Mehr Transparenz durch Data Mining

1.182 Aufrufe

Veröffentlicht am

Was wir von Banken lernen können.
Zur effektiven Steuerung der eigenen Business Units ist eine genaue Leistungsanalyse unabdingbar. Jedoch verfügt heute kaum ein Unternehmen über adäquate Instrumente, um umfassende Auswertungen durchzuführen und konkrete Handlungsempfehlungen bereitstellen zu können. Durch den Einsatz moderner Data Mining Verfahren kann dieses Problem bald der Vergangenheit angehören. Sie bieten die Möglichkeit zur umfassenden Leistungsmodellierung und Entwicklung von zielkonformen Benchmarking-Systemen.

Was Sie in diesem MHPBoxenstopp erwartet:

- Das Konzept im Überblick
- Modernes Benchmarking am Fallbeispiel
- Potential und Einsatzmöglichkeiten

Veröffentlicht in: Business
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.182
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
2
Aktionen
Geteilt
0
Downloads
11
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Mehr Transparenz durch Data Mining

  1. 1. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH Was man von Banken lernen kann Mehr Transparenz durch Data Mining Andreas Varwig, Fabian Kehle | MHPBoxenstopp: 09.07.2013
  2. 2. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 3 Modulare Erweiterungen zur Optimierung der Produktion www.youtube.de/MHPProzesslieferant Weitere MHPBoxenstopps Agenda Wo Sie uns in 2013 auch finden können… www.mhp.de/Events www.mhp.com/de/Events Zu Anfang sind alle Teilnehmer auf stumm geschalten. MHPBoxenstopp: Mehr Transparenz durch Data Mining 16.07.2013 Chancen und Herausforderungen Social Media hat auch Einfluß auf Ihr Marketing, Sales und CRM von Social Media für Ihr Business 16.07.2013 Step by step zum erfolgreichen Mit der MHP Business Solution für Projekt- und Projektmanagement Portfoliomanagement in SAP 23.07.2013 IT Service Management - Optimale Unterstützung Ihrer geschäftskritischen Prozesse Qualität made in Germany 13.00 – 13.10 Uhr Begrüßung Fabian Kehle 13.10 – 13.45 Uhr Vortrag Andreas Varwig 13.45 – 14.00 Uhr Offene Fragerunde Sie können bereits während der Web Session über die Chatfunktion im rechten Fenster Fragen einreichen. TelKo Einwahlnummer Einwahlnummer Schweiz: +41 44 583 1925 Einwahlnummer Deutschland: +49 711 96 59 96 13 Teilnehmer PIN- Code: 42538759 mit Raute- Taste bestätigen www.mhp.com/de/Events 17. – 19.09.2013 DSAG Jahreskongress 2013 in Nürnberg
  3. 3. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 4 Ihre Gesprächspartner MHPBoxenstopp: Mehr Transparenz durch Data Mining Fabian Kehle Consultant Produkt- und Innovationsmanagement Andreas Varwig Consultant Business Intelligence
  4. 4. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 5 Kennzahlen MHPBoxenstopp: Mehr Transparenz durch Data Mining 0 100 200 300 400 500 600 700 800 900 96 97 98 99/0000/0101/0202/0303/0404/0505/0606/0707/0808/09 10 11 12 Mitarbeiter (aktuell über 850) 0 25 50 75 100 125 150 96 97 98 99/0000/0101/0202/0303/0404/0505/0606/0707/0808/09 10 11 12 Umsatz (in Mio. Euro)
  5. 5. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 6 Mieschke Hofmann und Partner (MHP) A Porsche Company MHPBoxenstopp: Mehr Transparenz durch Data Mining Management- und Prozessberatung Projekt- und Programmmanagement IT-Beratung und Systemintegration Individualentwicklung und Technologie Application Management Business Solutions Die Leistung Der Unterschied Symbiose aus Prozess- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden Die Kompetenz Ganzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette Technology Services Application Mgmt. Services Product Lifecycle Mgmt. Supply Chain Mgmt. Production & Opera- tions Mgmt. Customer Relations Mgmt. Finance & Controlling Business Intelligence After Sales Retail Consulting Human Capital Mgmt.
