Die Bedeutung einer soliden Datenbasis im Finanzwesen

Dan Bauer (: 00:01

In der Tech -Welt, also gerade so in der IT, auch in der Firmen -IT, da gibt es einen wunderbaren Grundsatz und der lautet garbage in, garbage out. Das klingt ein bisschen böse, aber es ist unglaublich wichtig und dazu sprechen wir jetzt gleich.

Dan Bauer (: 00:19

So Daniel, wir sind zurück. Bon giorno. Wir... Ja, richtig spannend das Thema, weil es gibt so viele... Also, lass uns in dieser Folge mal so eine Basis besprechen, dass wir zuerst die Basis wirklich an IT -Daten besprechen und was man danach damit machen kann. Weil das ist wirklich gigantisch, was man da zu tun kann, aber nur, wenn diese Basis schon vorherrscht. Ich gebe dir ein schönes Beispiel. Zu mir ist ein letztes, ein Unternehmer gekommen.

Daniel Schorege (: 00:22

Dan freut mich total. Spannendes Thema.

Dan Bauer (: 00:48

der gesagt hat, wir haben jetzt hier KI im Unternehmen eingeführt und dachten, das ist total toll, aber. So und dann verteufelt er die KI, die kann da nichts für, sondern der Anwender, beziehungsweise nicht der Anwender, sondern der Anbieter, der diese KI -Lösung entsprechend etablieren wollte im Unternehmen, der hat einfach zu kurz gedacht und der hat keine Datenbasis hergestellt und ohne Datenbasis kriege ich auch einfach nur Quatsch als Auswertung.

Wenn ich das dann an ein BI, also so ein Dashboard ranflansche und dann versuche da Daten rauszuwerfen, ich kriege da Daten, da steht auch wirklich was drauf. Aber irgendwann ist den Leuten aufgefallen, damit können wir gar nicht wirklich was anfangen. Diese Daten sind irgendwie Quatsch oder diese Ergebnisse sind irgendwie Quatsch. Das ist für die jetzt allerdings einen Millionenschaden. Und wer diese Folge jetzt zu Ende hört, der kann zumindest schon mal bewerten, worauf muss ich denn achten, wenn ich

KI und ein Dashboard einsetzen will in der Fernandverwaltung. Und dann geht es Daten. Daniel, dein Eindruck zu, wie baut man sich eine ernsthaft valide Datenbasis im Unternehmen auf? Wie fängt man da überhaupt an?

Daniel Schorege (: 02:01

Ja, also mega spannende Frage. Als erstes ein kleiner Disclaimer. Ich bin kein GenAI Experte. Wir haben ein AI -Insure -Tech -Unternehmen. Das heißt, haben sehr viel mit dem Thema zu tun, aber ich selber bin kein Coder und ich werde die Frage beantworten, wie jemand, der aus dem Fachbereich kommt und, sage ich mal, ein Verständnis von GenAI hat. Aber bitte frag mich jetzt nicht nach dem Python -Script.

oder nach welcher Open Source Datenbank im Hintergrund ich da benutzt habe. Jeder, da noch tiefergehende Infos braucht, gibt es auch ganz tolle andere Quellen. Aber wir versuchen konzeptionell zu erarbeiten, was da möglich ist und wie das alles anfängt. Ich kann das total unterstreichen, was du gesagt hast. Garbage in, garbage out, shit in, shit out, das ist einfach so.

Bitte versucht auch jetzt nicht, ChatGDP nachzubauen. ChatGDP hat mehrere Milliarden Datenpunkte, kostet Millionen für ein Training, also Weiterentwicklung von dem Modell. Ich glaube, das erste Modell sogar mehr als eine Milliarde, das konkret weiterzuentwickeln. Das sind zumindest Zahlen, die ich jetzt mal gehört habe. Ich habe es nicht selber nachrecherchiert, also verhaftet mich nicht. Aber so den Dreh. Das ist nicht das Ziel. Zumindest nicht in der Finanzorganisation.

