Paper Title

Einreichung eines Posterbeitrages zur
44. GEWISOLA-Jahrestagung in Berlin
Titel des POSTERs:
DE: Methode des Objektiven Objektvergleichs an
betriebswirtschaftlichen Fallbeispielen
GB: Case studies of Component-based Object Comparison for
Objectivity in the field of farm management
Autorenname(n):
László PITLIK, Gödöllő, Ungarn
Günther FILLER, Berlin, Deutschland
Keywords:
DE: Unterbewertung, Überbewertung, Gleichgewichtswert, Wertanteil
der Attribute, Monte-Carlo-Methode, Optimierung, Objektivität
GB: Object comparison, objectivity, evaluation, ranking, overrating,
underrating, equilibrium, Monte Carlo Methods, optimising
Abstract:
DE:
Zuordnung zu einem
der im Call for Paper
aufgeführten
Themenbereiche
5. Informationsmanagement und Transparenz in Wertschöpfungsketten
Objektvergleiche
(Auswahlprobleme:
z.B.
Kreditwürdigkeitsanalysen) sind als universelle Aufgaben der
Entscheidungsvorbereitung
anzusehen.
Die
meistverwendeten
konventionellen Methoden (scoring-, ranking-Verfahren) erlauben dem
Anwender Schwellenwerte, Bonitäten, Punktezahlen, Gewichtungen,
Prioritäten willkürlich zu definieren. Dadurch entstehen grundsätzlich
subjektive Rangfolgen der Objekte. Die COCO-Methode nimmt jedoch
eine vollständig ausgefüllte Matrix (Objekte, Attributen) als solche und
ergibt nach einem Optimierungsverfahren oder Monte-CarloAnnäherung: welche Objekte bezüglich eines Wertmerkmales (z.B.
Preis) anhand von den vorgegebenen Vielzahl der Attributen über- oder
unterbewertet sind, wo der Gleichgewichtspreis eines Objektes liegt,
welche Attribute eines Objektes wie weit für die Wertbildung zuständig
ist. Die Ergebnisse sind dadurch objektiv, da das COCO-Verfahren
versucht, die beste Annäherung an die Originalwertmerkmale zu
sichern. Betriebswirtschaftliche Anwendungsbereiche sind z.B:
Bewertung
von
Maschinen,
Unternehmern,
Mitarbeitern,
Dienstleistungen,
Materialien,
Standorte,
Immobilien,
etc.
Angenommen, dass die Input-Matrizen anhand von innerbetrieblichen
Datenbasen oder nach (online) information brokering Tätigkeit
zusammenzustellen sind, erhält der Betriebswirt auf Knopfdruck die
oben genannten Antworten zu jedem Objekt. Endgültige
Entscheidungen werden jedoch weiterhin nicht automatisiert getroffen,
da die Nutzen und Gefahren durch die einzelnen, objektspezifischen
Unter- und Überbewertungsspannen nur subjektiv zu interpretieren sind.
Name und Adresse des verantwortlichen Autors:
Nachname:
PITLIK
Vorname:
László
Titel,
Institution
Dr.agrar (JLU Giessen, 1993)
Adresse:
Páter K. u. 1.