  6. 6. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 7 Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette MHPBoxenstopp: Mehr Transparenz durch Data Mining Technology Services Application Mgmt. Services Product Lifecycle Mgmt. Supply Chain Mgmt. Production & Opera- tions Mgmt. Customer Relations Mgmt. Finance & Controlling Business Intelligence After Sales Retail Consulting Human Capital Mgmt. Innovations Connected Vehicle Sustainable Mobility Cloud Compute Social Business Mobile Business Real-time Business Production Planning Strategic Production Consulting Lean Production Manufacturing Execution Maintenance SAP Dealer Business Management Retail Consulting SAP FI / CO for car distribution groups Payroll & Time Management Personnel Administration Self Services Talent Management Organization Management & Cost Planning Governance, Risk and Compliance Template Development and Rollouts Business Process Development & Optimization Legal and Fiscal Requirements Accounts, Reporting and Consolidation System Harmonization CIO Management Consulting Enterprise Content Management Standard Software Individual Software Application & Process Services Application Management Consulting Product Structure Management Product Development Process (PDP) Management SAP PLM Consulting & Solution Implementation PTC Windchill Solution Integration DS Enovia V6 Solution Integration PLM Strategy & Management Consulting Production Logistics Procurement & Quality Sales Logistics Service Management Spare Parts Management Supply Chain & Demand Planning Service Management Spare Parts Management Warranty Processes (Pro-active) Complaint Management Campaign Management Sales Force Automation Cross-functional / Data Quality Management Vertical Retail Integration (Pro-active) Complaint Management SAP CRM Consulting & Solution Implementation BI Technology BI Strategy Integrated Corporate Planing Analytical Business Processes Next Generation BI & BIG DATA Mobile BI Scenarios Data Mining
  7. 7. Agenda © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 8 1 Notwendigkeit neuer Benchmarking-Instrumente 2 Potentiale des modernen Data Mining 3 Die MHP-Lösung am Fallbeispiel 4 Unsere Lösung, ihr Nutzen!
  8. 8. Agenda © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 9 1 Notwendigkeit neuer Benchmarking-Instrumente 2 Potentiale des modernen Data Mining 3 Die MHP-Lösung am Fallbeispiel 4 Unsere Lösung, ihr Nutzen!
  9. 9. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 10 Mit stetig steigender Wettbewerbsintensität und Prozesskomplexität nehmen auch die Anforderungen an Leistungsanalyseverfahren zu MHPBoxenstopp: Mehr Transparenz durch Data Mining
  10. 10. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 11 Bisherige Benchmarking-Instrumente vernachlässigen Unterschiede zwischen Produktionsstandorten und liefern selten konkrete Ergebnisse MHPBoxenstopp: Mehr Transparenz durch Data Mining Ihre Ausgangssituation  Effektives Benchmarking und nachhaltige Prozessoptimierungen werden immer notwendiger  Umfassendes Benchmarking scheitert häufig an der mangelnden Vergleichbarkeit der eigenen Business Units  Die bisher verfügbaren Benchmarking-Instrumente sind mühsam zu konfigurieren und kaum intuitiv verständlich  Analysen weisen oft Defizite aus ohne konkrete Verbesserungspotenziale aufzuzeigen  Standardlösungen vernachlässigen leistungsrelevante Rahmenbedingungen
  11. 11. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 12 Auch in komplexen Prozessen schlummern Optimierungspotentiale, die es zu entdecken gilt! MHPBoxenstopp: Mehr Transparenz durch Data Mining Zielbild einer umfassenden Benchmarking-Lösung  Verbesserung der Transparenz von Leistungen und Prozessabläufen  Ganzheitliche Leistungsmodellierung und Analysen im Einklang mit der Unternehmensstrategie  Beschleunigung von Entscheidungen durch Verdichtung von Informationen  Bereitstellung eindeutiger und reproduzierbarer Analyseergebnisse  Identifikation von objektiven und konkreten Zielwerten
  12. 12. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 13 Performanz und Effizienz sind selten auf den ersten Blick zu erkennen! MHPBoxenstopp: Mehr Transparenz durch Data Mining Standort A Standort B Standort C Personalaufwand 280 T€ 240 T€ 340 T€ Maschinen- und Werkzeugbudget 22 T€ 21 T€ 20 T€ Ertrag 335 T€ 310 T€ 325 T€ Produktionsfläche 12000 m² 9000 m² 11000 m² Kundenpotential- Index 4800 4018 4800 Wer ist besser?
