management- und brancheninformationssysteme

MIS/BIS | Wintersemester 2009/2010 Dipl.-WiInf.(FH) Christian Reinboth

FachbereichAutomatisierung und Informatik

MIS/BIS

Management- & Branchen-informationssysteme

Wintersemester 2009 / 2010

Dipl.-WiInf.(FH) Christian Reinboth



Kurze Vorstellung● Fachlicher Hintergrund

● Diplom-Wirtschaftsinformatiker (FH)● Zertifizierter Controller (HAF)

● Beruflicher Werdegang

● Seit 2005 Lehrbeauftragter an der HS Harz

● Ende 2006 Gründung der HarzOptics GmbH

● Ausgezeichnet mit dem IHK-Forschungspreis 2006● Zahlreiche Publikationen zu Marktforschung und Photonik



HarzOptics GmbH



Nachhaltige Beleuchtungssysteme



Intelligenter Einsatz von Licht



Intelligenter Einsatz von Licht

Identische Himmelssicht mit und ohne Lichtsmog-Effekt



Thermisch neutrale Beleuchtung

Prototyp einer polymeroptischen Seitenlichtfaser(Entwicklung von tti GmbH, DieMount GmbH und HarzOptics GmbH)



Inhalte (1)● Organisatorisches

● Aufbau der Veranstaltung

● Prüfungsleistungen / Termine

● Teil 1: Allgemeine Grundlagen

● Eigenschaften von Informationen– Stamm- & Änderungsdaten

– Bestands- & Bewegungsdaten

● Bedeutung von Informationen

● Informations-Wertschöpfung

● Informationspyramide



● Teil 2: Managementinformationssysteme

● Verschiedene Typen von MIS– TPS, OAS, DSS, XPS, BIS, DWS...

● Data Warehouse Systeme (DWS)

● Informationsangebot und -nachfrage● Problem der Informationsüberlastung

● Umgang mit Informationen im MIS– Verschiedene Informationsquellen

– Gewichtung von Informationen

– Qualität von Informationen

● Praxisbeispiel ELBE PILOT DSS

Inhalte (2)



● Teil 3: Lineare Regressionsmodelle

● Korrelation und Kausalität

● Multivariate Regression– Analysevoraussetzungen

– Methode der kleinsten Quadrate

– Messung der Anpassungsgüte via R²

– Prüfung der Regressionskoeffizienten

● Prüfung von Regressionsmodellen– Test auf Autokorrelation

– Test auf Normalverteilung

– Test auf Homoskedastizität

● Einführung in SPSS

Inhalte (3)



● Teil 4: Brancheninformationssysteme

● Was sind Brancheninformationen?

● Aufbau und Funktion von BIS

● Beispiele für typische BIS– Packaging Finder (PF)

– Hygienic Processing (HPR)

– European Network Exchange (ENX)

● BIS-Übungen im Internet (PF / HPR)● ENX-Projekt im Rahmen von T-City

– Überblick T-City-Wettbewerb 2005

– Breitband-Anbindung von ENX

Inhalte (4)



● Teil 5: E-Business-Anwendungen

● Definition des E-Business-Begriffs

● Unternehmensinterne Anwendungen– CRM, ERP, HR, Workflow Management...

● Business-to-Business-Anwendungen– CMS, B2B-Portale, VoIP, WebConference...

● Business-to-Customer-Anwendungen– Webshops, Webmarketing, B2C-Portale...

● Themeneingrenzung für die Klausur

● Auflistung aller verwendeten Quellen

Inhalte (5)



Terminplanung● 16.10.2009 – Einführung / Grundlagen

● 30.10.2009 – Management & MIS

● 13.11.2009 – Angebot & Nachfrage

● 27.11.2009 – ELBE PILOT DSS

● 11.12.2009 – Multiple Regression

● 08.01.2010 – Laborübung SPSS

● 22.01.2010 – Brancheninformationen

● 05.02.2010 – e-Business-Entwicklung

● 19.02.2010 – Klausurvorbereitung



Klausur zum Semesterende● Klausur über 90 Minuten

● 50% MIS/BIS-Theorie

● 50% Mathematik

● Theoretischer Teil

● Lernen & Wiedergeben

● Themenliste am Semesterende

● Mathematischer Teil

● Multivariate Regressionsanalyse

● Interpretation von SPSS-Outputs



Teil 1

Allgemeine Grundlagen



Eigenschaften von Informationen● Informationen = Wissensbestandteile

(meist in Form menschlicher Sprache)

● Eigenschaften von Informationen

● Kostengünstig transportierbar

● Mit geringem Aufwand kopierbar● (Theoretisch) unbegrenzt lagerfähig

● Immaterielles Gut = Verbraucht sich nicht mitZeit oder Nutzung (Wert kann sogar steigen)

● Daten = für die EDV aufbereitete Informationen[Scholl]



Stammdaten und Änderungsdaten● Stammdaten

● Zustandsorientiert● Identifizierung und Charak-

terisierung von Sachverhalten

● Über längere Zeit unverändert

● Änderungsdaten

● Abwicklungsorientiert

● Lösen Veränderungen in den Stammdaten aus

[Takkin]



Bestands- und Bewegungsdaten● Bestandsdaten

● Zustandsorientiert● Betriebliche Mengen / Werte

● Bewegungsdaten

● Abwicklungsorientiert

● Lösen Veränderungen inden Bestandsdaten aus

● Erneuern sich permanent durchbetriebliche Leistungsprozesse

[Takkin]



Bedeutung von Informationen (1)

„Wir können zwar die Schwerkraft überwinden, der Schriftverkehr aber wird uns erdrücken“

- Wernher von Braun



Bedeutung von Informationen (2)● Wernher von Braun charakterisierte bereits in

den 60er Jahren die Informationsüberflutung

● Innerhalb der letzten zwei Jahre sind mehrInformationen entstanden und gespeichertworden als in der gesamten Weltgeschichte

● Da Informationen heute eine entscheidende Bedeutungfür die moderne Gesellschaft haben, ergibt sich hierausein klares Überlastungsproblem (Information Overload)

● Die entscheidende Frage lautet also: Wie lassen sichinmitten aller Informationen die wichtigen auffinden?

[Content-Management]



Bedeutung von Informationen (3)● Informationen zählen zu den wichtigsten Rohstoffen

● Industriegesellschaft = Öl, Gas, Kohle, Schwermetalle● Informationsgesellschaft = Information, Kommunikation

● Informationen sind der einzige Rohstoff der sich nichterschöpft und dessen Qualität erheblich schwanken kann




Bedeutung von Informationen (4)● Informationen sind ein wichtiger

strategischer Unternehmenswert

● Wie bei anderen Ressourcen stellt sich die Frage, nach dereffizientesten Nutzungsform

● „Wie kann man aus Informationentatsächlich Wissen generieren, dasin den Prozessen wirklich genutztwird und dem Management eineechte Grundlage für anstehendeBusinessentscheidungen liefert?“




Bedeutung von Informationen (5)● Die aktuelle „Informationslage“ ist mehr als prekär

● Mehr als 50% aller relevanten Informationen im Besitzvon Unternehmen liegen in unstrukturierter Form vor, lediglich 20% sind vollständig aufbereitet und abrufbar

● Nicht abrufbare bzw. nicht aufbereitete Informationenhaben für ein Unternehmen etwa den gleichen Wert wie (noch) unter der Erde lagernde Rohstoffmengen!

● Es ist daher aus unternehmerischer Sicht von größterBedeutung, die Informationsflut technisch zu meistern




Die Informationspyramide

Unternehmensplanung (Informations-Endbedarf)

Controlling Plankostenrechnung Deckungsbeitragsrechnung

Div. Buchführungssysteme (Kreditoren-, Debitoren-, Lohn- und Gehalts-, Anlagen-, Lager-)

DSS

Berichts- und Kontrollsysteme

Analyse- und Informationssysteme

Wertorientierte Abrechnungssysteme

Operative Systeme (Dispositionssysteme)Produktion, Technik, Beschaffung, Absatz, Personalmanagement

Produktions-, Technik-, Beschaffungs-, Marketing-, Personalinformationssysteme

Info

rmat

ions

wan

deru

ng

[Scheer]



Wertschöpfung durch Informationen

Kunde XYProdukt AProdukt B

Kunde XYkauft

Produkt A

Produkt A80% VKKProdukt B

Kunde XYAngebot

Produkt B

DATEN

INFORMATION

WISSEN

ENTSCHEIDUNG

iWSK

Informations-Wertschöpfungskette

[Remus]



Theorie der Informationswertschöpfung

[OuP]

● Eine professionelle Informationswertschöpfung stelltdrei wesentliche Ansprüche an die Informationslogistik

● Die richtigen Daten (vollständig, fehlerfrei, versehenmit allen notwendigen Ausprägungen und Attributen)

● müssen zur richtigen Zeit (zum Zeitpunkt der Abfrage)

● am richtigen Ort (für den Benutzer verfügbar) bereitstehen

● Beispiele für professionelle Informationswertschöpfung

● Amazon (Informationsbasis für gezieltes Marketing)

● Schlecker (Just-in-Time-Belieferung der Filialen)



Teil 2

Managementinformationssysteme

(MIS)



Was ist Management?● Unterschiedliche Vorstellungen von Management

● „Management ist nichts anderes als die Kunst,andere Menschen zu motivieren“ (Lee Iacocca)

● „Manager sollen vor Energie sprühen. Sie sollen Visionen entwickeln und durchsetzen und nicht nur darüber schwafeln“ (John F. [Jack] Welch)

● „Management ist die schöpferischte aller Künste – dieKunst, Talente richtig einzusetzen“ (Robert McNamara)

● „Gewiß ist es gut, wenn wir die nicht immer kennen,für welche wir arbeiten“ (Johann Wolfgang von Goethe)

● Funktion: Motivation – Vision – Delegation - Problem?[Wikipedia]



Managementfunktionen (1)

Beschaffung Produktion Vertrieb

Planung

Steuerung

Kontrolle

MANAGEM

ENTFUNKTIONEN

[Strohmeier]




Planung

Steuerung

Kontrolle

Planung

Organisation

Personaleinsatz

Personalführung

KontrolleFunktionale Diversifikation

[Strohmeier]




[Strohmeier]



Wofür werden MIS benötigt?● MIS sind nicht „Kür“ sondern „Pflicht“

● Härterer, globalisierter Wettbewerb● Verkürzung der Produktlebenszyklen

– Beispiel: Der Produktlebenszyklus eineraktuellen Digitalkamera beträgt 6 Monate

● Volatileres Markt- und Kundenverhalten

● Daraus ergeben sich neue Notwendigkeiten

● Zeitnahe Entscheidungen sind erforderlich – hierfür werden unterstützende Informationenbenötigt, nicht unüberblickbare Datenwüsten

[Strohmeier]



Angebot und Nachfrage

Menge

Preis

Nachfrage

Angebot

Gleichgewichtsmenge

Gleich-gewichts-preis

Soweit das vertraute Modell aus der Volkswirtschaftslehre...



