| Popis: |
Rechnungswesen und Controlling wirken wie mogliche Paradebeispiele fur den Einsatz von maschinellem Lernen und Analytics. Grose Mengen strukturierter Daten werden tagtaglich erzeugt, verdichtet und zur Entscheidungsfindung aufbereitet. Dennoch scheinen die Akzeptanz und Nutzung dieser beiden Technologien weit hinter den Prognosen der letzten Jahre zuruckzustehen. Auch fehlt es an Treibermodellen, die beim Verstandnis dieser Diskrepanz unterstutzen konnten. Vor diesem Hintergrund stellt der folgende Beitrag die Ergebnisse einer Studie zur Akzeptanz und Nutzung von maschinellem Lernen und Analytics vor. Die Ergebnisse zeigen, dass fur grose Teile der befragten Fuhrungskrafte die Aufgabencharakteristika den starksten Einfluss auf die eigentliche Nutzung haben. Der Wunsch, die Technologien zunachst parallel zu bestehenden Losungen zu benutzen, ist ein Indikator fur eine geringere Nutzung. Daruber hinaus wird die Vermutung bestatigt, dass Fuhrungskrafte in hoheren Positionen tendenziell weniger vertraut mit Methoden aus dem Bereich des maschinellen Lernens sind. Der Beitrag schliest mit vier Handlungsempfehlungen zu den Stichworten Intelligenz, Investitionen, Implementierung und Incentivierung. |
