close
Share with your friends
Dimensionen Öffentlicher Sektor - Hohe Dosis Daten

Hohe Dosis Daten

Hohe Dosis Daten

Dimensionen

Dimensionen – Öffentlicher Sektor

Die Sonderausgabe der KPMG Fachzeitschrift für den öffentlichen Sektor beleuchtet aktuelle Themen und Trends aus Audit, Tax und Advisory.

Die Digitalisierung verändert das Rollenbild und das Aufgabenspektrum des Finanzbereichs – auch im öffentlichen Sektor. Vor allem die Automatisierung sowie Nutzung der neuen Technologien für bessere und tiefere Einblicke sind zentrale Elemente auf der Agenda im internen sowie externen Rechnungswesen.

 

Laut der Studie „Global CEO Outlook Survey“ von KPMG sind 85 Prozent der CEOs der Meinung, dass die Analyse von Daten zur Erzielung profitablen Wachstums der „größte strategische Beitrag“ ist, den der Finanzbereich eines Unternehmens bieten kann. CEOs erwarten demzufolge von ihren Finanzverantwortlichen zunehmend, dass sie Finanzdaten und Analysen zur Erschließung neuer Märkte, Produkte und Kanäle anwenden. Die verstärkte Abstimmung zwischen der Finanzplanung und der Unternehmensstrategie landet demnach unter den Top 5 Prioritäten. Damit verändert sich der Fokus des Rechnungswesens vom reinen Blick auf die Bilanz und G&V hin zur End-to-End-Betrachtung auf alle Bereiche der Wertschöpfungskette (zB Vertrieb, Produktion, Einkauf, Logistik). Erst damit kann eine aktive und integrierte Unternehmenssteuerung, gestützt durch die entsprechenden Finanzdaten, erreicht werden. Diese Entwicklungen sind natürlich nicht nur auf Privatunternehmen beschränkt, sondern kommen auch immer verstärkter im öffentlichen Sektor zur Anwendung (zB bei der proaktiven Steuerung der Finanzgebarung). Ermöglicht wird dies zuletzt auch durch eine verstärkte Automatisierung von zeitraubenden, repetitiven Prozessen und dem damit einhergehenden Freischaufeln von Ressourcen für höherwertige Aufgaben, wie zB der Analyse und Interpretation der Ergebnisse sowie der proaktiven Ableitung von Handlungsempfehlungen für die Geschäftsführung.

Im Finanzbereich stehen aktuell vor allem das Datenmanagement, die  Prozessautomatisierung, die Nutzung von automatischem Forecasting sowie die intelligente Datenverarbeitung im Fokus.


Grundvoraussetzung: aktives Datenmanagement

Digitalisierung verbindet man oftmals ad hoc mit der Einführung neuer Apps und Softwarelösungen. Dies ist naturgemäß auch ein essenzieller Teil davon, jedoch ist die erfolgreiche Nutzung dieser neuen Technologien auch eng mit der Datenqualität und der aktiven Datenpflege verknüpft. Denn gerade automatisierte Systeme sind nur so gut wie die Daten, die sie auswerten.

Unter anderem zeigt auch die KPMG Studie „Mit Daten Werte schaffen“, dass immer mehr Unternehmen erkennen, wie wichtig ein systematisches Datenmanagement als Grundvoraussetzung für weitere Datenanalysen ist: In allen untersuchten Unternehmensbereichen zählt das Datenqualitätsmanagement zu den drei gefragtesten Anwendungen – Tendenz steigend. Daher sind nicht bloß die Digitalisierung von Rechnungsbelegen und deren automatische Verbuchung auf der Agenda des Finanzbereichs – es gilt vielmehr das Verständnis der Vielzahl an verfügbaren internen und externen Daten als essenzielles Wirtschaftsgut im Unternehmen zu etablieren. Dies erfordert ein konsequentes Management von Qualität, Verfügbarkeit und Nutzung dieser Daten, um daraus auch Wettbewerbsvorteile generieren zu können. Vor allem dem verwendeten, konsistenten Datenmodell („Eine einheitliche Datensprache“) kommt dabei eine entscheidende Bedeutung zu, da es sicherstellt, dass ein einheitliches Verständnis für die verwendeten Daten und Werte geschaffen wird.