Informationsbedarf● Bedarf = Typ, Menge und Qualität der Informationen,

die ein Manager zur Entscheidungsfindung benötigt

● Dieser Bedarf ist abhängig von einer ganzen Reihevon Randbedingungen und daher in der Regel nichtabsolut eindeutig bestimmbar (= Bedarfsunsicherheit)

● Zu unterscheiden sind der subjektive und der objektive Informationsbedarf

● Objektiv = Tatsächlich benötigte Informationen

● Subjektiv = Real gewünschte Informationen

[Strohmeier]



Informationsnachfrage● Die Informationsnachfrage ist definiert als die durch

einen Entscheidungsträger konkret angefordertenInformationen zu einer bestimmten Fragestellung

● Die Nachfrage umfasst lediglich den subjektivenund eher selten den objektiven Informationsbedarf

● Es werden daher häufig Informationen angefragt,die für die Beantwortung der Frage irrelevant sind

● Dies bezeichnet man auch als Pseudoversorgung● Pseudoversorgung kreiert Informations-Overhead

und damit unnötige zeitliche und monetäre Kosten[Strohmeier]



Informationsangebot● Angebot = Menge der externen und internen Informationen,

die zu einem bestimmten Zeitpunkt X zur Verfügung stehen

● Das Informationsangebot kann Elemente des objektiven wie des subjektiven Informationsbedarfs sowie gänzlich unverbundene Informationen beinhalten

● Die Aufgabe der Wirtschaftsinformatik besteht darin, denBedarf zu identifizieren, die Nachfrage zu steuern und dierelevanten Informationen aus dem Angebot zu extrahieren

[Strohmeier]



Teil 2.1

Definition von MIS

Aufgaben von MIS

Arten von MIS



Definition von MI-Systemen● Grundidee: Jedes Unternehmen lässt sich durch

mathematische Modelle und darauf aufbauendeSysteme steuern (in der Realität unzutreffend)

● Ziel: Automatisierung der Managertätigkeit durchautonom handelnde „Entscheidungsgeneratoren“

● Die ersten MIS konnten sich nicht etablieren, daher der neue Ansatz: MIS nur zur Entscheidungsunterstützung

● Darauf aufbauend: Modellierte Expertensysteme● Der Durchbruch gelang mit der Kombination

aus Data Warehouse, OLAP, BIS und SEM[Strohmeier]



Die Vision vom Management Cockpit

[Foto: SAP.com]



Aufgaben von MI-Systemen● Unterstützung des Managements und anderer

Entscheidungsträger im Unternehmen durch

● Informationen / Reports / Berichte

● What if-Szenarien / Simulationen● How to achive-Szenarien / Zielwertsuchen

[Strohmeier]



Decision Calculus (vereinfacht)

[Mertens]



Verschiedene Arten von MIS● XPS = eXpert System

● BSC = Balanced Scorecard

● DSS = Decision Support System

● DWS = Data Warehouse System

● OAS = Office Automation System

● BIS = Business Intelligence System

● TPS = Transaction Processing System

● SEM = Strategic Enterprise Management

● Nicht alle diese MIS werden wir in der VL behandeln[Strohmeier]



Transaction Processing System● Systeme zur administrativen und dispositiven

Verarbeitung großer Datenmengen im operativen Geschäft (Administrations- / Transaktionssysteme)

● Lagerverwaltung

● Rechnungswesen

● Anlagenverwaltung● Auftragsabrechnung

● Personalabrechnung

● TPS sind als Standardsoftware und als spezifische Branchenlösungen (z.B. Medizin, Bauwesen) erhältlich

[Strohmeier]



Office Automation System● Systeme zur Bürokommunikation oder

zur Automatisierung von Büroabläufen

● Office-Anwendungen

● Textverarbeitung, Tabellenkalkulation, Präsentationssystem, Terminkalender(z.B. MS Office, Lotus Suite, Star Office)

● Kommunikationsanwendungen

● Terminkalender mit Gruppenfunktionen, E-Mail, Groupware (z.B. Lotus Notes)

[Strohmeier]



Decision Support System● Interaktive Systeme mit entscheidungsorientierten

Modellen zur direkten Unterstützung von Managernfür eng abgrenzbare Entscheidungssituationen

● Die Komplexität von DSS reicht von einfachen „Was wäre wenn?“-Modellen, häufig umgesetzt als Excel-Simulationen, bis hin zu hochkomplexer Software

● Beispiel für ein hochspezialisiertes DSS in dieser Veranstaltung: ELBE

● Unterstützung von Landentwicklern und Kommunenbei Entscheidungen in den Eingriff von Flussläufen

[Strohmeier]



eXpert System● „Simulation“ eines Fachexperten zur Beratung in

eindeutig abgrenzbaren Entscheidungssituationen

● Expertensysteme generieren und gewichten mögliche Entscheidungsvorschläge auf der Grundlage fester Wissensbasen und Interaktionsmechanismen

● Wissensbasen und Modelle entstehen durch die parallele Befragung „echter“ Fachexperten (Delphi)

● Häufig eingesetzt werden solche Expertensysteme in den Bereichen Ingenieurwesen, Physik, Bergbau,Wirtschaft und Personalführung (aber auch Medizin!)

[Strohmeier]



Business Intelligence System● BIS dienen der Analyse

von Businessdaten für Entscheidungsträger

● Datenbasis für ein BIS ist meistens ein Data Warehouse-System

● BIS dienen somit als analytische Extension von Data Warehouses (bzw. von Data Marts)

[Strohmeier]



Strategic Enterprise Management● Systeme zur mittel- und langfristigen strategischen und

operativen Planung sowie zur Operationalisierung der Planungsziele im mittleren und höheren Management

● SEM-Systeme werden außerdem zur Kontrole der Leistung von Unternehmen eingesetzt (Kennzahlen)

● Die Datenbasis für ein SEM-System ist ebenso wie bei BIS üblicherweise ein Data Warehouse

● SEM-Systeme können daher ebenso wie BIS Extensions von Data Warehouses / Marts sein

[Strohmeier]



Bestimmungsfaktoren MIS-Kauf● Benötigte Funktionen

● Kompatibilität

● Softwarekompatibilität

● Hardwarekompatibilität

● Softwarequalität

● Dokumentation

● Systemsicherheit

● Wartungsoptionen● Benutzerfreundlichkeit

● Betriebsreife

● Verfügbarkeit

● Einrichtungsdauer

● Zukunftsaussichten

● Kosten-Nutzen-Verhältnis

[Takkin]



Teil 2.2

Data Warehouse Systeme

(DWS)



Szenario: Briefversand

DB

Marketing

Sales

[Sattler/Saake]



Szenarioerweiterung: Standorte

[Sattler/Saake]



Briefzentrum: Leistungsdaten● Beispiel: Briefzentrum (BZ) Hamburg-Zentrum

● 3.000.000 bis 4.500.000 Briefsendungen täglich

● Zweites Hamburger BZ: Hamburg Süd

● 1.500.000 bis 2.250.000 Briefsendungen täglich

[DPWN]



Datenbank-Nutzung (1)● Mögliche DB-Anfragen

● Wer sind unsere Top-Versandkunden?● Wie viele Tonnen an Fracht wurden im

letzten Quartal insgesamt transportiert?

● Wie viele Tonnen davon als Luftfracht?

● Wie ist die Auslastung der Bahnstrecken?

● Auftretende Probleme

● Nutzung verschiedener externer Quellen● Nutzung verschiedener interner Datenbanken

[Sattler/Saake]



Datenbank-Nutzung (2)● Lösungsoption 1: Verteilte Datenbanken

● Die Antworten müssen über globale Anfragen an mehrere Datenbanken beschafft werden

● Probleme: zeitaufwändig, kostenintensiv und teils redundante Datenspeicherung

● Lösungsoption 2: Zentrale Datenbank

● Es werden keine separaten Datenbankenmehr gefahren, nur eine Einzeldatenbank

● Probleme: lange Antwortzeiten, besonders hohes Risiko bei Daten- oder Systemausfällen

[Sattler/Saake]



Data-Warehouse-Lösung

DataWarehouse

Marketing Sales

DBHalle

DBBerlin

DBMünchen

DBErfurt

Asynchrone Aktualisierung

Redundante Datenhaltung[Sattler/Saake]



Das Data Warehouse (1)● Was ist ein Data Warehouse?

● Zentrale Datensammlung / Datenlager● Inhalte aus verschiedenen Datenquellen

● Einsatz zur Analyse und Entscheidungshilfe

● Was ist ein Data Warehouse-System?

● Ein Data Warehouse ist das zentraleElement eines Data Warehouse-Systems

● Im DWS werden Daten erfasst, bereinigt undvereinheitlicht, bevor sie ins DW geladen werden

[Gomez/Rautenstrauch]



Das Data Warehouse (2)● Eine einheitliche Definition des Begriffs existiert

nicht, es finden sich viele allgemeine Aussagen:

● Ein DW ermöglicht eine globale Sicht auf heterogene und verteilte Datenbestände, indem relevante Daten zu einem konsistenten Bestand vereinigt werden

● Auf das DW aufsetzende Anwendungen arbeiten meist nur mit spezifischen Einzeldaten (Data Marts)

● Ein DW ist häufig Grundlage für Data Mining (DM)(...einige statistische Verfahren sehen wir uns noch an)

● Ein DW ist auch Grundlage für Aggregation und Analyse betrieblicher Kennzahlen in einer Matrix (sog. OLAP-Cube)

[Wikipedia]



Definitionsansätze● Was genau ist nun ein Data Warehouse?

● „A data warehouse is a subject-oriented, integrated,time-variant, nonvolatile collection of data in supportof management's decision making process“ (Inmon)

● Ein DW ist eine physische Datenbank, die eine integrierte Sicht auf (beliebige) Daten darstellt, um Analysen zu ermöglichen“ (Bauer)

● „Ein DW ist ein physischer Datenbestand, der eine integrierte Sicht auf die ihm zugrundeliegenden Datenquellen ermöglicht“ (Zeh)

[Wikipedia]



Vier Charakteristika nach Inmon● „subject-oriented“ = fachorientiert

● Aufgabe besteht nicht nur in einer Funktion (Anlagen...)

● „integrated“ = integriert● Vielzahl von Daten aus internen und externen Quellen

● „non-volatile“ = nicht flüchtig● Daten werden nie mehr verändert oder entfernt

● „time-variant“ = historisch● Langfristige Datenspeicherung / Zeitreihenanalysen

[Sattler/Saake]



Anforderungen an ein Data Warehouse● Was muss ein Data Warehouse leisten?

● Automatisierung der Abläufe● Eindeutigkeit der Datenstrukturen

● Mehrfachverwendbarkeit der Daten

● Erweiterbarkeit (Quellen, Analysen)● Eindeutigkeit der Zugriffsberechtigungen

● Dauerhafte Datenbereitstellung (Persistenz)

● Ausschlaggebend sind die Charakteristika nach Inmon(...die auch in der Klausur eine Rolle spielen werden)

[Sattler/Saake]



DWS-Anwendungsbereiche (1)● Betriebswirtschaftliche Analyse

● Detaillierte Auswertung von Daten und Kennzahlen (z.B. durch Controlling oder Rechnungswesen)

● Unternehmensplanung

● Unterstützung bei der mittel- und langfristigenPlanung durch Vergleichsdaten und Daten zurDurchführung von Management-Planspielen

● Kampagnenmanagement

● Unterstützung von Kunden- und Risikoanalysensowie bei der Einführung von neuen Produkten

[Sattler/Saake]



DWS-Anwendungsbereiche (2)● Wissenschaftliche Forschung

● Anwendungen mit hohem Bedarf an internationalen und heterogen gelagertenDatenmengen (z.B. in der Klimaforschung)

● Betriebsstatistik und Organisationslehre

● Technische Anwendungen

● Betrieblicher und öffentlicher Bereich, z.B.mit geographischen oder ökologischen Daten (Bauland-, Wasseranalysen)

● Viele weitere Anwendungsbereiche sind vorstellbar...

[Sattler/Saake]



ETL = Extract, Transform, Load

[Remus]

DatenDaten

Daten Daten DatenQuelldaten

Extrakt Extrakt Extrakt

Zentrale Datenbank

Filterung

Homogenisierung

Aggregation

Erweiterung

Abschluss

Load

Transform

Extract



Neue Benutzerrollen● Veränderte Anforderungen („Information on Demand“)

haben zur Ausbildung neuer Benutzerrollen geführt

● Knowledge Worker– Ein Knowledge Worker bereitet wichtige Entscheidungen

des Managements vor, indem er Informationen aufbereitet

– Mit Hilfe multivariater Analyseverfahren wird zudem nachverborgenen Zusammenhängen in den Daten geforscht

● Case Worker– Ein Case Worker verarbeitet diverse Detailinformationen über

Geschäftsobjekte wie Entwicklung, Kosten und Ressourcen

● Bedarf an schneller und sauberer Datenanalyse[Remus]



Exkurs: Datenanalyse (1)● Multiple Regressionsanalyse

● Vielseitiges und strukturprüfendes Verfahren zur Analyse von Beziehungen zwischen einer abhängigen Variablen und einer (univariat) oder mehreren (multivariat) unabhängigen Variablen

● Hängt die Absatzmenge eines bestimmten Produktes von den Ausgaben für die Qualitätssicherung, den Ausgaben für die Werbung oder der Anzahl der Verkaufsstellen ab?

● Wenn ja, wie stark fallen die jeweiligen Zusammenhänge aus? Wie wird sich die Absatzmenge entwickeln, wenn bestimmte Ausgaben erhöht oder gesenkt werden?