In der Finanzorganisation ist das Ziel, die Daten, wir im Unternehmen haben, im allerersten Schritt mal zu strukturieren. Weil unstrukturierte Daten, das ist das, was Dan meinte mit Shit in, Shit out, Garbage in, Garbage out, unstrukturierte Daten helfen euch nicht. Unstrukturierte Daten werden zu keinem guten Ergebnis führen. Was haben wir denn überhaupt für Daten? Vielleicht fangen wir mal damit an.

Wir haben natürlich extrem viele Finanzdaten. Wir haben Buchhaltungsdaten. haben alle Daten, mit mit KPI zu tun haben, also operational KPI, also Produktion, was auch immer ihr für eine Produktion habt. Ob das jetzt eine Entwicklungsproduktion ist, wo ihr Software entwickelt oder ob das jetzt eine Produktion ist, wo ihr Maschinen baut oder ob das auch eine Dienstleistungsproduktion ist. Es gibt ebenfalls verschiedene KPI. Das heißt, wir haben Finanzdaten, wie viel Umlass macht

Daniel Schorege (: 04:23

wie waren eure Kosten und in jeglichem Detailgrad. Die ganzen Daten zu Bellen Sheet, zu Cashflow, sowas habt ihr alles und ihr habt halt die Daten aus eurer operativen. Dann habt ihr natürlich noch die Daten aus eurem Sales Team, eurem Sales Force oder was auch immer ihr da benutzt als CRM. Ihr habt die ganzen Kundendaten und so weiter. Das heißt, ihr kommt ganz viele Daten zusammen und im ersten Schritt, egal welche Datenstränge ihr habt, ist es einfach wichtig,

die Daten mal zusammenzuführen. Und das ist genau dieses Strukturieren von Daten und damit kann man sich schon lang beschäftigen. ich glaube bei uns hat es... Was sind deine Erfahrungswerte? Wie lange kann so was dauern?

Dan Bauer (: 05:00

Ja, sehr lang.

Je nach Unternehmensgröße, also ich habe im Buch moderne Unternehmensführung im Springer Gabler Verlag, habe ich von dem Berater Paradoxon geschrieben und das ist das Phänomen, dass ich ja wenn ich jetzt zum Beispiel einen Tech -Berater reinholen will, der mir diese Daten strukturiert, dann muss ich ja annähernd seine Fachkompetenz haben, auch bewerten zu können, wie gut der ist. Das kann ich aber nicht, weil ich habe diese Fachkompetenz nicht, dann könnte ich das selber machen.

Jetzt ist mein Problem, diesen Berater muss ich irgendwie bewerten können. Dazu brauche ich einen anderen Berater. Ob das ein Mensch ist, der mir sagt, der ist gut, oder ob das eine Auszeichnung ist, oder ob das ein, egal was, der zweite Berater ist, ich kann den auch nicht bewerten. Weil wenn das ein Kumpel von mir ist und der sagt, er hat hier mit dem Georg zusammengearbeitet, der ist ein super ITler, dann hat der dem geholfen. Das heißt aber nicht, dass der mir genauso gut helfen kann.

Das heißt es einfach nicht. Entsprechend habe ich diese Paradoxon, weil ich brauche, meinen IT -Berater bewerten zu können, einen zweiten Berater, den ich nicht bewerten kann. Und da lande ich jetzt schon in so einem Spiralproblem. Deswegen ist es wirklich irre, da auch einen richtigen Ansprechpartner zu finden, der an diese Daten wirklich auch gut strukturiert. Aber genau das kann wahnsinnig schnell funktionieren, wenn es ein Superprofi ist. Die Mission Top 5 zum Beispiel.

die vermittelt genau solche Superprofis, weil sie diese Probleme erstmal versucht zu verstehen oder diese Herausforderungen zu verstehen, dann den richtigen einzusetzen. Es gibt noch viele weitere Programme und Möglichkeiten, dann entsprechend so jemanden zu finden. Und dann, wenn der weiß, was der da tut, kann das sehr, schnell gehen. Wenn, und jetzt kommt wieder, ich, ich als Strategie lande immer wieder auf dem gleichen Punkt, was soll denn gemacht werden? Was ist denn das Ziel des Ganzen?

