Datengetriebenes Performance Management

Summary

Daten- und faktenbasiertes Performance Management ist auf dem Vormarsch. Der folgende Artikel gibt einen Überblick zu verschiedenen internen und externen Datenquellen und deren Nutzungsmöglichkeiten für das Performance Management.

Überblick

Performance Management beschreibt im engeren Sinne die Gestaltung und Steuerung eines Unternehmens, in dem die Mitarbeiter ihr Bestes geben und möglichst motiviert, effizient und effektiv qualitativ hochwertige Arbeit leisten können. Im weiteren Sinne kann man Performance Management als modernes, businessorientiertes Controlling auffassen. Traditionell basiert das Performance Management auf internen Daten, wie beispielsweise aus dem Enterprise Resource Planning (ERP) System. Zusätzlich bietet die Digitalisierung aber auch eine ganze Reihe von innovativen Datenquellen, aus denen sich wertvolle Erkenntnisse für das Performance Management ableiten lassen. Die Abbildung klassifiziert Daten nach internen vs. externen sowie nach klassischen vs. innovativen Quellen und bietet Beispiele für verschiedene Nutzungsmöglichkeiten, die im Folgenden näher beschrieben werden.

Anwendungsbeispiele verschiedener Daten im Performance Management

Klassische interne Daten

Eine Kernkompetenz des Controllings besteht darin, die Qualität der internen finanziellen Daten zu sichern („Single source of truth“). Verlässliche Daten und ein differenziertes Verständnis der Kosten und Profitabilität verschiedener Produkte, Services, Prozesse, Kunden etc. bilden auch in Zukunft das Fundament soliden Performance Managements. Moderne Enterprise Resource Planning Systeme, wie beispielsweise SAP S/4HANA kombinieren klassische interne Daten mit neuen AI basierten Analyse und Prognoseverfahren. Aktuelle Trends im Performance Management klassischer Daten sind außerdem Performance-Treiber Analysen und Process Mining. Das Trufa Analyse-Tool von Deloitte beispielsweise, kann auf Millionen von Transaktionen zurückgreifen, die dem Unternehmen in seinem ERP System zur Verfügung stehen, und bietet explorative Analysen, um zu ermitteln, welche potenziellen Performance Treiber den stärksten statistischen Zusammenhang mit einem beliebigen Key Performance Indicator (KPI) aufweisen, an dem der Controller oder Manager interessiert ist. Beispielsweise lässt sich auf Knopfdruck herausfinden, ob verspätete Zahlungen von Kunden auf Grund vonh Verzögerungen bei der Lieferung zu Stande gekommen sind oder durch lange Zahlungsziele in den Verträgen bedingt sind (oder durch eine beliebige andere Variable im Datenpool). Process Mining Software wie Celonis, Processgold oder ARIS Process Mining kann alle Transaktionen aus dem ERP-System visualisieren. Benutzer können innerhalb von Sekunden sehen, wie unterschiedliche Prozesse - zum Beispiel die Beschaffung - im Unternehmen durchgeführt wurden und wie lange jeder Prozessschritt im Durchschnitt dauert. Process Mining macht es auch sehr einfach, bestimmte Prozesse zu identifizieren, die nicht der Norm entsprechen. Wenn beispielsweise eine Rechnung gescannt und in ein System eingegeben wird, obwohl keine Bestellanforderung vorliegt und keine Bestellungen im System dokumentiert wurden, kann dies auf einen Verstoß gegen die Compliance-Richtlinien des Unternehmens hindeuten. Drill-Downs bis auf die einzelne Transaktion ermöglichen es, die Ursachen sofort zu identifizieren, z.B. an welchen Tagen mit welchem Lieferanten ineffiziente Prozesse stattgefunden haben. Eine weitere aktuelle Performance Management Nutzung klassischer Daten ist kontinuierliches Echtzeit-Benchmarking mit automatischen Warnmeldungen, wie es z.B. von Walmart eingesetzt wird: Während Halloween stellte Walmart‘s System in Echtzeit fest, dass sich ein bestimmter Keks in zwei Filialen überhaupt nicht verkaufte, obwohl er in den meisten Filialen sehr beliebt war. Eine schnelle Untersuchung ergab, dass die Kekse aufgrund eines Versehens nicht in die Regale gestellt worden waren. Die Filiale konnte den Fehler sofort beheben. Diese Idee lässt sich auf zahlreiche andere Settings und eine fast unbegrenzte Anzahl von KPIs übertragen.

