Bengin 1 © 2005 bengin.com multidimensional properties bengin Mehrdimensionale Eigenschaften mehrdimensionale_eigenschaften In überarbeitung auf englisch

1

© 2005 bengin.commultidimensional propertiesbengin

bengin

Mehrdimensionale Eigenschaften

mehrdimensionale_eigenschaften

In überarbeitung auf englischmultidimensional_properties_in_arbeit_e.ppt

bengin

Mapping Business' Realities

Ingenieurbüro für Wirtschaftsentwicklung, 9034 Eggersriet

3


Agenda

1. Real Objects

2. Metrics

3. Connections/Associations

4. Application

4


Objekte und Prozesse "abbilden"

5


Agenda

1. Die realen Objekte

2. Die Massstäbe

3. Die Zusammenhänge

4. Die Anwendungen

6


AbbildungssystemAbbildungssystem

InhaltInhalt FormForm

Struktur

Beispiel:

• BSC• Value Code

Struktur

Beispiel:

• BSC• Value Code

QuantifizierendeElemente und Metriken

Beispiel:

• AAA• 1, 2, 3

QuantifizierendeElemente und Metriken

Beispiel:

• AAA• 1, 2, 3

1D: Zahlen

1D: Zahlen

2D:Graphiken

2D:Graphiken

3D:Modelle

3D:Modelle

Eine Realität abzubilden heisst die Objekte zu identifizieren, zu strukturieren und Metriken für deren Quantifizierung bereit zu stellen.

7


BALANCE SHEETASSETS (000'S)FISCAL YEAR ENDING 12/31/1999 12/31/1998 12/31/1997 12/31/1996 12/31/1995 12/31/1994CASH & EQUIVALENTS 253572 289570 308725 362503 334790 270027SHORT TERM INVSTMTS 21201 115025 86722 0 53421 48713NET RECEIVABLES 356638 336579 370538 337435 317533 318712RAW MATERIALS 126660 124937 116290 118090 124336 97610WORK IN PROCESS 62055 81554 84021 88798 86986 83932FINISHED GOODS 132763 82423 92516 76628 100655 79297PROGRESS PAYMENT&OTH 0 0 0 0 0 0INVENTORIES 321478 288914 292827 283516 311977 260839PREPAID EXPENSES 9311 8112 6616 10982 13047 15182OTHER CURRENT ASSETS 0 0 0 0 0 0TOTAL CURRENT ASSETS 940999 923175 978706 994436 977347 864760OTHER INVESTMENTS 1 31639 13507 13853 25961 61955 73661INVST IN ASSOC COMP 2 NA 6838 3928 2038 1092 169455LONG TERM RECEIVBLES 0 0 0 0 0 0PROP PLANT EQ-GROSS 1664281 1589050 1547468 1661585 1529554 1563906ACCUM DEPRECIATION 1091540 1044141 1052534 1051093 939561 933592NET PP&E 572741 544909 494934 610492 589993 630314DEFERRED CHARGES NA NA NA NA NA NAOTH TANGIBLE ASSETS 0 0 0 0 -1599 -1603INTANGIBLE OTH ASSTS 56718 69124 73939 54842 57889 61486OTHER ASSETS 56718 69124 73939 54842 56290 59883TOTAL ASSETS 3 1602097 1557553 1565360 1687769 1686677 1798073

Heutige Abbildungssysteme basieren hauptsächlich auf diskreten Zahlen und Verhältnissen, mit denen die Datenmenge wiederum auf relativ wenige Indikatoren als Steuerungsgrössen reduziert werden.Ein gemeinsames Verständnis "über die Zahlen hinaus auf deren Zusammenhänge" wird durch die klassische Darstellung erschwert.

8


Besser – aber nicht gut genug

9


(2, 3, n-dimensionale)$

%|i$

2. QualitativeMetriken heiss, kalt ...... AAA, A+, B, C

3. QuantitativeMetriken

(lineare) $

Wozu Metriken?- Vergleichen, Nachvollziehbarkeit- Rationale Kommunikation erleichtern

1. Normative "Metriken"Leitbilder, ....die xx "Gebote"

Zeitachse

Mas

sstä

be r

eduz

iere

nIn

terp

reta

tions

beda

rfst

ark

inte

rpre

tierb

ar

$

%|i$

$

rechenbarund

darstellbar

bedingt darstellbar,nicht

direkt rechenbar

Entwicklung der Werte-Metriken

10


Wenn die mehrdimensionalen Eigenschaften von Objekten berücksichtigt werden sollen,

müssen alle Merkmale in jedem "Verarbeitungsschritt" gleichzeitig

berücksichtigt werden.

