Zusammenfassung
In diesem Kapitel wird ein Anwendungsbeispiel aus dem Marketingbereich für den in Kapitel fünf entwickelten entscheidungsprozeßorientierten Bewertungsansatz von DSS vorgestellt. Für diese fiktive Fallstudie wurde der betriebliche Funktionsbereich Marketing aus den folgenden Gründen gewählt: Marketingentscheidungsprobleme und damit Marketingentscheidungsprozesse weisen einen relativ hohen Komplexitätsgrad auf, da bei ihnen neben Unternehmensintema auch zahlreiche Marktspezifika zu berücksichtigen sind, deren Entwicklung meist ungewiß ist (Meffert, 1986, S. 49ff.). Sie erlauben nur teilweise den Einsatz von standardisierten Problemlösungen und sind deshalb vielfach semistrukturiert (Scheuch, 1989, S. 67ff.; Scheer, 1994, S. 547). Sie stellen somit einen typischen Anwendungsbereich für DSS dar (Gaul/Both, 1990; Zentes, 1993; Gaul/Baier, 1994; Scheer, 1994, S. 546ff.).
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Einen Überblick über den Entwicklungsstand von betrieblichen Marketing-SDSS geben die empirischen Studien von (Spang/Ibach, 1990) für die Bundesrepublik Deutschland und von (Li, 1995) für die USA.
Zur ergebnisorientierten Marketing-Kontrolle siehe (Meffert, 1986, S. 557ff.), (Scheuch, 1989, S. 465ff.) und (Berndt, 1991, S. 118ff.).
Bei der Verfolgung dieser vier Marketingziele können verschiedene Konflikte auftreten, so daß es sich hier um eine “echte” Mehrzielproblematik im Sinne der präskriptiven Entscheidungstheorie handelt bzw. handeln kann (Schneeweiß, 1991, S. 108f.). Zum Zielkonflikt zwischen Umsatz-und Gewinnmaximierung siehez.B. (Meffert, 1986, S. 85ff.; Berndt, 1992, S. 9).
Dies ist hier zwar nicht immer gegeben, könnte aber durch bedingte Wahrscheinlichkeiten, wie z.B. p (Fehler beim Gewinn I Fehler beim Umsatz), berücksichtigt werden.
Die erforderlichen Daten können durch Verlaufsprotokolle, Beobachtungen, Experimente oder durch Schätzungen der Entscheidungsträger bzw. von Experten beschafft werden.8 In Kap. 6.2.2.1 wird im Rahmen einer detaillierten Ist-Analyse des Entscheidungsprozesses gezeigt, wie die hier angegebenen Eintrittswahrscheinlichkeiten der Fehlerumfänge anhand der Wahrscheinlichkeiten von zugrundeliegenden Fehlerursachen berechnet bzw. reproduziert werden können. Die hier aufgeführten Wahrscheinlichkeiten der Fehlerumfänge sind entsprechend auf die zweite Kommastelle gerundet. Bei der Berechnung der Recognition-Risikozahl sind diese Rundungen aber nicht berücksichtigt, was die vorhandene “Rechenungenauigkeit” erklärt.
Ist (1) bezeichnet den Marketingentscheidungsprozeß vor Integration eines SDSS. In Kap. 6.5 wird dieser Entscheidungsprozeß u.a. mit dem Entscheidungsprozeß Ist (2) verglichen, der den entsprechenden Entscheidungsprozeß nach Integration eines SDSS darstellt.
Um genau erkennen zu können, welche Werte des Anwendungsbeispiels an welcher Stelle angenommen werden und welche Werte bereits unterstellt wurden bzw. auf bereits unterstellten Werten basieren, werden die Werte dort unterstrichen dargestellt, wo sie erstmals unterstellt werden.
Handelt es sich um einen stetigen bzw. unbeschränkten Instrumentenraum, ist die Alternativenmenge unendlich groß. In diesem (Ausnahme-)Fall kann der Fehlerumfang nicht mehr mit Hilfe der Fehlerquote gemessen werden, und es muß ein anderes Maß für den Fehlerumfang benutzt werden. Zur Fehlerquote vgl. Kap. 5.2.3.2.
Hier ist auch eine stetige Wahrscheinlichkeitsverteilung denkbar. Aus Vereinfachungsgründen wird aber darauf verzichtet.
Einzelne Marktreaktionsfunktionen können zu Wirkungsmodellen kombiniert bzw. erweitert werden. Beispiele für quantitativ-deterministische Wirkungsmodelle für verschiedene Marketing-Mixes finden sich u.a. bei (Meffert, 1986, S. 525ff.), (Berndt, 1992, S. 402ff.) und (EisenführfVVeber, 1993, S. 73ff.). Neben diesen Wirkungsmodellen können auch marginalanalytische Ansätze und LP-Ansätze als Planungsansätze zur Ermittlung des optimalen Marketing-Mix eingesetzt werden (Meffert, 1986, S. 525ff.; Berndt, 1992, S. 401 ff.).
