Präskriptive Entscheidungsunterstützung für wissensintensive GeschäftsprozessePrescriptive Decision Support for Knowledge-Intensive Business Processes

被引:0
|
作者
Andreas van Helden
Rüdiger Buck-Emden
Sascha Alda
机构
[1] Hochschule Bonn-Rhein-Sieg,Fachbereich Informatik
关键词
Bayessches Netz; Case Management Model and Notation; CMMN; Empfehlung; Einflussdiagramm; Entscheidungsunterstützung; Goal Programming; Handlungsempfehlung; Influence Diagram; Lineare Optimierung; Präskriptive Analytik; Wissensarbeiter; Wissensintensiver Geschäftsprozess; Zielprogrammierung; Bayesian Network; Case Management Model and Notation; CMMN; Decision Diagram; Decision Network; Decision Support; Goal Programming; Influence Diagram; Knowledge-intensive Business Process; KiBP; Knowledge Worker; Linear Optimization; Linear Programming; Prescriptive Analytics; Recommendation;
D O I
10.1365/s40702-017-0361-y
中图分类号
学科分类号
摘要
Die Unterstützung wissensintensiver Geschäftsprozesse gewinnt in Unternehmen eine zunehmende Bedeutung. Wissensintensive Prozesse sind daten- und zielgetrieben, oft schwach strukturiert und in ihrer Ausführung von Fall zu Fall individuell. Sie unterscheiden sich dadurch von stark strukturierten, stets wiederholbaren Routineprozessen. In Abhängigkeit von Prognosen und aktuellen Kontextinformationen muss der Wissensarbeiter (engl. Knowledge Worker) über Folgeaktivitäten und/oder die Art der Durchführung einzelner Aktivitäten entscheiden. Dabei kann er durch Verfahren unterstützt werden, die auf präskriptiver Analytik (engl. Prescriptive Analytics) basieren. Diese ermitteln aus Vorhersagen und aktuellen Kontextinformationen geeignete Handlungsempfehlungen. In diesem Beitrag werden präskriptive Verfahren vorgestellt, die unter Heranziehung von linearen Optimierungsmodellen und Einflussdiagrammen (engl. Influence Diagrams, Decision Networks) optimierte Handlungsempfehlungen für Entscheidungssituationen im Kontext wissensintensiver Geschäftsprozesse ermöglichen.
引用
收藏
页码:197 / 222
页数:25
相关论文
共 8 条
  • [1] An architecture for the support of knowledge-intensive e-business processes
    Slembek, I
    Gay, V
    OOIS 2000: 6TH INTERNATIONAL CONFERENCE ON OBJECT ORIENTED INFORMATION SYSTEMS, PROCEEDINGS, 2001, : 113 - 120
  • [2] Model-based decision support for knowledge-intensive processes
    Anjo Seidel
    Stephan Haarmann
    Mathias Weske
    Journal of Intelligent Information Systems, 2023, 61 : 143 - 165
  • [3] Model-based decision support for knowledge-intensive processes
    Seidel, Anjo
    Haarmann, Stephan
    Weske, Mathias
    JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2023, 61 (01) : 143 - 165
  • [4] Knowledge-intensive collaborative decision support for design processes: A hybrid decision support model and agent
    Zha, Xuan F.
    Sriram, Ram D.
    Fernandez, Marco G.
    Mistree, Farrokh
    COMPUTERS IN INDUSTRY, 2008, 59 (09) : 905 - 922
  • [5] Discovering Business Rules in Knowledge-Intensive Processes Through Decision Mining: An Experimental Study
    Campos, Julio
    Richetti, Pedro
    Baiao, Fernanda Araujo
    Santoro, Flavia Maria
    BUSINESS PROCESS MANAGEMENT WORKSHOPS (BPM 2017), 2018, 308 : 556 - 567
  • [6] Process-Aware Task Management Support for Knowledge-Intensive Business Processes: Findings, Challenges, Requirements
    Mundbrod, Nicolas
    Reichert, Manfred
    2014 IEEE 18TH INTERNATIONAL ENTERPRISE DISTRIBUTED OBJECT COMPUTING CONFERENCE WORKSHOPS AND DEMONSTRATIONS (EDOCW), 2014, : 116 - 125
  • [7] Formal R&D management and strategic decision making in small firms in knowledge-intensive business services
    Teirlinck, Peter
    Spithoven, Andre
    R & D MANAGEMENT, 2013, 43 (01) : 37 - 51
  • [8] Assessment of public health interventions for decision support: methods & processes of the evaluation of the Austrian screening programme for pregnant women & childrenBewertung von Public Health Interventionen zur Entscheidungsunterstützung: Methoden und Prozesse der Evaluation des österreichischen Screeningsprogramms für Schwangere und Kinder
    Inanna Reinsperger
    Katharina Rosian
    Roman Winkler
    Wiener Medizinische Wochenschrift, 2019, 169 : 263 - 270