Schlüsselfaktoren und Einsatzmöglichkeiten von Predictive Analytics im Vertriebscontrolling
- Im Vertriebscontrolling halten zunehmend Verfahren aus dem Bereich Predictive Analytics Einzug. Hierdurch verändern sich die klassischen Arbeitsweisen mehr und mehr. Doch welche Faktoren sind dabei zu berücksichtigen und welche Einsatzmöglichkeiten finden sich für Predictive Analytics im Umfeld des Vertriebscontrollings? Dieser Frage wird in der vorliegenden Arbeit nachgegangen. Hieraus ergibt sich das Ziel, Einsatzmöglichkeiten für Predictive Analytics im Vertriebscontrolling herauszustellen und Schlüsselfaktoren herauszuarbeiten, die in diesem Kontext zu berücksichtigen sind. Außerdem sollen diesbezügliche Handlungsempfehlungen benannt werden. Dabei liegt der Fokus auf der Branche des Maschinen- und Anlagenbaus. Um diese Forschungsfragen zu beantworten, wurde mittels einer Literaturanalyse ein Reifegradmodell erarbeitet, das die verschiedenen Reifegrade über die relevanten Dimensionen Daten, Technologie, Prozesse, Methoden und Kompetenzen darstellt. Zudem wurden Bei-spiele für die Nutzung der häufigsten Methoden aus dem Bereich Predictive Analytics im Controlling-Umfeld zusammengetragen. Vor diesem Hintergrund konnten die Schlüsselfaktoren für den erfolgreichen Einsatz von Predictive Analytics im Vertriebscontrolling abgeleitet wer-den. Des Weiteren wurde eine qualitative Befragung in Form von Experteninterviews durch-geführt, wobei die in den Interviews thematisierten Unternehmen in das genannte Reifegradmodell eingruppiert wurden. Es zeigten sich bei der Analyse im Allgemeinen niedrige Reifegrade in den Dimensionen Methoden, Kompetenz und Technologie. Hieraus ergeben sich die folgenden Handlungsempfehlungen: die Einführung geeigneter Software aus dem Predictive-Analytics-Bereich, eine erste Anwendung von Predictive-Analytics-Methoden sowie der Aufbau von Wissen in den Bereichen Data-Science und Business-Analytics in Form von Fortbildungsmaßnahmen. Werden diese Empfehlungen befolgt, kann in Unternehmen aus dem Maschinen- und Anlagenbau ein erfolgreicher Einsatz von Predictive Analytics im Vertriebscontrolling gelingen. Hierdurch wiederum können die betreffenden Unternehmen bei der Prognose zukünftiger Entwicklungen unterstützt und wertvolle Entscheidungshilfen erlangt werden, was in weitergehend Forschungsarbeiten aufgegriffen werden kann.
Author: | Stefan Schneid |
---|---|
DOI: | https://doi.org/10.25924/opus-5108 |
Subtitle (German): | Adaptierung an ein Reifegradmodell im Umfeld des Maschinen-und Anlagenbaus anhand einer Literaturanalyse und Validierung mittels einer qualitativen Befragung |
Title Additional (English): | Key factors and possible applications of predictive analytics in sales controlling |
Advisor: | Imke Keimer |
Document Type: | Master's Thesis |
Language: | German |
Year of publication: | 2023 |
Publishing Institution: | FH Vorarlberg (Fachhochschule Vorarlberg) |
Granting Institution: | FH Vorarlberg (Fachhochschule Vorarlberg) |
Release Date: | 2023/09/08 |
Tag: | Predictive Analytics; Vertriebscontrolling |
Number of pages: | vii, 73, A-Z, AA-ZZ, AAA-BBB |
DDC classes: | 300 Sozialwissenschaften / 330 Wirtschaft |
JEL-Classification: | M Business Administration and Business Economics; Marketing; Accounting |
Open Access?: | ja |
Course of Studies: | Betriebswirtschaft: Accounting, Controlling & Finance |
Licence (German): | UrhG - The Austrian Copyright Act applies - Es gilt das österr. Urheberrechtsgesetz |