[Reinboth]



Exkurs: Datenanalyse (2)

[Reinboth]



Exkurs: Datenanalyse (3)● Varianzanalyse

● Die Varianzanalyse dient der Feststellung von Mittelwertunterschieden zwischen Gruppen

● Mathematisches Prinzip der Varianzanalyse– Es wird getestet, ob die Varianz zwischen den

Gruppen größer ist als innerhalb der Gruppen

– Das Ergebnis ermöglicht eine Aussage darüber, ob sich die Gruppen bezüglich der (abhängigen) Variablen signifikant voneinander unterscheiden

● Unterscheidung in ANOVA und MANOVA (mehrere UV)

[Reinboth]




[Reinboth]

● Faktorenanalyse

● In der (internen) Marktforschung hat man es häufig mit komplexen Begriffen und Sachverhalten zu tun

– Begriffe wie „Nutzen“ oder „Qualität“ lassen sich nicht durch nur eine einzige Variable ausdrücken

– Um beispielsweise die „Qualität“ abzubilden, wird gleich ein ganzes Bündel von Variablen benötigt – Haltbarkeit, Zuverlässigkeit, Zufriedenheit...

● Ziel der Faktorenanalyse ist daher die Reduktion von vielen Variablen auf komplexere Hintergrundvariablen(Faktorenanalyse = dimensionsreduzierendes Verfahren)




[Reinboth]

Produktqualität

Haltbarkeit P-L-V

Sicherheit Zufriedenheit

Lieferzeit

Bestellservice



Exkurs: Datenanalyse (6)● Clusteranalyse

● Clusteranalyse = strukturenentdeckendes Verfahren

– Ziel: Zusammenfassen von Objekten zu Gruppen (Clustern), in denen sich möglichst ähnliche Objekte befinden, während die Ähnlichkeiten zwischen den einzelnen Clustern möglichst gering sein sollen (homogen <> heterogen)

● Finden von Persönlichkeitstypengruppen anhand verschiedener psychografischer Eigenschaften

● Finden von Käufergruppen anhand von Variablen, die Nachfrage- und Kaufverhalten charakterisieren

[Reinboth]




Zuordnungsübersicht

25 26 1,000 0 0 2023 24 1,000 0 0 1821 22 1,000 0 0 1319 20 1,000 0 0 1317 18 1,000 0 0 1415 16 1,000 0 0 1512 14 1,000 0 0 1810 13 1,000 0 0 16

3 11 1,000 0 0 178 9 1,000 0 0 145 6 1,000 0 0 191 4 1,000 0 0 21

19 21 1,500 4 3 238 17 1,500 10 5 197 15 1,500 0 6 202 10 1,500 0 8 172 3 1,833 16 9 21

12 23 2,000 7 2 225 8 2,000 11 14 227 25 3,167 15 1 241 2 3,300 12 17 235 12 3,583 19 18 251 19 4,286 21 13 241 7 5,182 23 20 251 5 6,338 24 22 0

Schritt12345678910111213141516171819202122232425

Cluster 1 Cluster 2

ZusammengeführteCluster

Koeffizienten Cluster 1 Cluster 2

Erstes Vorkommendes Clusters Nächster

Schritt

[Reinboth]



Exkurs: Datenanalyse (8)● Korrespondenzanalyse

● Ziel = Darstellung der Zeilen und Spalten einer zweidimen-sionalen Datentabelle in einem mehrdimensionalen Raum

– Beispiel: Kunden werden gebeten, Merkmale wie Wirkung und Bekanntheit bestimmten Medikamenten zuzuordnen

– Die Ergebnisse werden in einer Kontingenztabelle erfasst, sind aber in dieser Darstellung nur schlecht interpretierbar

– Mit Hilfe der Kontingenzanalyse lassen sich Medikamente und Merkmale jedoch grafisch in einem Raum darstellen

– Dieser grafischen Darstellung (Bi-Plot) lässt sich dann entnehmen, wie die Medikamente (relativ zueinander) bezüglich der abgefragten Merkmale beurteilt werden

[Reinboth]




[Reinboth]



Teil 2.3

Balance Scorecard

(BSC)



BSC-Grundlagen (1)● Bei der Balanced Scorecard handelt es sich um

ein Konzept zur Abbildung der Businessstrategie

● Vision und Strategie des Unternehmens werden anhand der kritischen Erfolgsfaktoren definiert

● Anschließend werden Kennzahlen ermittelt, die die Zielerreichung darstellen oder fördern

● Die BSC fördert das Verständnis der Ziele und ermöglicht bis zu einem gewissen Grad anhand der Key Performance Indicators (KPI) auch die Zielerreichungskontrolle (Controlling-Instrument)

● [Frage am Rande: Wieso BSC und nicht BS?][BSC-Portal]



BSC-Grundlagen (2)● Die BSC zeigt vier (fünf) Perspektiven

● Finanzperspektive– Wie sehen uns die Aktionäre?

● Kundenperspektive– Wie sehen uns die Kunden?

● Prozessperspektive– Welche Prozesse sind wichtig?

● Lern- und Innovationsperspektive– Wie können wir uns verbessern?

● Nachhaltigkeitsperspektive– Wie beeinflussen wir die Umwelt?

[BSC-Portal]



Welchen Nutzen hat eine BSC?● Eine BSC unterstützt Planung, Führung und Kontrolle

eines Unternehmens auf verschiedene Art und Weise

● Die BSC hilft nicht nur kritische Erfolgsfaktoren ausfindig zu machen, sondern sie auch an einer Strategie auszurichten

● Die BSC vermittelt sowohl dem Management als ggf. auch Außenseitern ein umfassendes Bild der Geschäftstätigkeit

● Die BSC vereinfacht Kommunikation und Verständnis vonGeschäftszielen und Strategien auf allen Orga-Ebenen

● Über die KPI ist es möglich, den Zielerreichungsgrad zu kontrollieren und die BSC ggf. auch anzupassen

[BSC-Portal]



Aufbau einer Balanced Scorecard

[BSC-Portal]



Die BSC verbindet Maßnahmen

[Kaplan/Norton]



BSC: RZ der Hochschule Harz

[Scheruhn]



[Scheruhn]



Teil 2.4

Informationsquellen

Qualität von Informationen

Gewichtung von Informationen



Exkurs: Kennzahlen und -systeme● Verdichteter Überblick betrieblicher Verhältnisse

● Entscheidende Eigenschaften sind Aggregation, Relevanz, Aussagewert und Quantifizierbarkeit

● Primärfunktionen von Kennzahlen

● Ermöglichung von Soll-/Ist-Vergleichen● Erkennung von Chancen und Risiken

● Kennzahlensysteme = Kenzahlenverknüpfung

● Beispiel: Rentabilitäts-Liquiditäts-System (RL)

● Nicht erfassbar: Kundenzufriedenheit, Image...

[Struckmeier]



Exkurs: BWL-Kennzahlen (1)● Produktivität

● Die Produktivität ist ein Maß für die mengenmäßigeErgiebigkeit der Kombination der Produktionsfaktoren

● Die Kennzahl kann einzeln nicht interpretiert werden● Es muss ein Vergleich mit den Produktivitäten anderer

Unternehmen oder vergangener Zeitperioden stattfinden

[Uni Regensburg]

Produktivität=Mengenergebnisse der FaktorkombinationFaktoreinsatzmengen

=OutputInput

Materialproduktivität= Erzeugte MengeMaterialeinsatz

Arbeitsproduktivität= Erzeugte MengeArbeitseinsatz



Exkurs: BWL-Kennzahlen (2)● Rentabilität

● Die Rentabilität ist das Verhältnis des Periodenerfolgs als Differenz von Aufwand und Ertrag zu anderen Größen

● Rentabilität kann auf verschiedene Arten berechnet werden

● Auch die Rentabilität kann als Zahl nicht einzeln analysiert werden, sondern nur in Verbindung mit anderen Werten

Umsatzrentabilität= PeriodenerfolgUmsatz

∗100 Eigenkapitalrentabilität= PeriodenerfolgEigenkapital

∗100

Gesamtkapitalrentabilität=PeriodenerfolgGesamtkapital

∗100

[Uni Regensburg]



Exkurs: BWL-Kennzahlen (3)● Liquidität

● Die Liquidität beschreibt die Zahlungsfähigkeit eines Unternehmens (über verschiedene Zeitabschnitte)

● Die Liquidität ist ohne Vergleichswerte interpretierbar– Die Liquidität 2. Grades sollte bei über 100% liegen

– Die Liquidität 3. Grades sollte bei 150 - 200% liegen[Uni Regensburg]

Liquidität erstenGrades= ZahlungsmittelbestandkurzfristigeVerbindlichkeiten

∗100

Liquidität zweitenGrades= kurzfristigesUmlaufvermögenkurzfristige Verbindlichkeiten

∗100

Liquidität drittenGrades= gesamtesUmlaufvermögenkurzfristigeVerbindlichkeiten

∗100



Exkurs: Kapitalrentabilitäten (1)● Der Unternehmenserfolg ist wesentlich vom Umfang

des in das Unternehmen investierten Kapitals abhängig

● Die verschiedenen Rentabilitäten weisen die jährliche Verzinsung (Renten) des eingesetzten Kapitals aus

● Die Formel zur Berechnung der Kapitalrentabilität lautet

● Das bilanzierte Kapital des Geschäftsjahres-Durchschnittswird als arithmetisches Mittel aus dem Kapitalbestand amJahresanfang und am Jahresende berechnet

[HAF]

Kapitalrentabilität= ErfolgdesGeschäftsjahresmittel−und langfristiges Kapital desGeschäftsjahres−Durchschnitts



Exkurs: Kapitalrentabilitäten (2)● Das kurzfristige Kapital wird normalerweise nicht in die

Overall-Rechnung einbezogen, weil es oft sehr großen Schwankungen unterworfen ist und nicht im gesamtenGeschäftsjahr in voller Höhe zur Verfügung steht

● Üblicherweise werden sowohl die Brutto-Rentabilität als auch die Netto-Rentabilität des Kapitals berechnet

● Brutto-Rentabilitäten dienen externen Vergleichen, da die Auswirkungen unterschiedlicher Steuerbelastungen (z.B. wegen Rechtsformen oder Standorten) auszuschalten

● Netto-Rentabilitäten geben Auskunft über den für Investition und Finanzierung verwendbaren prozentualen Erfolgsanteil des im Unternehmen eingesetzten Kapitals

[HAF]



Exkurs: Kapitalrentabilitäten (3)● Eigenkapitalrentabilität

● Wichtige Frage für Investoren: Sollte man das eingesetzte Kapital im Unternehmen halten oder woanders investieren?

[HAF]

Eigenkapitalrentabilität= Jahresüberschuss oder Jahresfehlbetragmittel−und langfristiges Eigenkapital desGeschäftsjahres−Durchschnitts

Netto−Eigenkapitalrentabilität= Jahresüberschuss nach Abzug von Einkommens−und Ertragssteuermittel−und langfristiges Eigenkapital desGeschäftsjahres−Durchschnitts

Brutto−Eigenkapitalrentabilität= Jahresüberschuss vor Abzug von Einkommens−und Ertragssteuermittel−und langfristiges Eigenkapital desGeschäftsjahres−Durchschnitts



Exkurs: Kapitalrentabilitäten (4)● Interpretation der Rentabilitäten

● Die Verzinsung des Eigenkapitals im Unternehmen muss deutlich über der Verzinsung liegen, die man bei absolut risikofreien Anlagen wie Bundesstaatsanleihen oder aberauf einem Konto der Deutschen Bank erzielen kann

● Die Eigenkapitalrentabilitäten geben Auskunft über die Fähigkeiten des Managers, das strategische Potential des Unternehmens sichern und ausbauen zu können

● Eigenkapitalrentabilitäten sind von der Finanzstruktur des Unternehmens abhängig, insbesondere von der Größe desEigenkapitalanteils – um hier einen neutralen Vergleich zu ermöglichen eignet sich die Gesamtkapitalrentabilität

[HAF]



Exkurs: Kapitalrentabilitäten (5)● Gesamtkapitalrentabilität

● Die Gesamtkapitalrentabilität zeigt die Verzinsung des insgesamt im Unternehmen eingesetzten Kapitals

● Die Kennzahl ist neben Vergleichen auch wichtig bei der Entscheidungsfindung im Finanzierungsbereich

● Fremdfinanzierung ist nämlich immer dann sinnvoll,wenn das so finanzierte Kapital zu einem größerenGewinn führt als es Zinsen verursacht

[HAF]

Gesamtkapitalrentabilität= Jahresüberschuss oder JahresfehlbetragFremdkapitalzinsenmittel−und langfristigesGesamtapital desGeschäftsjahres−Durchschnitts



