer PDF-Funktion können Sie schick aussehende Angebote generieren.

Sahnehäubchen Nachkalkulation

Erfahrene Betriebswirte vergleichen zusätzlich regelmäßig ihre Kalkulationen mit den tatsächlich aufgetretenen Kosten eines Auftrags. So lassen sich früh Kalkulationsfehler und nicht berücksichtigte Faktoren aufspüren.

Fazit

Kalkulation ist ein wichtiger Pfeiler in einer umkämpften Marktsituation. Verschenken Sie hier keine Umsätze durch verlorene Aufträge oder Gewinne durch falsch kalkulierte Aufträge.

Messungen an Landing Pages

In diesem Artikel stelle ich die Auswertung der Messwerte an einer Landing Page vor.

Unser Testobjekt

Eigens zu Test- und Forschungszwecken haben wir eine kleine Landing Page vorbereitet. Sie zeigt Dr. Snider, der eine Wunderpille verkauft, die schlank macht. Die Landing Page gehört zur Klasse der Video-Landing Pages (mehr dazu im Artikel über Landing Pages und ist aufs wesentliche reduziert:

  • Überschrift
  • ein großflächiges Video
  • ein Button „für x US$ kaufen“, der nach einiger Zeit erscheint
  • das gesetzlich vorgeschriebene Impressum

Das Video haben wir eigens für diesen Test produzieren lassen und zeigt einen „Doktor“, der eine Wunder-Pille verkauft, die schlank macht. Wir haben uns bewusst für das Schlankheits-Thema entschieden, da allgemein bekannt ein großer Markt dafür existiert. Somit konnten wir recht günstigen, ungetargeteten Traffic dafür einkauen. Sollten Sie ein ernst gemeintes Thema bewerben wollen, das eine kleinere Zielgruppe anspricht, sollten Sie auf alle Fälle hochwertigeren Traffic benutzen.

Die Landing Page als Messinstrument

Neben der Conversion Rate Anzahl Käufer / Anzahl Besucher war es uns auch wichtig, AB-Tests durchzuführen. Konkret hat uns interessiert, wie hoch die Conversion Rate ist, wenn das Produkt 1€, 5€ oder 39€ kostet. Technisch haben wir das so realisiert, dass jedem Besucher eine zufällige Variante der Seite ausgeliefert wurde. Die Datenauswertung kann dann für alle Varianten getrennt erfolgen.

Was wir gemessen haben

Nach dem deutschen Datenschutz-Gesetz gelten für die Verarbeitung personenbezogener Daten besondere Regeln, die insbesondere mit Recht auf Auskunft, Recht auf Löschung, Korrektur und vielem mehr behaftet sind. Um diesen Aufwand zu sparen, ist es wichtig, das Prinzip der Datensparsamkeit bewusst anzuwenden. Anonymisiert man Daten ausrechend, sodass keine Rückschlüsse mehr auf die Person gezogen werden können, fallen diese nicht unter die strengen Regelungen der Personenbezogenen Daten. Das heißt konkret für Landing Pages: Keine Cookies, keine IP-Adressen, keine Verknüpfungen mit z.B. Facebook-Accounts oder Google-Accounts.

Pro Besucher wurde ein Datensatz angelegt, der folgendes misst:

  • Gewählte Variante (1€, 5€ oder 39€)
  • Zeitpunkt des Besuchs
  • Dauer des Besuchs
  • Zeitpunkt, an dem der Kaufen-Knopf geklickt wurde (oder 0 falls nicht geklickt)

Auswertung der Daten

Hier einige SQL-Anfragen:

  • SELECT COUNT( * ) FROM `Visitor`
    Wie viele Besucher gab es auf der Seite?
    21205
  • SELECT AVG( TimeToLive <>0 ) FROM `Visitor`
    Wie viele der Besucher haben das Video gestartet?
    0.7210 (72%)
  • SELECT AVG( TimeToLive >10 )
    FROM `Visitor`

    Wie viele der Besucher haben sich die Seite länger als 10 Sekunden angesehen?
    0.4208 (42%)
  • SELECT AVG( TimeToLive >35 ) FROM `Visitor`
    Wie viele der Besucher haben sich das Video zu Ende angesehen?
    0.1123 (11%)
  • SELECT Variante, (SELECT Preis FROM Variante WHERE Variante.ID = Variante) AS Preis, COUNT(*) FROM `Visitor` GROUP BY Variante
    Wie viele Besucher gab es je Variante?

