Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Umgang mit quantitativen Daten Modellierung von Zeitprozessen (erste Einheit) Ao. Univ. Prof. Dr. Günther Ossimitz Universität Klagenfurt.

Ähnliche Präsentationen


Präsentation zum Thema: "Umgang mit quantitativen Daten Modellierung von Zeitprozessen (erste Einheit) Ao. Univ. Prof. Dr. Günther Ossimitz Universität Klagenfurt."—  Präsentation transkript:

1 Umgang mit quantitativen Daten Modellierung von Zeitprozessen (erste Einheit) Ao. Univ. Prof. Dr. Günther Ossimitz Universität Klagenfurt

2 G. Ossimitz: Umgang mit Daten Seite 2 Mottos „Rowing harder does not help if the boat is headed in the wrong direction.“ (Keinichi Omahe: „Borderless World“) „I waas zwar net, wo i hinwill, aber dafür bin i schnölla durt!“ (Helmut Qualtinger: „Der Wülde auf seiner Maschin“)

3 G. Ossimitz: Umgang mit Daten Seite 3 Prolog: Eine Geschichte zum praktischen Umgang mit Daten Neuer CEO eines Nudelherstellers: Zu viele Spaghetti im Fertiglager! CEO holt Marketing Direktor: „Tun Sie was!“ Marketing Direktor lanciert eine große Kampagne: Nimm 2, zahl 1“ Kampagne schlägt voll ein – 3 Monate später ist das Lager fast leer. Chef lobt den Marketing Direktor: „Gut gemacht!“ Etwa zur selben Zeit: Produktionssachbearbeiter berichtet dem Produktionschef: Unsere Verkäufe sind dramatisch angestiegen!“ „Laut Prognose werden wir in sechs Monaten unsere Verkäufe von 200 auf 400 Tonnen verdoppelt haben. Wir müssen die Produktion dramatisch steigern!“

4 G. Ossimitz: Umgang mit Daten Seite 4 Spaghetti-Absatz: Sicht des Disponenten

5 G. Ossimitz: Umgang mit Daten Seite 5

6 G. Ossimitz: Umgang mit Daten Seite 6 Wie reagierte der Produktionsleiter? Der Produktionsleiter ist geschockt über die Lücke zwischen Produktion und Absatz: „Wir fahren schon zwei Schichten. Jetzt brauchen wir auch noch eine Nachtschicht.“ Aus dem Forecast schloss er, dass ohne Steigerung der Produktion diese Lücke noch größer werden würde. Er entschied, die Produktionskapazitäten dramatisch auszuweiten. Alle Urlaube wurden gestrichen, neues Personal aufgenommen und eine dritte Schicht gefahren. Die Produktion sollte binnen 6 Wochen um ein Drittel gesteigert werden – und das gelang auch...

7 G. Ossimitz: Umgang mit Daten Seite 7 Was passierte tatsächlich mit dem Spaghettiabsatz? Die Verbraucher aßen genauso viel Spaghetti wie immer. Die im Rahmen der Aktion „2 für 1“ zusätzlich verkauften Packungen wurden bei den Konsumenten in der Speisekammer gehortet. Der tatsächliche Absatz sank nach der „2 für 1“ Aktion dramatisch unter den Schnitt von 200 Tonnen pro Monat! Der absolut nicht systemgerechte Forecast durch lineare Extrapolation deutete komplett in die falsche Richtung. Tatsächlich war Ende Juni der Lagerstand höher als zu Beginn der „2 für 1“ Aktion! PS: Im Juni wurde der Marketing-Chef gefeuert, weil er nach Ende der Marketing-Aktion „2 für 1“ nach Meinung des CEO offensichtlich versagt hat.

8 G. Ossimitz: Umgang mit Daten Seite 8 Was können wir aus dieser Geschichte lernen? Spezifische Struktur eines Lagers: Unterscheidung Bestände vs. Flüsse (Zu- bzw. Abflüsse) ist essenziell! Zwei Sichtweisen: Mit und ohne Bestand „Speisekammern“ Trendextrapolation führt TOTAL in die Irre kurzfristige „Lösungen“ verschlimmern das Problem langfristig Hintergrund: Umgang mit Zeitprozessen ist schwierig!

9 G. Ossimitz: Umgang mit Daten Seite 9 Schnittpunkt zwischen den beiden Kurven Ankünfte und Abreisen in einem Hotel: Wann waren die meisten Gäste im Hotel? N=154 Korrekt gelöst: 19% Wie kann man aus der Grafik rasch und elegant (ohne mühsames Nachrechnen, sondern direkt durch Hinschauen) ermitteln, wann die meisten Gäste im Hotel waren? Erklären Sie, wie Sie dies bewerkstelligen würden!