Exkurs: Kapitalrentabilitäten (6)● Der Leverage-Effekt

● Wenn die Gesamtkapitalrendite über den Zinsen auf das Fremdkapital liegt, verbessern weitere Kreditaufnahmen den Jahresgewinn und steigern die Eigenkapitalrentabilität

● Wenn die Gesamtkapitalrendite unter den Zinsen auf dasFremdkapital liegt, verschlechtern weitere Kreditaufnahmenden Jahresgewinn und verringern die Eigenkapitalrentabilität

● Aufgrund der Hebelwirkung der Gesamtkapitalrentabilität wird der Effekt in der Fachsprache als Leverage-Effekt bezeichnet

● Einen ähnlichen Effekt lernen wir bei der Regression kennen[HAF]



Exkurs: Kapitalrentabilitäten (7)● Wird ein positiver Leverage-Effekt durch das Unternehmen

ausgenutzt, ist es wichtig gleichzeitig die Nebenrisiken derFremdkapital-Aufnahme im Blick zu haben:

● Die sinkende Kreditwürdigkeit

● Die wachsende Verschuldung

● Die wachsende finanzielle Abhängigkeit● Die ertragsunabhängige Belastung der Liquidität durch

ständige Zusatzzahlungen (Zins- und Tilgungszahlungen)● Das Risiko eines „Kippen“ des Leverage-Effekts ins Negative

sollten jemals entweder die Gewinne sinken oder die Zinsenauf Fremdkapital erhöht werden (Europäische Zentralbank)

[HAF]



Exkurs: Kapitalrentabilitäten (8)● Andere Kapitalrentabilitäten

● Die Rentabilität des betriebsnotwendigen Kapitals oder auch Betriebskapitalrentabilität ist eine Kennzahl für die nachhaltige Ertragsfähigkeit betrieblicher Investitionen

● Umsatzrentabilität: eine Kennzahl für die den eigentlichenbetrieblichen Leistungsprozess betreffenden Ertragskraft

[HAF]

Betriebskapitalrentabilität= Betriebsergebnisbetriebsnotwendiges Vermögen desGeschäftsjahres−Durchschnitts

Umsatzrentabilität= BetriebsergebnisUmsatzerlöse



MIS-Informationsquellen (1)● In der Regel ist die vorhandene Informations-

Infrastruktur die primäre Datenquelle für MIS

● KLR & Controlling

● Vertriebsdatenbanken● Beschaffungsdatenbanken

● Lagerhaltungsdatenbanken

● Produktionsplanungs- undProduktionssteuerungssysteme

● In der Praxis bauen viele MIS auf wenigen bis gar keinen externen Informationsquellen auf

[Börner]



MIS-Informationsquellen (2)● Daten aus sonstigen Informationsquellen

● Early Warning Systems (EWS)● Szenario-Technik

– Experten entwickeln im Team verschiedene Szenarienund versuchen die Auswirkungen bei deren Eintreten auf das Unternehmen zu prognostizieren

● Delphi-Methode– Wiederholte Befragung von Experten mit dem Charakter

einer Gruppendiskussion (eine Marktforschungsmethode)

● „Rechkemmer-Ansatz“

● Den Rechkemmer-Ansatz werden wir im Detail betrachten[Börner]



Rechkemmer-Ansatz (1)● Bewertungprobleme bei Großkonzernen

● Durch unterschiedliche Rechtsformen und andere Vorschriften im gesetzlichen Rechnungswesen gibt es bei internationalen Töchterkonzernen Probleme mit der einheitlichen Bewertung von Kennzahlen

● Lösungsansatz von Kuno Rechkemmer (1997)

● Leitende Mitarbeiter bewerten die vier Merkmale Umsatz, Produktion, Liquidität und Rohgewinn

● Einheitliche Bewertungsskala von -1 bis +1

[Börner]



Rechkemmer-Ansatz (2)● Die Bewertung erfolgt für die aktuelle Situation

sowie die erwartete Situation in sechs Monaten● Die Ergebnisse werden aggregiert und bilden eine

neue Kennzahl, die das „Unternehmensklima“ zeigt

● Die Ergebnisse dienen als Frühwarn-Indikatoren

● Plötzlich auftretende Veränderungen bei Töchtern werden sofort sichtbar, die Kennzahlen sind durch die internationalen Unterschiede nicht verzerrt

● Die Werte müssen regelmäßig erhoben und später gegengeprüft (Vermeidung von „Beschönigungen“)

[Börner]



Rechkemmer-Ansatz (3)

[Mertens]

1. Umfrage in jeder org. Einheit

Umsatz A

Umsatz B

Umsatz C

Umsatz D

Aktuell 6 Monate

2. Aggregation der Werte

Umsatz

Produktion

Liquidität

Rohgewinn

Aktuell 6 Monate

2 3 4 5 6 7 8 9 100

2

4

6

8

10

12

UmsatzRohgew inn

3. Erstellung von Zeitreihen



Ein weiteres Informationsproblem...

[Foto: Arcarde Berg]



Der Information Overload (1)● Phänomen „Information Overload“

● Aufgrund der aktuellen Informationsflut wird es schwer, Wichtiges und Unwichtiges unterscheiden zu können

● Dies ist gerade im Marketing-Bereich gut dokumentiert

● Der Information Overload hat Konsequenzen

● Auf Input-Seite bedeutet IO: Lediglich sachrelevante Informationen sollten überhaupt nocherfasst werden

● Auf Output-Seite bedeutet IO: Für einzelne Fälle der Entscheidungsunterstützung sind die eingehenden Daten noch nachträglich zu gewichten (post hoc)

[Takkin]



Der Information Overload (2)● Grundregel: Je mehr Informationen vorliegen, desto

problematischer wird eine endgültige Entscheidung

[Takkin]



Der Information Overload (3)

[Wikipedia]

„Jeden Tag muss man von dem Naturrecht, Millionen Dinge nicht zu erfahren, erneut Gebrauch machen.“

- Peter Sloterdijk,Kritik der zynischen Vernunft



Der Information Overload (4)

[Wikipedia]

„Immer mehr Informationen überrollen uns, ungefragt und erbarmungslos.

Früher brauchte man sie, um ein Problem zu lösen. Heute sind diese Daten selbst ein Problem.“

- Neil Postman



Untersuchung der Univ. of Berkeley● Studie „How much Information?“ (2003)

● 2000: 250 Megabyte pro Mensch und Jahr(macht insgesamt 1,5 Millionen Terabyte)

● 2003: 800 Megabyte pro Mensch und Jahr(macht insgesamt 5 Millionen Terabyte)

● 40% aller neuen Informationen werden in den USA gespeichert

● 90% aller neuen Informationen sind auf magnetischen Medien gespeichert, 7% auf Filmen und nur ein Bruchteil auf Papier

● Hier ergeben sich große Probleme in der Langzeitspeicherung(!)

[Heise]



...oder gibt es gar keinen Overload?● Clay Shirky: Wir leben im

Post-Gutenberg-Zeitalter!

● Gutenberg: Der Betreiber einerDruckpresse trägt das finanzielleRisiko der Informationsverbreitung

● Die Kräfte des Marktes führen zurAusbildung von Informationsfiltern

● Elektronische Medien uns insbes.das Internet haben diese Kosten-kontrolle ad absurdum geführt

● Das Problem ist der fehlende Filter![Foto: Joi Ito]



Qualität von Informationen (1)● Welche Qualitätskriterien existieren?

● Richtigkeit / Gültigkeit– Sind die Informationen korrekt oder inkorrekt?

– Handelt es sich um die gewünschten Informationen?

● Zuverlässigkeit– Wie groß sind die Abweichungen von der Realität?

(Problem des Zukunftsbezugs der Information)

● Genauigkeit– Diese sollte dem Zweck angemessen sein, z.B. bei

der Festlegung der Anzahl von Nachkommastellen

[Börner]



Qualität von Informationen (2)● Welche Qualitätskriterien existieren?

● Vollständigkeit– Nur teilweise vollständige Informationen sind oft

„gefährlicher“ als komplett fehlende Informationen

● Aktualität– Viele Informationen „entwerten“ sich mit der Zeit

● Übertragbarkeit– Lassen sich die Informationen situativ übertragen?

– Informationen sind immer dann qualitativ hochwertig, wenn sie allgemeingültig verwertet werden können

[Börner]



Bewertung der Qualität● Grundlegendes Bewertungsproblem

● Bei vielen Kriterien (Vollständigkeit, Aktualität...)fehlt zum Zeitpunkt der Entscheidung das für die korrekte und genaue Bewertung benötigte Wissen

● Paradoxon: Wenn dieses Wissen vorhanden wäre, würden die Informationen selbst nicht mehr benötigt

● Lösung: Die Qualität der Information selbst wird nicht bewertet, dafür die Qualität der Quelle und des ganzen Prozesses der Informationsfindung(„Potentialqualität“ und „Prozessqualität“)

[Börner]



Gewichtungsverfahren (1)● Prinzipal-Gewichtungsverfahren

● Nach diesem Verfahren werden bestimmteDaten grundsätzlich hoch / niedrig gewichtet

● Grundlage sind die Prozessqualität und die Potentialqualität sowie das Unternehmensziel

– Beispiel: Informationen zur Qualität von Dienstleistungen (Anzahl der Reklamationen, Anfragen-Bearbeitungsdauer)sind für einen Dienstleister wichtiger als für einen Händler

● Frage: Wie lassen sich die für das Unternehmen wichtigen spezifischen Kennzahlen identifizieren?

[Börner]



Gewichtungsverfahren (2)● Methode zur Identifikation nach Frie:

– Aufstellung strategischer Erfolgsfaktoren

– Bewertung dieser Faktoren durch Manager

– Bildung einer Rangliste anhand der Bewertung

– Suche nach aussagekräftigen Kennzahlen

– Bewertung dieser Kennzahlen durch Manager

– Bildung einer Rangliste anhand der Bewertung

● Gewichtung nach Qualitätskriterien

● Auch eine Gewichtung auf der Basis der sechs eingangs dargestellten Qualitätskriterien ist möglich

[Börner]



Teil 2.5

Decision Support Systems

(DSS)

- am Beispiel von ELBE -



ELBE Pilot DSS



Was ist ELBE?● (Spatial) Decision Support System = (S)DSS

● Simulation der Auswirkungen von Maßnahmenund externen Szenarien auf die Themenfelder

● Ökologie

● Schifffahrt● Hydrologie

● Gewässergüte

● Gewässerzustand

● Hochwasserschutz

[ELBE]



[Wikipedia]



ELBE-Anwendungsmodell

[ELBE]

System

PhysischÖkologisch

ÖkonomischInstitutionell

Externe Einflüsse

ZieleLeitbild

PolitikerEntscheider

ExpertePlaner

Politikoptionen /Maßnahmen

Indikatoren AkteureGruppen



ELBE-Einflussgrößen

Multidisziplinäres Wissen muss verknüpft werden!

Wasserrecht

Hochwasserschutz

Umweltschutz

Wirtschaftlicher Nutzen

Gesellschaft

[ELBE]



[NASA]



ELBE-Managementaufgaben (1)● EU-Wasserrahmenrichtlinie

● Die Richtlinie verpflichtet Mitglieder, einen gutenökologischen Zustand der Gewässer zu erreichen

● Dies hat Auswirkungen auf alle wasserbaulichenMaßnahmen, Deichbau, Schifffahrt, Industrie etc.

● Die EU-Wasser-Richtlinie ist bis 2015 umzusetzen

● Nordseeschutzkonferenz (1987)

● Ziele: Abschaffung der Abfallverbrennung auf See, Reduzierung von Stoffeinträgen um 50%(Eutrophierung), Reduzierung von synthetischen Schadstoffen im Meer auf Null bis zum Jahr 2020

[ELBE]



ELBE-Managementaufgaben (2)● Deutsche Agrarreform

● Grundlage der Deutschen Agrarreform sind die Beschlüsse des EU-Agrarrats aus dem Jahr 2003

● Entwicklungsziel: Verringerung von Stoffeinträgen(auch hier geht es wieder um die Eutrophierung)

● Ergebnisse: 19 neue EU-Verordnungen im BereichLandwirtschaft, diverse Vorschriften zur Erhaltung von Landflächen in gutem ökologischen Zustand

● Das im Referenzjahr 2003 ermittelte Verhältnis vonLandwirtschaftsflächen zu Dauergrünflächen darfsich nie wieder um mehr als 10% zu Ungunstender Dauergrünflächen verschieben

[ELBE]



ELBE-Managementaufgaben (3)● FFH-Richtlinie

● Flora-Fauna-Habitat-Richtlinie / Natura 2000-Richtlinie

● Schutzgebiete am Elbeufer (darunter von der UNESCOgetragene Gebiete) sollen ökologisch erhalten werden

● Gleichzeitig steigen die Bedürfnissen der Landwirtschaft und der Industrie im Elbgebiet > ein Interessenskonflikt

● Hochwasserschutz

● Nach dem Elbhochwasser (2002) ein wichtiges Thema

● Nach 2002 wurden neue Richtlinien zum Schutz gegenHochwasser erlassen, die noch zu implementieren sind

[ELBE]



ELBE-Managementaufgaben (4)● Unterhaltung der Elbe als Wasserstraße

● Die Elbe wird regulär als Wasserstraße genutzt undmuss wie eine „richtige“ Straße unterhalten werden(Fahrrinnentiefe 1,6m, Fahrrinnenbreite 35m – 50m)

● Der Unterhalt erfordert eine Reihe von Maßnahmenwie die Überwachung der Nutzung, die Bereitstellung von Rettungsmaßnahmen, die Entfernung von Hinder-nissen, das Aufbrechen von Vereisungen etc. pp.

