Advertisement

Organisation und Prozesse

  • Dietmar SchönEmail author
Chapter

Zusammenfassung

Kapitel 4 beschäftigt sich mit der organisatorischen Einbindung und der Ausgestaltung der Prozesse im Zusammenhang mit der Planung und dem Reporting. Es wird untersucht, welchen Einfluss Unternehmensverbindungen, die Aufbauorganisation und der Führungsstil auf die Planung und das Reporting haben. Hierbei werden u. a. Besonderheiten des Mittelstandes und großer Unternehmen herausgearbeitet. Zudem werden die Aufgaben und Beziehungen der beteiligten Rollen, auf der einen Seite die Adressaten bzw. Empfänger und auf der anderen Seite die Ersteller bzw. Sender und Koordinatoren, unterschieden. Für die Planung und das Reporting wurden weiterhin folgende Prozesse differenziert betrachtet: Der Einführungsprozess, der zyklische Prozess (kontinuierliche Abwicklung) und der Qualitätssicherungsprozess. Durch die systematische Einteilung der Prozessschritte werden den Unternehmen viele Anstöße gegeben, die für die praktische Umsetzung von Planungs- und Reportinglösungen wichtig sind.

Hervorzuheben sind vor allem die Hinweise zur Datenqualitätsprüfung und -sicherung im Rahmen BI-gestützter Controlling-Systeme sowie die Unterstützung der IT-Entwicklung durch den SRUM-Prozess.

Literatur

  1. Albrecht, J., et al. 2013. Anwendung. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, 4. Aufl., Hrsg. A. Bauer, H. Günzel, 373–608. Heidelberg: dpunkt Verlag.Google Scholar
  2. Andreae, C. 2007. Familienunternehmen und Publikumsgesellschaft. Wiesbaden: Springer.CrossRefGoogle Scholar
  3. Apel, D., et al. 2015. Datenqualität erfolgreich steuern, 3. Aufl. Heidelberg: dpunkt Verlag.Google Scholar
  4. Atacama. 2011. Produkte. http://www.ataccama.de/produkte/dq-analyzer/dqa-uberblick.html. Zugegriffen: 22. Juli 2011.Google Scholar
  5. Balzert, H. 2011. Lehrbuch der Softwaretechnik: Entwurf, Implementierung, Installation und Betrieb, 3. Aufl. Heidelberg: Spektrum Akademischer Verlag.CrossRefGoogle Scholar
  6. Bange, C. 2014. Business Intelligence im Self-Service hat Konjunktur. IS-Report 18(8):28–29.Google Scholar
  7. BARC. 2017. BI-Trend Monitor 2017. http://barc.de/trend-monitor?s=s_9_550. Zugegriffen: 12. Juni 2017.Google Scholar
  8. Bartsch, M., et al. 2015. Recht. In Praxishandbuch Big Data: Wirtschaft – Recht – Technik, Hrsg. J. Dorschel, 167–251. Wiesbaden: Springer Gabler.Google Scholar
  9. Becker, W., und P. Ulrich. 2009. Mittelstand, KMU und Familienunternehmen in der Betriebswirtschaftslehre. WiSt 38(1):2–7.CrossRefGoogle Scholar
  10. Becker, W., und P. Ulrich. 2011. Mittelstandsforschung in Deutschland: Begriffe, Relevanz und Konsequenzen. Stuttgart: Kohlhammer.Google Scholar
  11. Becker, A., J. Leyk, und L. Riemer. 2013. Dynamische Unternehmenssteuerung am Beispiel von Beyer MaterialScience. In Moderne Instrumente der Planung und Budgetierung, Hrsg. R. Gleich, S. Gänßlein, M. Kappes, U. Kraus, J. Leyk, und M. Tschandl, 121–142. München: Haufe.Google Scholar
