Herausforderung
Der EBIT ist eine der wichtigsten KPIs für die Steuerung des zukünftigen Unternehmenserfolgs. In Zeiten zunehmender wirtschaftlicher Umbrüche sah sich unser Kunde, ein internationaler Automobilkonzern, mit einer aufwändigen und langwierigen manuellen Planung für die Ermittlung des EBIT konfrontiert. Das Ziel des Projekts bestand darin, die manuelle Planung durch eine automatisierte, modellbasierte Planung als Decision Support System zu unterstützen und dadurch Planungsunsicherheiten zu reduzieren.
Ansatz
Zur Prognose des zukünftigen monatlichen EBIT wurden verschiedenste potenzielle Einflussfaktoren auf den Controlling-Systemen des Kunden konsolidiert und aufbereitet. Diese beinhalteten diverse interne Planungsgrößen, Lager- und Absatzzahlen, saisonale Effekte sowie externe Wirtschaftskennzahlen. Aufgrund der begrenzten zeitlichen Datenhistorie mussten Methoden zur Auswahl der am besten geeigneten Einflussfaktoren durchgeführt werden (Feature Selection). Die dadurch identifizierten relevanten Einflussgrößen wurden in einem Machine Learning Modell zusammengeführt. Das trainierte und optimierte Modell wurde im Anschluss in der IT-Infrastruktur des Kunden implementiert. Monatlich wird nun vollautomatisch ein Forecast für die nächsten ein bis drei Monate erzeugt und per Dashboard den Entscheidungsträger:innen zur Verfügung gestellt.
Ergebnis
Die EBIT-Forecasts aus unserem Modell bilden eine unterstützende Komponente im monatlichen Planungsprozess des Kunden und outperformen regelmäßig die manuelle Planung des Kunden. Durch die Automatisierung des Prozesses stehen die Forecasts bereits vor der manuellen Planung zur Verfügung und erlauben so ein frühzeitiges, proaktives Handeln.