● Der Einfluss dieser Maßnahmen auf die ökologischenund regionalwirtschaftlichen Faktoren ist permanent zu kontrollieren (rechtliche Grenzen, Wirtschaftlichkeit)

[ELBE]



[Wikipedia]



[ELBE]



[ELBE]

Was kann ELBE?

Berechnung von Hochwasserwahrscheinlichkeiten



[ELBE]



[ELBE]

Was kann ELBE?

Sanierungsbedarf von Deichsystemen



[ELBE]



Teil 2.6

Arbeiten mit ELBE

- Erosionsschutz und Stoffeinträge -



ELBE-Einsatz am praktischen Beispiel● Beispiel des Instituts für Umwelt-

forschung an der Uni Osnabrück

● Auswirkungen von Erosionsschutzmaßnahmen auf das Ziel der „Verringerung von Stoffeinträgen“ (Phosphor)

[Erosion]



Warum ist das wichtig?



Schwankende Sauerstoffwerte

[Erosion]



Schritt 1: Initialisierung des Modells



Schritt 2: Auswahl des Einzugsgebiets



Schritt 3: Entwicklungsziel Stoffeinträge



Schritt 4: Ermittlung des IST-Eintrags



Schritt 5: Planung einer Maßnahme



Schritt 6: Durchführung der Simulation



Schritt 7: Räumliche Diversifikation



Schritt 8: Auswirkungen auf Gewässer



Teil 3

Mathematische Modelle

- Lineare Regressionsanalyse -



Statistische Grundbegriffe● Statistische Einheiten: Objekte, an denen

die interessierenden Größen erfasst werden

● Grundgesamtheit: Menge aller relevanten statistischen Einheiten

● Stichprobe: Real untersuchte Teilmenge der Grundgesamtheit

● Merkmal: Interessierende Größe der statistischen Einheit (Variable)

● Ausprägung: Konkreter Merkmals-wert einer einzelnen statistischen Einheit

[Reinboth]



Mathematische Skalenniveaus● Nominalskala

● Bezeichnungen ohne Rangordnung

● Beispiele: Telefonnummer, Geschlecht

● Ordinalskala

● Rangfolge ohne interpretierbare Abstände

● Beispiele: Schulnoten, Präferenzangaben

● Metrische Skala

● Rangfolge mit interpretierbaren Abständen

● Beispiele: Temperatur, Zeit, Geld, Abstände[Reinboth]



Entscheidungsschema Skalenniveaus

Daten

Nominalskala Ordinalskala Kardinalskala\metrische Skala

Intervallskala(kein natürlicher Nullpunkt)

Verhältnisskala(natürlicher Nullpunkt)

● keine Rangordnung

● Geschlecht● Studiengang● Telefonnummer● Familienstand

● Rangordnung ohne interpretierbare Abstände

● Schulnoten● Steuerklassen● Erdbebenskala● alle Arten von Präferenzurteilen

● Rangordnung mit interpretierbaren Abständen

häufbarnicht

häufbar

meist diskret

meist diskret

meist stetig

[Reinboth]



Korrelation und Kausalität

1 2 3

Durch die Regressionsanalyse lassen sich keine Kausalitäten nachweisen!

Korrelation ist eine notwendige aber keine hinreichende Bedingung für Kausalität!

Variable A

Variable B

Variable A

Variable B

Variable A

Variable B

Gemeinsame Hintergrund- variable C

[Reinboth]



Teil 3.1

Durchführung einerRegressionsanalyse



Die lineare Regression (1)● Die Regressionsanalyse dient uns als Beispiel für eines

von vielen möglichen statistischen Prognoseverfahren,die wiederum die Grundlage für XPS und DSS bilden

● Sie wird in der Regel verwendet um

● Zusammenhänge quantitativ darzustellen oder

● Werte der abhängigen Variablen zu prognostizieren

● Beispiel: Wie verändert sich die Absatzmenge bei Veränderungen am Preis, an den Werbeausgaben oder an der Anzahl von Verkaufsveranstaltungen?

[Reinboth]



Die lineare Regression (2)● Ergebnis des Verfahrens ist die Regressionsfunktion

● Problemfall interdependente Beziehungen

● Beeinflusst z.B. der Bekanntheitsgrad die Absatzmenge oder beeinflusst die Absatzmenge den Bekanntheitsgrad?

● Dieses System ist nicht in einer einzelnen Gleichung erfassbar, sondern nur im Mehrgleichungsmodell

Y = f(x)

[Reinboth]



Suche nach Zusammenhängen

[Reinboth]



Exkurs: Streudiagramme (1)● Streudiagramme stellen die gemeinsame Verteilung der Werte

zweier Variablen dar, indem die entsprechenden Werte beider Variablen gegeneinander abgetragen werden – dabei sind Rückschlüsse auf Zusammenhänge möglich

● Beispiel: Treten in der Tendenz große Werte der einen Variablen gepaart mit großen Werten der anderen Variablen auf, so kann ein positiver Zusammenhang vermutet werden

● Ein gefundener Zusammenhang kann nicht in eine Richtung interpretiert werden, d.h. aus der Grafik ist nicht abzulesen, ob Variable A Variable B beeinflusst oder umgekehrt

[Reinboth]



Exkurs: Streudiagramme (2)

2D-Streudiagramm 3D-Streudiagramm

[Reinboth]




Grafiken > Streudiagramm

[Reinboth]




2D-Streudiagramm Streudiagramm-Matrix

[Reinboth]



Analysevoraussetzungen (1)● Grundvoraussetzungen (Prüfung zu Beginn)

● Das Kausalgeflecht (die abhängigen und unabhängigen Variablen) muss bekannt sein oder vermutet werden

● Der Zusammenhang zwischen der abhängigen und den unabhängigen Variablen muss auf jeden Fall linear sein

● Ein quadratischer, logarithmischer, monotoner oder anders gearteter Zusammenhang wird nicht entdeckt

● Alle verwendeten Variablen müssen metrisch skaliert sein (Verfahren arbeitet mit dem arithmetischen Mittel)

● Für die unabhängigen Variablen lassen sich auch nominalskalierte Dummy-Variablen (0/1) einsetzen

[Reinboth]



Analysevoraussetzungen (2)● Weitere Voraussetzungen (post hoc)

● Die unabhängigen Variablen dürfen nicht untereinander korrelieren (Multikollinearität)

● Die standardisierten Residuen (durch das Modell nicht erklärte Abweichungen) müssen

– näherungsweise normalverteilt sein

– die gleiche Varianz besitzen (Homoskedastizität)

– untereinander unkorreliert sein (Autokorrelation)

● Alle Voraussetzungen müssen in jedem Fall erfüllt sein(ein nachträgliches Scheitern der Analyse ist also möglich)

[Reinboth]



Regressionsfunktionsschätzung

Frage: Welche der möglichen Geraden beschreibt den Zusammenhang am besten?

[Reinboth]



Auswahl einer passenden Geraden● Welche mögliche Gerade liefert die „besten“ Schätzwerte?

● Ermittlung der senkrechten Abstände zwischen geschätzten und beobachteten „wahren“ Punkten

● Es erscheint sinnvoll, diejenige Gerade auszuwählen,bei der die Summe der Abweichungen minimal ausfällt

● Bei dieser Geraden beträgt der durchschnittliche Schätzfehler 0, die Punkte sind gleichmäßig verteilt

● Da die Punkte auf beiden Seiten der Geraden liegen, ergeben sich positive und negative Abweichungen

● Problem: Positive und negative Abweichungen heben sich auf

[Reinboth]



Methode der kleinsten Quadrate● Das „Ziel“ der Methode der kleinsten Quadrate ist die

Minimierung der Summe der quadrierten Abweichungen

● Die Methode der kleinsten Quadrate arbeitet mit den senkrechten Abständen der realen Werte von der Gerade

● Die Abstände werden quadriert, so dass sämtliche negativen Vorzeichen wegfallen, eine Kompensation der positiven und negativen Abstände wird dadurch vermieden

● Es wird diejenige Gerade selektiert, bei der die Summe der quadrierten Abstände minimal ist („kleinste Quadrate“)

● Vorsicht: Dieses Verfahren führt immer zu einer Gleichung!

[Reinboth]



Mathematischer Hintergrund● Zielfunktion der MdkQ:

● Durch Umformung erhält man:

● Regressionskoeffizient:

● Konstantes Glied:

● Die Funktionsgleichung lautet:

∑k=1

K

ek2=∑

k=1

k

[ yk−ab∗xk ]2min!

b=I ∑ xI∗yk −∑ xI∗∑ yI

I ∑ xk2−∑ xk

2

a=y−b∗x

Y=a∗bX

[Reinboth]



Aufstellung der Regressionsgleichung

Y=1928,211,91∗X

Vorsicht: Mit SPSS lässt sich IMMER eine Regressionsfunktion berechnen!

[Reinboth]



Welche weiteren Größen sind wichtig?

Y=1928,211,91∗X

Was könnten die Beta-Koeffizienten bedeuten?

[Reinboth]



Wie genau ist diese Funktion?

[Reinboth]



Das Gütemaß R² (1)● Die Regressionsgerade gibt Zusammenhänge,

die nicht perfekt linear sind, nur imperfekt wieder

● Es ist daher mit der Regressionsfunktion nur selten möglich, alle Veränderungen in Y durch die Koeffizienten zu erklären

● In der Regel wird man einen Teil der Veränderungen erklären können, einen anderen Teil dagegen nicht

● Das Verhältnis von erklärter Streuung zur Gesamtstreuung ist ein gutes Maß für die Güte des Regressionsmodells

● Residuen werden quadriert, damit sich positive und negative Abweichungen nicht aufheben (ähnlich wie bei der MdkQ)

[Reinboth]



Das Gütemaß R² (2)● Berechnung des Güßtemaßes R² mit

● TSS = Total Sum of Squares = Summe aller quadrierten Abweichungen

● ESS = Explained Sum of Squares = Summe aller erklärten quadrierten Abweichungen

● RSS = Residual Sum of Squares = Summe aller nicht erklärten quadrierten Abweichungen

● Die Relation zwischen erklärter Streuung und Gesamtstreuung wird mit R² bezeichnet

R2=ESSTSS

[Reinboth]



Interpretation des Gütemaßes● Der Wert von R² gibt den Anteil der erklärten Streuung

an der Gesamtstreuung wieder > Güte der Anpassung

● R² ist als prozentualer Wert zu verstehen und liegt daher stets zwischen 0 und 1

● Wenn R² = 1 ist, bedeutet dies, dass die gesamte Streuung erklärt wird, es besteht daher ein perfekter linearer Zusammenhang

● Je kleiner R² ist, desto mehr weicht der untersuchte Fall vom linearen Zusammenhang (mit R² ~ 1) ab

● Beachte: R² ist lediglich ein Maß für den linearen Zusammenhang, nicht für andere Zusammenhänge

[Reinboth]



R² und korrigiertes R² (1)● Warum ist ein zusätzliches Gütemaß erforderlich?