PLZ, Ort:
H-2100 Gödöllő
Land:
Ungarn
Telefon:
+3628 410200 / 2015
Fax:
+3628 410804
Email Adresse:
[email protected]
Universität
Gödöllő,
Fakultät
für
Wirtschaftsund
Gesellschaftswissenschaften, Institute für Wirtschaftsanalyse, Lehrstuhl für
Wirtschaftsinformatik
Co-Autor:
Dr. Günther Filler
[email protected]
Luisenstr. 56
D-10099 Berlin
Humboldt-Universität zu Berlin
Landwirtschaftlich-Gärtnerische Fakultät
Institut für WiSoLa
Luisenstraße 56  D-10099 Berlin  Tel: +(49)-30- 2093 6487  Fax: +(49)-30- 2093 6465  E-mail: [email protected]
C:\WINWORD\VORLAGEN\c:\winword\vorlagen\mat_abl.dot
Methode des Objektiven Objektvergleichs an betriebswirtschaftlichen Fallbeispielen
Case studies of Component-based Object Comparison for Objectivity in the field of farm management
KURZFASSUNG
1. Einleitung
1.1. Vorgeschichte des Projektes
Der Lehrstuhl für Wirtschaftsinformatik an der Universität Gödöllő in Ungran hat sich bereits
an den GIL - Tagungen 1994-1997, 1999 und 2001 im Zusammenhang mit dem Thema
„Ähnlichkeitsanalyse“ gemeldet. In 2001 wurde eine online Dienstleistung dargestellt, welche
die vorherigen eigenen methodischen Entwicklungen (WAM, S-DEA, STOCKNET,
dynamische Warnsignale) integriert hat. Diese Modulen der online services haben den
Anwendern erlaubt kontext-unabhängige Prognosen (z.B. im Falle von Witterung-, Preis-,
Kurszeitreihen, WAM, STOCKNET), bzw. beliebige simple Effektivitätsanalysen (S-DEA)
durchzuführen. Die dynamischen Warnsignale erlauben einem, zu den prognostizierten
Zeitreihen Schwellenwerte in ERP-Systeme zu definieren, um sehen zu können, wann
gewisse unerwünschten Effekte zu erwarten sind. Diese online Dienste setzten voraus, dass
die Anwender anhand von information brokering Tätigkeit oder durch transaktionen-basierte
OLAP-Dienste, die notwendigen Daten bereitstellen können. Weiterhin vorausgesetzt, dass
die Fakten/Daten vorhanden sind, suchte der Lehrstuhl nach neuen, universellen Bereichen, in
denen man online Dienste in Zukunft benötigen wird.
1.2. COCO
Das Projekt COCO wurde zunächst als eine Art Grundforschungsaufgabe zu Lasten des
allgemeinen Lehrstuhl-Forschungsbudgets definiert. Das Ziel dieses Projektes war (anhand
von jahrelangen Erfahrungen mit anderen Objektvergleichverfahren, wie z.B. JOKER) für
folgende
Entscheidungssituationen
online
Hilfe
zu
leisten.
(Alle
diese
Entscheidungssituationen haben die Gemeinsamkeit: ein Objekt aus mehreren Möglichen
auswählen zu müssen, wenn alle Objekte mit identischen Attributen beschrieben sind.)
‫ٱ‬
Welche Maschine, welches Gerät, Material (Schlepper, Eggen, PC, Bohrer, Schraube)
sollte genommen werden?
‫ٱ‬
‫ٱ‬
Welche potentielle Mitarbeiter sollte angestellt werden?
Welches Industriegebiet, Gemeinde, Region, Land bietet besser Konditionen für eine
Unternehmung?
‫ٱ‬
‫ٱ‬
‫ٱ‬
‫ٱ‬
Welches Auto, Grundstück ist preiswerter?
Welche Dienstleistung ist besser für den verlangten Preis?
Welcher Anbieter sollte bei einem Tender genommen werden?
Welche Objekte (Mensch, Region) sind benachteiligt, bzw. zu fördern? Etc.
Luisenstraße 56  D-10099 Berlin  Tel: +(49)-30- 2093 6487  Fax: +(49)-30- 2093 6465  E-mail: [email protected]
C:\WINWORD\VORLAGEN\c:\winword\vorlagen\mat_abl.dot
Diese Fragestellungen lassen sich auf eine gemeinsame mathematische Problemstellung (auf
die
Objektvergleiche)
zurückführen.
Die
bekannten
Lösungen
(scoring,
ranking,
Potentialsterne oder BSC) manipulieren meistens mit subjektiven Gewichtungen, oder lassen
die Schattenseite der Zahlenmystik (Playometrie) nicht ausschließen. Außerdem gibt es keine
online Versionen von denen, die auf Knopfdruck zeigen: welche Objekte über- und
unterbewertet sind, wo die Gleichgewichtswerte liegen, welche Attribute wie weit für den
Preis (oder andere Wertmerkmale) zuständig sind.
Im Vortrag werden also die Theorie des COCO-Verfahrens
und die (online)
Anwendungserfahrungen dargestellt.
2. Hauptteil
2.1. COCO-2004
Da man sowohl für operative als auch für strategische Entscheidungen Objekte vergleichen
und deren Rangfolge auf jeden Fall bestimmen soll, lohnt es sich zu überlegen, wieweit man
die Rolle der Subjektivität (z.B. Gewichtungen) minimalisieren kann.
