Intangibles verstehen und analysieren mit Big Data und KI

Der Weg zum Informationsvorsprung für Finanzdiensleister und Corporates

ANSPRECHPARTNER

Termine

Termin

Herbst 2021

07./08. Oktober 2021

Preis ab: 1.300 €
zzgl. MwSt

Kursziele

Nach aktiver Kursteilnahme sind Sie in der Lage:

  • den Wandel des Wertschöpfungsprozesses von Unternehmen zu verstehen
  • die Rolle von Intangibles in der Bilanzierung und Bewertung von Unternehmen nachzuvollziehen
  • aktuelle Bilanzierungsstandards und Metriken für Intangibles kritisch zu bewerten
  • die einzelnen Bausteine (Zusammensetzung der Datenbasis, Datenbereinigung, Natural Language Processing, Wissensstrukturen) des Research-Prozesses zu verstehen
  • unter Verwendung von „No code“ KI-Tools eigene Analysen unstrukturierter Daten durchzuführen

Intangibles, zu Deutsch immaterielle Vermögenswerte, nehmen in der Wirtschafts- und Finanzwelt eine immer zentralere Rolle ein. Intangibles werden als solche Vermögenswerte definiert, die keine physische Existenz haben, aber dennoch von Wert für das Unternehmen sind. Faktoren wie Innovationskraft, Nachhaltigkeit, Unternehmenskultur und Humankapital machen mittlerweile im Durchschnitt über 50 % des Marktwerts eines Unternehmens aus – in einigen Branchen und technologiegetriebenen Indizes (siehe Abbildung 1) sogar bis zu 90 %.

Sowohl Investitionsentscheidungen als auch die strategische Unternehmensplanung müssen daher unter Berücksichtigung dieser Faktoren gestaltet werden. Parallel zu gängigen Bewertungsverfahren, die finanzielle Fundamentaldaten in den Vordergrund stellen, gilt es Analysemethoden zu implementieren, die in der Lage sind, die Breite an Werttreibern von Geschäftsmodellen im Bewertungsprozess in der Tiefe abbilden zu können. Der Trend geht dabei in Richtung einer Unternehmensanalyse, die in der Lage ist, die Breite an Kapitalien auf Basis finanzieller und nicht-finanzieller Informationen und Indikatoren zu bewerten.

Da sich Intangibles jedoch nicht auf der Vermögensseite der Bilanz wiederfinden und nur bedingt durch traditionelle Datenbanken abgedeckt werden, bedarf es eines Zugangs zu den passenden Informationsquellen. Intangibles finden sich meist in qualitativer und kontextbezogener Form in unstrukturierten Daten wieder, die sich anhand von Data Analytics Technologien – insbesondere Text Mining – erschliessen lassen.

Überblick zum Inhalt

Tag 1 Vormittag

  • Einführung in die Welt der Intangibles (z. B. Definition, Taxonomie und bestehende Standards)
  • Aktuelle Entwicklungen und Herausforderungen in der Bilanzierung und Bewertung von Intangibles

Tag 1 Nachmittag

  • Verständnis von Intangibles aus der Perspektive der Financial Data Science
  • Praktische Insights zur Analyse von Intangibles
  • Ausblick in die Zukunft der Wertschöpfung im 21. Jahrhundert

Tag 2
Vormittag

  • Definition von unstrukturierten Daten und Big Data
  • Differenzierung von Datenquellen für die Analyse von Intangibles
  • Einführung in Natural Language Processing (NLP)

Tag 2
Nachmittag

  • Bewertung von immateriellen Werttreibern anhand unstrukturierter Daten

  • Simulation eines manuellen Prozesses zur Analyse von aktuellen Themen im ESG-Bereich, inkl. Datenvisualisierung und Kommunikation der Ergebnisse

  • Tipps für die erfolgreiche Umsetzung von Analytics-Projekten im Unternehmen

Referenten

Dr. Janna Lipenkova

Dr. Janna Lipenkova spezialisiert sich auf die ganzheitliche Konzeptualisierung, Entwicklung und Vermarktung von Produkten im KI-Bereich. Sie hat einen PhD in Computerlinguistik und über 10 Jahre Erfahrung in der Entwicklung und Vermarktung von KI-Produkten. Sie hat außerdem Fachartikel in Bereichen Data Science und AI veröffentlich und ist CEO der Equintel GmbH.

Timo Heroth

Timo Heroth betreut Forschungsprojekte im Bereich der Bewertung von Intangibles und nicht-finanziellen Informationen mit Schwerpunkt ESG. Herr Heroth ist Dipl.-Wirtschaftssinologe und hat einen CEFA-Abschluss. Er ist PhD Kandidat an der Universiät St. Gallen (Fachbereich Accounting und Valuation), Co-Founder und COO bei der Equintel GmbH, Senior Researcher beim Institut für Finanzdienstleistungen der Hochschule Luzern und verfügt über mehr als 10 Jahre Erfahrung im Corporate Banking und M&A.

Technologien und Datenquellen

Im Zentrum der Anwendung von Data Analytics stehen Technologien, die in der Lage sind, Daten aus einem Datenpool zu extrahieren, modellieren, analysieren und zu visualisieren. Natural Language Processing (NLP) versucht hierbei natürliche Sprache zu erfassen und mithilfe von Regeln und Algorithmen computerbasiert zu verarbeiten. Als Quellen eignen sich für die Analyse aus externer Perspektive (outside-in) Finanz- und Wirtschaftspresse, Fachartikel, soziale Medien sowie Blogs. Zudem kann es für Unternehmen sinnvoll sein auch den intern vorhandenen Pool an unstrukturierten Daten für die eigene Businessanalyse einzusetzen (Inside-out), um diese beispielsweise in das Stakeholder-Reporting (Beispiel ESG) sowie in Massnahmen des Marketings einfliessen zu lassen.

Scroll to Top