● Die Aufnahme zusätzlicher erklärender Variablen führt niemals zu einer Verschlechterung von R²

● Besteht kein Zusammenhang mit Y bleibt R² unverändert, besteht ein minimaler Zusammenhang mit steigt R² leicht

● Ergebnis: wahllos viele Variablen werden ins Modell aufgenommen, dadurch ergibt sich ein hohes R² und ein vermeintlich gutes Regressionsergebnis

● Aber: Die prognostizierten Werte werden mit steigender Variablenzahl unzuverlässiger, darum wird mit R² nochein weiteres Güßtemaß berechnet

[Reinboth]



R² und korrigiertes R² (2)● Grundfrage: Rechtfertigt der Erklärungsanteil einer

Variablen die Zunahme an Unsicherheit? > Rkorr

● Für neue Variablen ergeben sich zwei Effekte

● RSS sinkt, wodurch sich das korrigierte R² erhöht

● k erhöht sich, wodurch das korrigierte R² sinkt

● Je nachdem, welcher Effekt überwiegt, sollte die neue Variable ins Modell aufgenommen werden oder nicht

Rkorr2 =1−RSS / n−k

TSS /n−1

[Reinboth]



Bedeutung von Ausreißern (1)● Was sind Ausreißer?

● Bei einem Ausreißer handelt es sich um einen gemessenen oder erhobenen Wert,der nicht den Erwartungen entspricht bzw. nicht zu den restlichen Werten der Verteilung passt

● Wie kommen Ausreißer zustande?

● Außergewöhnliche Werte („Millionär“)● Verfahrenstechnische Fehler (Codierung)

● Unerklärliche Werte (Problemindikator)

[Reinboth]



Bedeutung von Ausreißern (2)● Normale und multivariate Ausreißer

● Normaler Ausreißer = außergewöhnlich großer oder kleiner Wert (z.B. Einkommen im Millionenbereich)

● Multivariarer Ausreißer = isoliert betrachtet im normalen Bereich liegende Einzelwerte, die in der Kombination quer durch die Variablen einen einzigartigen Fall ergeben (z.B. eine 86jährige Frau mit Internetanschluss)

● Multivariate Ausreißer lassen sich schwer identifizieren,normale Ausßreißer dagegen mit relativ einfachen Mitteln

● Entscheidende Frage: Beibehalten oder verwerfen?[Reinboth]



Bedeutung von Ausreißern (3)Auswirkung eines Ausreißers auf den Verlauf einer lineare Regressionsgerade

Einzelne Ausreißer können die Gerade zu sich „hinziehen“ und so das Ergebnis einer Regressionsanalyse erheblich beeinflussen

[Reinboth]



Identifikation von Ausreißern

[Reinboth]



Güteprüfung mittels F-Statistik (1)● Annahme der Regressionsanalyse: kausaler Zusammenhang

zwischen abhängiger und unabhängigen Variablen – besteht ein solche Zusammenhang tatsächlich, können die „wahren“ Regressionsparameter unmöglich Null sein

● Zur Überprüfung dieser Annahme wird das Regressions-modell mit Hilfe eines F-Tests varianzanalytisch untersucht

● Nullhypothese: Es besteht kein echter Zusammenhang zwischen der abhängigen und den unabhängigen Variablen

● Alle wahren Regressionskoeffizienten in der Grundgesamtheit wären beim Zutreffen der Nullhypothese demnach gleich Null



Güteprüfung mittels F-Statistik (2)● Vorsicht: Es kann nichts darüber gesagt werden, zwischen

welchen Variablen Zusammenhänge bestehen, nur dassnicht alle wahren Parameter bei Null liegen (!)



Prüfung der Regressionskoeffizienten● Wenn die Validität des Modells feststeht, stellt sich die

Frage nach der Validität der einzelnen Koeffizienten

● Gehören alle im Regressionsmodell unter-gebrachten Variablen auch in dieses Modell?

● Zur Feststellung der Güte der Regressions-koeffizienten existieren zwei Kriterien

● t-Test der Regressionskoeffizienten oder

● Konfidenzintervalle um die Regressionskoeffizienten

[Reinboth]



T-Test der Regressionskoeffizienten● Wird die Nullhypothese im F-Test verworfen, bedeutet dies

dass es mindestens einen Zusammenhang geben muss

● Dies bedeutet nicht, dass alle unabhängigen Variablen ins Regressionsmodell gehören – daher ist ein Test für jeden einzelen Regressionskoeffizienten durchzuführen

● Ein geeignetes Prüfkriterium hierfür ist der T-Test

● Nullhypothese: Der „wahre“ Regressionskoeffizient ist Null

[Reinboth]



Konfidenzintervalle um die Koeffizienten● Mit einem Konfidenzintervall lässt sich die Lage eines Para-

meters mit einer bestimmten Wahrscheinlichkeit abschätzen

● Ist das Konfidenzintervall um einen Regressionskoeffizienten zu breit, muss die geschätzte Regressionsgerade als unsicher betrachtet werden

● Dies gilt insbesondere dann, wenn innerhalb des Konfidenzin-tervalls ein Vorzeichenwechsel vorliegt, sich der Einfluss also umkehren kann

[Reinboth]



Was ist ein Konfidenzintervall?

[Reinboth]



Post hoc-Tests der Modellprämissen● Abschließend noch zu prüfende Voraussetzungen

● Die unabhängigen Variablen dürfen nicht untereinander korrelieren (Multikollinearität)

● Die standardisierten Residuen (durch das Modell nicht erklärte Abweichungen) müssen

– näherungsweise normalverteilt sein

– die gleiche Varianz besitzen (Homoskedastizität)

– untereinander unkorreliert sein (Autokorrelation)

● Die Funktion kann also nachträglich de-validiert werden

[Reinboth]



Prüfung der Residualgrößen● Residuen = Differenzen zwischen empirischen und durch

die Regressionsfunktion geschätzten Variablenwerten

● Zentrale Forderung: Residuen müssen zufällig verteilt sein

● Bei der Untersuchung der Residuen dürfen keine erkennbaren Muster gefunden werden – gibt es Muster so ist zu vermuten, dass das geschätzte Regressionsmodell fehlerhaft ist

● Ein solches Muster kann verschiedene Ursachen haben

● Es wurden wichtige Variablen bei der Analyse vergessen

● Der Zusammenhang ist nicht linear, sondern monoton o.ä.

[Reinboth]



Prüfung auf Normalverteilung (1)● Die Gauß- oder Normalverteilung ist die wichtigste

kontinuierliche Wahrscheinlichkeitsverteilung:

● Die Dichtefunktion ist als Gaußsche Glockenkurve bekannt

● Dichtefunktion ist glockenförmig und symmetrisch

● Erwartungswert, Median und Modus sind gleich● Zufallsvariable hat eine unendliche Spannweite

● Viele Verfahren setzen eine Normalverteilung voraus

f x = 12

e−1

2x−

2

[Reinboth]



Prüfung auf Normalverteilung (2)

ErwartungswertMedianModus

[Reinboth]




[Wikipedia]



Prüfung auf Normalverteilung (4)● Die Balken des Histo-

gramms spiegeln die Breite der Wertebe-reiche wieder

● Dies ermöglicht dendirekten Vergleich mit einer eingezeichneten Verteilung

● Der Grad der Abweichung von der Normalverteilunglässt sich auch anhand von Maßzahlen wie z.B.der Exzeß bestimmen

[Reinboth]




[Reinboth]



Prüfung auf Normalverteilung (6)● Die Prüfung auf Vorliegen einer Normalverteilung kann auch

mit Hilfe des Kolmogorov-Smirnov-Anpassungstests erfolgen

● H0: die Werte der untersuchten Variablen sind normalverteilt

● Berechnet wird die Wahrscheinlichkeit, mit der das Zurückweisen dieser Hypothese falsch ist (Signifikanz)

[Reinboth]



Prüfung auf Homoskedastizität (1)● Die Regressionsanalyse setzt ebenfalls voraus, dass die

Varianzen innerhalb verschiedener Fallgruppen gleich sind

● Gleichheit der Varianzen = Homoskedastizität ● Ungleichheit der Varianzen = Hetroskedastizität

● Mit dem Signifikanztest nach Levene wird die Nullhypothese überprüft, dass die Varianzen in der Grundgesamtheit in allen Gruppen homogen (gleich) sind

[Reinboth]



Prüfung auf Homoskedastizität (2)

[Reinboth]



Prüfung auf Autokorrelation (1)● Was ist unter Autokorrelation zu verstehen?

● Frage: Bestehen zwischen den Residuen nebenein-anderliegender Fälle systematische Zusammenhänge?

● Beispiel: Auf große positive Residuen folgen regelmäßig große negative Residuen

● Wie kann es zu Autokorrelation kommen?

● Die Möglichkeit einer Autokorrelation besteht immer dann, wenn die Fälle nicht zufällig angeordnet sind

● Dies ist beispielsweise bei Zeitreihenanalysen der Fall, bei denen die Fälle zeitlich geordnet vorliegen

[Reinboth]



Prüfung auf Autokorrelation (2)● Worauf deutet eine Autokorrelation hin?

● Erklärungsrelevante Variablen wurden nicht in das Regressionsmodell aufgenommen

● Falscher funktionaler Zusammenhang (z.B. quadratisch statt linear) wurde vorausgesetzt

● Dadurch wird der Standardfehler zu gering eingeschätzt

● Die Ergebnisse der Signifikanztests sind damit nicht mehr zuverlässig, Koeffizienten werden daher als signifikanter eingestuft als sie es tatsächlich sind

● Suche nach Autokorrelationen mit dem Durbin-Watson-Test

[Reinboth]



Prüfung auf Autokorrelation (3)● Der Durbin-Watson-Koeffizient kann

Werte zwischen 0 und 4 annehmen

● Je näher dieser Koeffizient am Wert von 2 liegt, desto geringer ist das Ausmaß der Autokorrelation

● Werte deutlich unter 2 weisen auf eine positive Auto- korrelation hin, Werte deutlich über 2 auf eine negative

● Faustregel: Werte zwischen 1,5 und 2,5 sind akzeptabel, Werte unter 1 oder über 3 deuten auf Autokorrelation hin

0 1 2 3 4

[Reinboth]



Prüfung auf Autokorrelation (4)● Der Test misst lediglich Korrelationen der 1. Ordnung

● Eine Autokorrelation der 1. Ordnung liegt vor, wenn direkt benachbarte Fälle miteinander verknüpft sind

● Bei quartalsweise erhobenen Daten ist jedoch auch eine Autokorrelation der 4. Ordnung denkbar

● Der Test ist nur unter zwei Voraussetzungen interpretierbar

● Die Gleichung muss einen konstanten Term enthalten● Die abhängige Variable darf nicht zeitverzögert als eine

erklärende Variable verwendet werden (Zeitreihenanalysen!)

● Beispiel: Als erklärende Variable für die aktuelle Schadstoffbelastung dient die Belastung des Vormonats

[Reinboth]



Kollinearitätsdiagnostik (1)● Was ist Kollinearität?

● Kollinearität liegt dann vor, wenn zwei oder mehr unabhängige Variablen untereinander korrelieren

● Beispiel: Ernteertäge sollen durch die Sonnenschein-dauer und die Durchschnittstemperatur erklärt werden

● Annahme: Eine lange Sonnenscheindauer sorgt für steigende Durschnittstemperaturen

● Es liegt also ein Korrelation zwischen den beiden erklärenden Variablen vor

● Es ist nicht festzustellen, zu welchen Teilen eine Veränderung in Y auf X1 und X2 zurückzuführen ist

[Reinboth]



Kollinearitätdiagnostik (2)● Es gibt drei Möglichkeiten, um die unab-

hängigen Variablen auf Kollinearität zu prüfen

● Berechnung von Toleranz und Varianzinflationsfaktor

● Erstellung einer Korrelationsmatrix für alle UB● Berechnung der Varianzanteile

[Reinboth]



Kollinearitätsdiagnostik (3)● Fällt der Toleranzwert sehr klein aus,

deutet dies auf eine Kollinearität hin

● Eine Faustregel: Toleranzen unter 0,1 sind verdächtig, Toleranzen unter 0,01 zu niedrig

● Der Varianzinflationsfaktor ist der Kehrwert der Toleranz

● Entsprechend wird interpretiert: VIF-Werte über 10 sind verdächtig, VIF-Werte über 100 eindeutig zu hoch

[Reinboth]



Kollinearitätsdiagnostik (4)● Die Varianzen der Regressionskoeffizienten lassen sich

in Komponenten zerlegen und den Eigenwerten zuordnen

● Die Summe aller Komponenten beträgt für jeden Regressionskoeffizienten genau Eins

● Wenn derselbe Eigenwert die Varianz mehrerer Regressionskoeffizienten in hohem Maße erklärt, deutet dies auf eine Abhängigkeit der betreffenden Variablen hin

[Reinboth]



Linearitätsprüfung● Eine Linearitätsprüfung kann grafisch und statistisch erfolgen

● Grafisch: Auswertung von Streudiagrammen oder Scatterplots● Statistisch: Analyse der Residuen oder Regressionsanalyse

[Reinboth]



Teil 3.2

Einführung in dieArbeit mit SPSS



Was ist SPSS?● SPSS = Statistical Package for Social Sciences

(ursprüngliche Bedeutung, inzwischen geändert)

● Weltweit verwendete Statistik-Software (seit 68)● Informationen unter http://www.spss.com

[Reinboth]



SPSS-Alternativen: SAS & NSDstat

[Reinboth]



Zum Aufbau von SPSS● Bei SPSS handelt es sich um eine

sogenannte „modulare Software“

● SPSS BASE (Basismodul)

● SPSS TRENDS (lineare Zeitreihenanalyse)● SPSS CATEGORIES (Korrespondenzanalyse)

● SPSS AMOS (Analyse linearer Strukturgleichungen)

● SPSS ANSWER TREE (Analyse von Marktsegmenten)● SPSS EXACT TESTS (Exakte Irrtumswahrscheinlichkeiten)

● SPSS CONJOINT (Berechnung von Präferenzkaufmodellen)

● SPSS MISSING VALUES (Erweiterte Analyse fehlender Werte)

[Reinboth]



Die SPSS-Datenansicht

Statistische Einheit (Fall; Person...)

