Datenstrategie für Fusionen und Übernahmen!

Trotz der Auswirkungen der globalen Pandemie gab es weiterhin zahlreiche Fusionen und Übernahmen (M&A). Marktvolatilität bietet oft die Möglichkeit, Vermögenswerte zu attraktiven Preisen zu erwerben. Im Jahr 2020 fanden eine Reihe bedeutender Transaktionen statt, darunter Morgan Stanley/E-Trade, LVMH/Tiffany, Intuit/Credit Karma, Grubhub/Just Eat Takeaway, AMD/Xilinx, Aon/Willis Towers Watson und Liberty Global/Telefónica.

Daten bildeten schon immer die Grundlage erfolgreicher Fusionen und Übernahmen – von der Durchführung effektiver Due-Diligence-Prüfungen über die Datenharmonisierung bis hin zur Realisierung von Synergien. In den letzten Jahren hat die zunehmende Datenflut neue Möglichkeiten geschaffen, Daten und Datenstrategien als wesentliche Bestandteile des M&A-Instrumentariums zu integrieren – von der ersten Identifizierung potenzieller Übernahmekandidaten bis hin zur langfristigen strategischen Wertschöpfung.

Die entscheidende Rolle der Datenstrategie in den 5 Phasen von Fusionen und Übernahmen

Betrachtet man die fünf Hauptphasen des M&A-Prozesses (Abbildung 1), so lässt sich die entscheidende Rolle erkennen, die Daten und Datenstrategie während des gesamten M&A-Prozesses spielen.

Zielidentifikation

Die rasante Zunahme öffentlich zugänglicher Daten ermöglicht es Investoren und potenziellen Käufern, wertvolle Informationen über Übernahmekandidaten zu gewinnen. Ein großes US-Finanzinstitut führt seit über 20 Jahren vierteljährlich aktualisierte Datenbanken mit Zielunternehmen. Diese Datenbanken erfassen die finanzielle Performance und sammeln Marktinformationen zu potenziellen Übernahmekandidaten für jeden seiner Hauptgeschäftsbereiche. In den letzten Jahren wurden manuelle Datenerfassungsprozesse durch künstliche Intelligenz und Data-Mining-Tools ersetzt, die fortschrittliche Analysemodelle speisen, um Bewertungen und mögliche Gebotsszenarien zu aktualisieren.

Geschäftsstrukturierung

Die Due-Diligence-Prüfung ist seit Langem ein grundlegender Bestandteil der Strukturierung von M&A-Transaktionen. Historisch beschränkte sie sich weitgehend auf Finanzdaten, hat ihren Umfang jedoch in den letzten Jahren deutlich erweitert. Heute verarbeitet die Due-Diligence-Prüfung Daten zu einer Vielzahl von Themen, darunter potenzielle Prozessrisiken, Mitarbeiterdemografie (einschließlich Diversität), Nachhaltigkeitsstrategien, Datenqualität im Unternehmen, Systemkomplexität und die relative Stärke der Beziehungen zu Kunden, Lieferanten, Aufsichtsbehörden und Investoren. Dies erfordert Prozesse, die nicht nur Finanzdaten, sondern auch strukturierte und unstrukturierte operative und Marktdaten verarbeiten können.

+++++++++++++++++++++++++

Grab tiefer: Die entscheidende Rolle des CFOs in der Daten-Governance Whitepaper

+++++++++++++++++++++++++

Operation am ersten Tag

Die Planung eines erfolgreichen Starts nach Abschluss einer M&A-Transaktion ist entscheidend für den Erfolg des Deals und bildet die Grundlage für die kurzfristige Realisierung von Synergien sowie die strategische Wertschöpfung. Ein Großteil der Bemühungen konzentriert sich darauf, sicherzustellen, dass die für den Betrieb des fusionierten Unternehmens erforderlichen Daten verfügbar, korrekt und – falls nötig – harmonisiert sind. Unternehmen mit klar definierten M&A-Strategien können spezialisierte Teams für die wichtigsten Datenelemente zusammenstellen, die betriebswirtschaftliche, funktionale und technische Expertise vereinen. Diese Teams nutzen heute hochentwickelte Tools für Datenbeschaffung, -bereinigung, -migration und -harmonisierung, um Daten aller an einer Transaktion beteiligten Parteien schnell zu integrieren und zusammenzuführen. Dies beschleunigt die Integration und reduziert die Risiken datenbedingter Integrationsherausforderungen.

Synergie-Realisierung

Fast alle M&A-Transaktionen basieren auf einer strategischen Logik zur Zusammenführung zweier oder mehrerer Unternehmen. Dies reicht jedoch selten aus, um Investoren und Kreditgeber von einer Transaktion zu überzeugen. Sie sind nicht bereit, auf die Realisierung der Vorteile zu warten; sie erwarten eine kurzfristige Amortisation durch die Einsparung von Synergieeffekten. Daten und Datenstrategie sind daher zentral für die Wertschöpfung. Die Schätzung von Einsparungen durch Organisationsoptimierung, Vertragsverhandlungen, Senkung der Gemeinkosten, Beseitigung von Doppelarbeit und Skaleneffekte hängt von der Qualität der verwendeten Daten ab und – noch wichtiger – von der Erfassung und Berichterstattung der realisierten Einsparungen. Je länger die Datenharmonisierung in einem fusionierten Unternehmen dauert, desto länger dauert es, bis die Synergieeffekte realisiert werden, und desto größer ist das Risiko, dass die Wirtschaftlichkeit der Transaktion die Erwartungen nicht erfüllt.

Wertschöpfung

Heutzutage basieren immer mehr Fusionen und Übernahmen auf einer strategischen Logik, die den Wert der Kombination von Daten, Produkten, Beziehungen und/oder Märkten zur Wertschöpfung untermauert. Die Zusammenführung von Produktportfolios, Kundenstämmen, Marktzugang, Beschaffung, Verwaltung und Innovation erfordert eine robuste, skalierbare und anpassungsfähige Datenarchitektur. Allzu oft verlieren Unternehmen den strategischen Sinn einer Transaktion aus den Augen, sobald die größten Hürden überwunden sind oder der Abschluss und die Realisierung von Synergien abgeschlossen wurden. Erfolgreiche Transaktionen zeichnen sich dadurch aus, dass das Datenmanagement und die Datennutzung durch klar definierte und implementierte Prozesse, Tools und Technologien gewährleistet werden, die nicht nur die ursprüngliche Wertschöpfung ermöglichen, sondern im Laufe der Zeit auch neue Wertquellen erschließen.

Wie sich Daten und Datenstrategie als Kernkompetenzen auszahlen

Die Fähigkeit, Daten im gesamten Unternehmen nachhaltig zu verwalten und dabei das sich wandelnde Geschäftsportfolio zu berücksichtigen, ist eine Kernkompetenz, die den strategischen und operativen Erfolg sichert. Investoren, Aufsichtsbehörden und Aufsichtsräte erkennen zunehmend den Wert (und die Risiken) einer verantwortungsvollen Datenverwaltung. Neue Technologien verkürzen Zykluszeiten, reduzieren Risiken und ermöglichen besser vorhersehbare Ergebnisse. Das Management muss sich jedoch verpflichten, Daten mit der gleichen Sorgfalt, Disziplin und den gleichen Investitionen zu verwalten wie andere Unternehmenswerte.