Predictive Analytics

Liquiditätsplanung präzisieren.

Ein präziser Forecast der Liquidität zählt in ungewissen Zeiten mehr denn je zu den Pfeilern im Management. Ein spezifisches Datenmodell bildet die Basis; Szenarienanalysen entwickeln sich zum Standard. Ein Leitfaden für die Praxis.

* Von Sebastian Fendel und Thomas Moelle 

Die wirtschaftlichen Folgen der Covid-19-Pandemie sind einschneidend: durchbrochene Lieferketten; gesunkener Konsum; Betriebe in finanzieller Schieflage. Ganze Branchen kämpfen ums Überleben. Vorrangig in dieser Situation ist die Liquiditätssicherung. Und die Zeit drängt: Mitte 2020 hatte bereits ein Drittel der mittelständischen Unternehmen Probleme mit verringerter Liquidität. 

Die Unternehmen müssen daher ihre Finanzierungsstrategie prüfen und gegebenenfalls anpassen. Dabei gilt es, die Refinanzierungskosten möglichst gering zu halten – auch in Zeiten schärferer Kreditbedingungen der Banken. Berücksichtigt werden muss zudem, dass Vermögenswerte des Unternehmens in Krisenzeiten eventuell nicht zu den marktüblichen Preisen veräußert werden können. Eingeplante Reserven können so eventuell nicht genutzt werden.

 

Quelle:https://www.kfw.de/PDF/Download-Center/Konzernthemen/Research/PDF-Dokumente-Fokus-Volkswirtschaft/Fokus-2020/Fokus-Nr.-294-Juni-2020-Corona-Mittelstand-2.pdf, Stand Juni 2020. 

Liquiditätstreiber identifizieren.
Die grundlegende Voraussetzung für ein effektives Liquiditätsmanagement ist eine zuverlässige Vorschau auf die Zahlungsfähigkeit, sodass rechtzeitig Maßnahmen ergriffen werden können, um die Solvenz sicherzustellen. Predictive Analytics-Modelle aus der Zeitreihenanalyse und dem Machine Learning können hier unterstützen. Sie entdecken Trends, Saisonalitäten und Zyklen in historischen Daten und nutzen diese zur Forecast-Erstellung. 

Die wichtigste Basis für den Forecast bildet die Entwicklung des Cashflows, unter Berücksichtigung kurzfristiger Finanzierungsmöglichkeiten, wie etwa der Kreditlinien. Während die klassische Liquiditätsplanung häufig viele manuelle Planungsaktivitäten beinhaltet und den Fokus auf interne Daten und Planzahlen legt, bietet Predictive Analytics die Möglichkeit,  den Planungsprozess zu automatisieren und neben den historischen Daten eine Vielzahl interner und externer Treiber zu berücksichtigen. Dieses Vorgehen verringert den Ressourcenaufwand und erhöht die Planungsgenauigkeit. Alle Einflussfaktoren können somit transparenter bewertet werden, da die Modelle zeigen, wie die internen und externen Daten verwendet werden.

Den ganzen Artikel lesen Sie in der Druck- und Digitalausgabe Nr. 3/2020. Hier bestellen. Wenn Sie nicht die gesamte Ausgabe bestellen möchten, können Sie den Beitrag auch als Einzelartikel bestellen. Hier bestellen.

 

* Sebastian Fendel arbeitet als «Consultant» bei der avantum consult AG, mit Expertise auf den Gebieten Predictive Analytics, Data Mining und Machine Learning. Er hat Erfahrung mit Data Mining-Projekten, Data Quality-Management und automatisierten Preiskalkulationen.

* Thomas Moelle ist bei der avantum consult AG als «Assistant Consultant» im Competence Center «Artificial Intelligence» tätig. Mit seinem Fokus auf den Bereich Data Science, arbeitet er an Projekten zu den Themen Machine Learning und Data Analytics mit.

 

 

 

 

 

Quelle: BUSINESS INTELLIGENCE MAGAZINE, www.bi-magazine.net

© ProfilePublishing Germany GmbH 2020. Alle Rechte vorbehalten. 

Vervielfältigung nur mit Genehmigung der ProfilePublishing Germany GmbH

Business Intelligence Magazine: Springe zum Start der Seite