Nehmen wir an, dass eine Objekt-Attribute- Matrix gegeben ist, in der die Spalten die
Objekte, die Zeilen die Attribute bedeuten. Für jedes Attribut ist gültig, dass deren Optionen
so ausgelegt sind, dass über zwei Optionen immer eindeutig auszusagen ist, welche besser,
welche schlechter ist. D.h. die Optionen können in eine Rangfolge umgewandelt werden.
Falls unter den Attributen mindestens ein Attribut zu definieren ist, welches den Wert des
Objektes darstellt (z.B. am einfachsten der Preis für Produkte und Dienstleistungen, aber z.B.
GDP, oder Lohnsumme für Gemeinden, Regionen, bzw. Produktmenge/Produktwert für
Wirtschaftstätigkeiten), dann können die Rangzahlen als Wertkomponente angesehen werden.
Die Summe der Wertkomponente ergibt den Preis (oder die anderen Wertmerkmale).
Selbstverständlich
kann
die
Summe
der
Rangzahlen
numerisch
selten
beliebige
Größenordnungen erreichen, daher sollten die Rangzahlen durch absolute Wertäquivalente
eingetauscht werden. Für diese sog. Wertäquivalenten gilt, dass sie zwischen Null und dem
maximalen Wert eines Attributes liegen sollten, so dass für eine höhere Rangzahl eine höhere
(oder mindestens gleiche) absolute Zahl bestimmt werden sollte, als für die niedrigere
Nachbarrangzahl. Diese Erwartung kann als Restriktionen eines Gleichungssystems (vgl. LP
oder MCM) verstanden werden. Man sucht letztendlich die absoluten Zahlen, bei denen sich
den primären Wertgrößen am besten angenähert wird (vgl. z.B. die Summe der kleinsten
quadratischen Unterschiede). So ergibt sich auf eine oder andere Art (notfalls durch Monte
Carlo Logik) für diese Fragestellung immer eine Lösung. Als Ergebnis erhält man eine Matrix
der absoluten Wertkomponenten, welche die Rolle der ursprünglichen Objektmerkmale
ersetzen können und dadurch einen geschätzten Gesamtwert für jedes Objekt darstellen. Diese
Luisenstraße 56  D-10099 Berlin  Tel: +(49)-30- 2093 6487  Fax: +(49)-30- 2093 6465  E-mail: [email protected]
C:\WINWORD\VORLAGEN\c:\winword\vorlagen\mat_abl.dot
Schätzwerte können unter oder über dem Originalwert liegen. Infolgedessen kann man über
Unterbewertung und Überbewertung sprechen. Außerdem kann jeder Zeit für eine beliebige
Optionenkombination der Gleichgewichtswert abgeleitet werden. Diese Unter- und
Überbewertungsverhältnisse können auch als eine Art Effektivität verstanden werden (vgl.
DEA). Die Bewertungsvorgehensweise führt zu relativen Aussagen, da alles davon abhängig
ist, welche und wie viele Objekte und Attribute in der Matrix vorgegeben sind. Die Matrix ist
eigentlich die Parameterserie für sich selbst. Andererseits gibt es hierbei keine zwangsläufige
Rolle für Gewichtungen, d.h. die ganze Vorgehensweise ist unabhängig davon, was die
betroffenen Menschen denken (vgl. Objektivitätserwartung).
In einer weiteren Stufe könnten auch solche Attribute (Wertkomponente) in das Spiel
miteinbezogen werden, bei denen die Rangfolgebildung als Voraussetzung nicht (einfach oder
eindeutig) zu erfüllen ist (z.B. Verhältnisse der Marken/Brands). Falls alle Kombinationen
dieser Merkmale als selbständige Aufgabe formuliert wird, ließe sich die Variante bestimmen
und als Lösung annehmen, bei dem die Fehlersumme am niedrigsten liegt.
Es kann vorkommen, dass die Wertkomponente eine Art Treppenfunktion bilden, d.h.
ziemlich viel Stufen flach sind. Die Wertanteile der einzelnen Komponenten sind auch zu
interpretieren. Folglich kann man vermuten, dass die Wertbildung von Objekten anhand von
Komponenten eine Art objektive Wichtigkeit von Attributen und deren Optionen festlegen
lässt. Dieses Verfahren wurde am Lehrstuhl für Wirtschaftsinformatik als „COCO“
(Component-based Object Comparison for Objectivity) bezeichnet (2004).