Mehr als die Quantität zählt die Datenqualität: Der Erfolg eines Analytics- oder Automatisierungs-Projekts steht und fällt mit der Qualität der verwendeten Daten. Dies hat in hohem Maße mit einem gut implementierten Data Governance-Modell zu tun, das „gute Daten“ von „großen Daten“ unterscheidet.

Im Finanzbereich stehen aktuell vor allem Datenmanagement, Prozessautomatisierung, Nutzung von automatischem Forecasting sowie intelligente Datenverarbeitung im Fokus.

Intelligente Prozessautomatisierung: Beispiel Eingangsrechnungsprozess

Drei Viertel aller Mitarbeiter in der Finanzbuchhaltung sind mit der Zuordnung, Bearbeitung und Verbuchung von Eingangsrechnungen beschäftigt. Zu dieser Schätzung kommen branchenunabhängige Benchmarks. Es ist davon auszugehen, dass ein Mitarbeiter zwischen 10.000 und 20.000 Eingangsrechnungen pro Jahr bearbeiten kann.

Mit Unterstützung von intelligenten Automatisierungslösungen ist hier eine Steigerung um das Zehnfache möglich. Der Grund: Durch diese Lösung können über 90 Prozent aller Rechnungen „berührungslos“ bearbeitet werden. Da sich die intelligente Automatisierung mittels Machine Learning laufend selbst optimiert und dazulernt, steigt auch die Rate der „berührungslosen“ Rechnungen mit der Zeit kontinuierlich an. Dieser Trend Richtung Vollautomatisierung von End-to-End-Rechnungswesenprozessen betrifft natürlich die gesamte Finanzwertschöpfungskette und verändert auch den Ausgangsrechnungs- oder den Finanzberichterstattungsprozess. Intelligente Automatisierung ermöglicht den Finanzexperten sich auf die Dateninterpretation & -verwendung zu konzentrieren und die manuellen, repetitiven Tätigkeiten auf die Technologie zu verlagern.

Den Einstieg in diese Thematik starten viele Unternehmen mit der einfachen Automatisierung regelbasierter Prozesse mittels Robotics Process Automation (RPA). Denn auch mit dieser Technologie lassen sich bereits weitreichende Optimierungspotenziale in der Rechnungsverarbeitung der Kreditoren- & Debitorenbuchhaltung, der Reporterstellung im laufenden Berichtswesen oder beispielsweise beim Mitarbeiter-Onboarding im Personalwesen erzielen. RPA wird sich in den kommenden Jahren stark in der Unternehmenslandschaft aller Branchen etablieren. Aufgrund der vergleichsweise günstigen Anschaffungskosten und geringen Einstiegshürde wird sich diese Technologie selbst im KMU-Bereich und sogar in Familienunternehmen durchsetzen. Nicht zuletzt wurden auch im öffentlichen Bereich bereits RPA-Initiativen gestartet. Neben der Etablierung als Standardsoftware in Unternehmen wird vor allem die Skalierbarkeit von RPA eine entscheidende Frage sein. Schafft es diese Technologie beispielsweise in Kombination mit anderen technologischen Ansätzen wie Chatbots oder Machine Learning eine vollständige End-to-End-Prozessautomatisierung zu ermöglichen, sind die Einsatzmöglichkeiten für RPA nahezu grenzenlos und nicht mehr nur auf regelbasierte, klar definierte Prozesse eingeschränkt.

 

Automatisches Forecasting: Beispiel Expected Credit Loss

Die neuen Möglichkeiten, aber auch Herausforderungen führen vor allem im Controlling zu einem immensen Veränderungsdruck. Lag die Kernkompetenz des Controllings bisher in der Kontrolle, Koordination und Planung der Unternehmensziele und der zielgerichteten Versorgung der Unternehmensleitung mit entscheidungsrelevanten Informationen, so rücken an Stelle von langfristiger Kontrolle und Planungen in Zukunft die Nutzung von prädiktiven Modellen für schnelle und flexible ad-hoc Prognosen sowie Szenario--Simulationen in den Vordergrund.