Dan Bauer (: 07:03

Also nur eine Datenbasis zu haben ist ja kein Ziel. Sondern ich muss natürlich verwenden können, was will ich denn mit dem ganzen dann anstellen können, was soll denn das Endresultat sein, was soll denn der Zustand sein, der erreicht werden will. Und wenn ich auf Grund dessen vorgehe und weiß genau diese und diese Situation habe ich jetzt, da entsteht mir eine Lücke, da komme ich gerade nicht drüber, wer baut mir jetzt die Brücke da drüber, dann kann ich da schon mal rangehen. Wenn jetzt mein Punkt ist, ich habe einfach keinen Bock mehr,

diese BWAs zu lesen. Erstens, weil die kackkässlich sind. Es tut mir leid, wenn ich das so formuliere. Zweitens, weil du hast das angesprochen, irgendwann werden die Jungs komplex. Sondern steige ich irgendwann nicht mehr durch und weiß nicht mehr was. Und alleine mich einzuarbeiten, was das jetzt bedeutet, das brauche ich nicht. Ich brauche schnelle Entscheidungen im Management. Ich brauche Geschwindigkeit. Und wenn ich mir jetzt so ein BI, so ein Dashboard holen möchte, wo die Daten einfließen und jetzt bin ich Eishersteller und ich habe einfach mal so

Rein als Interesse würde ich gerne mal so wissen, kann man denn das prognostizieren, wie viel ich herstellen muss? Also kann ich denn Effizienz erreichen? Wenn ich jetzt hier in der Münchner Innenstadt oder in der Kölner Innenstadt, in der Berliner Innenstadt, wenn ich da so einen Eisladen habe, dann kann ich so Prognosen aufstellen, ja, es ist irgendwie Sonne, da kommen so und so viele Leute. Aber was ja jetzt wirklich spannend wäre, ist Metadaten reinzubekommen von einer Tourismusorganisation.

die solche Daten kumuliert, von dem Wetterdienst, der solche Daten bereitstellt und von verschiedenen dieser Pods. Es wäre ja höchstgradig interessant zu wissen, jetzt heute sind mehr Touristen in der Stadt. Es ist schönes Wetter, das beides führt dazu, dass ich mehr Eis brauche und den Absatz steigern kann. Wenn ich jetzt weiß, Spanier sind gerade da, weil sie Ferien haben und mir das irgendwie gesagt wurde, dann weiß ich, ja geil, lass mal spanisches Eis machen. Keine... weiß nicht, was spanisches Eis ist, aber...

Da du weißt, was ich hier meine. Dann kann ich das prognostizieren und genau daraufhin arbeiten. Dann brauche ich jetzt aber einen Profi, der mir in der Lage ist, diese Wetterdaten reinzubringen in mein Unternehmen. B. Diese Tourismusdaten und die noch mit meinen Daten so zu verknüpfen, dass da was Sinnvolles rauskommt. Siehst du das auch so? Sind das so Datenströme, die du angesprochen hast gerade?

Daniel Schorege (: 09:22

Absolut.

Absolut und deswegen ist es so schwer, das alles über einen Kamm zu sharen. ich finde, dass was du vorhin gesagt hast, und ich habe es mir extra notiert, dass du vom Ziel her gucken musst. Also du musst wirklich verstehen, was willst du mit deinen Daten erreichen und dann musst du einen Filter, also einen Funnel gründen, also dir aufzeichnen und wirklich überlegen, was muss ich oben in den Funnel reingeben, wie muss ich den Funnel verarbeiten, damit ich unten das habe, was ich brauche.

