Aufgrund der wirtschaftlichen Unwägbarkeiten, der schnellen Veränderungen im Konsumentenverhalten und des instabilen Marktes ist das Geschäftsumfeld heute weniger vorhersehbar als je zuvor. Je besser Unternehmen Veränderungen vorhersehen und entsprechend planen können, desto besser können sie der Konkurrenz stets einen Schritt voraus sein.
Vorausdenkende Finanzführungskräfte wissen, dass Agilität eine Folge besserer Planung ist. Doch veraltete Prozesse der Finanzplanung und Analyse (FP&A) halten Unternehmen davon ab, ihr volles Potenzial auszuschöpfen. Entscheidungen ziehen sich über Tage hin. Datensilos stehen der Zusammenarbeit entgegen. Mühsame manuelle Aufgaben beeinträchtigen die Produktivität. In den meisten Unternehmen kann die Planung ganz einfach nicht mit dem Tempo der heutigen Geschäftswelt mithalten.
Im Gegensatz dazu haben sich Cloud-Planungslösungen zu strategischen Hebeln für den Erfolg entwickelt; sie befähigen das gesamte Unternehmen, zeitnah auf Änderungen zu reagieren. Diese Lösungen ermöglichen es Unternehmen, das Umfeld schnell zu erfassen und ihren Kurs entsprechend zu ändern – auch in Zeiten radikaler Instabilität und Störungen.
Nicht alle modernen Planungslösungen sind gleich, aber eines ist sicher: Unternehmen, vor allem Großunternehmen, brauchen eine Planungsplattform, die nicht nur eine große Zahl von Anwendern im ganzen Unternehmen unterstützt, sondern auch große, multidimensionale Modelle bewältigen kann, ohne die Geschwindigkeit der Analysen zu beeinträchtigen.
Elastic Hypercube Technology (EHT) – die In-Memory-Architektur-Engine der nächsten Generation von Workday für Workday Adaptive Planning – tut genau das. EHT wurde von Grund auf konzipiert, um die steigenden Anforderungen zu meistern, die mit den Modellen für immer kompliziertere Szenarien und den wesentlich größeren Inputs aus den verschiedenen Funktionsbereichen einhergehen.
Große, komplexe Modelle
In ihrem Bestreben, bessere Einblicke in Umsätze, Personalprognosen und Szenarien zu erhalten, nutzen viele Unternehmen in ihren Planungsmodellen eine mehrdimensionale Struktur, die u. a. Produkte, Kanäle, Regionen, Zielgruppen, Skillsets, Standorte u. v. m. abbilden kann. Gleichzeitig gewinnen größere Volumen von Betriebsdaten aus dem ganzen Unternehmen sowie externe Benchmarks immer mehr an Bedeutung, wenn es darum geht, eine präzise Planung zu gewährleisten. Betriebsübergreifende Daten (aus den Bereichen Personal, Vertrieb, Marketing, Projekte, Arbeit, Anmeldungen von Auszubildenden/Studenten usw.) sind mittlerweile entscheidend, um die Auswirkungen von Plänen, Prognosen und Szenarioanalysen zu ermitteln.
Denken Sie an einen multinationalen Konzern, der seinen Produktionsplan aufgrund der zu erwartenden Marktvolatilität an ein bestimmtes Szenario anpassen will. In einem solchen Fall sind zusätzliche Betriebsdaten erforderlich. Zum einen, um zu verstehen, welche Auswirkungen verschiedene Faktoren auf den Umsatz haben werden, zum andern, um Lagerhaltung, Vertriebsmitarbeiterkapazitäten, Marketingprogramme, Anforderungen an regionale Niederlassungen und andere Variablen zu berücksichtigen.
Unterdessen nutzen Finanzabteilungen zunehmend neue Arten externer Datensätze, wie Wetterdaten, Arbeitsstatistiken, Marketingdaten usw., um präzisere Prognosen zu erstellen, wobei der Fokus verstärkt auf den Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) gelegt wird.
Skalierbarkeit im richtigen Moment
Zusammengenommen haben die vorstehend erwähnten Faktoren zu sehr viel detaillierteren und umfangreicheren Vorlagen und Berichten geführt. Die Wertsteigerung durch EHT entsteht im Wesentlichen durch die zusätzliche Speicherkapazität und Rechenleistung, die im Bedarfsfall eingesetzt werden kann. Dies ermöglicht schnelle Reaktionszeiten, Berechnungen und Datenaktualisierungen, sodass die Planungsverantwortlichen im ganzen Unternehmen stets die Informationen zur Hand haben, die sie benötigen. EHT stellt außerdem praktisch unbegrenzte Dimensionen und Versionen zur Verfügung und ermöglicht so eine komplexere Planung und bessere Szenarienanalysen.