  13. 13. Agenda © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 14 1 Notwendigkeit neuer Benchmarking-Instrumente 2 Potentiale des modernen Data Mining 3 Die MHP-Lösung am Fallbeispiel 4 Unsere Lösung, ihr Nutzen!
  14. 14. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 15 Moderne Data Mining Verfahren ebnen den Weg zu flexiblen Benchmarking-Lösungen MHPBoxenstopp: Mehr Transparenz durch Data Mining Benchmarking-Tool Titel der Untersuchung: Ertrags-Optimierung Modellart: Normale DEA, variable Skalenerträge Zielgewichte vorhanden: nein Inputs Outputs Rang Pers.Kosten Werkz.-Budget Ertrag A Ertrag B Filiale Benchmark Benchmark Benchmark Benchmark Steigerungs- potential Benchmark Steigerungs- potential Benchmark Steigerungs- potential Filiale 1 280.000 22.000 - 185.000 - 150.000 - - - 8 Filiale 2 260.000 16.000 - 180.000 - 200.000 - - - 1 Filiale 3 290.642 19.827 - 176.569 16.569 182.087 17.087 - - 12 Filiale 4 300.000 18.000 - 170.000 - 210.000 - - - 7 Filiale 5 260.000 16.389 - 164.432 9.432 170.811 30.811 - - 11 Filiale 6 277.490 21.000 - 171.862 1.862 147.834 2.834 - - 9 Filiale 7 260.000 16.016 - 179.351 74.351 198.784 63.784 - - 15 Filiale 8 289.268 17.463 - 172.683 57.683 207.317 57.317 - - 13 Filiale 9 220.000 22.000 - 140.000 - 165.000 - - - 2 Filiale 10 400.000 20.000 - 180.000 - 190.000 - - - 3 Filiale 11 260.000 19.000 - 130.000 - 115.000 - - - 4 Filiale 12 240.000 20.716 - 147.376 2.376 167.704 2.704 - - 10 Filiale 13 260.000 17.000 - 140.000 - 125.000 - - - 5 Filiale 14 280.000 14.000 - 110.000 - 130.000 - - - 6 Filiale 15 277.417 19.000 - 179.904 54.904 180.934 80.934 - - 14 Kumulierter Ertrag vor der Optimierung: Kumulierter Ertrag nach der Optimierung: 2.427.058,12 € Steigerungspotential: 2.540.589,78 € 4.967.647,90 € Konfiguration Preisvektoren vorhanden: nein Rahmendaten: ja  Das MHP Benchmarking-Tool ist ein neues Instrument, welches die Flexibilität und Genauigkeit moderner Data Mining Verfahren ausnutzt  Die Analysemechanismen basieren auf Methoden der Data Envelopment Analysis und linearer Optimierung  Schon mittels des Excel-Prototyps sind komplexe Analysen durchzuführen  Die Algorithmen können plattform- unabhängig umgesetzt und in bestehende Informationssysteme eingebunden werden
  15. 15. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 16  ... schafft Vergleichbarkeit zwischen verschiedenen Standorten und Business Units.  ... ist gleichermaßen auf simple und komplexe Prozesse anwendbar.  ... identifiziert konkrete Verbesserungspotenziale.  ... unterstützt die Ableitung nachhaltiger Verbesserungsmaßnahmen.  ... vereinfacht und objektiviert Planungsprozesse.  ... sorgt für hohe Akzeptanz in allen involvierten Abteilungen. Unser innovatives Benchmarking-Konzept… MHPBoxenstopp: Mehr Transparenz durch Data Mining
