Immer häufiger wird das Vorwort dazu genutzt, all denen zu danken, die zur erfolgreichen Anfertigung der Diplomarbeit beigetragen haben. So soll es auch in dieser Arbeit sein.
Zunächst gilt ein besonderer Dank Herrn Prof. Dr. Raymond Fleck, der die Aufgabe des Erstgutachters übernahm.
Des Weiteren spreche ich Herrn Prof. Dr.-Ing. Hartmut F. Binner meinen Dank aus, der als Zweitprüfer sowie als Geschäftsführer der XXXXX GmbH den erfolgreichen Abschluss dieser Diplomarbeit ermöglichte.
Nicht zu vergessen sind natürlich alle Mitarbeiter der XXXXX GmbH, die mich stets bei Problemen jeglicher Art unterstützten und einen Rahmen schufen, der die erfolgreiche Erstellung dieser Arbeit gewährleistete.
An dieser Stelle muss außerdem meine gesamte Familie erwähnt werden, die mir nicht nur während des Diplomsemesters, sondern auch während der gesamten Studienzeit Halt und Kraft gegeben hat. Ein ganz besonderer Dank gilt hier meinem Vater, Detlef Kublank, der immer für mich da war, wenn ich Hilfe benötigte, mich immer wieder motivierte und somit sicherlich einen großen Anteil an den insgesamt guten Leistungen während des Studiums hat.
Abschließend möchte ich mich in besonderem Maße bei meiner Lebensgefährtin, Bettina Etzel, bedanken, die mir in dieser zum Teil schweren und oftmals stressigen Zeit trotz zwischenzeitlicher Panikattacken oder gelegentlicher Unausstehlichkeiten immer zu mir gehalten hat, mir stets Zuversicht gab und nie an mir und an der erfolgreichen Fertigstellung dieser Arbeit zweifelte. Außerdem half sie durch ihre selbstlose und uneingeschränkte Unterstützung während der Korrektur, die Qualität dieser Arbeit enorm zu steigern, was ihr aufgrund der zum Teil sehr theoretischen und somit trockenen Ausführungen mit Sicherheit nicht leicht fiel.
Inhaltsverzeichnis
1 Einleitung
2 Analyse multivariater, verteilungsfreier Daten
2.1 Allgemeine Einführung
2.1.1 Multivariate Analyseverfahren im Überblick
2.1.2 Mögliche Einsatzgebiete unterschiedlicher Verfahren
2.2 Grundlagen
2.2.1 Daten und Skalen
2.2.2 Ähnlichkeits- und Distanzmaße
2.2.3 Daten- und Distanzmatrix
3 Benchmarking
3.1 Überblick
3.1.1 Ursprünge und Definition
3.1.2 Traditioneller Betriebsvergleich vs. Benchmarking
3.1.3 Einsatzfelder und Nutzen des Benchmarking
3.2 Prinzipien und Arten des Benchmarking
3.2.1 Internes vs. Externes Benchmarking
3.2.2 Unterschiedliche Betrachtungshorizonte
3.2.3 Vor- und Nachteile verschiedener Benchmarking-Typen
3.3 Der Benchmarking-Prozess
3.3.1 Unterschiedliche Modelle im Überblick
3.3.2 Das 5-Phasen-Konzept als Beispiel
3.4 Klassifizierendes Benchmarking als neue Benchmarkingmethode
3.4.1 Grundlagen
3.4.2 Unternehmensgruppierung mit Hilfe multivariater Analysemethoden
4 Skillmanagement
4.1 Überblick
4.1.1 Einführung und Definition
4.1.2 Skillmanagement als Instrument des Wissensmanagements
4.1.3 Motivationsgründe für Skillmanagement
4.2 Mögliche Einsatzgebiete für Skillmanagement
4.2.1 Expertensuche
4.2.2 Projektmanagement
4.2.3 Personalentwicklung und –beschaffung
4.2.4 Ein konkretes Anwendungsszenario
4.2.5 Technische Durchführung mit Hilfe multivariater Analysemethoden
4.3 Abschließende Einschätzung
4.3.1 Problembereiche
4.3.2 Fazit und Ausblick
5 Die Clusteranalyse als multivariate Analysemethode
5.1 Einleitung
5.1.1 Entscheidungsgrundlagen für die Wahl der Clusteranalyse
5.1.2 Problemstellung der Clusteranalyse
5.1.3 Allgemeine Einführung und Vorgehensweise
5.2 Hierarchische Klassifizierungsverfahren