    Variante Preis COUNT(*)
    1 1 6988
    2 5 6906
    3 39 7311
  • SELECT Variante, (SELECT Preis FROM Variante WHERE Variante.ID = Variante) AS Preis, SUM(TimeCallToActionClicked<>0) AS Converters, AVG(TimeCallToActionClicked<>0) AS ConversionRate FROM `Visitor` GROUP BY Variante
    Welche Variante hatte welche Conversions?

    Variante Preis Converters ConversionRate
    1 1 4 0.0006
    2 5 4 0.0006
    3 39 2 0.0003
  • SELECT SUM(Preis * (TimeCallToActionClicked<>0)) FROM Variante, Visitor WHERE Variante.ID = Visitor.Variante
    Wie hoch sind die potenziellen Einnahmen? (Preis*Conversion)
    102 €

Fazit

Video-Landing Pages werden beachtet. 11% der Besucher haben sich das Video zu Ende angesehen. Die Conversion Rate lag unter einer Promille, was zum einen mit unserem unseriösen Test-Angebot zusammen hängen kann, zum anderen war der Traffic nicht gerade der teuerste. Beachtet man jedoch die vorhandenen Conversions, muss man sagen, dass man mit 102€ potenziellen Umsatz für die 21.000 gekauften Besucher von Adfly, die lediglich 8 € gekostet haben, jede Menge erreicht hat.

Überlegen Sie jetzt auch, mehr Kunden durch Landing Pages zu gewinnen? Wir von Launix helfen gern weiter.

Ihre Geschäfts-Erfahrung im Datengewand

Es sind die vielen Feinheiten, die einen Bäcker und Konditor erst zum Meister machen. Die Erfahrung, Jahrzehnte gearbeitet zu haben und nach jeder getaner Arbeit das Resultat betrachtet und Feedback gesammelt zu haben. Die Erfahrung, zig winzige Verhaltensweisen zu optimieren – eine Informationsflut, die praktisch unmöglich Lehrlingen in den 3 Jahren beigebracht werden kann.

Erfahrungen sind Datensammlungen

Erfahrung ist nicht nur die Ansammlung von Erlebnissen, sondern auch die Weiterverarbeitung dieser Erlebnisse. Ein alter Mann, der schon zig Einbrüche begangen hat, jedes mal hinter Gitter kam, aber immer noch stiehlt, hat aus seinem Erfahrungsschatz nichts gelernt. Ein Kind hingegen, das einmal eine heiße Herdplatte anfässt, hat hingegen seine Lektion gelernt.

Demzufolge ist das Sammeln und Ordnen aller Erlebnisse die fundamentale Grundlage zum Aufbauen eines Erfahrungsschatzes. Doch nur das Ziehen von Konsequenzen, das Lernen, das Controlling, hilft letzendlich, Kapital aus der Erfahrung zu schlagen. In der Informatik gesprochen, benötigen Sie also beides: Sowohl die Datenbasis, als auch die Algorithmen, um die Datenbasis auszuwerten.

Problem: Großunternehmen

Ein Einzelunternehmer wird noch aus jedem Geschäftsvorfall etwas lernen können, aber ein großes Unternehmen ist im Bezug auf Erfahrung wie ein Sieb, wie der gutbetagte Einbrecher. Warum ist das so?

Große Unternehmen sind nicht mehr die Einzelperson, die den Überblick über alle Vorfälle hat. Sie gleicht vielmehr einem Organismus, der nur funktioniert, wenn ein Gehirn über Nervenzellen mit allen Organen verbunden ist. Die Organe, beispielsweise das Auge, die Haut oder der Magen, sammeln Reize ein, das Gehirn verarbeitet sie und letzendlich gibt das Gehirn Anweisungen an Arme und Beine, um die notwendigen Schritte einzuleiten, beispielsweise die Hand von der Herdplatte wegzuziehen.

Große Unternehmen haben ein ….

Kommunikationsproblem! Nicht mehr ein Mensch sammelt die Erfahrungen in seinem Kopf, sondern mehrere Menschen sammeln Erfahrung, die nur dann hilfreich ist, wenn sie an alle Mitarbeiter, die etwas damit anfangen können, weitergegeben wird.