10 G. Ossimitz: Umgang mit Daten Seite Jänner Ankünfte und Abreisen in einem Hotel: Wann gab es die meisten Abreisen? Korrekt gelöst: 95 % An welchem Tag gab es die meisten Abreisen?

11 G. Ossimitz: Umgang mit Daten Seite 11 Testaufgabe "Staatsverschuldung vs. Budgetdefizit" 68% 36% 64% 44% 53% 45% In Fantasien nennt man den Betrag, um den die Staatsausgaben in einem Jahr höher sind als die Staatseinnahmen, "öffentliches Budgetdefizit". Im Jahr 1998 betrug das öffentliche Budgetdefizit in Fantasien 60 Mrd. Taler, Ein Jahr später lag es bei 40 Mrd. Taler. Kreuzen Sie an, welche der folgenden Aussagen richtig bzw. falsch bzw. nicht beantwortbar sind! Im Jahr 1999 wurden 20 Mrd. Taler Schulden zurückbezahlt Der Finanzminister konnte die Staatsschulden von 1998 auf 1999 um ein Drittel senken Wenn es gelingt, das Budgetdefizit auf 0 zu senken (ausgeglichen zu budgetieren), dann hat Fantasien keine Schulden mehr. Wenn es gelingt, das Budgetdefizit auf 0 zu senken, dann hat Fantasien seinen höchsten Schuldenstand erreicht. Ein geringeres Budgetdefizit bedeutet eine geringere Staatsverschuldung. Die Schulden sind sowohl 1998 als auch 1999 gewachsen. Diese Performance hätte man auch durch Münzwurf erreicht! N=154 (BWL-Stud.)

12 G. Ossimitz: Umgang mit Daten Seite 12 Hintergrund: Unterscheidung Bestände vs. Flüsse Unterscheidung Bestände-Flüsse ist essenziell für das Verständnis verschiedenster Systeme! Bestände werden mit Flüssen verwechselt! BestandZuflussAbfluss Lager Wörthersee Bevölkerung Personal Gäste im Hotel Lagerstand Wassermenge/Pegel Bevölkerungsstand Personalstand Anzahl Gäste(nächt.) Lagerzugang Zufluss Geb. / Zuwand. Pers. Zugänge Ankünfte von G. Lagerabgang Abfluss Sterbef. / Abwand. Pers. Abgänge Abreísen RechenregelBest(neu) = Best(alt)+ Zuflüsse– Abflüsse

13 G. Ossimitz: Umgang mit Daten Seite 13 Dynamische Modellbildung/Simulation: Bestandsgrößen vs. Flussgrößen Bestandsgrößen: Bevölkerungsstand, Lagerstand, Kontostand, Bilanzgrößen (math.: Integratoren) Bestandsgrößen sind immer zeitpunktbezogen! Flussgrößen: Zuflüsse und Abflüsse, die einen Bestand verändern: Geburten, Sterbefälle, Lager- veränderungen, Kontobewegungen, G&V-Rechnung Flussgrößen sind immer zeitintervallbezogen!

14 G. Ossimitz: Umgang mit Daten Seite 14 Darstellung von Beständen und Flüssen in Stock-Flowdiagrammen: Bevölkerungsmodelle

15 G. Ossimitz: Umgang mit Daten Seite 15 Mögliche Eingriffe in die Bevölkerungsentwicklung Bevölkerungsverläufe sind zwangsläufig: Die Babys von heute sind – sofern noch am Leben – in 30 Jahren 30 Jahre alt. Es gibt nur wenige Möglichkeiten der Beeinflussung einer Bevölkerungsentwicklung: –Babys fördern oder verhindern –Zuwanderung/Abwanderung fördern oder bremsen –Menschen umbringen Auswirkungen sind meist langsam und langfristig, aber dafür umso zwangsläufiger.

16 G. Ossimitz: Umgang mit Daten Seite 16 Ein-Kind-Politik in China Bis 1979: Fertilität pro Frau bei ca. 4-5 Kindern „Ein-Kind-Politik“ ab 1980: Fertilität ca. 1,8 Kinder/Frau Chinesen bevorzugen massiv männlichen Nachwuchs Geburtsjahrgang 1990: 11 Mio Mädchen vs. 13 Mio Knaben Ab 2000: Männer im heiratsfähigen Alter werden rar; ca. 40 – 70 Mio männlicher Chinesen finden keine Frau! In jüngster Zeit: Verbot von Mädchenabtreibungen, Mädchenförderung

17 G. Ossimitz: Umgang mit Daten Seite 17 Stock-Flow-Diagramm (Flussdiagramm) Beispiel Epidemie

18 G. Ossimitz: Umgang mit Daten Seite 18 Stock-Flow-Diagramm Feinstaub

19 G. Ossimitz: Umgang mit Daten Seite 19 Bestände und Flüsse: Beispiel Erdölförderung Der Bestand an „noch nicht entdeckten Vorkommen“: - seine Größe ist unbekannt – nicht im Bewusstsein - unsichtbar - kein Zufluss – wird immer kleiner – ist einmal am Ende Das Problem liegt dort, wo man es NICHT sieht!