Innovative interne Daten

In Kollaborationstools wie Slack und Microsoft Teams tauschen sich Mitarbeiter untereinander aus. Sowohl der Inhalt als auch die Beziehungen zwischen Personen (wer kommuniziert mit wem) können analysiert werden. Bei der Nutzung von Daten für das Performance Management müssen selbstverständlich die geltenden Datenschutzbestimmungen (wie beispielsweise die DSGVO) berücksichtigt werden, die in Deutschland und Europa deutlich strikter als beispielsweise in den USA sind. Berichten zufolge haben Microsoft und IBM den Weg von Textschnipseln durch das Unternehmen verfolgt (O'Neil 2016, S. 131). Mitarbeiter, die häufig E-Mails verfassen, die im Unternehmen weit verbreitet werden, werden als "Ideengeber" eingestuft. Andere, die keine Originaltexte verfassen, sondern Nachrichten an viele andere relevante Mitarbeiter weiterleiten, sind "Konnektoren". Dies ermöglicht die Messung von Leistungsdimensionen, die bisher nur in der subjektiven Leistungsbeurteilung durch Vorgesetzte erfasst werden konnten. Tools wie ment.io nutzen maschinelles Lernen zur Analyse von Online-Diskussionsforen. Das Tool zeigt automatisch Metriken zur Qualität der Gesamtdiskussion, zur Qualität der einzelnen Beiträge sowie zur gedanklichen Distanz zwischen verschiedenen Teilnehmern an. Die automatisch erstellte Bewertung kann zur Beurteilung von Studenten oder Mitarbeitern verwendet werden und könnte möglicherweise einen Teil der subjektiven Leistungsbewertung ersetzen, die in der Vergangenheit von Vorgesetzten durchgeführt wurde. Die Fähigkeit, Personen mit einer großen gedanklichen Distanz zu identifizieren, kann sehr nützlich sein, um übermäßigen Optimismus und andere Verzerrungen bei der Entscheidungsfindung abzuschwächen. Die Forschung hat beispielsweise gezeigt, dass die Anwendunge des „Devils-Advocat“-Konzepts Überinvestitionen in gescheiternde Projekte verringert. Die Analyse von internen Textdaten könnte jedoch auch auf ethisch fragwürdige Weise eingesetzt werden, um "Andersdenkende" zum Schweigen zu bringen. Stellen Sie sich beispielsweise einen CEO vor, der eine Umstrukturierung des Unternehmens erreichen will und nun in der Lage ist zu sehen, welche Manager die größte gedankliche Distanz zum CEO haben, indem ein Algorithmus die gesamte Unternehmenskommunikation analysiert.

Klassische externe Daten

Klassische externe Daten sind beispielsweise Konjunktur- und Marktforschungsdaten, die für das Performance Management eine wichtige Grundlage für die Budgetierung und Zielvereinbarungen sind. Moderne Predictive-Analytics-Software integriert hierbei nicht nur interne finanzielle und nicht-finanzielle Daten, sondern auch Big Data aus externen Quellen, um die Prognosegenauigkeit trotz zunehmender Volatilität und Unsicherheit zu verbessern. Predictive Analytics ist im Begriff, den klassischen, zeitaufwändigen Budgetierungsprozess zu revolutionieren. Im April 2019 hat beispielsweise BASF die jährliche Bottom-up-Prognose der Unternehmensbereiche durch eine rollierende Prognose ersetzt, die durch Predictive Analytics generiert wird (Schnell 2019). Diese Prognose, genannt PACE, stützt sich auf 60 Daten aus verschiedenen Quellen wie Weltbank, US Census und ifo, um automatisch Umsatz, Deckungsbeitrag, Fixkosten und EBIT vorherzusagen.

