View
356
Download
1
Category
Preview:
DESCRIPTION
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
Citation preview
© 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
© 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
© 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
© 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)
© 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.
© 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
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!
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!
© 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
© 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
© 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
© 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?
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!
© 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 BenchmarkSteigerungs-
potentialBenchmark
Steigerungs-
potentialBenchmark
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
© 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
© 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
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!
© 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
© 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 F E
D
A
0
1
2
3
4
5
6
7
0 1 2 3 4 5 6 7
Ert
rag
au
s P
rod
uktv
ert
rieb
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
© 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
Ert
rag
au
s P
rod
uktv
ert
rieb
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.
© 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 BenchmarkSteigerungs-
potentialBenchmark
Steigerungs-
potentialBenchmark
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 €
© 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.K
oste
n
Werk
z.-
Bud
get
Ertrag
A
Ertrag
B
Änderungspotential
46%
0% 0%
54%
0% 0% 0% 0% 0% 0% 1% 0% 0% 0% 0%0%
20%
40%
60%
80%
100%
Filia
le 1
Filia
le 2
Filia
le 3
Filia
le 4
Filia
le 5
Filia
le 6
Filia
le 7
Filia
le 8
Filia
le 9
Filia
le 1
0
Filia
le 1
1
Filia
le 1
2
Filia
le 1
3
Filia
le 1
4
Filia
le 1
5
Anteile zur Benchmarkberechnung
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!
© 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
© 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
© 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.
Recommended