Die Verfolgung dieser Ziele mit diesen Instrumenten wurde in empirischen Studien bestätigt. Vgl. dazu (Berndt, 1992, S. 128ff.).
Für eine Ubersicht der Analyse der Marktwirkungen bei Unsicherheitssituationen siehe u.a. (Berndt, 1992, S. 12f.).
Diese entspricht der plausiblen Phasengewichtung in Kap. 5.2.3.3, die zum Ausdruck bringt, daß Fehler in “vorderen” Prozeßphasen zu tendenziell größeren negativen Konsequenzen führen als Fehler in “hinteren” Prozeßphasen.
Auf mögliche Rechenungenauigkeiten aufgrund der Rundung auf die zweite Kommastelle sei hier noch einmal hingewiesen.
Zum Begriff der Bernoulli-Variable siehe (Bamberg/Baur, 1993, S. 100f.) und vgl. Kap. 5.3. 2. 1.
Diese Situation ist nach der Studie von (Spang/Ibach, 1990) grundsätzlich mit dem Stand der MarketingSDSS in der Bundesrepublik Deutschland kompatibel. Auf interne Datenbanken kann bei fast jedem SDSS, auf externe Datenbanken nur bei jedem zweiten System (56%) zugegriffen werden (S. 12). Bei nur 53% der SDSS ist ein Exception Reporting installiert (S. 24), dagegen sind statistische Prognosen bei 75% der Marketing-Anwendungen möglich (S. 33) und 90% umfassen Standard-Graphiken (S. 25).
Es handelt sich hier um maximale FVMG, d.h. um die maximal möglichen Senkungen der Fehlerwahrscheinlichkeiten bei vollständiger und optimaler Implementierung der entsprechenden SDSS-Funktion. Beim Exception Reporting werden alle verfolgten Ziele auf mögliche Soll-Ist-oder Ist-Ist-Abweichungen automatisch untersucht. Da die Toleranzschwellen für die einzelnen Ziele aber vom Benutzer festgelegt werden müssen und diese häufig nicht pauschal (“Rasenmäherprinzip”) bestimmbar sind, wird hier nur ein maximaler FVMG von 0,7 unterstellt.
Auf die Möglichkeiten einer konkreten Gegenüberstellung von Prozeßeffektivität und monetären Systemwirkungen wird in Kap. 6.3.4 eingegangen. Deshalb wird an dieser Stelle darauf verzichtet.
Wirken zwei Funktionen gemeinsam auf eine Fehlerursache, wie z.B. im betrachteten Fall die externe Datenbank und die graphische Benutzeroberfläche (ExDaBa/BOF) auf Fehler beim Abruf von Marktanteilen, werden die entsprechenden FEG eines DSSTG gemittelt.
Die Risikozahlen der Phasen Diagnosis, Design und Transformation basieren auf den Eintrittswahrscheinlichkeiten der Fehlerumfänge, wie sie in Kap. 6.5.3 bis Kap. 6.5.5 unterstellt werden. Für die drei übrigen Phasen Screening, Evaluation/Selection und Sensitivity werden die Soll (DSSTG)-Risikozahlen hier direkt unterstellt.
Dies entspricht auch dem Ergebnis der empirischen Studie von (Seibt, 1994, S.9).
In der empirischen Studie von (Bullinger, 1993a, S. 109) wurden z.B. spezielle K.O.-Kriterien aus Anwender-, Entwickler-und Informationsmanagersicht erhoben.
In Kap. 5.2.2.5 wurde schon erläutert, daß es für die Festsetzung und Variation von Anspruchsniveaus keinen formalisierten Prozeß mit überprüfbarer Rationalität gibt und daß deshalb hier kein normatives Verhalten im Sinne der präskriptiven Entscheidungstheorie bestimmbar ist.
Genaue Funktionserfüllungsgrade der einzelnen DSSTG werden auf diese Weise zwar noch nicht beschafft werden können. Eine grobe Einschätzung der Werkzeuge bezüglich ihrer Möglichkeiten zur Realisierung der einzelnen SDSS-Funktionen, die zur Vorauswahl ausreicht, ist aber so erzielbar.
Auf eine detaillierte Aufstellung der Fehlerursachenwahrscheinlichkeiten wie in der Recognition-Phase wird in dieser und den folgenden Phasen aus Platzgründen verzichtet. Allerdings werden hier jeweils die Eintrittswahrscheinlichkeiten der Fehlerumfänge des Soll (DSSTG) aufgeführt, auf denen die angestrebten Risikozahlen basieren, die in Kap. 6.3.3 angeben wurden.
Rights and permissions
Copyright information
© 1996 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Walterscheid, H. (1996). Anwendungsbeispiel aus dem Marketingbereich. In: Effektivität computergestützter Management-Entscheidungsprozesse. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-97723-6_6
Download citation
DOI: https://doi.org/10.1007/978-3-322-97723-6_6
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-6325-1
Online ISBN: 978-3-322-97723-6
eBook Packages: Springer Book Archive