Und für den Finanzbereich ist es ganz oft, ich gebe jetzt mal einen exemplarischen Workflow, damit es wirklich konkret ist. Ganz spezifisch, konkrete Umsetzungen. Ich nenne jetzt keine Systemnamen, weil das ist vollends egal. Da gibt es irgendwie alles mögliche. Nimmt da euer System, was ihr halt habt. Aber eine ganz einfache Verknüpfung, die so 80 -20 mehr Wert bringt. 20 % des Einsatzes für 80 % des Outputs. Einfach bisschen mal Fleisch an den Knochen zu kriegen.

Was ihr super machen könnt, ist doch, nehmt doch euer ERP -System, was ihr eh habt. Egal welche Größe, wenn ihr ganz groß seid, habt ihr irgendwie SAP, jetzt hab ich doch Namen genannt. Wenn ihr kleiner seid, habt ihr irgendwelche spezifischen ERPs oder halt irgendwelche Online -Buchhaltungs -Software. Ist vollkommen egal. Euer ERP, mit dem ihr Rechnung schreibt, mit dem ihr wahrscheinlich Löhne bezahlt, mit dem ihr eure Lieferantenrechnung einbucht. Buchhaltung, mit dem ihr euer Konto verknüpft habt, Cashflow. Da ist doch schon viel drin. Dann geht ihr hin

und verknüpft das in einer Datenbank, da komme ich gleich zu, mit euren Daten aus eurem CRM, also mit euren Sales -Daten. Salesforce, Pipedrive, was auch immer ihr dafür benutzt, das ist halt ganz wichtig, weil das halt eine Forecast -Elemente, also Element. Das eine guckt in die Vergangenheit, das andere guckt in die Zukunft. Und da alleine schon seht ihr, wenn ich Vergangenheit mit Zukunft vereine, dann habt ihr einen großen Mehrwert, den ihr so nicht habt oder nur isoliert habt. Ihr habt dann einen Report aus dem einen System,

Daniel Schorege (: 11:23

reportest mit anderen System, aber ihr habt nichts, was das zusammenführt. Wenn ihr das einfach nur in eine normale Datenbank schreibt, das kann eine SQL -Datenbank sein oder auch ganz viele Systeme haben einfach Cloud -Datenbanken, wo ihr das dann dran anschließen könnt, die konsolidieren die Daten für euch, braucht ihr gar nicht so richtig viel machen. Dann habt ihr einen

ein point of truth also ein datenbank wo alle daten drin stehen die für euch für das beispiel relevant sind und da müsst ihr euch doch nur noch überlegen was mache ich jetzt damit und da habt ihr dann eine verarbeitungslogik dahinter die entweder in der datenbank direkt ist oder im layer obendrauf ist technisch wie gesagt kann euch das mit den experten viel besser erklären aber ihr verarbeitet die daten ihr kombiniert und aggregiert die daten im ersten schritt und im zweiten schritt nehmt ihr das aggregat und verarbeitet die daten das kann zum beispiel sein

Cashflow Forecast, wir wissen alle Cash is King, das ist total wichtig. Stellt euch vor, ihr seid eine expedierende Marke und öffnet irgendwie alle zwei Wochen einen neuen, was weiß ich, Schula. Dann ist da ein gewisser Cash -Bedarf dahinter, Liquiditätsbedarf dahinter. So und jetzt automatisiert Cashflow Forecast zu machen für so ein Unternehmen, gucken, wie oft kann ich dieses Jahr denn noch Stores aufmachen. Das kannst du auch in Excel machen, versteht mich nicht falsch, ihr könnt auch in Excel das alles manuell machen.

