Zusammenfassung
Neben den Begriffen aus dem Chancen- und Risikomanagement, sind auch einige essenzielle Grundbegriffe aus dem Umfeld der Statistik erforderlich, damit die Zusammenhänge der stochastischen Szenarioanalyse nachvollzogen werden können. Hierbei ist vor allem auch eine Abgrenzung von Begriffen (etwa Risiko, Bedrohung und Chance) für eine Reduzierung der babylonischen Sprachverwirrung im Risikomanagement sowie eine wirksame Umsetzung in die Praxis wichtig. Im Folgenden werden daher neben den grundlegenden Begrifflichkeiten aus dem Risikomanagement auch die wichtigen terminologischen Grundlagen der Statistik vorgestellt. Ausgehend davon, dass Statistik die Lehre von Methoden zum Umgang mit quantitativen Informationen ist, werden anschließend die Grundlagen der deskriptiven Statistik (auch beschreibende Statistik oder empirische Statistik) und das Fundament der Inferenzstatistik (auch induktive Statistik, schließende Statistik oder beurteilende Statistik) vorgestellt. In der Inferenzstatistik leitet man aus den Daten einer Stichprobe Eigenschaften einer Grundgesamtheit ab. Die Wahrscheinlichkeitstheorie liefert hierbei die elementaren Grundlagen für die erforderlichen Schätz- und Testverfahren. Auf die explorative Statistik (auch hypothesen-generierende Statistik, analytische Statistik oder Data-Mining) gehen wir nur am Rande sowie in den nachfolgenden Kapiteln ein.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Risiko: Auswirkung der Unsicherheit auf die Ziele. Eine Auswirkung ist eine Abweichung vom Erwarteten. Sie kann positiv, negativ oder beides sein und kann Chancen und Bedrohungen ansprechen, schaffen oder zur Folge haben. Ziele können verschiedene Aspekte und Kategorien haben und auf verschiedenen Ebenen angewendet werden. Risiken werden üblicherweise in Form von Risikoursachen, potenziellen Ereignissen, deren Folgen und deren Wahrscheinlichkeit ausgedrückt.
- 2.
Das Committee of Sponsoring Organizations of the Treadway Commission (COSO) ist eine freiwillige privatwirtschaftliche Organisation in den USA, die helfen soll, Finanzberichterstattungen durch ethisches Handeln, wirksame interne Kontrollen und gute Unternehmensführung qualitativ zu verbessern. Bereits im Jahr 1985 und in der Folge diverser Bilanzskandale wurde COSO als Plattform für die „National Commission on Fraudulent Financial Reporting“ (Treadway Commission) gegründet und wird durch die fünf bedeutendsten US-Organisationen für Kontrolle im Finanz- und Rechnungswesen unterstützt.
- 3.
Risiko beinhaltet Unsicherheit und beeinträchtigt die Fähigkeit einer Organisation, ihre Strategie und Geschäftsziele zu erreichen. Daher besteht eine Herausforderung für das Management darin, zu bestimmen, wie viel Ungewissheit – und damit wie viel Risiko – die Organisation bereit und in der Lage ist, zu akzeptieren. Ein effektives Enterprise Risk Management ermöglicht es dem Management, Risiken und Chancen gegeneinander abzuwägen, mit dem Ziel, die Fähigkeiten zu verbessern, Werte zu schaffen, zu erhalten und letztendlich zu realisieren.
- 4.
Der Demingprozess oder auch PDCA-Zyklus beschreibt einen iterativen drei- bzw. vierphasigen Prozess. Der zugrundeliegende Prozessablauf für das Lernen und der Verbesserung wurde vom US-amerikanischen Physikers Walter Andrew Shewhart erdacht und von William Edwards Deming weiterentwickelt. PDCA steht hierbei für das Englische Plan – Do – Check – Act, was im Deutschen auch mit ‚Planen – Tun – Überprüfen – Umsetzen‘ oder ‚Planen – Umsetzen – Überprüfen – Handeln übersetzt wird. Die Ursprünge des Prozesses liegen in der Qualitätssicherung.
- 5.
Michael Eugene Porter ist ein US-amerikanischer Ökonom und Universitätsprofessor für Wirtschaftswissenschaft am Institute for Strategy and Competitiveness an der Harvard Business School. Er gilt als einer der führenden Managementtheoretiker. Im Mittelpunkt seiner Arbeiten stehen Fragen von Strategie und Wettbewerb.
- 6.
Allgemein besteht ein Ereignis darin, dass ein Übergang von einem Zustand in einen anderen Zustand stattfindet.
- 7.
Die Poisson-Verteilung, benannt nach dem Mathematiker Siméon Denis Poisson, ist eine Wahrscheinlichkeitsverteilung, mit der die Anzahl von Ereignissen beschrieben werden kann, die bei konstanter mittlerer Rate unabhängig voneinander in einem festen Zeitintervall oder räumlichen Gebiet eintreten. Das klassische Beispiel zur Anwendung der Poisson-Verteilung stammt von dem russischen Ökonomen und Statistiker Ladislaus von Bortkewitsch, der bei der Untersuchung der Anzahlen der Todesfälle durch Hufschlag in den einzelnen Kavallerie-Einheiten der preußischen Armee pro Jahr belegen konnte, dass diese Anzahlen gut durch eine Poisson-Verteilung beschrieben werden können.
- 8.
