Vom Zahlenjongleur zum Vordenker
Ash Noah, Vice President and Managing Director of Learning, Education and Development bei AICPA-CIMA, erläuterte das Konzept des Finance Assessment Model for Effectiveness (FAME) und erklärte, dass sich CFOs und ihre Finanzteams einer der folgenden fünf Rollen zuordnen lassen: Zahlenjongleure, Berater, Partner, Wertschöpfer und Vordenker.
„Es muss ein Datenmodell im Finanzwesen geben, dass als Single Source of Truth fungiert. Nur so können wir die Effektivität der Daten bewerten“, erläutert er. „Die Kombination von finanziellen und nicht-finanziellen Daten zur Bewertung immaterieller Werte ist im Hinblick auf die Datenauswertung absolut unerlässlich. Dabei handelt es sich nicht um Finanzkennzahlen für die Verwaltung immaterieller Vermögenswerte. Doch es gibt Proxy-Datenpunkte, die die Finanzabteilung nutzen muss.
„Die Finanzfunktion muss die Verantwortung für das Datenmodell bzw. die Single Source of Truth übernehmen. Dies ist ein wichtiger Maßstab dafür, wie gut es ihr gelingt, sich als Wertschöpfer und Vordenker zu positionieren,“ so Noah. „Da es keine finanziellen Messgrößen für die Verwaltung immaterieller Vermögenswerte gibt, ist es absolut notwendig, nicht-finanzielle Proxy-Daten mit finanziellen Daten zu verknüpfen.“
„Das Finanzwesen benötigt diese Art von Funktionen, um datengesteuerte Entscheidungen schneller treffen zu können“, fügte er hinzu.
Mehrwert aus nicht-traditionellen Daten schöpfen
Moyer führte die Fallstudie von Team Car Care an, einem großen Jiffy Lube-Franchise-Betreiber und Workday-Kunden, der nicht-traditionelle Daten – beispielsweise Wettervorhersagen – verwendet, um Umsatz und Gewinn für jede seiner Filialen zu prognostizieren. „So stellte man im Laufe der Jahre fest, dass kaum jemand bei schlechtem Wetter sein Auto zum Ölwechsel in die Werkstatt bringt“, erklärte er. „Daher kann das Unternehmen für jede Filiale auf Stundenbasis vorhersagen, wie viel Personal und Material erforderlich sein wird. Dies trifft den Kern der Wertschöpfung.“
House betonte, wie wichtig es ist, die benötigte Datenstruktur und den Grad der Granularität zu berücksichtigen, und wies auf die Vielzahl der von Aon einbezogenen Quellen hin.
„Hinsichtlich externer Datenquellen haben wir durch akademische Studien sowie eigene Analysen ermittelt, dass wir eine Reihe von Makrodatenpunkten nutzen können, um zu verstehen, wohin sich bestimmte Unternehmen in bestimmten Regionen bewegen“, so House. „Neben den Daten von Moody‘s Analytics bzw. anderen externen Forschungsunternehmen verwenden wir auch eine Datenbank von McKinsey, um Trends hinsichtlich Versicherungsprämien und Wirtschaftswachstum zu ermitteln. Diese Erkenntnisse lassen wir dann in unsere Investitions- und Bedarfsstrategie einfließen.“