Ausprägungen (Merkmalswerte)

[Reinboth]



Die SPSS-Variablenansicht

Skalenniveaus (Meßniveaus)

Merkmale & Merkmalsbezeichner

Platzhalter für fehlende Werte

Labels für diskrete Merkmalsausprägungen

[Reinboth]



Wichtige SPSS-Menübefehle

● Datei

● Erstellen, Öffnen & Importieren von Daten

● Ausdrucken kompletter Datensätze

● Bearbeiten

● Löschen, Kopieren & Einfügen von Daten

● Optionen > SPSS-Grundeinstellungen

● Ansicht

● Ein- und Ausblenden von Symbolleisten

● Einstellung von Schriftart und -größe

● Anzeigen von Labels/Werten

● Daten

● Einfügen von Variablen & Fällen

● Sortieren & Transponieren von Fällen

● Zusammenfügen von SPSS-Dateien

● Fälle zur Analyse auswählen

● Fälle für die Analyse gewichten

● Transformieren

● Umkodieren in selbe/neue Variable

● Analysieren & Grafiken

● Statistische & grafische Analyseverfahren

[Reinboth]



SPSS-Dateitypen● Datendateien sav

● Datendateien enthalten die zu analysierenden Daten

● Die Datenstruktur ähnelt der einer Tabellenkalkulation

● Datenimport aus anderen Programmen wie Excel möglich

● Ausgabedateien spo

● Analyseergebnisse werden in Ausgabedateien geschrieben

● Es können mehrere Ausgabedateien gleichzeitig offen sein● Erfolgreiche Analysen können permanent gesichert werden

● Syntaxdateien (sps) und Skripte (sbs) werden nicht betrachtet[Reinboth]



Übung: Regressionsanalyse mit SPSS(1) Voraussetzungsprüfung und Gleichungserstellung

(2) Gütebeurteilung der gefundenen Lösung

● Betrachtung von R² und korrigiertem R²

● Überprüfung der Regressionskoeffizienten

(3) Durchführung verschiedener Post-hoc-Tests

● Test auf Homoskedastizität der Residuen

● Test auf Normalverteilung der Residuen

● Test auf Autokorrelation der Residuen● Test auf Multikollinearität



Weiterführende SPSS-Literatur

SPSS 14Felix Brosius

Mitp-VerlagISBN: 3826616340

SPSS-ProgrammierungFelix Brosius

Mitp-VerlagISBN: 3826614151

SDA mit SPSSJanssen & Laatz

Springer-VerlagISBN: 3540239308

Statistik mit SPSSDiel & Staufenbiel

Verlag Dietmar KlotzISBN: 3880744610

[Reinboth]



Teil 4

Brancheninformationssysteme

(BIS)



Was sind BIS?● Ein BIS (auch IIS = Industry Information System) ist ein

gemeinsames Informationssystem vieler Betriebe einesbestimmten Wirtschaftszweiges (z.B. Automotive)

● Das BIS soll die laufenden Geschäftsbeziehungen der„Mitglieder“ unterstützen und neue Beziehungen fördern

● Das BIS enthält daher nur Daten, die für einen solchenkooperativen Austausch benötigt werden (Datenschutz)

● Man unterscheidet horizontale und vertikale BIS

● Horizontal = Betriebe der gleichen Wirtschaftsstufe

● Vertikal = Betriebe unterschiedlicher Wirtschaftsstufen

[Uni Konstanz]



Informationen in BIS● Welche Informationen enthält ein (vertikales) BIS?

● Allgemeine Informationen über die Unternehmen● Informationen über Nachfrage und Angebot an

fertigen Produkten und ggf. auch Halbfabrikaten(Typ, Menge, Merkmale, Qualität, Garantie...)

● Auftragserfassung, -verwaltung und -abwicklung

● Verkaufsabrechnung und Bezahlinformationen

● Die besondere technische Herausforderung besteht in der Entwicklung von Schnittstellen zwischen dem BIS und den einzelnen EDV-Systemen der Mitglieder

[Uni Konstanz]



Bedeutung von Brancheninfos● Brancheninformationen helfen bei der Ideenbeurteilung

● Gibt es ein angedachtes Angebot bereits auf dem Markt?● Wird dieses Angebot auf dem Markt auch angenommen?

● Welche Konkurrenzsituation ist bei Markteintritt zu erwarten?

● Welche Umsätze, Kosten und Gewinne sind zu erwarten?

● Brancheninformationen ermöglichen Betriebsvergleiche

● Wo liegen die Stärken und Schwächen des Betriebs?● Liegen Umsätze, Kosten und Gewinne oberhalb oder

unterhalb der branchenüblichen Durchschnittswerte?[BMWI]



Fragen zum BIS-Einsatz● Welche Aspekte spielen beim BIS-Einsatz eine Rolle?

● Wie werden die (oft sensiblen) Daten geschützt?● Haben alle Mitglieder den gleichen Datenzugriff?

● Ist der Handel untereinander eingeschränkt?

● Können sich die Mitglieder aussuchen, welcheDaten sie für das BIS freigeben möchten?

● Gibt es Anbindungen des MIS zu den EDV-Systemen der einzelnen Mitglieder?

● Unterstützt das BIS den mehrsprachigen Handel?

● Gibt es eine Kontrollinstanz / Dachorganisation?

[Uni Konstanz]



VerkaufsabrechnungKundenauftragsbearbeitung

Funktionsprinzip eines BIS

[Hansen]

Unternehmens- und ProduktinformationenProduktinfos

Aufträge

Autor

Verlag Großhandel Einzelhandel

Kunde

Bibliothek



BIS: Packaging-Finder (1)

[Packaging]



BIS: Packaging-Finder (2)

[Packaging]

● Packaging-Finder ist ein auf die Verpackungsindustriebegrenztes BIS, welches Mitgliedern hilft, Lösungen und Anbieter im Bereich Verpackung zu finden

● Grundfrage von Packaging-Finder: „Wer liefert was?“

● Im Detail geht es um: Packmittel, Packstoffe, Dosieren,Füllen, Depalettieren, Packhilfsstoffe, Herstellen undSichern von Ladeeinheiten, Maschinen, Wartung

● Packaging-Finder wurde vom Fraunhofer Institut fürVerpackungstechnik (Fraunhofer AVV) entwickelt

● Das Fraunhofer AVV entwickelt und betreut ebenfallsdas BIS für Hygenic Processing (auch Verpackungen)



BIS: Hygienic Processing

[Hygienic]



European Network Exchange (ENX)

[ENX]



Was ist ENX?

[ENX]

● ENX = European Network eXchange

● Zusammenschluss von Herstellern, Lieferanten & Verbänden der europäischen Automobilindustrie

● Aktuelle Zahlen: 500 Unternehmen in 21 Ländern

● Die Möglichkeiten von ENX gehen über die einesdurchschnittlichen BIS hinaus – wichtige Features

● Zeitgleiche Kommunikation mit allen Mitgliedern● Höchste Sicherheit für sensible Entwicklungsdaten

● Europaweites ENX-Telefonbuch mit allen Mitgliedern



Warum ENX verwenden?● ENX ermöglicht durch den europaweit standardisierten

Datenaustausch eine Rationalisierung bei vielen bereits bestehenden Kooperationen und Partnerschaften

● Das System gestattet den Austausch einer Viel-zahl unterschiedlicher betrieblicher Datenformate

● Entwicklungsdaten (z.B. CAD, Raytracing), Daten zur Produktionsplanung und -steuerung, Logistikdaten

● Der Schwerpunkt liegt daher in der Unterstützung bereits bestehender Partnerschaften und weniger in der Förderung neuer Kontakte, obwohl auch dies durchaus gegeben ist

[ENX]



ENX-Nutzerbeurteilung (1)„Tréves has no shares in ENX, we are a simple user. Therefore, our viewpoint is very pragmatic. The key aspects of an automotive network are to help us to meet the requirements of our customers and stay cost-effective. This is exactly what ENX provides.

The probative facts showed a return on our investment since end of 2003 by the increasing use of digital mock-up and by having shifted our EDI data exchange with Renault to ENX.“

- Marc Sodoyer, Director IT, Trèves

[ENX]



ENX-Nutzerbeurteilung (2)„PSA needs to exchange data Europe-wide. For us, the multi-provider approach and the European interconnection are very important differentiators of ENX. We are currently using ENX with 140 partners. The utilization is growing persistently. The current deployment status of digital mock-up would be impossible for us to reach without ENX.“

- Jean-Jaques Urban-Galindo, Director Ingenium Project, Peugeot-Citroen

[ENX]



T-City-Wettbewerb 2006 (1)● Von der Deutschen Telekom bundesweit ausgerichteter

Städtewettbewerb zum Thema „Nachrichtentechnik“

● Ziel: Krönung einer deutschen Stadt zur ersten „T-City“

● Mit dem Preis verbundene Fördersumme: 35 Mio. Euro für eine High-Speed-Breitbandversorgung und 80 Mio. Euro zur Förderung nachrichtentechnischer Integrationsprojekte

● Gefördert werden jeweils sieben innerstädtische Projekte aus den Bereichen: Bürgerservice, Forschung, Industrie, Tourismus, Gesundheitswesen, Standortplanung und Wohnungswirtschaft

● Wernigerode ist der einzige Teilnehmer in Sachsen-Anhalt

[T-City]



T-City-Wettbewerb 2006 (4)

[T-City]



T-City-Projekt „ENX int“

[T-City]

● Gemeinsames Projekt von Hochschule Harz,Rautenbach AG und der Stadt Wernigerode

● Ziel: Integration der ENX-Verbindung in ein Highspeed-Breitband-Glasfaser-Netz

● Rautenbach nutzt ENX insbesondere zumAustausch von Entwicklungsdaten (CAD)

● ENX verfügt über Sicherheitsstandards vergleichbar mit firmeneigenen Intranets



[Wikipedia]



Teil 5

e-Business-Anwendungen

@



Definition des e-Business-Begriffs (1)● Eine einheitliche Definition des Begriffs „e-Business“

existiert nicht, obwohl der Begriff bereits seit Mitteder 90er Jahre in der Fachwelt verwendet wird

● Es gibt allerdings sinnvolle Expertendefinitionen

● „E-Business ist die integrierte Ausführung aller automatisierbaren Geschäftsprozesse eines Unternehmens mit Hilfe von IuK-Technologie“

- Claus Rautenstrauch, OvGU

[Wikipedia]



Definition des E-Business-Begriffs (2)● Der Begriff des E-Business wurde erstmalig (als eBusinnes)

von IBM in einer Werbekampagne in den 90ern verwendet

● „Neugestaltung strategischer Unternehmensprozesse und die Bewältigung der Herausforderungen eines neuen Marktes, der sich zunehmend durch Globalisierung auszeichnet und auf Wissen basiert.“ - Begriffsdefinition IBM

[Wikipedia]



Drei Anwendungskategorien (1)● Es werden nur einige Anwendungen behandelt!

