Betriebswirtschaft und Wirtschaftsinformatik
Refine
Document Type
- Doctoral Thesis (5)
Has Fulltext
- yes (5)
Is part of the Bibliography
- no (5)
Keywords
- Abbiegeverbote (1)
- Algorith (1)
- Automobilindustrie (1)
- Automobilwirtschaft (1)
- Automotive Industry (1)
- China (1)
- Cluster-Analyse (1)
- Clustering (1)
- Conjoint Measurement (1)
- Contraction Hierarchies (1)
Institute
Road accidents are one of the leading causes of death worldwide, particularly among young people. The police and local authorities therefore strive to reduce the risk of accidents through appropriate road safety measures. In order to plan these measures, the relevant types of accidents, i. e., accidents with certain features, must first be recognized. However, the variety of accident features and the amount of resulting feature combinations make it impossible to monitor all accident types manually.
In this thesis, methods are proposed to automatically identify interesting accident types. Here, it is investigated whether combinations of features occur together and how the temporal pattern of the combined occurrence behaves. The change mining approach can then be used to determine whether structural changes in frequency occur during the period under consideration. For example, a feature combination that suddenly appears more frequently or exhibits a change in seasonality should be prioritized for further investigation so that appropriate road safety measures may be initiated for that combination.
The implemented strategic, multi-stage data mining framework based on frequent itemset mining, time series clustering, forecasting methods, and a scoring process is able to detect interesting feature combinations. These are then processed on a map in a web interface suitable for the respective audience in order to support the strategic planning of road safety measures. The framework is applied to several accident data sets from different countries to determine suitable default parameter values for the respective data analysis methods and to carefully align the methods. It is shown that there exist only minor dependencies of the parameter selection on the database to be analyzed.
For operational planning, it is necessary to consider small geographic areas and identify the features that have the greatest impact on accident occurrence there. Therefore, the developed operational framework analyzes and predicts the course of accident time series, taking into account the associated feature-specific time series. On the one hand, this makes it possible to increase the forecast performance, and, on the other hand, to determine which accident features have a significant influence on the course of the accident numbers over time. The insights gained can be used as a basis for short-term measures.
Franchise-Attraktivität
(2014)
China ist schon jetzt der größte Automobilmarkt der Welt, und er wächst stetig wei-ter. Um der steigenden Nachfrage nach Pkws gerecht zu werden, bauen viele Her-steller ihre Produktionskapazitäten immer weiter aus. Neben dem Ausbau dieser Produktionskapazitäten bedarf es auch eines kontinuierlichen Ausbaus der Händlernetze, um den Absatz der Fahrzeuge sicherzustellen. Der Vertrieb in der Automobilwirtschaft ist klassischerweise durch rechtlich und wirtschaftlich selbständige Unternehmer organisiert. Aufgrund des stetigen Wachstums des chinesischen Automobilmarktes ist die Nachfrage der Hersteller nach geeigneten Unternehmern für den Automobilhandel sehr hoch. Diese Unternehmer wiederum stehen einer Vielzahl von Geschäftsmodellen verschiedener Hersteller gegenüber, in die sie investieren können. Der Fokus wissenschaftlicher Studien bei der Untersuchung des Handels lag bisher meist auf den Anforderungen der Kunden an den Handel. Die Anforderungen der Unternehmer, die als Investor in den Vertragshandel der Automobilwirtschaft investieren, wurden bislang nur unzureichend betrachtet. Im Rahmen der vorliegenden Studie wird mit Hilfe einer Adaptiven Conjoint-Analyse die Präferenz der Investoren bezogen auf verschiedene Geschäftsmodelle im Automobilhandel gemessen. Dabei werden neben der Rentabilität des Geschäftsmodells auch weniger quantifizierbare Merkmale wie etwa die Herstellermarke, Arbeitsprozessvorgaben, Angebote für Mitarbeiterschulungen und Gebäudestandards untersucht. Des Weiteren wird untersucht, welche investorenbezogenen Eigenschaften die Präferenzen der Investoren beeinflussen bzw. wie verschiedene Investoren sich in ihrer Präferenzstruktur unterscheiden. Die Ergebnisse der Hauptstudie liefern dabei detaillierte Einblicke in die Präferenz-strukturen chinesischer Investoren in Bezug auf den Automobilhandel. Basierend auf den Ergebnissen werden Handlungsempfehlungen sowohl für die Handelsforschung als auch für die Praxis im Automobilhandel abgeleitet. Diese beinhalten neben neuen Messansätzen in der Handelsforschung auch praktische Empfehlungen für die Gewinnung von Investoren und die Gestaltung des Handels unter Berücksichtigung von Investorenanforderungen.