  16. 16. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 17 • Erhöhung der Transparenz • Methodische Identifikation von Peer-Groups • Stützung von Anreizsystemen Performance Rankings • Identifikation von erreichbaren Benchmarks • Ermittlung der Prozesseffizienz • Optimierung von Durchlaufzeiten Prozesscontrolling & -optimierung • Strategiekonforme Kundensegmentierung • Produktspezifische Absatzpotentiale • Filialrankings Vertriebssteuerung • Intuitiv verständliche Leistungskennzahlen • Marktpotentialanalysen • Objektivierung von Entscheidungsprozessen Management- Informationssysteme Die Einsatzmöglichkeiten sind vielfältig MHPBoxenstopp: Mehr Transparenz durch Data Mining
  17. 17. Agenda © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 18 1 Notwendigkeit neuer Benchmarking-Instrumente 2 Potentiale des modernen Data Mining 3 Die MHP-Lösung am Fallbeispiel 4 Unsere Lösung, ihr Nutzen!
  18. 18. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 19 Die 4 Phasen unseres innovativen Benchmarking-Ansatzes MHPBoxenstopp: Mehr Transparenz durch Data Mining Benchmarking  Konfiguration des Tools und Anbindung der Datenbasis  Validierung der Datenqualität  Erwartungsabgleich und Rekalibrierung der Zielfunktionen  Klassifizierung in effizienten und ineffiziente Vergleichs- objekte Ergebnisanalyse  Bestimmung individueller Peer- Groups  Ermittlung des konkreten Optimierungspotenzials in allen Zielgrößen  Ableiten von Maßnahmen zur Leistungsverbesserung Strategie- Umsetzung  Einbettung des Analyse- Tools und der definierten Auswertungen in bestehende Informationssysteme  Begleitung bei der Maßnahmenumsetzung Festlegung des Leistungsbegriffs  Definition der Leistungsziele  Auswahl geeigneter Leistungsindikatoren  Identifikation der leistungsbeeinflussende n Rahmenbedingungen  Sicherstellung der Datenverfügbarkeit  Modellierung der Input- Output-Schemata
  19. 19. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 20 Ausgangswerte Zielwerte Stand- ort Kosten gesamt Ertrag Vertrieb Ertrag Service Effizient Kosten gesamt Ertrag Vertrieb Ertrag Service A 5 6 1 B 5 2,5 1,5 C 5 1 2,75 D 5 5 3 E 5 3 3 F 5 3 5 G 5 1 6 ∑ 35 21,5 22,25 Möglicher Gewinn: Die Grundidee des Analyseverfahrens MHPBoxenstopp: Mehr Transparenz durch Data Mining G C B FE D A 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 ErtragausProduktvertrieb Ertrag aus Serviceleistungen Beispielwerte im Diagramm Unterstellt man einen stark vereinfachten Produktionsprozess, lässt sich die Funktionsweise des Analsyseverfahrens leicht an einer grafischen Darstellung verdeutlichen. Beispielprozess zur Analyse Ausgangswerte Zielwerte Stand- ort Kosten gesamt Ertrag Vertrieb Ertrag Service Effizient Kosten gesamt Ertrag Vertrieb Ertrag Service A 5 6 1 B 5 2,5 1,5 C 5 1 2,75 D 5 5 3 E 5 3 3 F 5 3 5 G 5 1 6 ∑ 35 21,5 22,25 Möglicher Gewinn: Grafische Darstellung der Beispielwerte