● Unternehmensinterne Anwendungen

● Knowledge Portale● Workflow Management System

● Knowledge Management System

● Human Ressources System (HR)● Enterprise Ressource Planing (ERP)

● Customer Relationship Management (CRM)

[Wikipedia]



Drei Anwendungskategorien (2)● Business-to-Business-Anwendungen

● Content Management System (CMS)● Unternehmensportale (z.B. Jboss Nukes)

● Voice over IP (Triple Play, z.B. „Skype“)

● WebConferencing und WebMeeting

● Business-to-Customer-Anwendungen

● Kundenportale inkl. Online-Shopsysteme

[Wikipedia]



CRM-Systeme● Fakt: Die Gewinnung von Neukunden ist bis zu fünf

Mal teurer als die langfristige Bindung von Altkunden

● Strategisches Ziel des Unternehmens ist daher die langfristige Bindung von Kunden und Kundengruppen

● Hierbei hilft Customer Relationship Management

● Unter CRM ist die ganzheitliche Pflege der Beziehung eines Unternehmens zu seinem Kunden zu verstehen

● Dies bedeutet, dass Kommunikations-, Distributions-und Angebotspolitik integriert bearbeitet werden

[Uni Frankfurt]



Nicht nur durch Marketing alleine...● Welche Philosophie steckt hinter CRM?

● Von zentraler Bedeutung für das Unternehmen ist die Kundenzufriedenheit, die indirekt den Schluss auf die Kundenbindung und den Unternehmenserfolg zulässt

● Die Kundenzufriedenheit ist damit für alle Bereiche des Unternehmens relevant und nicht mehr nur für Vertrieb und Marketing, die jedoch weiterhin bestimmend sind

● Entscheidend ist auch die Ausrichtung der Angebote am Kundenbedürfnis, die Reaktion auf Reklamationenoder das Quality Management

[Uni Frankfurt]



CRM-Einsatz im Unternehmen (1)● Eine durch Hagen Sexauer durchgeführte Untersuchung

identifiziert die wesentlichen CRM-Verwendungszwecke

● Marketing-Bereich– Schelle und individuelle Kundenansprache, Selektion

erfolgsversprechender Zielgruppen, Marketing-Aktivitäten enstprechend der Kaufchance, Online-Marketing-Aktivitäten

● Vertriebsbereich– Selektion erfolgsversprechender Zielgruppen,

Vertriebsaktivitäten entsprechend der Kaufchancen

● Service-Bereich– Ständige Erreichbarkeit, schnelle Beantwortung von Anfragen,

Beschwerde-Management, Support und Help-Desk-Features

[Uni Frankfurt]



CRM-Einsatz im Untzernehmen (2)● Die gleiche Studie identifiziert auch die wesentlichen

Einsatzfelder von CRM in den drei besagten Bereichen

● Marketing-Bereich– Direktwerbung, langfristige Verkaufsförderung, Steuerung

des Aussendiensteinsatzes (z.B. Vertreterbesuche), PR

● Vertriebsbereich– Auftragserfassung und -verfolgung, Angebotsmanagement

● Service-Bereich– Auftragsannahme, Beschwerde-Management, Betreuung

der Kunden (insbes. Sog. Pre-After Sales Betreuung)

[Uni Frankfurt]



CRM-Einsatz im Unternehmen (3)

[Uni Frankfurt]



Content Management (1)● Was sind Content Management-Systeme?

● Ein CMS gestattet die gemeinschaftliche Bearbeitung von Inhalt (Content) und generiert aus diesem Content nach voreingestellten Schemata (meist) HTML-Seiten

● Entscheidend ist, dass die Content-Redakteure als die Nutzer des CMS über keinerlei technischen Kenntnisse bezüglich dessen Funktionsweise verfügen müssen

● CMS sind keine Expertensysteme sondern dienen vielmehr dazu, Content-Spezialisten von der Technik unabhängig zu machen und deren Arbeit zu erleichtern




Content Management (2)● Welche Eigenschaften haben CMS?

● Barrierefreiheit der erstellten Webseiten– Unter Barrierefreiheit versteht man, dass die Webseiten ohne

größere Einschränkungen auch von behinderten Personen eingesehen werden können (z.B. über eine Sprachausgabe)

– Da die Barrierefreiheit für Behörden gesetzlich vorgeschrieben ist, ist eine entsprechende Seitenerstellung zu einem wichtigen Feature aktueller CMS geworden

● Medienneutralität in der Ausgabe– Die durch ein CMS erstellten Webseiten sind in der Regel

medienneutral, d.h. die Inhalte können neben HTML auchals PDF-Dateien oder als Garfik-Dateien betrachtet werden




Aufbau eines CMS

[CMS-Total]



CMS-generierte Webseite

[HS Harz]

„TYPO 3“

Barrierefreiheit

Medienneutralität



Knowledge Portal

E-LearningMarktanalysen

E-Business

E-Business Dokumente

[Remus]



Aufgaben eines Knowledge Portals● „Workplace on demand“-Dilemma: Unternehmen haben

eine Vielzahl heterogener Systeme, die für den einzelnenMitarbeiter jeweils zu unterschiedlichen Zeitpunkten undin unterschiedlicher Weise von Interesse sein werden

● Zu diesen Systemen gehören beispielsweise:

● Dokumentserver, e-Business-Plattform, Data Warehouse, Marktanalysen, e-Learning-Inhalte, Workflow-Management, Personensuche, Messaging-Systeme, div. Applikationen...

● Ziel: Ein dynamisch konfigurierbarer Arbeitzplatz, in den sich die verschiedenen Systeme integrieren lassen

[Remus]



Beispiele für Knowledge Portale (1)

[Aud24]



Beispiele für Knowledge Portale (2)

[Linux]



Danke für die Aufmerksamkeit!

Next: Kurzer Überblick der klausurrelevanten Themen



Klausurrelevante Themen (1)● PL ist eine schriftliche Klausur über 90 Minuten

● Welche Themenbereiche werden Teil der Klausur?

● Grundlagen der Informationstheorie– Eigenschaften, Arten und Bedeutung von Informationen

– Informationspyramide & Informations-Wertschöpfungskette

● Managementinformationssysteme– Aufgaben und Funktionen des Managements

– Aufgaben und Funktionen von MI-Systemen

– Informationsbedarf, -angebot und -nachfrage



Klausurrelevante Themen (2)● Verschiedene Arten von MI-Systemen

– XPS, BSC, DSS, DWS, OAS, BIS, TPS, SEM

● Data Warehouse Systemen (DWS)– Wofür wird ein Data Warehouse benötigt?

– Vier Charakteristika des DW nach Inmon

– Aufbau und Bedeutung des ETL-Prozesses

● Balanced Scorecard (BSC)– BSC-Grundlagen, Perspektiven, Aufbau, Interpretation

● Multiple Regressionsanalyse mit SPSS



Klausurrelevante Themen (3)● Arbeit mit Informationen in MI-Systemen

– Wichtige Informationquellen für MIS

– Bewertung der Informationsqualität

– Informations-Gewichtungsverfahren

● Brancheninformationssysteme– Grundlagen, Bedeutung, Inhalte

● e-Business-Anwendungen– Unternehmensinterne Anwendungen

– Business-to-Business-Anwendungen

– Business-to-Customer-Anwendungen



Verwendete Quellen (1)● [Aud24] – http://www.aud24.net

● [BSC-Portal] – http://www.balanced-scorecard.de

● [BMWI] – GründerZeiten Nr. 26 – Informationen zur Existenzgründung und -sicherung, Nr. 03/06„Brancheninfos“, http://www.existenzgrunder.de

● [Börner] – Börner, Sven: Interne Informations-quellen für MIS, Seminararbeit, TU Dresden, 2003

● [Content-Management] – Ordnung im Content-Dschungel – Wie Unternehmen ihre Informationenin den Griff bekommen, Medienspiegel 30/2004

● [CMS-Total] – http://www.design-master.com/cms

http://www.aud24.net/

http://www.balanced-scorecard.de/

http://www.design-master.com/cms



Verwendete Quellen (2)● [DPWN] – Deutsche Post – http://www.dpwn.de

● [ENX] – http://www.enxo.com

● [ELBE] – http://elise.bafg.de/servlet/is/3283/

● [Erosion] – Anwendung des PILOT ELBE DSSfür Planungsfragen im Flusseinzugsgebiets-management, Foliensatz des Instituts für Umweltsystemforschung der Uni Osnabrück

● [Gomez/Rautenstrauch] – Gomez, Juan und Rautenstrauch, Claus: Software-Architekturen für das E-Business, Springer-Verlag, 2006

http://www.dpwn.de/

http://www.enxo.com/

http://elise.bafg.de/servlet/is/3283/



Verwendete Quellen (3)● [Haag] – Haag, Alexander: Konzeption und Umsetzung einer

Erweiterung des CWM, Studienarbeit, Uni Karlsruhe, 2004

● [Hansen] – Hansen & Neumann: Wirtschaftsinformatik,8. Auflage, Lucius & Lucius / UTB-Verlag, Stuttgart, 2001

● [Heise] – Informationsflut nimmt dramatisch zuhttp://www.heise.de/newsticker/meldung/41516

● [HAF] – Studienunterlagen zum Fernstudium Controllingder Hamburger Akademie für Fernstudien, Hamburg, 2006

● [HS Harz] – http://www.hs-harz.de

● [Hygenic] – http://www.hygenic-processing.com

http://www.hs-harz.de/

http://www.hygenic-processing.com/



Verwendete Quellen (4)● [Kaplan/Norton] – Kaplan, Robert & Norton, David:

The Balanced Scorecard, McGraw-Hill, N.Y., 1996

● [Linux] – http://www.linux-knowledge.portal.org

● [Mertens] – Mertens, Peter: Die Wirtschaftsinformatik aufdem Weg zur Unternehmensspitze – alte und neue Herausforderungen und Lösungsansätze, Friedrich-Alexander-Univesität Erlangen-Nürnberg, 2003

● [NASA] – http://www.nasa.gov

● [OuP] – http://www.oup-net.com

● [Packaging] – http://www.hygenic-packaging.com

http://www.linux-knowledge.portal.org/

http://www.nasa.gov/

http://www.oup-net.com/

http://www.hygenic-packaging.com/



Verwendete Quellen (5)● [Reinboth] – Reinboth, Christian: Multivariate

Analyseverfahren in der Marktforschung, LuLu-Verlagsgruppe, Berlin, 2006

● [Remus] – Remus, Ulrich: Business IntelligenceTechnologien, Foliensatz, FAU Erlangen, 2004

● [Sattler/Saake] – Sattler, Kai-Uwe & Saak, Gunter:DW-Technologien, Foliensatz, Uni Magdeburg, 2005

● [Scholl] – Scholl, Armin: ABWL - Planung und Entscheidung, Foliensatz, Uni Hannover, 2004

● [Scheer] – Scheer, August : Wirtschaftsinformatik,Springer-Verlag, 1995



Verwendete Quellen (6)● [Scheruhn] – Scheruhn, Hans-Jürgen; Reinboth,

Christian & Habel, Thomas: Einsatz von ITIL zuProzessoptimierung im RZ der HS Harz, 2005

● [Shirky] – Shirky, Clay: It's not information overload,it's filter failure, Keynote zur WebExpo 2009, New York

● [Strohmeier] – Strohmeier, Stefan: Informations-systeme im Management, Foliensatz, Universitätdes Saarlands, 2004

● [Struckmeier] – Struckmeier, Heinz: Gestaltung vonFührungsinformationssystemen, Wiesbaden, 1997

● Takkin] – Takkin, Thomas: Einführung in dieWirtschaftsinformatik, Foliensatz, HSH, 2003



Verwendete Quellen (7)● [[T-City] – Fischer, U.H.P., Oley, Reiner & Reinboth,

Christian: T-City-Bewerbung der Stadt Wernigerode,Einzelprojekt Industrie, Telekom, eingereicht 2006

● [Uni Frankfurt] – Erhebungen von Hagen Sexauer,http://lwi2.wiwi.uni-frankfurt.de/mitarbeiter/sexauer

● [Uni Konstanz] – http://www.uni-konstanz.de

● [Uni Regensburg] – Lampe, Julia: Eine kurze Einführung in die BWL, Foliensatz, Lehrstuhl für Innovations- und Technologiemanagement, Uni Regensburg, 2002

● [Wikipedia] – http://www.wikipedia.de

http://lwi2.wiwi.uni-frankfurt.de/mitarbeiter/sexauer

http://www.uni-konstanz.de/

http://www.wikipedia.de/

management- und brancheninformationssysteme

Education