2.2. Fallstudien
Die kurzen Fallstudien zeigen, anhand von welchen alltäglichen Input-Matrizen, welche
Antworten (Über- und Unterbewertung, Gleichgewichtswert, Wertanteil der Attribute) zu
erhalten sind. Die Fallstudien werden im Rahmen der Universitätspartnerschaft Berlin und
Gödöllő laut Kapitel 1.2. ausgearbeitet.
3. Schlussfolgerungen
Im betrieblichen Alltag entsteht eine Vielzahl von Auswahlproblemen. In vielen Fällen wird
eine Entscheidung nicht systematisch vorbereitet: die vollständigen Input-Matrizen werden
nicht unbedingt visualisiert, die multidimensional bestimmte Entscheidung wir häufig auf
eine (oder wenige) Attribute zurückgeführt, ohne jegliche Kontrolle der objektiven Unteroder
Überbewertungsspannen.
Im
Zeitalter
der
online
services
können
solche
Problemstellungen auf Knopfdruck gelöst, und sogar online unterstützt werden, damit der
Betriebswirt seine intuitive Fähigkeiten dort einsetzt, wo er diese am besten tun kann, und
zwar bei der subjektiven Bewertung der Gesamtrisiken.
Luisenstraße 56  D-10099 Berlin  Tel: +(49)-30- 2093 6487  Fax: +(49)-30- 2093 6465  E-mail: [email protected]
C:\WINWORD\VORLAGEN\c:\winword\vorlagen\mat_abl.dot
4. Literaturverzeichnis
MIKOLICS M. (1998): Objektvergleichsstudie I., in: Medium im Internet für Agrarinformatik
in
Ungarn
MIAU,
HU
ISSN
14191652,No.
29.,
http://miau.gau.hu/miau/29/joker/old.zip
MIKOLICS M. (2001): Objektvergleichsstudie II. in: Medium im Internet für Agrarinformatik
in
Ungarn
MIAU,
HU
ISSN
14191652,No.
29.
http://miau.gau.hu/miau/29/joker/new.exe
PITLIK
L.,
PETŐ
I.,
OROSZ
E.
(2003):
Quality
control
and
PSI-exploitation
in the Hungarian Agroinformatic Sector, by VIW: Conference and Workshop of EUproject ePSInet 24.10.2003, Vienna, Commercial exploitation of public sector
information (PSI) pushing the private content- and multimedia sector?, in: Medium
im Internet für Agrarinformatik in Ungarn MIAU, HU ISSN 14191652, No. 62.,
http://miau.gau.hu/miau/62/viw-wien2003.ppt
PITLIK L., PETŐ I. (2004): Economical development of Hungary and the role of the local
municipalities (methodological aspects of the comparison) by Municipal Officials’
Competency and Co-operation as a Basis for Regional Economic Development
N.O.R.T. Conference, Tartu, Estonia, 26-29 January 2004, in: Medium im Internet für
Agrarinformatik
in
Ungarn
MIAU,
HU
ISSN
14191652,No.
64&65.
http://miau.gau.hu/miau/64/tartu1.doc, http://miau.gau.hu/miau/65/tartu.ppt
Luisenstraße 56  D-10099 Berlin  Tel: +(49)-30- 2093 6487  Fax: +(49)-30- 2093 6465  E-mail: [email protected]
C:\WINWORD\VORLAGEN\c:\winword\vorlagen\mat_abl.dot
Weitere potentiellen Fragestellungen:
1. Wie ließe sich eine Analyse interpretieren, in der ackerschlagbezogene Technologien,
Umweltparameter und die realisierten Erträge unter die Lupe genommen werden, um
festzustellen, welche Technologie unter welchen Umständen führt zu GleichgewichtsErträgen, bzw. wo unter- und überbewertete Fälle aufgetreten sind?
2. ...
Luisenstraße 56  D-10099 Berlin  Tel: +(49)-30- 2093 6487  Fax: +(49)-30- 2093 6465  E-mail: [email protected]
C:\WINWORD\VORLAGEN\c:\winword\vorlagen\mat_abl.dot