20 G. Ossimitz: Umgang mit Daten Seite 20 Bestandsgrößen vs Flussgrößen: Stocks vs. Flows Bestandsgröße, Bestand engl. stock variable, level Zustandsgröße, state variable zeitpunktbezogene Größe Statistik: Bestandsmasse Flussgröße, Fluss engl. flow, rate, flow rate Zufluss vs. Abfluss (inflow, outflow) zeitintervallbezogene Größe Statistik: Bewegungsmasse Bestände werden ausschließlich durch Flussgrößen verändert: Zuflüsse erhöhen den Bestand, Abflüsse verringern den Bestand.

21 G. Ossimitz: Umgang mit Daten Seite 21 Hintergrund Zwei Modelle von Zeit kontinuierliche Zeit vs. diskrete Zeitintervalle Diskrete Zeitintervalle Zeitpunkte vs. Zeitintervalle Zeitpunkte: Beginn und Ende von Sendung Zeitintervall: Dauer von Sendung Bestände zu Zeitpunkten Änderungen in den Zeitintervallen Kontinuierliche Zeit Kontinuum von Zeitpunkten Zeitintervalle spielen keine besondere Rolle Änderungen werden als momentane Änderungsraten betrachtet Differenzialgleichungen t

22 G. Ossimitz: Umgang mit Daten Seite 22 Keynes‘sche Volkswirtschaft ohne Staat und Ausland Haushalte Produktion Ersparnisse S Investitionen I Y = C+I I C = Y - S = c*YS = s*Y; s=1-c Volkseinkommen Y Konsumausgaben C c: marginale Konsumquote: ca. 0,8 - 0,9 s: marginale Sparquote: ca. 0,1 - 0,2 Gleichgewicht: Y = C+I; C = Y-S;  I = S; Multiplikatoreffekt: Man erhöhe I um Betrag a. Dann erhöht sich Y gl um 1/s * a I und Y im Gleichgewicht (Y gl ): I = S und S = s*Y  Y gl = 1/s*I

23 G. Ossimitz: Umgang mit Daten Seite 23 Keynes‘sche Volkswirtschaft: Beispiel Y = 1000; s=0,1  S = 100, C= 900  Gleichgewicht bei I = 100 I wird um 10 auf 110 erhöht: Neues Gleichgewicht bei Y=1100, S=110, C=990 Multiplikatoreffekt: eine Erhöhung von I um 10 erhöht Y gl um 100! Haushalte Produktion Ersparnisse S Investitionen I Y = C+I I C = Y - S = c*YS = s*Y; s=1-c Volkseinkommen Y Konsumausgaben C c: marginale Konsumquote: ca. 0,8 - 0,9 s: marginale Sparquote: ca. 0,1 - 0,2 Gleichgewicht: Y = C+I; C = Y-S; => I = S; Multiplikatoreffekt: Man erhöhe I um Betrag a. Dann erhöht sich Y gl um 1/s * a I und Y im Gleichgewicht (Ygl): I = S und S = s*Y =>Y gl = 1/s*I

24 G. Ossimitz: Umgang mit Daten Seite 24 Multiplikatoreffekt: Wie umsetzen? Schlüsselfrage: Muss man die höhere Investition einmal oder laufend (in jeder Periode des dynamischen Systems) tätigen? Hintergrund: bei statischer Betrachtung des Modells stellt sich diese Frage gar nicht, weil man in einem statischen Modell keine zeitliche Dynamik hat! Dynamisches Modell lässt sich leicht mit Excel realisieren!Dynamisches Modell

25 G. Ossimitz: Umgang mit Daten Seite 25 Umgang mit Daten: JA – aber bitte mit Umsicht! Am Spagetti-Beispiel kann man erkennen: – Daten zeigen oft nur Symptome, nicht die Ursachen (z.B. Fieber, betriebliche Kennzahlen, Bilanzen) –Sachgerechte Interpretation von Daten braucht Verständnis des Gesamtsystems (Spaghetti in Speisekammern reduzieren Absatz) –Simple Trendextrapolationen: können komplett in die falsche Richtung weisen! Unterscheidung von Beständen und deren Veränderung durch Zu- und Abflüsse ist essenziell - oft Verwechslungen! Bestände sind zeitpunktbezogen; Flüsse sind zeitintervallbezogenen! Flussdiagramme helfen, Stock-Flow-Situationen darzustellen!


Herunterladen ppt "Umgang mit quantitativen Daten Modellierung von Zeitprozessen (erste Einheit) Ao. Univ. Prof. Dr. Günther Ossimitz Universität Klagenfurt."

Ähnliche Präsentationen


Google-Anzeigen