Beispielhaft werden diese vollautomatischen Ad-hoc-Analyse- & Forecastmodelle sowie flexible Möglichkeiten zur Szenarien-Simulation auch im Bankensektor zur proaktiven Kapitalsteuerung eingesetzt. Unter anderem werden die Auswirkungen verschiedener Brexit-Szenarien (deal, no deal, neues Referendum) auf den Expected Credit Loss (ECL) simuliert, um daraus entsprechende Maßnahmen ableiten zu können (zB Verlagerung von Kapital in Sektoren mit geringerer ECL-Sensitivität auf Brexit).

Die Anwendung von Predictive Analytics ist natürlich nicht auf den Bankensektor beschränkt, sondern wird in naher Zukunft eines der wichtigsten Instrumente und die „neue digitale Geheimwaffe“ für jeden Finanzbereich bzw insbesondere für jeden Controlling-Bereich werden. Auch für den öffentlichen Sektor bietet die Technologie im Hinblick auf eine proaktive Steuerung die Chance, schon frühzeitig genauere Aussagen zu zukünftigen Entwicklungen zu machen und daraus letztendlich proaktiv und zielgerichtet die entsprechenden Handlungsfelder für die optimale Finanzgebarung abzuleiten.

Aktives Datenmanagement bildet die Basis für die optimale Nutzung der Daten.

Kognitive Dateninterpretation: Beispiel IFRS 16

Der vom IASB (International Accounting Standards Board) verabschiedete Rechnungslegungsstandard IFRS16 Leases enthält fundamentale Neuerungen und hat damit enorme Herausforderungen für die Unternehmen zur Folge. Vor allem müssen sämtliche Leasingverhältnisse und die damit verbundenen vertraglichen Rechte und Verpflichtungen des Leasingnehmers in dessen Bilanz erfasst werden. Demzufolge gilt es, sämtliche Leasingverträge aus allen Unternehmensbereichen (zB IT, Liegenschaften oder Fuhrpark-Management) sowie deren lokale Besonderheiten im Leasing (zB Landeswährung, Landessprache) zu konsolidieren und die notwendigen Eckparameter für die IFRS 16-Bilanzierung zu extrahieren.

Durch Nutzung von intelligenten Digitalisierungs- und Auslesetechnologien kann zum einen eine effiziente und kostengünstige Extraktion der Leasingvertragsdaten sichergestellt und zum anderen auch die zentrale, digitalisierte Verfügbarkeit von sämtlichen Verträgen und deren Vertragsattribute für weitere Aktivitäten ermöglicht werden (zB Neu-/Nachverhandlung von Verträgen, Standardisierungsinitiativen in der Vertragsgestaltung).

Die Digitalisierung und kognitive ¬Datenextraktion kann natürlich nicht nur für IFRS 16 angewendet, sondern auf alle möglichen Verträge ausgeweitet werden. Die kognitive Datenextraktion wird in Zukunft eine zentrale Rolle für den Finanzbereich spielen (zB laufendes Monitoring von Einkaufs- und Dienstleistungsverträgen, automatische Verarbeitung von Zahlungskonditionen sowie Nutzung von individuellen Skonti-Vereinbarungen, Berücksichtigung spezifischer Vertragsvereinbarungen bei der bilanziellen Bewertung sowie bei der Risikobetrachtung, aber auch zur Simulation bei Wirtschaftlichkeitsanalysen).

 

Mitarbeiter ins Boot holen

Die Digitalisierung hat mittlerweile also auch im Finanzbereich Fuß gefasst. Dabei spielen vor allem Advanced Analytics und intelligente Automatisierung eine große Rolle. Man hat auch erkannt, dass das aktive Datenmanagement die Grundvoraussetzung für die optimale Nutzung der Daten bildet. Der Finanzbereich nutzt die technologischen Möglichkeiten und strebt gezielt die Entwicklung der Finanzorganisation zu einem proaktiven Partner der Geschäftsführung an. Es gilt dabei natürlich auch, eine zukunftsfähige Organisationsstruktur zu etablieren sowie die Mitarbeiter frühzeitig miteinzubeziehen und deren Fähigkeiten – dem neuen Rollenbild entsprechend – zu entwickeln.

 

Autoren

Eberhard Bayerl 

Lukas Ifsits 

Armin Karovic 

Lorenz Längauer

Verwandte Inhalte