Dazu eignet sich nur ein mehrdimensionales Metriksystem, weil die Zusammenhänge während der Rechnung nicht verloren gehen.

In einem linearen Metriksystem können Sie nicht mit mehreren

Farben rechnen.

Eigenschaften und Metriken

Objekte, Metriken, Zahlen und Einheiten

linear 2-Dimensionen 3-DimensionenSkalar, "Punkte" # #, # #, #, #Verhältnisse, Division %, a/bFläche c a x bVolumen d a x b x cVektoren a, b a, b, cTemperature °CLänge mFläche m2 a x bArbeit mkp m x kpEnergie calVolumen m3 a x b x cGeschwindigkeit m/s m/s, RichtungKraft kp kp, RichtungMasse kgElektrizität ARadioaktivität curieFarbe r, g, bGeld $Umsatz $Mitarbeiter #Erträge $Kosten $Knowledge ? ? ?Rechte ? ? ?Information ? ? ?Marke ? ? ?Reputation ? ? ?

sehen, fühlen, schmeckenkünstliche Metrik

Öko

nom

isch

e G

röss

enG

ener

isch

ge

omet

risch

Phy

sika

lisch

e G

röss

en,

Obj

ekte

11


Grössen zur Quantifizierung

Beispiel: Grundstück

a x b = c

1'000 m2 für ein Grundstück sagt wohl etwas aus.Wichtiger ist aber, ob es 20 x 50 m2 oder 2'000 x 0.5 m2 misst.

Die Reduktion des Wertemassstabes auf ein lineares monetäres Massstabsystem schränkt dessen Anwendbarkeit wesentlich ein - und öffnet Tür und Tor für Betrügereien.

a b c

10 100 1'000

20 50 1'000

0.5 2'000 1'000

12


Grössen zur Quantifizierung

Beispiel: Kubus als Objekt

a x b x c = d

a b c d3 4 5 6015 4 1 6060 1 1 605 6 2 60

Die Reduktion der Messgrösse auf das "lineare" Volumen "d" reduziert den Informationsgehalt der Kennzahl wesentlich.Welche Packungsgrösse für 1 Liter Milch 1000cmX1cmX1cm???

Die Reduktion des Wertemassstabes auf ein lineares monetäres Massstabsystem schränkt dessen Anwendbarkeit wesentlich ein - und öffnet Tür und Tor für Betrügereien.

13


Basics of 2D-Value-Vector

x, y = two arbitrary properties of an object

y [i$]

x [$]x1 x2

y

x

Illustration 1

Illustration 2

x y x y

Cost Price Turnover Volume [m3]

Transports initialized

Transports finished

CostDeckungs-

beitrag

Budget Rechnung Price Retouren

Medical Properties

Subjective condition

TurnoverMitarbeiter-

zufriedenheit

TurnoverSparten

gewichtetRetouren

Kunden-zufriedenheit

x, y = explicite ("objective") and implicite ("subjective") Value-Properties as a Multi-Value-Compound.

x1 x2 Samples

Sum of balanceSum of Share

PriceShareholder Value

Wagues Turnover Weighted added Value

Price VW Price Porsche Subjective Added Value

14


Auswertungen 2D-Werte-Vektor

Abbildung 3

Abbildung 4

y

x

Vektorvergleiche (analog Abbildung 1)

• Verschiedene Produkte überlagert• Verschiedene Unternehmen überlagert

In Verbindung mit Bilanzsumme und Börsenkapitalisierung flache Vektoren "low-Tech", steile Vektoren eher intangible

• ......• ..........

y

x

Samples of Vectoradditions

• Lohnkosten und Umsatz von Filialen (zeigt diese Eigenschaften gleichzeitig im Gesamtkontext.)