  12. Becker, W., M. Staffel, und P. Ulrich. 2009. Wissensmanagement als Instrument der strategischen Führung im Mittelstand – Konzepte, Modifikationen und Empfehlungen. In Management-Instrumente in kleinen und mittleren Unternehmen: Jahrbuch der KMU-Forschung und -Praxis 2009, Hrsg. J. Meyer, 257–282. Lohmar: Eul-Verlag.Google Scholar
  13. Becker, W., P. Ulrich, und T. Botzkowski. 2016. Data Analytics im Mittelstand. Wiesbaden: Springer Gabler.CrossRefGoogle Scholar
  14. Blohm, H. 1974. Die Gestaltung des betrieblichen Berichtswesens als Problem der Leitungsorganisation, 2. Aufl. Herne: NWB.Google Scholar
  15. Bundesdatenschutzgesetz (BDSG) vom 14. Januar 2003 (BGBl. I S. 66).Google Scholar
  16. Coenenberg, A.G. 2000. Jahresabschluss- und Jahresabschlussanalyse, 17. Aufl. Stuttgart: Moderne Industrie.Google Scholar
  17. Coenenberg, A.G., und R. Salfeld. 2003. Wertorientierte Unternehmensführung. Stuttgart: Moderne Industrie.Google Scholar
  18. Copeland, T., T. Koller, und J. Murrin. 2002. Unternehmenswert – Methoden und Strategien für eine wertorientierte Unternehmensführung, 3. Aufl. Frankfurt a. M.: Campus.Google Scholar
  19. Davenport, T.H. 2014. Big data at work: dispelling the myths, uncovering the opportunities. Boston: Harvard Business School.Google Scholar
  20. Schön, D, und Diamant Software. 2009. Moderne Anforderungen und Trends im Finanz- und Rechnungswesen sowie im Controlling – Ergebnisse der empirischen Studie. Dortmund, Bielfeld: Diamant Software GmbH.Google Scholar
  21. Dittmar, C., und T. Schmidt. 2014. Self-Service BI benötigt eine ganz spezielle Governance. IS-Report 18(8):24–27.Google Scholar
  22. Dräther, R., H. Koschek, und C. Sahling. 2013. Scrum – kurz & gut. Köln: O’Reilly.Google Scholar
  23. Eisele, D., und T. Doyé. 2010. Praxisorientierte Personalwirtschaftslehre. Wertschöpfungskette Personal, 7. Aufl. Stuttgart: Kohlhammer.Google Scholar
  24. EU Kommission. Empfehlung der Kommission vom 6. Mai 2003 (Empfehlung 2003/361/EG), die seit dem 1. Januar 2005, die bis dahin geltende Empfehlung (96/280/EG) ersetzt.Google Scholar
  25. Feldbauer-Durstmüller, B., und B. Wimmer. 2008. Familienunternehmen und Controlling – Ergebnisse der empirischen Studie: Familienunternehmen in Oberösterreich. In Familienunternehmen, Hrsg. B. Feldbauer-Durstmüller, H. Pernsteiner, R. Rohatschek, und M. Tumpel, 31–52. Wien: Linde.Google Scholar
  26. Finucane, B., und M. Mack. 2011. Business-Intelligence-Software boomt in Deutschland. In is report, Informationsplattform für Business Applications, BARC-Guide Business Intelligence, 8–11.Google Scholar
  27. Foegen, M. 2014. Der Ultimative Scrum Guide 2.0. Darmstadt: wibas GmbH.Google Scholar
  28. Freese, E. 2005. Grundlagen der Organisation, 9. Aufl. Wiesbaden: Springer Gabler.CrossRefGoogle Scholar
  29. Friedrich, D. 2008. Business Intelligence etabliert sich im Mittelstand, BARC-Guide Business Intelligence, S. 10–11. http://www.barc.de/fileadmin/Fachartikel/10-11_FB_BI-Guide.pdf. Zugegriffen: 19. Febr. 2011.Google Scholar
  30. Gebauer, M., und U. Windheuser. 2015. Strukturierte Datenanalyse, Profiling und Geschäftsregeln. In Daten- und Informationsqualität, 3. Aufl., Hrsg. K. Hildebrand, et al., 87–100. Wiesbaden: Springer Vieweg.CrossRefGoogle Scholar
