Entwicklung eines Prototypen zur Analyse multivariater, verteilungsfreier Daten in den Bereichen Benchmarking und Skillmanagement

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

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.