Paper Title
Werbung
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