  31. Gleich, R., und P. Temmel. 2008. Die Rolle der Organisation des Controllings im Management Reporting. In Management-Reporting – Grundlagen, Praxis und Perspektiven, Hrsg. P. Horváth, R. Gleich, und U. Michel, 63–91. München: Haufe.Google Scholar
  32. Gluchowski, P. 2014. Aktuelle Trends in der Business Intelligence. Controlling 26:235–243.CrossRefGoogle Scholar
  33. Gluchowski, P. 2017. Die Big-Data-Diskussion verhilft Business Intelligence zum Höhenflug. isreport. Sonderausgabe August 2017, 7–10.Google Scholar
  34. Gräf, J., und D. Nase. 2008. Objekte des Management Reportings im Überblick. In Management-Reporting – Grundlagen, Praxis und Perspektiven, Hrsg. P. Horváth, R. Gleich, und U. Michel, 43–61. München: Haufe.Google Scholar
  35. Hildebrand, K. 2015. Master Data Life Cycle – Stammdatenprozess am Beispiel Materialstamm in SAP. Wiesbaden: Vieweg+Teubner.Google Scholar
  36. Hinrichs, H. 2002. Datenqualitätsmanagement in Data Warehouse-Systemen. Diss. Oldenburg.Google Scholar
  37. Hoffjan, A. 2008. Comparative management accounting. Controlling 20:655–660.CrossRefGoogle Scholar
  38. Horváth, P. 2008. Grundlagen des Management-Reportings. In Management-Reporting – Grundlagen, Praxis und Perspektiven, Hrsg. P. Horváht, R. Gleich, und U. Michel, 15–42. München: Haufe.Google Scholar
  39. Horváth, P., und A. Aschenbrücker. 2014. Data Scientist: Konkurrenz oder Katalysator für den Controller? In Der Controlling-Berater – Controlling und Big Data, Bd. 35, Hrsg. R. Gleich, A. Klein, 47–62.Google Scholar
  40. Hüllmann, U. 2003. Wertorientiertes Controlling für eine Management-Holding. München: Vahlen.Google Scholar
  41. IfM. 2006. MIND 2006. Der Mittelstand in Deutschland: Das Rückrad der Wirtschaft – Kleine Unternehmen und Dienstleister prägen den Mittelstand – Mittelständler blicken optimistisch in die Zukunft. http://www.impulse.de/unternehmen/:Zahlen-und-Fakten--MIND-Downloads/265749.html. Zugegriffen: 5. Nov. 2009.Google Scholar
  42. Janssen, J. 2008. Rechnungslegung im Mittelstand, Diss. TU Dortmund.Google Scholar
  43. Kemper, H.G., H. Baars, und W. Mehanna. 2010. Business Intelligence – Grundlagen und praktische Anwendungen, 3. Aufl. Wiesbaden: Springer Vieweg.CrossRefGoogle Scholar
  44. Knöll, H.D., et al. 2006. Unternehmensführung mit SAP BI. Wiesbaden: Springer Vieweg.Google Scholar
  45. Koch, R. 1994. Betriebliches Berichtswesen als Informations- und Steuerungsinstrument. Frankfurt am Main: Peter Lang.Google Scholar
  46. Lerch, V. 2008. Konzept einer Modellfabrik für integrierte Business Intelligence im Mittelstand – Theorie und Anwendung bei einem mittelständischen Unternehmen der Fertigungsindustrie. Inauguraldissertation, Universität Mannheim.Google Scholar
  47. Leser, U., und F. Naumann. 2007. Informationsintegration. Heidelberg: dpunkt Verlag.Google Scholar
  48. Martin, W. 2013. Business Intelligence trifft Business Process Management und Big Data. http://www.wolfgang-martin-team.net/BI-BPM-SOA_dt.php. Zugegriffen: 14. Mai 2016.