• Vergleiche über Abteilungen, Starten, Unternehmen• Gemeinde, Kantone, Staaten...• Sportler (Fussball, Formel 1......)• Projekt-Priorisierung (Entwicklungen, Investitionen.....)• Kosten-Nutzen Abschätzungen, Budgetrevisionen• ......• ..........

15


Auswertungen 2D-Werte-Vektor

Drill down (zur vertieften Analyse)Wenn es interessiert, wie sich der Vektor zusammensetzt.

y

x

y

x

Abbildung 5

Abbildung 6 Ortscurve

Bewegung der Vektorspitze in zeitlicher Abfolge.

Beispielsweise:Börsenkurs und BilanzsummeMonetäre Bilanz und Potenzialbilanz.........

03

02

01

9900

16


Logistikbetrieb

Nr. opened files Gross Profit

Tot 2000, IN, I + D + F, GP/Clos.file

Tot 2000, IN, I + D + F, Op.File/FTE

FTE Closed file

Tot 2000, EU, I + D + F, Op.File/FTE

Tot 2000, EU, I + D + F, GP/Clos.file

The 2 angles express the input/output efficiency in the two business units

The above graph could be shown in details, e.g. per Land (only I value, only D value and only F value) or in comparison with the budget values.

FTE

Nr. opened files

Tot 2000, EU + IN, I + D + F

Tot 2000, EU, I + D + F

Tot 2000, IN, I + D + F

1 Graphs

The value gives info but the angle as well

FTE

Nr. opened files

Per Month, D, budget

Per Month, D, actual

Per Month, F, budget

Per Month, F, actual

Per Month, I, budget

Per Month, I, actual

One for EU and one for IN

Tot of 2 Graphs

FTE

Nr. opened files

Tot 2000, D, budget

Tot 2000, D, actual

Tot 2000, F, budget

Tot 2000, F, actual

Tot 2000, I, budget

Tot 2000, I, actual

One for EU and one for IN

Tot of 2 Graphs

The value gives info but the angle as well

Referenz: XXL Graphic examples V1.1_e.doc

17


Controlling Lager

5) Lager 5 (ext. Puffer)

4) Lager 4

3) Lager 3

2) Lager 2

Zum Beispiel: Lagergrösse (Volumen?....)

7.9 9.2

2.5 10.6

2.1 3.3

2.2 5.3

0 4.0

gesamt 32.4 CHF Mio fix 14.7 CHF Mio

1) Lager 1

Fixe Kosten Variable Kosten

Beispiel:Verschiedene Lager mit deren Kapazität/Volumen in Verbindung mit den fixen und variablen Kosten.(Allenfalls dritte Dimension für/mit Investitionsvolumen......)

18


Von der Balanced Scorecard zur Balanced Scoremap

Finanzen

Interne Geschäfts-prozesse

Kunden

Lernen

..... Finanzen

..... interneGeschäftsprozesse

..... Kunden

..... Lernen

$ Budget, oder$ Kosten, oder$ Erträge, oder

............ aus/für .....

23%

19%

33%

24%

216 431 163 80

Finanzen

Interne Geschäfts-prozesse

Kunden

Lernen

..... Finanzen

..... interneGeschäftsprozesse

..... Kunden

..... Lernen


............ aus/für .....

23%

19%

33%

24%

216 431 163 80

23%

19%

33%

24%

216 431 163 80

V1

V2

V3

V4

V1V1

V2V2

V3V3

V4V4

Marketing

44

35%

Produktion

9

19%

Management

10

27%

Lernen


xxx, yyy, zzz

F&E

17

19%

Marketing

44

35%

Marketing

44

35%

Produktion

9

19%

Produktion

9

19%

Management

10

27%

Management

10

27%

Lernen


xxx, yyy, zzz

F&E

17

19%

F&E

17

19%

19


NPM (Basel) – Wirkungen, Leistungen und Kosten

Wirkung

Leistung

Kosten

WirkungWirkung

LeistungLeistung

KostenKosten

Wirkung

Kosten

Leistung

20


Von verschiedenen Organisationen in verschiedenen Projekten

21


5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80

80

75

70

65

60

55

50

45

40

35

30

25

20

15

10

5

Impliziter Wert [i - Mia]

Expliziter Wert [Mia]

-

McDonalds

Die expliziten und die impliziten Werte eines Unternehmens zeigen ein vollständigeres Bild über die vorhandenen Werte und die Entwicklungsmöglichkeiten.

