CFO 4.0 - Die Finanzfunktion als Profit-Center

Im Rahmen der Digitalisierung müssen sich auch CFOs immer stärker mit ihrer Rolle auseinandersetzen, da sie die Hoheit über viele Daten besitzen. Christian Spindler zeigt in diesem Artikel konkrete Schritte zu einer sinnvollen Transformation der Finanzfunktion.

Autor Christian Spindler
Datum 11.04.2019
Lesezeit 5 Minuten

Digitalisierung ist eines der Kernthemen von Unternehmen dieser Tage. Insbesondere CFOs verantworten dabei die Investitionen in Technologie und neue Arbeitsweisen. Es stellen sich dabei die immer gleichen Kernfragen, wie: «Welche Aspekte der digitalen Wirtschaft ist es sinnvoll umzusetzen? Welche sind ein temporärer Hype? Wie kann die Finanzfunktion in eine Rolle wachsen, in der sie das Unternehmen durch operative Einsichten und strategische Aktivitäten proaktiv und kontinuierlich optimiert?»

Die Rolle der Finanzfunktion wird komplexer

Die Finanzfunktion hat die Hoheit über viele Daten, die diese Fragen beantworten können. Daraus können entstehende Kundenbedürfnisse ebenso abgeleitet werden, wie eine effiziente und hochdynamische Allokation von Kapital im Unternehmen. Daten erlauben Einblicke in strategische Themen, z.B. wie der Wert aus Innovationen bestmöglich monetarisiert werden kann, welche Technologien künftig wirtschaftlich sinnvoll im Unternehmen verwendet werden können und welche nicht. Zudem erlauben sie, Fragen der Refinanzierung auf einer neuen Ebene zu diskutieren, beispielsweise wenn es darum geht, wie sich die immateriellen Werte der Digitalisierung bestmöglich im Unternehmenswert und in der Bonität abbilden lassen.

Dies zeigt, wohin die Reise geht: Waren die Hauptaufgaben der Finanzfunktion vor Kurzem noch Controlling und Compliance, so liegt heute ein breites Augenmerk auch auf die Sicherstellung von Effizienz im Unternehmen, sowie auf der Generierung von Einsichten zur Unterstützung der strategischen Entscheidungsfindung.

Daten sind vorhanden, aber nicht unbedingt verfügbar

Heute existieren und entstehen mehr Daten als jemals zuvor. Dennoch ist es nicht immer einfach, aus diesen Daten Entscheidungen abzuleiten. Denn zum einen erhöhen digitale Systeme das Risiko eines Überangebots an wenig relevanten Informationen. Zum anderen ist es durch die grosse Heterogenität der Bestandssysteme nicht immer einfach möglich, die richtigen Informationen im richtigen Kontext bereitzustellen.

Wird beispielsweise eine neue Data Warehouse Infrastruktur aufgesetzt, so verbessert dies die Möglichkeiten des Unternehmens, Daten aus unterschiedlichen Quellen zusammenzubringen. Allein dieser Integrationsprozess ist jedoch oftmals mit signifikanten Investitionen verbunden. Da zudem die Daten ursprünglich für völlig unterschiedliche Zwecke erhoben wurden, ist die Bereinigung und Aufbereitung der Daten sehr aufwendig und teuer.

Ad-hoc Integration von Daten, anstelle schwerfälliger IT-Infrastruktur

Insbesondere wenn unterschiedliche ERP-Systeme verwendet werden, macht sich diese Heterogenität bemerkbar. Im Einkauf kommt es immer wieder vor, dass unterschiedliche Namen für dieselben Lieferanten verwendet werden. Der traditionelle Ansatz zur Bereinigung ist eine weitestgehend manuelle und daher aufwändige Normalisierung dieser Daten. Mit modernen Big Data-Methoden kann dieser Aufwand stark reduziert werden. Hier können Transaktionsmuster, also immer wiederkehrende Zahlungen an Lieferanten, als ein Hinweis herangezogen werden, dass es sich bei zwei Datensätzen um den gleichen Lieferanten handelt. Solche und ähnliche Ansätze helfen der Finanzfunktion, aus qualitativ hochwertigen Daten Mehrwert zu erzeugen. Gleichzeitig machen sie unternehmensweite Data Warehouse Infrastruktur überflüssig, da die Integration von Daten ad-hoc erfolgen kann.