  49. Naumann, F. 2007. Datenqualität. Informatik-Spektrum 30(1):29.CrossRefGoogle Scholar
  50. Ossadnik, W., D. Barklage, und E. van Lengerich. 2010. Controlling mittelständischer Unternehmen. Berlin Heidelberg: Physica.CrossRefGoogle Scholar
  51. Otto, B., und C. Legner. 2016. Datenqualitätsmanagement für den Industriebetrieb. Controlling 28(10):550–557.CrossRefGoogle Scholar
  52. Pfohl, H.C. 2006. Abgrenzung der Klein- und Mittelbetriebe von Großbetrieben. In Betriebswirtschaftslehre der Mittel- und Kleinbetriebe, 4. Aufl., Hrsg. H.C. Pfohl, 331–355. Berlin: Erich Schmidt Verlag.Google Scholar
  53. Pichler, R. 2009. Scrum – Agiles Projektmanagement erfolgreich einsetzen, 20–23. Heidelberg: dpunkt Verlag.Google Scholar
  54. Rappaport, A. 1986. Creating shareholder value – the new standard for business performance. New York: Free Press.Google Scholar
  55. Rautenstrauch, T. 2005. Balanced Scorecard in mittelständischen Unternehmen: Empirische Ergebnisse und Implikationen. In Einsatz von Controllinginstrumenten im Mittelstand, Konferenz Mittelstandscontrolling 2005 – TU Kaiserslautern, 1–17, Hrsg. V. Lingnau. Köln: Eul-Verlag.Google Scholar
  56. Reichmann, T. 2008. Die systemgestützte Controlling-Konzeption in Theorie und Praxis. Controlling 20:689–700.CrossRefGoogle Scholar
  57. Reichmann, T. 2011. Controlling mit Kennzahlen. Die systemgestützte Controlling-Konzeption mit Analyse- und Reportinginstrumenten, 8. Aufl. München: Vahlen.Google Scholar
  58. Reinemann, H. 1999. Was ist Mittelstand? Zur Definition der kleinen und mittleren Unternehmen. WiSt 28(12):661–662.Google Scholar
  59. Rheinhardt, R., D. Kilian, B. Kirschner, und W. Moriel. 2007. Wettbewerbsfähigkeit kleiner und mittlerer Unternehmen in Österreich, eine empirische Studie. Innsbruck: Studia Verlag.Google Scholar
  60. Sanders, D., und N. Schafft. 2014. Implementierung eines globalen Berichtswesens. In Controlling in der Konsumgüterindustrie. Innovative Ansätze und Praxisbeispiele, 293–312, Hrsg. M. Buttkus, R. Eberenz. Wiesbaden: Springer Gabler.Google Scholar
  61. Schemm, J.W. 2009. Zwischenbetriebliches Stammdatenmanagement. Berlin, Heidelberg.Google Scholar
  62. Schlegel, H.B. 1996. Computergestützte Unternehmensplanung und -kontrolle. München.Google Scholar
  63. Schön, D. 2004. Moderne Planungskonzepte und Reportingtools. In 19. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 287–337. Dortmund: Gesellschaft für Controlling e.V.Google Scholar
  64. Schön, D. 2011. Ergebnisse zur empirischen Untersuchung – Business Intelligence für Reporting und Planung im Mittelstand, 1–47. http://www.fh-dortmund.de/de/studi/fb/9/personen/lehr/schdie/103020100000206873.php. Zugegriffen: 1. Juni 2011.Google Scholar
  65. Schön, D., und H. Krause. 1997. DV-gestütztes Krankenhaus-Controlling mit Hilfe von Standard-Software. DV-gestützte und controllinggerechte Kosten- und Leistungsrechnung mit Hilfe von Standard-Software. In Controlling im Krankenhaus. Ein Handbuch für alle Führungskräfte im Krankenhaus, Hrsg. E. Hauke, 1–70. Wien: Ueberreuter. Erg.-Lfg. 3, Abschn. 9.Google Scholar
  66. Schön, D., und R. Müller. 2010. Mittelstandscontrolling für Inhaber und Manager. In 25. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 123–165. Dortmund: Gesellschaft für Controlling e.V.Google Scholar