Die Lösung vieler straßengebundener Transportplanungsprobleme aus der Praxis ist kombinatorisch aufwendig, komplex und manche der notwendigen Informationen liegen nicht hinreichend strukturiert vor. Standard-Lösungsverfahren sind daher für sie oft ungeeignet. Dies gilt auch für die operative Disposition bei Express- und Direkt-Kurierdienstleistern, bei der Entscheidungen über die Zuweisung von Fahrzeugen zu Aufträgen getroffen werden. Üblicherweise kommen für diese Aufgabe dialogorientierte Entscheidungsunterstützungssysteme (EUS) zum Einsatz, welche Vorschläge generieren, aus denen menschliche Disponenten unter Einbezug von domänenspezifischem Wissen den günstigsten auswählen. Lösungen, bei denen die Frachten mehrerer Aufträge auf einem Fahrzeug konsolidiert werden, sind dabei häufig besonders wirtschaftlich. Diese Arbeit beschäftigt sich mit der Optimierung der Disposition im Hinblick auf das Konsolidierungspotential der Frachten. Zum Aufdecken möglicher Ersparnisse durch Konsolidierung müssen viele alternative Fahrzeugrouten ermittelt und verglichen werden. Hierfür sind schnelle Verfahren zur Wegsuche von zentraler Bedeutung. Diese Verfahren bilden den ersten Schwerpunkt der Arbeit. Aufbauend auf einem vergleichenden Überblick "klassischer"' sowie aktueller Wegsucheverfahren wird mit den Contraction Hierarchies (CH) ein hierarchisches Verfahren in den Mittelpunkt gestellt, das ein besonders vorteilhaftes Verhältnis von Suchgeschwindigkeit zu benötigtem Speicherbedarf aufweist. Untersucht werden Optimierungen der Hierarchie-Erzeugung sowie neue Erweiterungen der Wegsuche in CH. In ausführlichen Benchmarks auf digitalen Straßenkarten des OpenStreetMap-Projekts werden die deutlichen Verbesserungen durch diese Erweiterungen empirisch nachgewiesen. Eine größere Realitätsnähe der berechneten Routen ergibt sich durch die Berücksichtigung von Abbiegebeschränkungen bei der Wegsuche. Nach der Vorstellung der in der Literatur hierfür üblichen Ansätze wird mit der adaptiven Wegsuche ein leistungsstarkes neues Verfahren für diesen Zweck präsentiert und für den Einsatz in CH angepasst. Die oben genannten Erweiterungen der Wegsuche sind mühelos auf dieses Verfahren übertragbar. Weitere Benchmarks unterstreichen die Vorteile der adaptiven gegenüber der in früherer Literatur eingesetzten pfeilbasierten Suche nach Wegen mit Abbiegebeschränkungen in CH. Für den zweiten Schwerpunkt der Arbeit, das Konsolidierungsproblem, wird zunächst ein ausführliches mathematisches Modell entwickelt. Es folgt eine Extraktion realitätsnaher Modellannahmen aus operativen Vergangenheitsdaten der IN tIME Express Logistik GmbH. Mit dem rekursiven Savingsverfahren wird schließlich eine neue Heuristik präsentiert, die es ermöglicht, Konsolidierungsvorschläge im Rahmen eines EUS zu generieren. Sie offenbart in mehreren, auf den Vergangenheitsdaten basierenden Benchmarks ein deutliches Kosteneinsparungspotential gegenüber früheren Dispositionsentscheidungen.
