Die prozessorientierte Prognose unter Beizug einer Monte-Carlo Simulation ist Voraussetzung für einen ambitionierten Zielwert. Ist der Zielwert festgelegt, sind alle davon abgeleitete Grössen reine «davon» Planungen. Durch Kombination der Annahmen aus dem Plan und den gemessenen Daten ist eine neue Prognose zu erstellen und der Zielwert gegebenenfalls zu schärfen.
Bei Prozessen und Daten welche sich nur zögerlich verändern oder gar über den Zeitablauf ein immer gleiches Muster aufweisen, sind klassische Instrumente wie Regressionen ein Segen. In Fällen, in denen weder Wahrscheinlichkeiten noch alle Umweltzustände in ein Modell aufgenommen werden können, scheitern diese jedoch, weil sie das Momentum – den Thanksgiving-Day oder auch den Schwarzen Schwan – nicht antizipieren können.
Das Ziel einer modernen Unternehmensplanung sollte sein, die Daten des Risikoregisters in die Planung zu überführen und ein Gesamtbild zu erstellen, aus dem Massnahmen ableitbar sind, die den Fortbestand des Unternehmens sichern.
Die Bayessche Statistik ist abseits des in heutiger Zeit prominent beigezogenen Vergleichs, ob eine Corona Impfung sinnvoll ist oder nicht, auch für die Unternehmensplanung – und Steuerung ein hilfreiches Instrument, um Daten mit Wissen zu kombinieren und aus der vereinten Kraft beider neue Schlüsse zu ziehen. Teil 2.
Die von Bayes geprägte Statistik kann in Kombination mit der Monte-Carlo Simulation ideal für die Unternehmensplanung beigezogen werden. Sie fusst auf dem Konzept des Vorwissens (A-priori), welches die subjektiven Einschätzungen quantifiziert und anhand von Daten eine Aktualisierung des Vorwissens erlaubt. Durch die Quantifizierung aller möglicher zukünftiger Zustände (Szenarien) werden Ambitionen (Zielwerte) konsistent hergeleitet und Prognosen ermöglicht.
Ziel einer umfassenden quantitativen Analyse mittels Monte-Carlo Simulation ist eine objektiv begründbare Entscheidungsempfehlung unter Berücksichtigung von Unsicherheit, etwa bei den Absatzmengen oder Anzahl Cyberangriffe, welches ein Unternehmen ausgesetzt ist. Für diejenigen Personen, die eine quantitative Analyse schätzen, die Resultate davon aber in einer Risikomatrix abzubilden haben, stehen in MC FLO nun die geeigneten Instrumente bereit.
Simulationen und Markow-Prozesse kombiniert. Vereinfacht kann ein Markow-Prozess so zusammengefasst werden: Bei der Markow Kette handelt sich um einen zufallsbedingten Prozess, aus welcher Vorhersagen auf Basis von Beobachtungen aus der Vergangenheit mittels einer Übergangsmatrix hergeleitet werden
Auch wenn wir bei MC FLO den Fokus auf Excel als Modellierungswerkzeug legen, lohnt sich der Blick auf andere Instrumente, welche sowohl vom Modellkonzept als auch in Bezug auf die Simulation andere Wege einschlagen. Wie Analytica von Lumina.
Wenn Sie eine Planung auf Basis von Simulationen aufsetzen, seien Sie sich bewusst, dass die Unsicherheit nicht eliminiert ist und Sie in weiten Teilen auf Basis von Annahmen die Planung gestalten müssen. Im Gegensatz zur «einwertigen» Planung haben Sie aber mit der Simulation das richtige Instrument in der Hand, um auf Basis von nachvollziehbaren Zahlen und unter Einschluss der Wechselwirkungen von Geschäftsprozessen eine bessere Entscheidung treffen zu können.
MC FLO ist das führende Excel Monte-Carlo Simulationstool, welches als Alleinstellungsmerkmal konsequent den Namensmanager von Excel verwendet und somit die Modelllogik untrennbar mit der Präsentations - oder Reportinglogik verknüpft. Damit werden maximale Transparenz bei nahtloser Nachvollziehbarkeit sichergestellt und Manipulationen bei der Darstellung unterbunden.