Cashflowmanagement und Prognose der Stichtagsliquidität im Automobilbereich
Herausforderung
-
Die Finanzplanung eines Premiumautomobilherstellers möchte seine Liquiditätsplanung verbessern, um das Cashmanagement zu optimieren und mögliche Liquiditätsrisiken vorzeitig zu erkennen
-
Nach Rechnungseingang im Unternehmen hängt der Zeitpunkt des Geldabflusses von verschiedenen Faktoren ab und führt dadurch zu einer erschwerten Planbarkeit des tatsächlichen Cashflows am Stichtag
Lösung
-
Im Zuge eines Usecase-Workshops wurden Einflussfaktoren auf die Dauer der Rechnungsbearbeitung identifiziert
-
Im nachfolgenden Hackathon wurde gemeinsam mit dem Fachexperten ein Machine Learning-Modell entwickelt, das den jeweiligen Zahlungsabfluss tagesgenau vorhersagen kann
Ergebnis
-
Entwicklung eines Machine-Learning-Modells, das durch Verwendung von Features (wie z.B. Dokumententyp, Zahlungsbedingung und Kalenderwoche) eine durchschnittliche Abweichung von nur 2,6 Tagen aufweist
-
Die Erkenntnisse aus der Modellierung können im nächsten Schritt zur Prozessoptimierung eingesetzt werden
Haben Sie Interesse an eigenen Use Cases?
Herausforderung
Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.
Lösung
Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.
Ergebnis
Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.