Bildnachweis: WHYFRAME/Shutterstock.com
Worin besteht die Herausforderung?
Das Risikomanagement macht mögliche Risiken im Unternehmen transparent und hat das Ziel, diese zu minimieren. Das Risikomanagement umfasst komplexe Prozesse zu Identifikation, Analyse, qualitativer und quantitativer Bewertung, Beurteilung, Kommunikation und Bewältigung von unternehmerischen Risiken. Um diese Prozesse erfolgreich zu gestalten, müssen Unternehmen allerdings eine enorme Fülle an dynamischen Informationen, internen Vorgaben sowie externen Normen und Gesetzgebungen verarbeiten.
Welche Daten können hier helfen?
• Fallspezifische Größen (Wahrscheinlichkeit, Ausmaß, Steuerungsmöglichkeit und Verletzbarkeit)
• Risikofokus (eigene Finanzstabilität, externes Image)
• Interne Kennzahlen (Umsatzentwicklung, Umsatzrentabilität, freie Kreditlinien, Bonität der Kundschaft, Angebotserfolgsquote, Abhängigkeit von Kundinnen und Kunden sowie Lieferanten, Wiederbeschaffung von Anlagen)
• Externe Kennzahlen (Zinsen, Währungsentwicklungen, Geschäftsklima-Index, Anzahl und Inhalte von Pressemeldungen)
• Sachrisiken (Anzahl von Brandfällen und Erdbeben)
Wie kommt der Nutzen aus den Daten?
Die datenbasierte Unterstützung des Risikomanagements optimiert die Informationsbasis von Managemententscheidungen. Die Verarbeitung und Analyse der Daten geschieht automatisch und ist damit weniger fehleranfällig. Die menschlichen Fähigkeiten der Analyse und Bewertung von Risiken werden damit deutlich erweitert. Ein weiterer Nutzen besteht in der Möglichkeit, Prognosen und Voraussagen zu Risikosituationen als Frühwarnsystem zu verwenden.
Wo wird diese Datennutzung bereits angewendet?
• Advisen bietet Beratungen im Cyber-Risk-Management an. Auf Basis einer umfangreichen Datenbank werden Muster identifiziert und Risikoanalysen gefahren. Diese Erkenntnisse können Unternehmen kaufen und damit ihre Entscheidungen verbessern und Risiken minimieren.
• Der Chemiekonzern BASF verwendet Daten, um Ressourcen nachhaltig zu nutzen und Umweltrisiken zu vermeiden. Dazu werden Wetterdaten, Daten zur Pflanzengesundheit und Bodenbeschaffenheit sowie Marktpreise analysiert.
• Der Sportartikelhersteller Adidas setzt ein Advanced-Analytics-Team ein, welches die Führung bei Geschäftsentscheidungen in sämtlichen Unternehmensbereichen datenbasiert unterstützt und Risiken durch Fehlentscheidungen vermeidet.
• Die Versicherungsgesellschaft Münchner Re nutzt historische Daten aus Schadensabwicklungen, um das Risiko einer Versicherung besser zu kalkulieren. So können auch Beitragshöhe und Effizienzgewinne besser berechnet werden.
Welchen Beitrag leistet diese Datennutzung zur Wertschöpfung?
Werden im Rahmen des strategischen Managements relevante Daten und Methoden genutzt, können Entscheidungen informierter getroffen und Risiken minimiert werden. Die Wertschöpfung verändert sich direkt in der Verbesserung und Beschleunigung der Prozesse im Risikomanagement und indirekt anhand verbesserter Managemententscheidungen, aus denen langfristig eine gesamtheitlich gesteigerte Wertschöpfung resultieren kann.
Quellen: BASF (2017), Adidas (2017), Münchner Re (2018)
Publikation: Wie Unternehmen Daten heute schon nutzen und in Zukunft nutzen können. Herausgeber: Fraunhofer IMW, Inhalt: Data Mining und Wertschöpfung