In diesem Gespräch wollte ich wissen, wie Self Service Analytics im Controlling aussieht, wenn die Demos vorbei sind und der Alltag wieder dominiert. Katrin Weber verantwortet das Controlling in einem mittelgroßen Unternehmen und hat mit ihrem Team eine Business‑Intelligence‑Plattform eingeführt. Wir sprechen darüber, welche Fehler sie am Anfang gemacht haben, wie sie ihr Datenmodell heute aufbaut und warum sie Dashboards als Gesprächsfläche und nicht als Zahlenfriedhof versteht.
Was war der größte Irrtum, mit dem ihr in die Einführung von Self Service Analytics gestartet seid?
Ich habe am Anfang denselben Fehler gemacht, den viele Finanzteams machen. Wir haben uns von der Demo der Business‑Intelligence‑Plattform begeistern lassen und wollten möglichst schnell viele bunte Dashboards haben. Also haben wir Daten aus verschiedenen Systemen importiert, ein paar Standardberichte nachgebaut und dachten, damit sei der Einstieg in Self Service Analytics geschafft. In der Praxis ist das aber verpufft. Die Dashboards wurden selten geöffnet, weil sie nicht zu unseren echten Fragen passten. Für den Monatsabschluss oder die Budgetrunde sind Kolleginnen und Kollegen weiter in ihre gewohnten Tabellen gegangen. Wir hatten technisch ein neues Werkzeug, aber unsere Arbeitsweise war noch dieselbe. Der Wendepunkt kam, als wir uns gezwungen haben, mit einer einzigen, sehr konkreten Frage zu starten. Bei uns war das die Entwicklung der Marge in einem bestimmten Produktsegment, die immer wieder Diskussionen ausgelöst hat. Wir haben uns hingesetzt und auf einem Blatt Papier skizziert, welche Kennzahlen, Sichten und Drill‑downs wir dafür wirklich brauchen. Erst danach haben wir die BI‑Plattform geöffnet und genau diese Struktur nachgebaut. Plötzlich wurde das Dashboard genutzt. Nicht, weil es schöner war, sondern weil es ein echtes Problem adressiert hat. Das hat uns gezeigt, dass Self Service Analytics im Controlling nicht mit Funktionen beginnt, sondern mit einer klaren Entscheidungsfrage. Seitdem starten wir jeden neuen Bericht mit dieser einfachen Übung.
Wie sieht euer Datenmodell heute aus, damit Self Service Analytics im Controlling funktioniert?
Wir haben schnell gemerkt, dass unser erster Ansatz zu technisch gedacht war. Wir hatten viele Tabellen, aber keine klare Logik dahinter. Heute arbeiten wir mit einem einfachen Bild, das im Team jede Person versteht. Wir sprechen von Bewegungsdaten, Stammdaten und Brücken. Bewegungsdaten sind bei uns alle Buchungen und Planwerte. Sie landen in einer zentralen Faktentabelle mit Beträgen, Datum, Konto, Kostenstelle und einigen zusätzlichen Merkmalen. Stammdaten sind Kontenrahmen, Kostenstellenstrukturen, Produkte, Kunden und Regionen. Diese Tabellen beschreiben, was hinter den Bewegungen steckt. Die Brücken verbinden diese Welten. Das sind Mappings von Konten auf Reporting‑Zeilen, von Kunden auf Segmente oder von Produkten auf Kategorien. Wir pflegen sie bewusst getrennt, damit wir Auswertungslogiken ändern können, ohne die ursprünglichen Daten anzufassen. Der entscheidende Schritt war, dieses Modell nicht im stillen Kämmerlein zu entwerfen, sondern mit dem Team gemeinsam. Wir haben typische Fragen gesammelt – zum Beispiel "Welche Kostenstellen treiben die Abweichung in Bereich X?" – und geprüft, ob unser Modell diese Fragen ohne Hilfsspalten beantworten kann. Wenn das nicht der Fall war, haben wir Strukturen angepasst. So ist ein Datenmodell entstanden, das zwar technisch in der Business‑Intelligence‑Plattform lebt, aber in der Sprache des Controllings gedacht ist. Es hilft uns, Self Service Analytics wirklich zu nutzen, statt bei jeder neuen Frage wieder in Tabellen zu landen. Ergebnisse können sich trotzdem unterscheiden, je nach Datenqualität oder getroffenen Annahmen. Aber wir verstehen heute viel besser, warum Zahlen so aussehen, wie sie aussehen.
Wie nutzt ihr Dashboards heute konkret in Meetings und im Controlling‑Alltag?