5.2.1 Single-Linkage-Verfahren
5.2.2 Complete-Linkage-Verfahren
5.2.3 Average-Linkage-Verfahren
5.2.4 Ward-Verfahren
5.2.5 Weitere hierarchische Verfahren
5.2.6 Evaluation hierarchischer Klassifizierungsverfahren
5.3 Partitionierende Klassifizierungsverfahren
5.3.1 Allgemeine Vorgehensweise
5.3.2 K-Means-Methode als Beispiel
5.4 Abschließende Ausführungen
5.4.1 Möglichkeiten der graphischen Ergebnisdarstellung
5.4.2 Vorschlag eines ganzheitlichen Analyseablaufes
5.4.3 Fazit
6 Die Entwicklung des Prototypen
6.1 Angewandte Technologien
6.1.1 Komponentenorientierte, verteilte Systeme
6.1.2 Enterprise JavaBeans als Beispiel
6.1.3 Entwicklungswerkzeuge
6.2 Der Software-Entwicklungsprozess
6.2.1 Analyse
6.2.2 Design
6.2.3 Implementierung
6.2.4 Testphase
6.3 Abschließende Ausführungen
6.3.1 Probleme während der Entwicklung
6.3.2 Fazit
7 Zusammenfassung und Ausblick
Zielsetzung & Themen
Diese Arbeit zielt darauf ab, multivariate, verteilungsfreie statistische Verfahren zur Unterstützung von Managemententscheidungen in den Bereichen Benchmarking und Skillmanagement nutzbar zu machen. Hierzu wird ein softwaretechnischer Prototyp entwickelt, der relevante Analysealgorithmen implementiert, um komplexe Datenbestände in überschaubare Strukturen zu überführen.
- Grundlagen der multivariaten Statistik und Klassifizierungsverfahren
- Benchmarking als Managementinstrument und seine Prozessmodellierung
- Skillmanagement als Teilbereich des Wissensmanagements
- Die Clusteranalyse als zentrales analytisches Werkzeug
- Konzeption und technische Umsetzung eines Software-Prototypen unter Nutzung der Java-Technologie
Auszug aus dem Buch
2 Analyse multivariater, verteilungsfreier Daten
Das Datenmaterial in allen Bereichen der Wissenschaft und ebenso in Wirtschaft, Handel, Technik oder Administration nimmt aufgrund der fortschreitenden Technisierung stetig zu. Somit besteht die Notwendigkeit, die erhobenen Daten zu untersuchen, um unbrauchbare Daten zu extrahieren, nutzbare Informationen zu erkennen und relevante Schlüsse ziehen zu können. In den genannten Bereichen gilt es, Daten zu analysieren, auszuwerten oder graphisch zu repräsentieren, deren Strukturen und Zusammenhänge ebenso komplex wie umfangreich sind. Um diesen Entwicklungen gerecht zu werden, erfolgt der Einsatz unterschiedlicher Verfahren der Statistik und in zunehmenden Maße der multivariaten Statistik.
Dieses Kapitel soll im ersten Abschnitt einen allgemeinen Einblick in die unterschiedlichen multivariaten Analyseverfahren geben und deren Einsatzgebiete anhand ausgewählter Beispiele verdeutlichen. Im zweiten Abschnitt wird versucht, wesentliche für den weiteren Verlauf der Arbeit erforderliche Grundlagen der Statistik zu vermitteln. Dabei wird vor allem auf unterschiedliche Datenniveaus sowie deren Anwendung, Ähnlichkeits- und Distanzmaße und abschließend auf Daten- und Distanzmatrizen eingegangen, die eine Grundlage und außerdem ein wesentliches Hilfsmittel für eine Vielzahl von Berechnungen bilden. Da der Bereich der Statistik und insbesondere die multivariate Statistik außerordentlich komplex ist, kann jedoch nicht auf alle Teilbereiche der Statistik eingegangen werden, um den Umfang dieser Arbeit nicht zu sprengen.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die zunehmende Komplexität der Datenanalyse in Wirtschaft und Wissenschaft ein und stellt die Relevanz der multivariaten Statistik sowie der Managementwerkzeuge Benchmarking und Skillmanagement vor.
