Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze

Transkript

1 Proaktive Entscheidungsunterstützung für Geschäftsprozesse durch neuronale Netze INAUGURALDISSERTATION zur Erlangung des akademischen Grades eines Doktors der Wirtschaftswissenschaften an der Wirtschaftswissenschaftlichen Fakultät der Julius-Maximilians-Universität Würzburg vorgelegt von Diplom-Kaufmann Christian Fuchs aus Sommerhausen Würzburg 2010

2 Inhaltsverzeichnis Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis I V IX XI 1 Leistungsfähige Unternehmen durch Prozessorientierung Problemstellung Relevanz des Themas und Zielsetzung Gang der Untersuchung und Aufbau der Arbeit 5 2 Performance Management Business Intelligence als wesentlicher Bestandteil des Performance Managements Klassische Business Intelligence Datenintegration und -speicherung Datenaufbereitung und -nutzung Weiterentwicklung der Business Intelligence zum Performance Management Operationale Business Intelligence Performance-Management-Kreislauf IT-Entwicklungen als Enablerfür das Performance Management Business Process Management Ziele und Zielsetzung Prozesstransparenz und Bewertung Real-Time - Echtzeit Proaktivität statt Reaktivität Integration : Kontinuierliche Prozessverbesserung Business-Process-Management-Kreislauf Strategisches Prozessmanagement Prozessentwurf Prozessimplementierung Prozesscontrolling Operationale Business''Intelligence als Schnittstelle zwischen Business Process Management und Performance Management 49

3 3 Kennzahlen und Ereignisse Grundlagen Prozessorientiertes Kennzahlenmanagement Definition von Prozesskennzahlen und Metriken Messung von Prozesskennzahlen Organisatorische Aufgaben und Verantwortlichkeiten Empirische Ergebnisse zur Nutzung von Kennzahlen im Performance Management...! Ereignisse und Events Management by Exception Prozess-Ereignistypen Prozess-Ereigniskosten Reaktions-/Event Management Business Activity Monitoring Business-Activity-Monitoring-Referenzarchitektur Ereignis-Erfassung Ereignis-Verarbeitung und -Filterung Ereignis-Kommunikation, -Visualisierung und Reaktion Speicherung von Prozessabläufen und Ereignissen 86 4 Complex Event Processing Arten von Complex Event Processing Ereignisanfragesprachen Maschinelles Lernen und Data Mining Ereignismuster Erste Erkenntnis 97 5 Künstliche neuronale Netze Lernprozess Überwachtes Lernen Bestärkendes Lernen Unüberwachtes Lernen Netztypen Neuronale Netze zur Klassifizierung Neuronale Netze zur Optimierung Neuronale Netze zur Prognose Eigenschaften neuronaler Netze Proaktives Process Performance Management mit neuronalen Netzen Grundkonzeption

4 6.2 Datengrundlage Auswahl der Inputvariablen Inputvariablenauswahl und -anzahl Inputvariablenkorrelation und -Stabilität Datenvervollständigung und -Säuberung Inputvariablencodierung Speicherung, Modellierung und Verarbeitung der Datengrundlage für das Netztraining Erfassung und Speicherung der Datengrundlage Modellierung der Datengrundlage für das Netztraining Endogene Prognose mit einem Prognosehorizont gleich eins (Ein-Schritt- Prognose) Exogene Prognose mit einem Prognosehorizont gleich eins (Ein-Schritt- Prognose) ohne Berücksichtigung der Entwicklung der Einflussfaktoren Exogene Prognose mit einem Prognosehorizont gleich eins (Ein-Schritt- Prognose) mit Berücksichtigung der Entwicklung der Einflussfaktoren Endogene Prognose mit einem Prognosehorizont größer eins Exogene Prognose mit einem Prognosehorizont größer eins ohne Berücksichtigung der Entwicklung der Einflussfaktoren Exogene Prognose mit einem Prognosehorizont größer eins mit Berücksichtigung der Entwicklung der Einflussfaktoren Bewertung der entwickelten Modellierungsverfahren Parametereinstellungen und Netzarchitektur Netztraining Trainingshäufigkeit Trainingszeitraum Anwendung Anwendungsfall Beispielprozess Einflussfaktoren der Prozesskennzahl Durchlaufzeit Messkonzept und Datenerfassung Training eines neuronalen Netzes IBM SPSS Modeler Netztraining mit IBM SPSS Modeler Anwendungsphase 169

5 7.6 Ergebnis IT-Referenzarchitektur zur Umsetzung des Ansatzes Ergebnisdiskussion Kritische Betrachtung valider Prognosen Anwendungsmöglichkeiten von Performanceprognosen mit neuronalen Netzen Wissenschaftlicher Beitrag der Arbeit Management Summary 189 Quellenverzeichnis 193

6