Wie diese Erfahrung bestmöglich verteilt wird, gibt es hunderte Bücher, Coaches und Management-Theorien. Einige Firmen behelfen sich mit lang andauernden Meetings, bei denen Wissen breit verteilt wird, andere Firmen spezialisieren ihre Mitarbeiter und reichen sie telefonisch von Station zu Station. Wir bei Launix beschäftigen uns damit, Datenbanken anzufertigen, auf die Ihre Mitarbeiter zugreifen können. Daten werden eingetragen und können bei Bedarf abgefragt werden. Auf diese Weise etabliert sich wieder ein Gesamt-Wissen der Firma, bei der ein Mitarbeiter mit genau den Teilen der Informationsflut konfrontiert wird, die ihn betreffen.

Mit Zahlen Banken überzeugen

Haben Sie schon einmal einer Bank einen Businessplan vorgelegt oder versucht, einen solchen vor Geschäftsgründung anzufertigen?

Prognosen aus dem Ungewissen

Unternehmer sein heißt, Entscheidungen unter Ungewissheit zu treffen. Allerdings ist Ungewissheit kein Schwarz-Weiß. Beispielsweise wissen wir beim Wandern nicht, ob wir beim nächsten Schritt stürzen werden oder nicht.Durch Zuhilfenahme unserer Augen können wir dieses Risiko aber gut abschätzen und dementsprechend reagieren. Und unser Gleichgewichtssinn hilft uns, einen potenziellen Sturz durch Stolpern zu deeskalieren. Warhnehmungen und Input helfen uns, bessere Entscheidungen zu treffen.

Der Königsweg bei Entscheidungen

EVA-Prinzip
Will man wohlfundierte Entscheidungen treffen, sollte man das EVA-Prinzip anwenden: Eingabe, Verarbeitung, Ausgabe. Da bei Entscheidungen unter Ungewissheit allerdings nicht alle Eingaben vorliegen, müssen die vorhandenen Informationen als Eingabe genommen werden und in der Verarbeitungs-Phase bestmögliche Möglichkeiten prognostiziert werden. Möglichkeiten der Prognose sind:

  • Extrapolation: Die letzten Jahre waren das Wachstum der Branche jedes Jahr 5%; Dieses Jahr also auch
  • Analogien: Ein Mitbewerber macht X Umsatz, also dürfte es mir auch möglich sein
  • Differenzierung zu Analogien: Wird Mitbewerber X Marketing-Budget haben und Y Marktanteil, werde ich mit 2% von X Marketing-Budget auch nur 2% von Y Marktanteil bekommen

Weniger Informationen sind besser als schlechte Informationen

Benutzen Sie lieber 5 Datensätze aus Ihrer eigenen Firma, um Ihre Verkaufsprognosen zu tätigen, als 1.000 Datensätze eines branchenfremden Konkurrenten. Aus wenig guten Informationen können Sie noch stichhaltigere Erkenntnisse gewinnen, als aus vielen Datensätzen, die Fehler enthalten oder unpassend sind.

Wird das die Bank überzeugen?

Haben Sie Ihre Datenbasis erschlossen und die richtigen Daten-Weiterverarbeitungs-Verfahren ausgewählt, geht es ans Eingemachte: Der Banken-Präsentation. Lediglich die errechneten Zahlen vorzuzeigen, wird niemanden überzeugen. Bauen Sie also folgendes in die Präsentation ein:

  • Erklären Sie, welche Daten Sie als Ausgangsbasis gewählt haben
  • Erläutern Sie, warum gerade diese Eingangsdaten am besten geeignet sind, für Ihre Prognose gute Ergebnisse zu liefern
  • Erklären Sie, wie Sie die Daten weiterverarbeitet haben und warum gerade diese Verrechnung die Daten für Ihre Situation aufbereiten wird
  • Nennen Sie das Ergebnis Ihrer Prognosen und sagen Sie, was auf dieser Datengrundlage Ihre Entscheidung ist

Fazit

Grundlage jeder Prognose müssen real messbare Daten sein. Je feiner diese sind und je besser Ihre Verarbeitungs-Fähigkeiten aus wenig Informationen gute Erkenntnisse gewinnen, desto bessere Prognosen können Sie erstellen. Nicht nur die Banken werden es Ihnen danken, sondern auch Sie selbst, denn nichts ist schlimmer als eine Prognose, die zwar die Bank überzeugt, Sie den Kredit aufnehmen und das Geschäftsmodell anschließend nicht aufgeht.