2 Analyse multivariater, verteilungsfreier Daten: Das Kapitel vermittelt die theoretischen Grundlagen der multivariaten Statistik, erläutert verschiedene Analysemethoden und führt in die für die Arbeit notwendigen Konzepte wie Skalenniveaus und Distanzmaße ein.
3 Benchmarking: Hier werden Ursprünge, Definitionen und verschiedene Typen des Benchmarkings erläutert, wobei ein Fokus auf den Prozessmodellen und der Abgrenzung zum klassischen Betriebsvergleich liegt.
4 Skillmanagement: Dieses Kapitel behandelt Skillmanagement als Instrument des Wissensmanagements, beschreibt dessen Einsatzbereiche und analysiert kritische Problembereiche sowie Erfolgsfaktoren für Unternehmen.
5 Die Clusteranalyse als multivariate Analysemethode: Dieser Abschnitt konzentriert sich auf die Clusteranalyse, stellt hierarchische und partitionierende Verfahren vor und diskutiert Methoden zur graphischen Ergebnisdarstellung.
6 Die Entwicklung des Prototypen: Das Kapitel beschreibt den Software-Entwicklungsprozess, die angewandten Technologien (EJB) und die Architektur des entwickelten Prototypen zur Durchführung von Clusteranalysen.
7 Zusammenfassung und Ausblick: Diese Zusammenfassung resümiert die theoretischen Erkenntnisse und die praktische Entwicklung des Prototypen und gibt einen Ausblick auf notwendige Weiterentwicklungen.
Schlüsselwörter
Multivariate Statistik, Benchmarking, Skillmanagement, Clusteranalyse, Prototypentwicklung, Datenniveau, Distanzmaß, Enterprise JavaBeans, Software-Entwicklungsprozess, Wissensmanagement, Klassifizierungsverfahren, Entscheidungsfindung, Prozessoptimierung, Unternehmensgruppierung, Datenanalyse
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Diplomarbeit befasst sich mit der Entwicklung eines softwarebasierten Prototypen, der multivariate, verteilungsfreie statistische Verfahren nutzt, um Datenanalysen in den betriebswirtschaftlichen Bereichen Benchmarking und Skillmanagement zu unterstützen.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Themen umfassen die multivariate Statistik (speziell die Clusteranalyse), die Managementmethoden Benchmarking und Skillmanagement sowie die softwaretechnische Implementierung dieser Konzepte unter Verwendung von Enterprise JavaBeans.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es, dem Anwender ein professionelles Analysewerkzeug zur Verfügung zu stellen, das in der Lage ist, durch Clusteranalysen komplexe Datenbestände zu gruppieren, um dadurch fundierte Managemententscheidungen zu ermöglichen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert primär auf der multivariaten Statistik, insbesondere auf verschiedenen Clusteranalyseverfahren (hierarchisch und partitionierend), kombiniert mit Methoden der Softwaretechnik für die Prototypenerstellung.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in theoretische Grundlagen der Statistik und der genannten Managementmethoden, die detaillierte Darstellung der Clusteranalyse-Verfahren sowie die technische Beschreibung der Prototypentwicklung, inklusive Analyse, Design und Implementierung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Schlüsselwörter sind multivariate Statistik, Clusteranalyse, Benchmarking, Skillmanagement, Enterprise JavaBeans (EJB) und Software-Entwicklung.
Warum wird im Bereich Skillmanagement die Clusteranalyse eingesetzt?
Sie dient dazu, eine große Anzahl von Mitarbeitern basierend auf ihren individuellen Kompetenzprofilen und den Anforderungen an ein Projekt objektiv zu gruppieren, um so die ideale Besetzung von Projektteams zu identifizieren.
Welche Rolle spielt die Clusteranalyse für das klassifizierende Benchmarking?
Sie ermöglicht eine branchenunabhängige Unternehmensgruppierung, indem Unternehmen anhand von Merkmalsprofilen vergleichbar gemacht werden, anstatt sich nur auf starre Branchenvorgaben zu verlassen.
- Citation du texte
- Diplom-Wirtschaftsinformatiker Andre Kublank (Auteur), 2005, Entwicklung eines Prototypen zur Analyse multivariater, verteilungsfreier Daten in den Bereichen Benchmarking und Skillmanagement, Munich, GRIN Verlag, https://www.grin.com/document/61526