  20. 20. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 21 Identifikation von individuellen und konkreten Zielwerten MHPBoxenstopp: Innovatives Benchmarking Ausgangswerte Zielwerte Stand- ort Kosten gesamt Ertrag Vertrieb Ertrag Service Effizient Kosten gesamt Ertrag Vertrieb Ertrag Service A 5 6 1 5 6 1 B 5 2,5 1,5 5 5 3 C 5 1 2,75 5 2 5,5 D 5 5 3 5 5 3 E 5 3 3 5 4 4 F 5 3 5 5 3 5 G 5 1 6 5 1 6 ∑ 35 21,5 22,25 35 26 27,5 Möglicher Gewinn: 9,75 A C B,D E F G 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 ErtragausProduktvertrieb Ertrag aus Serviceleistungen Beispielwerte im Diagramm Konkrete Zielwerte des Beispielprozesses Identifikation der Benchmarks Anhand der verfügbaren Vergleichsdaten wird eine Effizienzgrenze geschätzt, welche die Gesamtheit der erreichbaren Zielwerte widerspiegelt. Durch die Projektion der ineffizienten Vergleichsobjekte auf diese Grenze, können objektive Individualziele und die vergleichbaren Peers bestimmt werden.
  21. 21. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 22 Effizienzauswertung in der Gesamtsicht MHPBoxenstopp: Mehr Transparenz durch Data Mining Benchmarking-Tool Titel der Untersuchung: Ertrags-Optimierung Modellart: Normale DEA, variable Skalenerträge Zielgewichte vorhanden: nein Inputs Outputs Rang Pers.Kosten Werkz.-Budget Ertrag A Ertrag B Filiale Benchmark Benchmark Benchmark Benchmark Steigerungs- potential Benchmark Steigerungs- potential Benchmark Steigerungs- potential Filiale 1 280.000 22.000 - 185.000 - 150.000 - - - 8 Filiale 2 240.000 20.716 - 147.376 2.376 167.704 2.704 - - 10 Filiale 3 290.642 19.827 - 176.569 16.569 182.087 17.087 - - 12 Filiale 4 300.000 18.000 - 170.000 - 210.000 - - - 7 Filiale 5 260.000 16.389 - 164.432 9.432 170.811 30.811 - - 11 Filiale 6 277.490 21.000 - 171.862 1.862 147.834 2.834 - - 9 Filiale 7 260.000 16.016 - 179.351 74.351 198.784 63.784 - - 15 Filiale 8 289.268 17.463 - 172.683 57.683 207.317 57.317 - - 13 Filiale 9 220.000 22.000 - 140.000 - 165.000 - - - 1 Filiale 10 400.000 20.000 - 180.000 - 190.000 - - - 2 Filiale 11 260.000 19.000 - 130.000 - 115.000 - - - 3 Filiale 12 260.000 16.000 - 180.000 - 200.000 - - - 4 Filiale 13 260.000 17.000 - 140.000 - 125.000 - - - 5 Filiale 14 280.000 14.000 - 110.000 - 130.000 - - - 6 Filiale 15 277.417 19.000 - 179.904 54.904 180.934 80.934 - - 14 Kumulierter Ertrag vor der Optimierung: Kumulierter Ertrag nach der Optimierung: Konfiguration Preisvektoren vorhanden: nein Rahmendaten: ja 2.427.058,12 € Steigerungspotential: 2.540.589,78 € 4.967.647,90 €
  22. 22. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 23 Individuelle Auswertungen nach Standorten (1) MHPBoxenstopp: Mehr Transparenz durch Data Mining Benchmarking (Detailauswertung) Titel der Untersuchung: Konfiguration Modellart: Modellorientierung: Zielgewichte vorhanden: Auswertung für: Inputs Outputs Faktoren Aktueller Wert Benchmark Dif. In % Faktoren Aktueller Wert Benchmark Dif. In % Pers.Kosten 340.000 290.642 -15% Ertrag A 160.000 176.569 10% Werkz.-Budget 20.000 19.827 -1% Ertrag B 165.000 182.087 10% - - - - Ertragsoptimierung Normale DEA, variable SE Preisvektoren vorhanden: nein Outputorientiert Rahmendaten: ja nein Faktortypen in der Untersuchung: Absolute Werte Filiale 3 Effizienzscore: 1,10 -15% -1% 0% 10% 10% 0% -100% -75% -50% -25% 0% 25% 50% 75% 100% Pers.Kosten Werkz.- Budget ErtragA ErtragB Änderungspotential 46% 0% 0% 54% 0% 0% 0% 0% 0% 0% 1% 0% 0% 0% 0% 0% 20% 40% 60% 80% 100% Filiale1 Filiale2 Filiale3 Filiale4 Filiale5 Filiale6 Filiale7 Filiale8 Filiale9 Filiale10 Filiale11 Filiale12 Filiale13 Filiale14 Filiale15 Anteile zur Benchmarkberechnung