  67. Schulte, C. 2002. Personal-Controlling mit Kennzahlen, 2. Aufl. München: Vahlen.Google Scholar
  68. Schulte-Mattler, H., und T. Manns. 2010. Bedeutung des regulatorischen und ökonomischen Eigenkapitals für das Risikomanagement der Banken. In Risikomanagement und Frühwarnverfahren, Hrsg. U. Bantleon, A. Becker, 83–126. Stuttgart: Erich Schmidt Verlag.Google Scholar
  69. Schwaber, K., und J. Sutherland. 2013. Software in 30 Days. Heidelberg: Published Online.Google Scholar
  70. Schweinsberg, K., et al. 2006. Persönlichkeiten – Was macht den Mittelständler aus? In Praxishandbuch des Mittelstands – Leitfaden für das Management Mittelständischer Unternehmen, Hrsg. W. Krüger, 63–70. Wiesbaden: Gabler.Google Scholar
  71. Simon, H. 1992. Lessons from Germany’s midsize giants. Harvard Business Review 70:115–123.Google Scholar
  72. Stiefl, J., und K. von Westerholt. 2007. Wertorientiertes Management. München: Oldenbourg.CrossRefGoogle Scholar
  73. Strauch, B., und R. Winter. 2002. Vorgehensmodell für die Informationsbedarfsanalyse im Data Warehousing. In Vom Data Warehouse zum Corporate Knowledge Center, Hrsg. E. Maur, R. Winter, 359–378. Heidelberg: Springer.CrossRefGoogle Scholar
  74. Taschner, A. 2013. Management Reporting. Erfolgsfaktor internes Berichtswesen. Wiesbaden: Springer Gabler.Google Scholar
  75. Wahls, J. 1993. Unternehmensplanung mit Excel. München: Vahlen.Google Scholar
  76. Wallau, F. 2008. Institut für Mittelstandsforschung Bonn: Das familiengeführte Unternehmen, Expertenforum Familienunternehmen. Köln: Institut für Mittelstandsforschung Bonn.Google Scholar
  77. Weber, J., C. Hunold, C. Prenzler, und S. Thust. 2001. Controllerorganisation in deutschen Unternehmen. Schriftenreihe Advanced Controlling, Bd. 18, 8. Vallendar: Wiley.Google Scholar
  78. Weber, J., B. Hirsch, R. Rambusch, H. Schlüter, F. Sill, und A. Spatz. 2006. Controlling 2006 – Stand und Perspektiven. Valendar: Wiley.Google Scholar
  79. Weber, J., R. Malz, und T. Lührmann. 2008. Excellence im Management-Reporting. In Schriftenreihe Advanced Controlling, Bd. 22, 25, 50, 62, Hrsg. J. Weber. Weinheim: Wiley.Google Scholar
  80. Weber, J., P. Nevries, D. Breiter, et al. 2009. Operative Planung. Schriftenreihe Advanced Controlling, Bd. 71, 30. Vallendar: Wiley.Google Scholar
  81. Weigend, A. 2017a. Data for the people: Das implizite explizit machen! mobile Business H. 5–6:16–19.Google Scholar
  82. Weigend, A. 2017b. Data for the people: how to make our post-privacy economy work for you. New York. Published in the United States by Basic Books, an imprint of Perseus Books, LLC, a subsidiary of Hachette Book Group, Inc.Google Scholar
  83. Won, K., und B. Choi. 2003. Towards quantify data quality costs. Journal of Objects Technology 2(4):69–76.CrossRefGoogle Scholar
  84. Würthele, V. G. 2003. Datenqualitätsmetrik für Informationsprozesse. Diss. Zürich.Google Scholar
  85. Zeh, T. 2013. Datenqualität. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, 4. Aufl., Hrsg. A. Bauer, H. Günzel, 49–52. Heidelberg: dpunkt Verlag.Google Scholar
  86. Ziegenbein, K. 2012. Controlling. In Kompendium der praktischen Betriebswirtschaft, 10. Aufl., Hrsg. K. Ollfert. Herne: NWB.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Fachhochschule DortmundDortmundDeutschland

Personalised recommendations