@misc{Sagradov, author = {Sagradov, Olga}, title = {Management Accounting Change with Machine Learning: A Literature Review on Application Experience}, series = {13th Conference on new directions in management accounting, December 14-15 \& 16, 2022}, journal = {13th Conference on new directions in management accounting, December 14-15 \& 16, 2022}, address = {Lisbon, Portugal}, pages = {21}, abstract = {A large number of papers have already been devoted to the research on the machine learning use in the business field. However, much less is known about the practical experience of applying these methods in management accounting than, for example, in financial accounting, taxation, logistics or supply chain management. Aiming at addressing this gaps, the following article explores the practical experience of using machine learning in management accounting. The article presents studies that reveal the potential of machine learning in improving the accuracy of predictions and data analysis. The article reviews real and use cases of machine learning use in management accounting. In addition, this article provides an overview of management accounting change projects associated with the introduction of machine learning. Particular attention is paid to the use of the old institutional economics to explain such change process. The results show gaps in both practical and theoretical studies in this research field.}, language = {en} } @incollection{SagradovMueller, author = {Sagradov, Olga and M{\"u}ller, David}, title = {Verbesserung der Prognosequalit{\"a}t im Personalcontrolling}, series = {Controlling \& Innovation 2022, Gesundheitswesen}, booktitle = {Controlling \& Innovation 2022, Gesundheitswesen}, editor = {K{\"u}mpel, Thomas and Schlenkrich, Kay and Heupel, Thomas}, publisher = {Springer Gabler}, address = {Wiesbaden}, isbn = {978-3-658-36483-0}, issn = {2625-7114}, doi = {10.1007/978-3-658-36484-7}, pages = {95}, abstract = {F{\"u}r das langfristige Bestehen eines Unternehmens ist es notwendig, schnell und gezielt auf st{\"a}ndige Umweltver{\"a}nderungen zu reagieren. Die Reaktionsgeschwindigkeit auf zuk{\"u}nftige Ver{\"a}nderungen h{\"a}ngt von der F{\"a}higkeit des Unternehmens ab, m{\"o}gliche Szenarien f{\"u}r die Entwicklung der internen sowie externen Umgebung vorherzusagen. Die Controlling-Abteilungen, welche regul{\"a}r kurz-, mittel- und langfristige Prognosen vorbereiten m{\"u}ssen, erhalten heutzutage neue M{\"o}glichkeiten in der Auswahl der Forecast-Instrumentarien. Die Regressionsmodelle sowie Predictive Analytics und vor allem Machine Learning stellen keine neuen Analysemethoden dar, jedoch finden sie eher selten Anwendung in Controlling und Planung der Unternehmen. Einer der m{\"o}glichen Anwendungsbereiche der fortgeschrittenen Analytics im Unternehmenscontrolling stellt die Krankheitsanalyse bzw. -vorhersage dar. Mit dem Ausfall der Arbeitskr{\"a}fte sind abh{\"a}ngig von der Unternehmenst{\"a}tigkeit hohe Kosten verbunden. Steigende Aufmerksamkeit zum Thema Gesundheitsmanagement in Unternehmen fordert ebenso die Erstellung aussagekr{\"a}ftiger Analytics, um die entsprechenden Maßnahmen strategisch zu planen. Anhand von Daten eines ostdeutschen Großunternehmens beantworten die Autoren die Frage, wie sich die Prognosequalit{\"a}t des Krankheitsstandes mittels Regressionsmodellen und Predictive Analytics verbessern l{\"a}sst. Abschließend sind aus dem Beitrag der Nutzen und die Herausforderungen der Anwendung von fortgeschrittenen Prognosemethoden im Personalcontrolling zu entnehmen.}, language = {de} } @misc{SagradovJavadi, author = {Sagradov, Olga and Javadi, Sima}, title = {Machine Learning in der Cashflow-Prognose}, series = {Controlling \& Management Review (CMR)}, volume = {68}, journal = {Controlling \& Management Review (CMR)}, number = {3}, issn = {2195-8270}, doi = {10.1007/s12176-024-1408-x}, pages = {52 -- 57}, abstract = {Machine-Learning-Ans{\"a}tze sind im Controlling {\"a}ußerst nutzbringend. Aufgrund von begrenzten finanziellen und personellen Ressourcen ist die Implementierung jedoch herausfordernd. Das folgende Beispiel beschreibt eine Bottom-up-Initiative zur Einf{\"u}hrung von Machine-Learning-Methoden im Controlling mithilfe einer Analyseplattform.}, language = {en} }