Die Fragen sind im Raum:Besteht der implizite Wert aus dem Potential einer Firma?Wird die Firma (zu) gut verkauft?Welcher Teil des impliziten Wertanteils ist durch die SPE (Shareholders Profit Expectation) gegeben?

Microsoft IBM

Ford

Coca Cola

Intangible Aktiven oder Shareholders Profit Expectation?

22


Erhöhte Transparenz für bessere Entscheide

Wert-Punkte von 75 Unternehmen

0

1'000

2'000

3'000

4'000

5'000

6'000

7'000

8'000

9'000

10'000

0 1'000 2'000 3'000 4'000 5'000 6'000 7'000 8'000 9'000 10'000

Explizite Werte

imp

lizite

We

rte

Investoren: Vorsicht!

Management könnte das implizite Potential besser nutzen.

23


Werteentwicklung eines Unternehmens verfolgen

Vektorverlauf über fünf Jahre

0 200 400 600 800 1'000 1'200 1'400 1'600

material axis [Mio CHF]

0

200

400

600

800

1'000

1'200

1'400

inta

ng

ible

axi

s [

Mio

iC

HF

]

96

93 94

92 95Frage:"Was passierte im Jahr 1996?“

Antwort:Teil des Unternehmens verkauft.

Zweite Frage:Wurde der Verlust der intangiblen Werte über den vereinbarten Verkaufspreis abgegolten?

Antwort: ?

Wirtschaftsprüfer fragen – vorausgesetzt es gibt ihn noch…….

24


0.00

50.00

100.00

150.00

200.00

250.00

300.00

350.00

400.00

0.00 20.00 40.00 60.00 80.00 100.00 120.00 mV

Food

Media

Services

Electronic

Information Technology

Mechanical Industries

Insurance

Steel

Electricity, Gas

Wood Industries

Bank

Automobil

Real estate

Health

iV

Quelle: Morgan & Stanley Capital International World Index; Zitiert in: Sveiby, Wissenskapital; Seite 23; Mi-Verlag 1998

Comparison of 14 Industries (Sveiby)

25


Preis-Werte Aktien-Papiere oder Tapeten?

Stock Exchange Value

0

2000000000

4000000000

6000000000

8000000000

10000000000

12000000000

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

96

97

98

99

Value Vector

0

1000000000

2000000000

3000000000

4000000000

5000000000

6000000000

7000000000

8000000000

9000000000

0 2E+9 4E+9 6E+9

Explicit Values

Imp

licit

Val

ues

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

96

97

98

99

....ein Jahr vor dem Sturz in der klassischen Kurve.... ...die Vektordarstellung indizierte den Wechsel bei Coca Cola Amatil.........

26


Economic Value Architecture & Engineering

Stock exchangemV [$]

Zeit

KlassischeÖkonomie

M(financial)

Balace

M(financial)

P&L Statement

Ic-Funktion

IntangibleÖkonomie

I(nonfinancial)

P&L Statement

I(nonfinancial)

Balance

mV

iV

iV introd. of

the implicitValue Axis

mV [$]

iV [i$] (Ortscurve, TEV)

Value Track

REV(Real Enterprise Value)

SPE(Shareholders Profit Expectation)

mV [$]

iV [i$]

REV + SPE = TEVTEV = Total Enterprise Value = “Shareholder Value”

Structure*)

*) Verschiedene Strukturen sind möglich. Wie beispielsweise die Balanced Scorecard and andere Lösungen zur Strukturierung der (intangiblen) Aktiven.

Next Economy

27


SoftWare-unterstützung

28


Rechnen mit 2D Massstäben / Metriken

29


3.1 Beispiel Java-Lösung (Rocsy)

Screen Shots der monochromen Version

Documents

Bengin 1 © 2005 bengin.com multidimensional properties bengin Mehrdimensionale Eigenschaften mehrdimensionale_eigenschaften In überarbeitung auf englisch