Advanced Analytics für Controller - inkl. Arbeitshilfen online (eBook)

Karsten Oehler Prof. Dr. Karsten Oehler ist Solution Advisor Chief Expert Planning & Analytics in der LOB BTP, SAP Deutschland SE &Co.KG in Eschborn. Er hat mehrere Bücher veröffentlicht und referiert regelmäßig auf Kongressen und Seminaren. Außerdem ist er Professor für Controlling und Accounting an der Provadis School of International Management and Technology in Frankfurt.

Cover 1
Urheberrechtsinfo 2
Titel 7
Impressum 8
Inhaltsverzeichnis 9
1 Einleitung 13
1.1 Der Aufbau des Buchs 15
1.2 Hinweise zum Arbeiten mit diesem Buch 16
1.3 Installationshinweise 20
2 Anknüpfungspunkte zwischen Advanced Analytics und Controlling 21
2.1 Was ist Advanced Analytics? 21
2.2 Typische Verfahren 24
2.3 Advanced Analytics als Prozess 24
2.4 Advanced Analytics und Controller 26
2.5 Probleme beim Einsatz im Controlling 29
2.6 Anforderungen an die Werkzeugunterstützung 31
2.7 Statistische Werkzeuge – Alternativen 33
2.8 Excel und Statistik 37
2.9 Integrative Lösungsansätze im Umfeld von Excel 40
3 Der neue Werkzeugkasten 43
3.1 R 43
3.1.1 Hintergründe zu R 43
3.1.2 Hinweise zur Unterstützung 44
3.1.3 Installation 45
3.1.4 R-Studio 46
3.1.5 Die ersten Schritte mit R 48
3.1.6 Komplexere Datentypen 55
3.1.6.1 Selbst definierte Funktionen 60
3.1.6.2 Matrizen und Arrays 62
3.1.6.3 Listen 65
3.1.7 Vertieftes Arbeiten mit R 67
3.1.7.1 apply 67
3.1.7.2 Statistische Modelle 69
3.1.7.3 Libraries 71
3.1.7.4 Grafiken 71
3.1.7.5 Metaverarbeitung 76
3.1.8 Datentabellen 77
3.2 Rattle 89
3.2.1 Einführung 89
3.2.2 Laden von Daten 92
3.2.3 Transformieren 96
3.2.4 Numerische Analyse 101
3.2.5 Testen 107
3.2.6 Modelle 111
3.2.7 Kategoriale Zielvariable 115
3.2.8 Kategoriale Modelle 118
3.2.9 Clustering 127
3.2.10 Technische Details 129
3.3 Basic Excel R Tool (BERT) 132
3.3.1 Konfiguration 132
3.3.2 Der Einstieg 137
3.3.3 Dynamisches R 146
3.3.4 Nachkommastellen 152
3.3.5 Beschränkungen der Excel-Matrixfunktionen 155
3.3.6 Anwendungsbeispiel Forecasting 157
3.3.7 Diagramme 162
3.3.8 Datenbanken 163
3.3.9 Fallstudie Kalkulation 168
3.3.10 BERT und Rattle 175
3.3.11 Zusammenfassung 178
4 Advanced Analytics Anwendungsbeispiele 179
4.1 Datenaufbereitung 179
4.1.1 Unterabfragen 179
4.1.2 Zusammenführen 180
4.1.3 Drehen 186
4.1.4 Bereinigung 187
4.2 Forecasting 195
4.2.1 Grundlegende Überlegungen zur Ausgestaltung des Forecasting 195
4.2.2 Drei Ebenen zur Ausgestaltung der Vorschaurechnung 196
4.2.3 Benutzereingriff 199
4.2.4 Integriertes Forecasting 200
4.2.5 Zeitreihenverfahren 202
4.2.5.1 Regression 202
4.2.5.2 Zeitreihenanalyse 210
4.2.6 Multivariate Methoden 221
4.2.6.1 Multivariate Regression 221
4.2.6.2 Dynamische Regression 227
4.2.6.3 Alternative Verfahren 230
4.2.6.4 Vector Auto Regression 234
4.2.7 Fallstricke bei der Analyse 236
4.3 Klassifikatorische Zielvariablen 238
4.3.1 Einführung 238
4.3.2 Methodenauswahl 239
4.3.3 Entscheidungsbaumverfahren 240
4.3.4 Alternativen 262
4.3.5 caret 269
4.4 Cash Forecasting 276
4.4.1 Einleitung 276
4.4.2 Einfache Ansätze 279
4.4.3 Detailanalyse des Zahlungsverhalten 284
4.4.4 Anwendung der Algorithmen 287
4.4.5 Einbezug von Risiken 291
4.5 Treiberorientierung 303
4.5.1 Herausforderungen bei Simulation und Planung 303
4.5.2 Wertetreiber 303
4.5.3 Advanced Analytics im Einsatz 306
4.5.4 Möglichkeiten der Verschlankung 310
4.5.5 Mehrdimensionale Modellierung in R 312
4.5.6 Verdichten von Würfeln 322
4.5.7 Cube Reporting 326
4.5.8 Erweitern eines Würfels 331
4.5.9 Treiberextraktion aus operationalen Advanced Analytics 332
4.6 Contributor Analytics 340
4.6.1 Typische Meldeprozesse 342
4.6.2 Fehlersituationen 343
4.6.3 Alternative Konzepte 344
4.6.4 Erfolgsfaktoren 346
4.6.5 Die Analysen 347
4.6.5.1 Forecast-Vergleich 347
4.6.5.2 Hitliste 353
4.6.5.3 Korrelationsanalyse 358
4.6.5.4 Regressionsanalyse 363
4.6.5.5 Cluster-Analyse 365
4.6.5.6 Benford 370
4.6.5.7 Strukturanalyse 373
4.6.6 Der Prozess 375
4.6.7 Erweiterungen 379
4.7 Stochastische Abweichungsanalyse 381
4.7.1 Treiberabhängigkeiten 381
4.7.2 Wirkungen auf Abweichungen 382
4.7.3 Statistik in der Abweichungsanalyse 384
4.7.4 Vertrauensintervalle 389
4.7.5 Einschätzung 394
4.8 Stochastische Planungssimulation (Monte Carlo) mit Excel und R 395
4.8.1 Grundlagen der stochastischen Simulation 395
4.8.2 Das Verfahren 396
4.8.3 Eignung von Excel 401
4.8.4 Prozedurale Ausführungen in Excel 409
4.8.5 Eignung von Excel und R für die Monte-Carlo-Simulation 410
4.8.6 Die Umsetzung unseres Beispiels in Excel und R 411
4.8.7 Erweiterung um Korrelationen 417
4.8.8 Auslagern des Kalkulationsmodells nach R 420
Maschinensprachliche Ausdrücke 425
Literaturverzeichnis 428
Stichwortverzeichnis 429
Arbeitshilfen Online 433