Controlling ohne Buchhaltungsdaten

Der Beruf des Controllers ist untrennbar mit dem des Buchhalters verknüpft – oder doch nicht?

Nachteile von Buchhaltungsdaten fürs Controlling

Warum Sie die Buchhaltungsdaten beim Controlling außen vor lassen können und stattdessen lieber andere Datenquellen suchen sollten, lesen Sie hier:

  • Buchungen sind zeitverzögert: Einnahmen treten meist erst Monate nach Erfüllung des Auftrags ein. Ausgaben manchmal auf Vorrat. Besser wäre eine über den Auftrag bezogene, nach Zeit- oder Materialaufwand aufgeschlüsselte Verteilung.
  • Buchungen fassen zusammen, was Sie einzeln haben wollen: Ob es mehrere Bestellungen unterschiedlicher Bauart sind, hereingerechnete Rabatte und Gutscheine oder die beliebten an Fördermittel-Ausschüttung angepassten Rechnungen. Sie wollen es genauer.
  • Ungestellte Rechnungen, Voraus-Rechnungen uvm. erschweren glasklare Nachkalkulation
  • Buchungen stellen nur den IST-Zustand dar, während Controlling bedeutet, ein besseres KANN zu finden

Womit sonst?

Passender für zielführendes Controlling sind alle Datenquellen, die direkt mit Ihrer Arbeit zu tun haben. Lassen Sie die Buchungsdaten beim Steuerberater und tragen Sie stattdessen den Einkaufswert des Lagerbestands in Ihr ERP-System ein. Hinterlegen Sie zusätzlich den vereinbarten Verkaufspreis für jeden Auftrag im CRM. Schon haben Sie die Information aus den Buchungsdaten passgenauer abgebildet und können stattdessen mit den neuen Datenquellen weiterarbeiten.

Grundlage für gutes Controlling ist hier die Verknüpfung mehrerer Datenquellen. Errechnen Sie beispielsweise Erwartungswerte (Durschschnitte) beim Materialverbrauch aus den ERP-Daten. Diese Daten wiederum können mit den Vertreibsdaten aus dem CRM verknüpft werden und zu erwartende Umsätze mithilfe der erwarteten Ausgaben zu erwartetem Gewinn verrechnet werden.

Arbeitsrelevante Quellen für arbeitsrelevante Kennzahlen

Sehen Sie Ihr Controlling als komplexes Rechnen, das zu einem einfach verständlichen Ergebnis führt. Sind Ihre Datenquellen nah an der Arbeitswelt, bilden sie beispielsweise gearbeitete Arbeitsgänge ab, Materialeinsatz je Teil, Zeiteinsatz je Kunde, helfen diese Datenquellen auch, Kennzahlen zu errechnen, die Ihnen genau sagen, was Sie zu tun haben. Fazit: Je besser der Input, desto besser der Output.

Mit SQL Statistiken errechnen

In 99% der Fälle wird SQL zum Ablegen und Auslesen von Daten aus einer Datenbank benutzt. Doch die wenigsten wissen, dass man mit SQL auch komplizierte statistische Berechnungen durchführen kann.

Geschichte

1970 wurden Relationale Datenbanken erstmals erwähnt. Ihre Entwicklung weg von der Schritt-für-Schritt-Programmierung hin zu deklarativer, der Mathematik ähnlicher, Ausdrucksweise bei der Berechnung mit Daten, führte zu einer rasanten Entwicklung in der Datenverarbeitung. Man trennte auf einmal die Verwendung der Daten von der Speicherung. Während sich die Anwendung darum kümmert, was mit den Daten geschieht und was sie bedeuten, organisiert sich das Datenbanksystem selbstständig, indem es Speicherstrukturen optimiert, Indizes anlegt und Anfragepläne umschreibt und optimiert. Auf diese Weise entwickelt man einmalig beispielsweise statistische Formeln und anschließend kann jedes SQL-fähige Datenbanksystem diese ausrechnen. Werden beispielsweise die Datenbestände größer, kann man über ein kommerzielles DBMS nachdenken.