Aber es geht hier Speed, geht Accuracy und es geht vor allem so etwas Real -Time ähnliches. Also so ganz Real -Time werdet ihr nicht hinkriegen, aber schon so in der Art. Dann habt ihr noch andere Forecasts, euren ganz normalen Forecast für eure GUV, wo lande ich dieses Jahr. Das könnt ihr dann gegen das Budget messen. Auch wie gesagt, ist auch alles in Excel möglich, aber es ist halt auch automatisiert, also vollends automatisiert möglich, dass ihr dafür keine Leute

die letzte Frage ist, wie visualisiere ich das? Da könnt ihr dann wieder überlegen, ihr könnt das zum Beispiel mit Tableau verknüpfen, einfach nur eine Visualisierungssoftware, die sich mit der Datenbank verknüpft und dann einfach diese Dashboards so bauen, dass sie aus einer Managementperspektive sofort die wichtigen KPIs ziehen. Ihr könnt auch einfach das exportieren und wieder in Excel machen und in Powerpoint machen, würde ich euch nicht empfehlen, aber auch das geht. Ich will nur zeigen, es ist ein Alternativprozess,

Daniel Schorege (: 13:41

der End -to -end automatisiert werden kann, an sich einen großen Mehrwert bietet, weil er einfach schneller ist durch die Automatisierung. Aber, und jetzt kommt's, gerade wenn ihr das jetzt mit AI verknüpft...

dann kann die AI eure komplette Historie auswerten und darauf basierend Forecast erstellen, die sehr, sehr schwer zu erstellen sind, wenn du das als Mensch machst. Weil die AI guckt sich alle Millionen Datenpunkte an, egal wie viele Daten ihr jetzt habt und verarbeitet die und gibt dann, das ist ja nur eine AI, ist nichts anderes, einen statistischen Forecast, was dann in der Zukunft damit passiert. Und da ist dann Sensionalität mit drin, da ist Wechselkurs mit drin und und und. ist alle Faktoren, die man sich ausdenkt.

kann, verschiedene Faktorierungsmethoden, Bewertungsthemen, Impairment -Themen und und und. Da kann man jetzt wirklich sehr tief ins Detail gehen, aber da ist dann da ist dann alles drin und das innerhalb von Minuten, Sekunden, das hat einen unglaublichen Mehrwert und was ich einfach nur sagen möchte an der Stelle und Dan ich bin da auf deine Perspektive vor allem auch gespannt, startet nicht mit dem 100 % -Bild. Baut euch eine Mini -MWP, so wie man es in der Entwicklung macht und setzt erstmal ein Use -Case einen konkreten

Use Case, ihr habt. Lasst vielleicht erstmal die Salesforce Daten weg, wirklich digitalisiert einfach nur ERP, schreibt das in die Datenbank, baut ein gutes Dashboard, dann habt ihr schon viel gewonnen. Und dann reichert ihr das an, nach und nach. Und zwar immer Use Case basiert. Immer ein Use Case, dann der nächste Use Case, dann der nächste Use Case. Je nachdem, wie viel Kappa ihr habt, könnt ihr das auch parallelisieren. Aber verliert euch nicht in so einem Ferrari, den ihr aufbauen wollt, wo ihr dann 300 .000 Datensätze für braucht und irgendwie drei Jahre das umzusetzen.

Manchmal auch leider das, was Berater euch verkaufen. Manchmal ist es einfacher, den einfachen Use Case umzusetzen, den Mehrwert zu erkennen, die Organisation daran zu gewöhnen, weil das ist auch eine Umstellung. Da müssen Leute mit klarkommen und dann irgendwie zu zeigen, guck wie das hilft dir in deinem Job, jetzt bauen wir den nächsten Use Case. Und dann könnt ihr wirklich dieses abstrakte Thema Datenbank, Daten, Data Intelligence, Gen .AI für die Daten nutzen und wirklich in eurem Day -to -Day -Business in kleinen Use Cases verpackt auch direkt verwenden. Denn was heißt

Dan Bauer (: 15:55

Sieh ich zu 1000 % genauso. Insbesondere einer meiner besten Freunde ist Pareto, der jedes Mal wieder anruft und sagt, nee, mach mal 20, 80, weil es funktioniert tatsächlich. Es ist wirklich eine der schlausten, weiß ich, Naturgesetze, wenn du so willst, in der Wirtschaft, die ich kenne. Übrigens, mein zweiter Favorit ist Parkinson, der Soziologe.

