Die Unterlagen bzgl.
1.Grundlagen der Informationsmodellierung
2. Modellierung der Problembeschreibung
3. Modellierung der Problemlösung
4. Integrierte Modelle
vom
Lehrstuhl für Informations- und
Technologiemanagement
Prof. Dr.-Ing. Günter Schmidt
Dipl.-Inform.Oliver Braun
WS 99/2000
könnte ihr euch hier als pdf Dateien anschauen:
Die Unterlagen zur IBL3 von Prof. Glaser als doc-Dateien.
Auszug:
BORA
Erläutern sie kurz die heuristischen Verfahren zur Festsetzung der BS.
Allgemein gilt es, die BS so fest zusetzen, daß gerade noch eine vollständige Kapazitätsauslastung gegeben ist. Man unterscheidet dabei 2 Verfahren. Erstens das Probierverfahren, hier erfolgt eine schrittweises Absenken der BS bis es zu einem Knickpunkt der Leistungskurve kommt, gem. der Trichterformel DZp,MG=MBp/MLp . Man legt dabei MB und damit BS so fest, daß die angestrebte Kapazitätsauslastung gerade noch erreicht wird. Dabei sollte ein Leistungseinbruch vermieden werden bzw. man versucht das praktische Minimum der DZ zu erreichen. Das zweite Verfahren ist das Simulationverfahren, hier gewinnt man durch Simulationsexperimente Aussagen die Verläufe der Funktionen ML(MB), DZ(MG).
Analytische Verfahren zur Festsetzung der BS:
Schätzverfahren (Lorenzkurve und gewichtete Mittelwerte), Ermittlung unter Rückgriff auf Trichterformel DZ = MB/ML.
Wie wirkt sich die Pufferzeit PZ, die im Rahmen der analytischen Verfahren zur Festlegung der BS angesetzt wird auf die Anzahl der freizugebenden Aufträge aus?
Die PZ wirkt sich unmittelbar auf den Schätzwert für DZp,MG aus. Dieser Schätzwert beeinflußt seinerseit den Wert der BS gem. BS=MLp*(DZp,MG+T). Setzt der Disponent eine erhöhte PZ an, erhöht sich unabhängig vom gewählten Schätzverfahren der Schätzwert für DZp,MG was letztendlich zu einem erhöhten Wert der BS führt. Die Belastungskonten der zugehörigen Arbeitssysteme werden später gesperrt. Gegenüber der Ausgangssituation können folglich mehr Aufträge freigegeben werden, reziprok wenn PZ gesenkt wird.
Lösungen für die Arbeitsunterlagen „Einführung BWL“ im WS 1994/1995
von Dr. Klaus Bierle
I. Geschichte der BWL
1. Kennzeichnen Sie die Hauptentwicklungsstuffen der BWL! ( Bierle S. 43 )
1. Frühzeit der verkehrs- und rechnungstechnischen Anleitungen (bis 1675)
2. Zeit der systematischen Handlungswissenschaften (1675-1804)
3. Niedergangszeit der Handlungswissenschaften (19. Jahrhundert; 1804-1898)….
| UNIVERSITÄT DES SAARLANDES Lehrstuhl für Statistik und Ökonometrie Prof. Dr. Ralph Friedmann |
Seminararbeitim Wintersemester 2000 / 2001 | |
| Thema: | Identifikation von Nutzertypen: Anwendung der Clusteranalyse, als Data Mining Methode, auf Kundendaten im elektronischen Geschäftsverkehr |
|
| Bearbeiter: | Jörg Peters, Moltkestraße 10, D-66117 Saarbrücken |
Der Kunde entscheidet über den Erfolg oder Misserfolg eines Unternehmens.
Die Nähe zum Kunden steht daher im Zentrum vieler strategischer Unternehmensüberlegungen. Oft enden solche Überlegungen in den falsch verstandenen Bemühungen, jede Kundenbeziehung aufrechtzuerhalten.
Als Ausweg aus dieser Bedrängnis stehen dem modernen Unternehmen Verfahren zur Verfügung, die die wertvollen Kunden von den weniger wertvollen trennen können (Kundensegmentierung). Das Unternehmen kann mithilfe der Kundensegmentierung seine Tätigkeiten gezielt auf die wertvollen Kunden ausrichten. Die Folge davon wird sein, dass sich der Unternehmensgewinn durch Kosteneinsparungen erhöht.
Für dieses Handeln müssen zum einen geeignete Verfahren entwickelt und angewendet werden, um den Wert einer Geschäftsbeziehung über dessen Lebenszyklus hinweg zu ermitteln. Zum anderen müssen Wege gefunden werden, den attraktiven Kunden enger und langfristig an das Unternehmen zu binden.
Um dieses bewerkstelligen zu können, müssen Kundendaten themenorientiert, integriert, zeitbezogen und dauerhaft in Datenbanken gespeichert werden. Genau das ist eine Definition des Data Warehouse. Das Ziel des Managements solcher Datenbanken ist es, den richtigen Kunden zum richtigen Zeitpunkt mit den richtigen Fakten und Produkten zu konfrontieren.
Diese Voraussetzung sollte mit den Kompetenzen der Datenanalyse ergänzt werden, um sinnvolle Aussagen treffen zu können. Gerade in der Datenauswertung liegt der Focus, das Problem und die Zukunft der heutigen Internet / Intranet – Industrie.
Im Rahmen der vorliegenden Seminararbeit wird die Clusteranalyse als ein Verfahren der Kundensegmentierung und Kundenbewertung vorgestellt.
Anhand dieser Arbeit sollen der Nutzen und die Möglichkeiten von Maßnahmen zur Kundensegmentierung bzw. die Identifikation von Nutzertypen illustriert werden. Der Ausgangspunkt ist hierbei das Data Mining mit Hervorhebung der Clusteranalyse in Abgrenzung zu anderen Data Mining Verfahren. In der Schlussbetrachtung werden die Ergebnisse dieser Arbeit zusammengefasst und ein Ausblick auf zukünftige Entwicklungen gegeben.