Der Group-Operator

Mit der GROUP BY-Klausel von SQL sortiert man die einzelnen Datensätze in Kategorien ein. Der Group-Operator ist die Grundlage für alle Statistiken, denn er fässt Datensätze zusammen. Mit dem Gruppierungsausdruck gibt man an, nach welchem Merkmal Datensätze zusammengefasst werden. Die Wahrscheinlichkeit P(A | B) berechnet man mit beispielsweise mit SELECT .... GROUP BY B. Der Gruppierungsausdruck kann sowohl Spalten enthalten (beispielsweise gruppiere Umsätze nach Kategorie), aber auch Berechnungen (gruppiere nach Tageszeit des Bestelldatums, gruppiere nach Wochentag, gruppiere nach unter- und über 1.000€ Umsatz).

Der SUM- und COUNT-Operator

Summen eignen sich, um Größenvergleiche numerischer Werte zu ermöglichen. Beispielsweise lässt sich der Umsatz einer Sparte aufsummieren. Beim Zählen ist es genau so, nur dass jeweils eine 1 aufsummiert wird.

Der Heilige Gral: AVG

Mit der AVG-Funktion berechnet man normalerweise Durchschnitte, beispielsweise das durchschnittliche Gehalt einer Abteilung. Wir Statistiker können aber wesentlich mehr damit anstellen. Misst man beispielsweise den Durchschnitt eines boolschen Ausdrucks, lässt sich eine Prozentzahl berechnen. Beispiel: SELECT AVG(Alter < 18) FROM Besucher errechnet, welcher Anteil der Besucher unter 18 Jahren sind.

Insbesondere in der Wahrscheinlichkeitsrechnung ist der AVG-Operator essenziell, denn man kann den Satz von Bayes prima in SQL ausdrücken, indem man einfach den Durchschnitt aller Wahrscheinlichkeiten gruppiert nach der Bedingung errechnet. Was man damit anstellen kann, können Sie im Beitrag über Wahrscheinlichkeiten nachlesen.

Mit ETL-Prozessen zu besseren Kennzahlen und mehr Gewinn

Haben Sie bereits viele Daten digital vorliegen und wollen diese für Ihr Controlling nutzbar machen? Dann wird Ihnen dieser Artikel dabei helfen. Wollen Sie hingegen wissen, warum Sie überhaupt eine bessere Datenbasis für Ihr Controlling brauchen, lesen Sie den vorangegangenen Artikel.

ETL kurz und knackig

ETL steht für Extract, Transform, Load, auf Deutsch Extrahieren, Transformieren, Laden und steht für eine Datenverarbeitungsmethode, die vor allem für die Analyse von Daten aus unterschiedlichen Quellen verwendet wird. Das heißt im Folgenden:

  • Extraktion ist das Einholen der Daten aus verschiedenen Datenquellen. So können Sie Ihre ERP-Daten, das Warenlager, die Buchhaltungsdaten, Website-Besuch-Statistiken, eine Excel-Tabelle und vieles mehr in den ETL-Prozess einbeziehen. Ändern sich die zugrundeliegenden Daten und Sie wollen die neueren Daten zur Verrechnung nutzen, muss die Extraktion erneut ausgeführt werden.
  • Transformation ist das Arbeiten mit den Daten. Hier werden beispielsweise Duplikate herausgefiltert, Summen und Durchschnitte gebildet oder Einzel-Ereignisse zu Kategorien zusammengefasst. In der Transformation errechnen Sie also die Kennzahlen aus den im Extraktions-Schritt eingelesenen Quelldaten.
  • Laden ist das Ausgeben der Daten in eine für Sie nutzbare Form. Arbeiten Sie beispielsweise mit Datenbanken, in denen Sie die Kennzahlen historisch nachverfolgen, werden die errechneten Ergebnisse im Load-Schritt dort abgelegt. Arbeiten Sie hingegen mit Diagrammen und Tabellen, werden diese in genau diesem Schritt aus den berechneten Daten erzeugt.
  • Vorteile von ETL

    Ihre Daten liegen überall verstreut herum. Mit ETL-Prozessen können Sie diese systematisch einsammeln und zu Analysezwecken in ein einheitliches System laden, um dort auf den Daten zu rechnen. Dabei bleiben die Ursprungs-Datenquellen aber erhalten. Sie können also über heterogene Datenquellen hinweg Analysen betreiben, ohne die Systeme verändern zu müssen.