Interoperabilität als Voraussetzung & Mehrwert einer modularen Digitalisierung

Der Kernbegriff hierfür lautet Interoperabilität: Daten sollten von jeder berechtigten Person (oder System), jederzeit und von überall zugänglich sein. Konventionelle ERP-Systeme sind dafür nur bedingt geeignet. Stattdessen erlauben flexible Zugriffsarchitekturen aus offener Software oftmals eine deutlich kosten- und zeiteffizientere Bereitstellung von Daten. Hierauf können beliebige Analysen und Anwendungen, durchaus auch benutzerfreundlich im Self-Service, eingerichtet und genutzt werden.

Konkrete Schritte zum CFO 4.0

Wir empfehlen aus diesen Überlegungen heraus eine Reihe konkreter Schritte für eine sinnvolle digitale Transformation der Finanzfunktion:

  • Zunächst sollte die Automatisierung von Unternehmensprozessen schrittweise angegangen werden. Da finanzielle und zeitliche Investitionen in übergreifende Softwarelösungen typischerweise hoch sind, ist das Risiko eines unflexiblen und wenig nützlichen Endprodukts nicht zu unterschätzen. Dies gilt insbesondere in der heutigen Phase, in der sich Technologie schnell weiterentwickelt.
  • Dies soll natürlich nicht zum Nichtstun verleiten. Gezielte Investition in langjährig nachhaltige Automatisierung über flexible Module, welche Teilaufgaben hocheffizient lösen, ist jedoch der risikoärmere Weg, um zu digitalisieren.
  • Dabei ist darauf zu achten, dass die Module interoperabel funktionieren und bei Bedarf auch flexibel erweitert oder ersetzt werden können. Offene Standards zu Protokollen und Datensemantik sind dabei essenziell.

Werden diese drei Bausteine berücksichtigt, können teure Vendor-Lock-Ins vermieden werden, zugunsten flexibler, zuverlässiger und nachhaltig nutzbarer Lösungen. So lassen CFOs systembedingte Hürden hinter sich und profitieren jederzeit vom wahren Datenschatz ihres Unternehmens.


Über den Autor

Christian Spindler

Daten - ob von Maschinen, Geschäftsprozessen oder von externen Quellen - sind die Basis jedes Mehrwertes aus Digitalisierung und IoT. Mit der Software- und Modellierungs-Boutique  DATA AHEAD ANALYTICS unterstützt Sie Christian Spindler in allen Aspekten zur quantitativen Entscheidungsfindung mit Beratung, Proof-of-Concepts sowie Prozess- und Toolentwicklung. Christian Spindler hat mehr als 10 Jahre Erfahrung mit Data Science und künstlicher Intelligenz. Vor DATA AHEAD ANALYTICS war Christian Spindler Senior Manager bei der globalen Beratungsgesellschaft PricewaterhouseCoopers, wo er die IoT & AI Aktivitäten innerhalb der Data Analytics Abteilung leitete. Er führte eine Vielzahl von Analytics Projekten in Segmenten Financial Services, Manufacturing, Telecommunications, Pharma und Public Services durch. Vor dieser Station erlang Christian Spindler langjähriges Training in Simulation, Modellierung und Machine Learning durch Tätigkeiten in Managementberatung, industrieller Forschung und Entwicklung, sowie akademischer Forschung. Christian Spindler besitzt eine quantitative Ausbildung mit Doktorat in Physik and erlangte einen M.B.A. mit Auszeichnung der Hochschule St. Gallen.