Die Entwicklung der Methode ist eng verbunden mit den Namen der beiden Mathematiker Stanislaw Ulam und John von Neumann. Sie sollen während ihrer Arbeit zum Manhatten-Projekt am Los Alamos Scientific Laboratory diese Methode verwendet haben, um hochkomplexe physikalische Probleme nummerisch mit Hilfe einer Simulation zu lösen [1]. Der Anekdote nach wurde als Codename Monte Carlo verwendet. Die ersten wissenschaftlichen Publikationen zu diesem Verfahren erschienen Ende der 1940er Jahre. [19] Mit dem zur damaligen Zeit parallelen Aufkommen elektronischer Computer fand die Monte-Carlo-Simulation zunächst in der Wissenschaft, später auch in der Wirtschaft ihre Verbreitung.
- 9.
Im Original: „The numbers have no way of speaking for themselves. We speak for them. We imbue them with meaning.“ [15].
- 10.
Mit dem Mittelwert ist in der Regel das arithmetische Mittel gemeint. Daneben existieren auch noch das geometrische und das quadratische Mittel.
- 11.
Der Median wird auch als Zentralwert bezeichnet. Es ist derjenige Messwert, der genau „in der Mitte“ steht, wenn man die Messwerte der Größe nach sortiert.
- 12.
Der Modus – der auch als Modalwert bezeichnet wird – ist definiert als der häufigste Wert, der in einer Stichprobe vorkommt.
- 13.
Hierbei handelt es sich dann um sog. Scheinkorrelation (engl. spurious correlations, spurious relationship). Hier besteht zwischen zwei Größen kein Kausalzusammenhang, sondern es existiert nur eine zufällige oder indirekte Beziehung.
- 14.
Weitestgehend synonym werden die Begriffe Inferenzstatistik, schließende Statistik, induktive Statistik bzw. beurteilende Statistik verwendet. Die Stochastik (lat. „ars conjectandi“ = „Kunst des Vermutens“) fasst die Gebiete Wahrscheinlichkeitstheorie und Mathematische Statistik zusammen.
- 15.
Sir Karl Raimund Popper wurde im Jahr 1902 in Wien geboren und verstarb im Jahr 1994 in London. Er war ein Philosoph, der mit seinen Arbeiten zur Erkenntnis- und Wissenschaftstheorie, zur Sozial- und Geschichtsphilosophie sowie zur politischen Philosophie den kritischen Rationalismus begründete. Damit ist eine Lebenseinstellung gemeint, „die zugibt, dass ich mich irren kann, dass du recht haben kannst und dass wir zusammen vielleicht der Wahrheit auf die Spur kommen werden“.
- 16.
Literatur
Assenmacher, W. (2000). Statistische Schätzverfahren (S. 2000). Springer.
Hubbard, D. (2007). How to measure anything: Finding the value of intangibles in business (S. 46). Wiley; sowie Grinstead, (S. 1997). Introduction to probability (S. 10–11). American Mathematical Society.
Kamps U. (2018). Definition: Korrelation. https://wirtschaftslexikon.gabler.de/definition/korrelation-40362/version-263748. Gabler Wirtschaftslexikon. Zugegriffen: 13. Jan. 2021.
Kornmesser, S., & Büttemeyer, W. (2020). Wissenschaftstheorie, Eine Einführung. Stuttgart: Metzler.
Künsch H. (2006). Seminar für Statistik. ETH Zürich 2006.
Messerli, F. H. (2012). Chocolate consumption, cognitive function, and Nobel Laureates. New England Journal of Medicine, 367(16), 1562–1564.
Mittag, H.-J., & Schüller, K. (2020). Statistik – Eine Einführung mit interaktiven Elementen (6. Aufl.). Berlin: Springer.
Popper, K. (1979). Die beiden Grundprobleme der Erkenntnistheorie. Tübingen: Mohr Siebeck.
Popper, K. (2005). Logik der Forschung, 11. Aufl. Tübingen: Mohr Siebeck.
Romeike, F. (2010). Risikoadjustierte Unternehmensplanung – Optimierung risikobehafteter Entscheidungen basierend auf stochastischen Szenariomethoden. Risk, Compliance & Audit (RC&A), 06, 13–19.
Romeike, F., & Spitzner, J. (2013). Von Szenarioanalyse bis Wargaming - Betriebswirtschaftliche Simulationen im Praxiseinsatz. Weinheim: Wiley.
Romeike, F. (2018). Stochastische Investitionssimulation. Seriöser Umgang mit Unsicherheit bei Investitionsplanungen. CFO aktuell, Ausgabe Juli 2018, S. 167–172.
Romeike, F. (2021). Stochastische Szenariosimulation (Toolbox), in: GRC aktuell, Ausgabe Juni 2021, 02/2021, S. 51–60.
Schüller, K., Busch, P., & Hindinger, C. (2019). Future Skills: Ein Framework für Data Literacy, Hochschulforum Digitalisierung Nr. 47/2019.
Silver, N. (2012). The signal and the noise: Why most predictions fail – But some don’t. London: Penguin Group.
Six Sigma Concil (2018). A complete training & reference guide for white belts, yellow belts, green belts, and black belts. Buffalo.
Stegmüller, W. (1980). Hypothese. In Handbuch wissenschaftstheoretischer Begriffe (Bd. 2, S. 284–287). Göttingen: Vandenhoeck und Ruprecht.
Theiss, C., & Kernbichler, W. (2002). Grundlagen der Monte Carlo Methoden. TU Graz.
Ulam, St., Richtmyer, R. D., & von Neumann, J. (1947). Statistical methods in neutron diffusion. Los Alamos Scientific Laboratory report LAMS-551.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Romeike, F., Stallinger, M. (2021). Grundbegriffe. In: Stochastische Szenariosimulation in der Unternehmenspraxis . Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-34063-6_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-34063-6_3
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-34062-9
Online ISBN: 978-3-658-34063-6
eBook Packages: Business and Economics (German Language)