Daniel Schorege (: 15:56

Du

Dan Bauer (: 16:22

der festgestellt hat, dass seine Aufgabe so lang braucht, wie Zeit für sie verfügbar ist. Die beiden Jungs rufen ständig bei mir an. Das ist wirklich großartig. Nein, was ich noch sagen wollte, ist, einen Use -Case noch mal übertragen auf die Eismetapher vorher. Ein einziger Use -Case ist ja alleine schon, ich möchte eine Liste haben, die mir prognostiziert, wie viel Milch und wie viel Zucker und wie viel Zeug muss ich in einkaufen.

Daniel Schorege (: 16:26

Hahaha!

Dan Bauer (: 16:47

Diese Liste soll automatisch generiert werden. Das ist super einfach, wenn die Datenbasis da ist. Super einfach herzustellen, kostet nicht den Aufwand. Aber wenn du mal mit einem Berater diesen Prozess durchgegangen bist und der ist wirklich, das schaffst in einer Woche, das ist schlank, dann weißt du a, ist das der richtige Berater, b, funktioniert das Ding und dann kannst du immer noch anfangen Ferrari zu bauen. Das ist ja gar kein Problem. Aber wirklich am Anfang schon ranzukommen mit so einer ganz großen Nummer, das ist

Es ist noch nie gelungen, glaube ich. Ich sehe auch reihenweise Projekte. Letztens ist wieder eins abgewickelt worden nach drei Jahren. Jetzt unter uns allen Finanzprofis. Wickel mal ein Projekt ab, das drei Jahre lang gelaufen ist. Dann weißt du, wie viel Geld du da gerade in den Sand setzt, weil du entscheiden musst, dass wenn es weiter läuft, Ergebnis A nicht erzielt wird und B noch mehr kostet. Das sind pure Schmerzen. will sie nicht haben. Deswegen starte das klein und fahre das dann hoch.

Daniel Schorege (: 17:17

Absolut.

Daniel Schorege (: 17:37

Absolut.

Daniel Schorege (: 17:44

Der erste Schritt ist strukturierte Daten. Gerade heutzutage, ganz oft, du möchtest den übernächsten Schritt gehen, bevor du den nächsten gehst. Du möchtest Gen .AI anwenden, aber du hast keine strukturierten Daten. Da seid ihr alle ganz undeutlich aufgestellt. Manche haben super Datenbanken, sind voll insintegriert und da kannst du einen AI -Lehrer draufsetzen, das ist kein Problem.

Manche von euch müssen erst mal anfangen zu überlegen, welche Daten brauche ich und die strukturiert abspeichern, damit sie überhaupt die Basis haben. Und das ist auch, glaube ich, unsere Key -Botschaft von heute.

investiert in die Basis, dann ist der nächste Schritt einfach. Wenn ihr nicht in die Basis investiert, und das ist das, der Dan ganz am Anfang gesagt hat, garbage in, garbage out, dann braucht ihr auch nicht in nächsten Schritt gehen und sofort versuchen, JNI umzusetzen, dann irgendwie dem Vorstand gegenüber zu sagen, wir haben jetzt JNI in unseren Prozessen. Weil ihr habt es dann zwar, aber der Output

ist nichts womit ihr was anfangen könnt und schafft deswegen dann meistens auch nur Verwirrung, weil er halt auf falschen Annahmen ruht. Deswegen der erste Schritt, Use Case basiert und dann der zweite Schritt.

Dan Bauer (: 18:50

Und jetzt hoffe ich, dass unser Output auch dafür gesorgt hat, dass ihr ein Stück weit vorankommt. Danke fürs Zuhören und wir hören uns bei der nächsten Folge. Bis dann.

Daniel Schorege (: 18:59

Herzlichen Dank.