Innovative externe Daten

Innovative externe Daten für das Performance Management können unter anderem aus Social Media und „Crowd-based“ Internet Plattformen gewonnen werden. Webseiten wie Glassdoor und Kununu sammeln beispielsweise Bewertungen und Rezensionen über Arbeitgeber und verschiedene Dimensionen der Arbeitszufriedenheit von Arbeitnehmern. Schmiedel et al. (2018) analysieren 428.492 Textbewertungen auf Glassdoor. Sie finden heraus, dass sich Beschäftigte in der Gastronomie, der Lebensmittelindustrie, dem Einzelhandel und dem Gesundheitswesen über "schlechte Behandlung" beschweren. Sie kommen außerdem zu dem Schluss, dass Mitarbeiter aus dem IT-Sektor vor allem "Gehaltserhöhung", "Karriereentwicklung" und "Work-Life-Balance" betonen, was darauf hindeutet, dass Mitarbeiter aus diesem Sektor nicht nur Karrieremöglichkeiten, sondern auch ein Arbeitsumfeld schätzen, das Flexibilität bietet. Im Gegensatz dazu betonen Beschäftigte aus dem Gesundheitssektor den Faktor "Hilfe". Somit bieten Glassdoor-Daten wichtige Anwendungen für die Messung der Mitarbeiterzufriedenheit und der motivierenden Wirkung der Arbeitsplatzkultur. Für das Performance Management ist es möglich (anonyme) Kommentare die eigene Mitarbeiter auf Plattformen abgeben zu analysieren, um herauszufinden, welche Management- und Kontrollpraktiken die Zufriedenheit und Motivation der Mitarbeiter fördern. Darüber hinaus besteht auch die Möglichkeit, die Mitarbeiterkommentare von Wettbewerbern zu analysieren um deren Stärken und Schwächen im Wettbewerb um heißumworbene Fachkräfte zu verstehen.

Literatur

Deloitte (2022). Trufa – AI for Enterprise Performance. An Analytics Application for the Digital Enterprise. https://www2.deloitte.com/de/de/pages/technology/articles/trufa-analytics-application.html

Datenschutz-Grundverordnung (2016). https://dejure.org/gesetze/DSGVO

Investopedia (2021). Performance Management Definition, https://www.investopedia.com/terms/p/performance-management.asp

Mahlendorf, M. D., 2022. Text Mining aus dem Internet – Anwendungsbeispiele für das Controlling, Whitebook „Transformation des Controllerbereichs durch den digitalen Wandel“; Arbeitskreis Digital Reporting der Schmalenbach Gesellschaft.

Mahlendorf, M. D., Martin, M., Smith, D. (2023). Editorial: Innovative Data in Management Accounting. European Accounting Review. Special Issue 2023.

Mahlendorf, M. D. , Weißenberger, B., 2021. Will They Be Business Partners in the Digital Era? On The Future Work and Roles of Controllers, Schmalenbach IMPULSE Vol. 1(1), pp. 1-19, Open Access: https://schmalenbach-impulse.de/app/uploads/2021/11/11-Mahlendorf-Weissenberger.pdf

O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.

SAP S/4HANA Cloud (2022). Intelligent ERP System, https://www.sap.com/products/s4hana-erp.html

Schmiedel, T., Müller, O., & vom Brocke, J. (2019). Topic modeling as a strategy of inquiry in organiza-tional research: A tutorial with an application example on organizational culture. Organizational Research Methods, 22(4), 941-968

Schnell, S. (2019) Digitalization at Finance & Controlling in BASF – from Business Partnering and Pathfinding/key note speech at the 2019 Annual Conference for Management Accounting Research (ACMAR), Vallendar, March 7, 2019.

Ersteinstellender Autor

Prof. Dr. Matthias D. Mahlendorf

www.frankfurt-school.de