  23. 23. Agenda © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 24 1 Notwendigkeit neuer Benchmarking-Instrumente 2 Potentiale des modernen Data Mining 3 Die MHP-Lösung am Fallbeispiel 4 Unsere Lösung, ihr Nutzen!
  24. 24. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 25 Unsere innovative Benchmarking-Lösung ermöglicht die umfassende, zielgerichtete und nachhaltige Bewertung und Steuerung ihrer Prozesse. MHPBoxenstopp: Mehr Transparenz durch Data Mining MHP Lösung  Identifikation von Verbesserungspotentialen zur zielgerichteten, nachhaltigen Prozessoptimierung  Einbindung in bestehende Informationssysteme  Begleitung bei der Strategieumsetzung Ihr Nutzen  Maßgeschneiderte Leistungsanalysen unterschiedlicher Prozesse anhand einer einzigen Lösung  Mehr Transparenz in und Akzeptanz von Leistungsanalysen  Schaffung von Vergleichbarkeit unterschiedlicher Business Units durch Berücksichtigung individueller Rahmenbedingungen
  25. 25. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 26 Die Vorzüge unserer Lösung im Überblick MHPBoxenstopp: Mehr Transparenz durch Data Mining Eindeutige Leistungsindikatoren  Identifikation und Quantifizierung von Ineffizienzen  Heben ungeahnter Potenziale  Intuitive Verständlichkeit der Ergebnisse  Zeitnahe und reproduzierbare Leistungsanalysen Konkrete und objektive Ziele  Abkehr von pauschalen Wachstumszielen  Kalkulation individueller und erreichbarer Ziele  Schaffung von Vergleich- barkeit durch eine einzelne Performance-Kennzahl  Förderung der Akzeptanz auf operativer Ebene Dynamische Analysen  Strategiekonforme, flexible Prozessmodellierung und –auswertung  Simultane Optimierung mehrdimensionaler Ziele  Berücksichtigung verschiedener Rahmen- bedingungen  Einfache Modifizierbarkeit der Bewertungsmodelle
  26. 26. © 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 27 MHP Kontaktadressen: Andreas Varwig Consultant Business Intelligence Telefon: +49 (0)89 3608 9089 Mobil: +49 (0)151 4066 7378 E-Mail: Andreas.Varwig@mhp.com Fabian Kehle Consultant Produkt- und Innovationsmanagement Telefon: +49 (0)7141 7856-0 Mobil: +49 (0)151 2030 1406 E-Mail: Fabian.Kehle@mhp.com Offene Fragerunde MHPBoxenstopp: Mehr Transparenz durch Data Mining Freischaltung Mikrofon: Sie werden nun zentral wieder freigeschalten. Chat How-To: 1. Am rechten Bildschirmrand den Reiter Chat anklicken und das Chatfenster öffnet sich. 2. Jetzt können Sie Ihre Frage eingeben und anschließend auf senden drücken. 3. Die Unterlagen der WebSession erhalten Sie später als E-Mail.

×