Das Aufdecken zeitabhängiger Änderungen in Datenstrukturen im Bereich der Marktforschung ist von grundlegender Bedeutung, um gezielt für die Zukunft planen zu können. Insbesondere die Veränderung einzelner Marktsegmente muss nachvollzogen werden, damit ein Unternehmen auf Entwicklungen reagieren und entsprechende Maßnahmen einleiten kann. Eine ausschließlich deskriptive Untersuchung der aufgetretenen Strukturänderungen ist jedoch nicht ausreichend; vielmehr müssen Trends in die Planung einbezogen werden, da nur so rechtzeitig eine Anpassung der Marketinginstrumente vorgenommen werden kann, um ggf. Entwicklungen zu fördern oder ihnen -- sofern möglich und sinnvoll -- entgegenzuwirken. Das Change Mining bietet Ansätze, Strukturen im dynamischen Kontext zu analysieren und so zeitabhängige Veränderungen frühzeitig aufzudecken. Zum automatischen Erkennen von Marktsegmenten ist die Clusteranalyse ein weit verbreitetes Verfahren; sie ermöglicht die Einteilung eines heterogenen Datensatzes, z.B. verschiedener Kundenverhaltensdaten, in homogene Teilgruppen. Bei der Analyse dynamischer Änderungen innerhalb der Daten ist außerdem das Aufdecken gradueller Unterschiede zwischen den einzelnen Untersuchungszeitpunkten von hoher Bedeutung, um zukünftige Entwicklungen und Trends prognostizieren zu können. Daher erscheint eine harte Clustereinteilung in diesem Kontext ungeeignet, vielmehr werden Zugehörigkeitsgrade benötigt. Aus diesem Grund empfiehlt sich die Fuzzy-Clusteranalyse als Grundlage für die dynamische Betrachtung von Marktsegmenten. In der vorliegenden Arbeit wird aufbauend auf einer allgemeinen Einführung in die Thematik des Data Minings und des Change Minings eine kurze Vorstellung von Ansätzen zur Untersuchung dynamischer Veränderungen unter Anwendung anderer, in der Marktforschung relevanter Data Mining-Verfahren vorgenommen, bevor eine Einführung in die Fuzzy-Clusteranalyse im Speziellen erfolgt. Aufgrund des Untersuchungsziels, dynamische Veränderungen innerhalb einer Clusterstruktur aufzudecken, werden neue Ansätze zur possibilistischen Fuzzy-Clusteranalyse erläutert, die auf Homogenität innerhalb einzelner Cluster ausgerichtet sind und unabhängig von möglichen zeitabhängigen Änderungen angewendet werden können. Zum Nachverfolgen aufgetretener Veränderungen und der Vorhersage möglicher Entwicklungen werden verschiedene Maße vorgestellt und genauer betrachtet, um den Prozess des Change Minings zu verdeutlichen. Dabei wird zwischen der Analyse gradueller Änderungen innerhalb einzelner Cluster und abrupter Veränderungen bzgl. der Gesamtstruktur und der darin vorhandenen Clusterzahl unterschieden. Die Ergebnisse der Untersuchung gradueller Änderungen bzgl. Größe, Dichte und Volumen der individuellen Cluster werden dabei zur Ermittlung abrupter Änderungen bzgl. der Clusterzahl, d.h. neu entstandener, zu elimierender, vereinigter oder geteilter Cluster hinzugezogen, da sie diese implizieren können. Das Vorgehen zur Analyse einzelner Veränderungsarten wird jeweils anhand detailliert dargestellter Experimente veranschaulicht, die mit Hilfe eines eigens für diesen Zweck entwickelten Java-Applets durchgeführt wurden.
Der Einfluss von Nachrichten auf die Aktienkursentwicklung ist zentraler Gegenstand vieler Untersuchungen in der empirischen Kapitalmarkt-forschung. Gewinn- und Dividendenzahlungen haben dabei einen entscheidenden Einfluss auf die Aktienkursentwicklung. Die vorliegende Arbeit untersucht Verbundeffekte von Unternehmens-meldungen, speziell werden Aktienkursreaktionen auf Nachrichten unter Berücksichtigung der finanziellen Situation von Unternehmen analysiert. Als methodisches Instrument dient die Ereignisstudie, mit der sich Preiseffekte und Verarbeitungsgeschwindigkeiten von Nachrichten messen lassen. Die Ergebnisse zeigen, dass Anleger bei der Bewertung von bestimmten Nachrichten die Unternehmenssituation mit berücksichtigen. Aus den Ergebnissen lassen sich theoretische Handels- und Investmentstrategien ableiten.