Früher haben wir Dashboards eher als hübsche Zusammenfassung am Ende eines Prozesses gesehen. Heute sind sie für uns eine Gesprächsfläche. Das klingt vielleicht nach einem feinen Unterschied, verändert aber die Art, wie wir Self Service Analytics nutzen. In unseren Standardmeetings – zum Beispiel im Monatsabschluss oder in Kostenstellenrunden – arbeiten wir mit festen Entscheidungsflächen. Oben stehen wenige Kernkennzahlen, in der Mitte sehen wir die wichtigsten Treiber, unten gibt es Detailtabellen für Rückfragen. Diese Struktur bleibt gleich, nur die Daten werden aktualisiert. So finden sich alle schnell zurecht. Im Meeting selbst ist das Dashboard offen. Wenn jemand nach einer Abweichung fragt, filtern wir gemeinsam, drillen in Kontengruppen oder Kostenstellen und halten fest, welche Erklärungen plausibel sind und wo wir nacharbeiten müssen. Die BI‑Plattform wird damit Teil des Gesprächs, nicht nur Lieferant einer Vorabpräsentation. Wichtig ist uns, dass jede Kennzahl im Dashboard auf eine Dokumentation verweist. Name, Definition, Datenquelle und Aktualisierungsrhythmus sind hinterlegt. So können neue Teammitglieder oder Fachbereiche verstehen, was sie sehen, ohne jedes Mal jemanden fragen zu müssen. Natürlich ersetzen Dashboards nicht die fachliche Diskussion. Sie machen sie nur strukturierter. Vergangene Entwicklungen sind kein verlässlicher Indikator für zukünftige Ergebnisse. Aber wir sehen schneller, welche Muster es gibt und welche Annahmen dahinterstehen. Das senkt die Temperatur in manchen Diskussionen deutlich.
Welche Lernpunkte würdest du anderen Finanzteams mitgeben, die Self Service Analytics einführen wollen?
Der wichtigste Lernpunkt war für mich, dass Self Service Analytics kein Einmalprojekt ist. Am Anfang wollte ich einen klaren Zielzustand definieren: fertiges Datenmodell, fertige Dashboards, klare Governance. In der Realität hat sich gezeigt, dass sich unser Unternehmen, unsere Fragen und auch unsere Systeme laufend verändern. Also musste auch unser Ansatz beweglich bleiben. Wir haben uns deshalb auf drei Routinen geeinigt. Erstens gibt es regelmäßige kurze Runden, in denen wir unser Datenmodell überprüfen. Was hat in den letzten Monaten gut funktioniert, wo mussten wir ständig Workarounds bauen? Auf dieser Basis passen wir Strukturen an. Zweitens pflegen wir einen Kennzahlenkatalog, der wirklich genutzt wird. Neue Kennzahlen kommen nur hinein, wenn klar ist, wer sie verantwortet und wo sie eingesetzt werden. Änderungen werden vermerkt, damit wir später nachvollziehen können, warum sich Auswertungen geändert haben. Drittens haben wir uns angewöhnt, bei größeren Entscheidungen immer zu notieren, auf welcher Datengrundlage und mit welchen Annahmen wir gearbeitet haben. Das ist kein juristisches Dokument, sondern eine Arbeitshilfe. Sie erinnert uns daran, dass Ergebnisse variieren können, wenn sich Rahmenbedingungen oder Datenlagen ändern. Mein Rat an andere Finanzteams wäre: Fangt klein an, bleibt neugierig und nehmt Governance ernst, ohne sie zu einem Papiertiger zu machen. Self Service Analytics kann viel Entlastung bringen, wenn ihr es als laufenden Lernprozess seht und nicht als starres Zielbild. Die Business‑Intelligence‑Plattform ist dabei nur das Werkzeug. Die eigentliche Veränderung passiert in euren Routinen und Gesprächen.
Wie sorgt ihr dafür, dass eure Analysen verlässlich bleiben, ohne falsche Sicherheit zu vermitteln?
Ich habe am Anfang unterschätzt, wie wichtig Sprache ist. Wir hatten Situationen, in denen zwei Personen mit voller Überzeugung über "Marge" gesprochen haben, aber etwas Unterschiedliches meinten. Das führte zu Verwirrung, obwohl beide sauber gearbeitet hatten. Heute investieren wir bewusst Zeit in gemeinsame Begriffe. Wenn wir eine neue Kennzahl einführen, diskutieren wir nicht nur die Formel, sondern auch den Namen und die Beschreibung. Wir testen, ob jemand aus einem anderen Bereich mit der Definition etwas anfangen kann. Erst wenn das passt, landet die Kennzahl in Dashboards. Ein weiterer Punkt ist Transparenz bei Unsicherheiten. Self Service Analytics verführt dazu, Ergebnisse sehr präzise aussehen zu lassen. Aber auch ein schön visualisiertes Dashboard bleibt eine Abbildung der aktuellen Daten und Annahmen. Wir schreiben deshalb in kritischen Auswertungen klar dazu, welche Einschränkungen gelten: zum Beispiel unvollständige Buchungen, Schätzwerte oder laufende Systemumstellungen. Schließlich haben wir gelernt, dass wir als Controlling nicht jede Frage allein beantworten müssen. Manchmal ist es sinnvoller, gemeinsam mit Fachbereichen oder IT auf ein Dashboard zu schauen und Hypothesen zu teilen, statt im stillen Kämmerlein die perfekte Auswertung zu suchen. Das nimmt Druck aus der Rolle des Controllings und macht Self Service Analytics zu einem gemeinsamen Werkzeug. Wenn ich es in einem Satz zusammenfassen müsste, würde ich sagen: Gute Finance Analytics erkennt man daran, dass sie Diskussionen klärt, nicht daran, dass sie jede Unsicherheit vermeidet. Vergangene Analysen sind keine Zusage für zukünftige Entwicklungen, aber sie helfen, Entscheidungen bewusster zu treffen.